KI und Datenschutz

Wichtiger Hinweis Dieses Dokument ist ein neutrales Fakten-Dossier. Es ersetzt keine individuelle Rechtsberatung. Rechtliche Bewertungen hängen vom konkreten Zweck, den Daten, den beteiligten Rollen, der technischen Architektur und den Schutzmaßnahmen ab.

DSGVO, BDSG und europäische Datenschutzpraxis

Rechts- und Recherchestand: 7. August 2026 Räumlicher Schwerpunkt: Europäische Union, EWR und Deutschland Verwendungszweck: belastbare Wissensbasis für eine deutsche Sachbuchreihe

Wichtiger Hinweis: Dieses Dokument ist ein neutrales Fakten-Dossier. Es ersetzt keine individuelle Rechtsberatung.

Statuskennzeichnungen

Management-Zusammenfassung

Kernbefund Die DSGVO enthält kein allgemeines KI-Verbot und keine pauschale KI-Erlaubnis. Zulässigkeit entsteht nur aus einer konkreten Verarbeitungskette: bestimmter Zweck, identifizierte Daten, klare Rollen, tragfähige Rechtsgrundlage, Transparenz, wirksame Betroffenenrechte, angemessene Sicherheit und - bei hohem Risiko - eine Datenschutz-Folgenabschätzung. ^{[S-001; S-023; S-024]}

Unternehmen müssen nicht "die KI" als Gesamtprodukt rechtfertigen. Sie müssen jeden datenschutzrechtlich relevanten Verarbeitungsschritt rechtfertigen: Datenerhebung, Übermittlung an den Anbieter, Speicherung, Protokollierung, Nutzung für Training oder Produktverbesserung, Generierung von Ausgaben, Profilbildung, Entscheidungsunterstützung und gegebenenfalls Drittlandtransfer. Ein Vertrag mit dem Anbieter oder eine Datenschutzerklärung ersetzt diese Rechtsgrundlage nicht. ^{[S-001, Art. 5, 6, 13, 14, 24, 28, 44; S-023, S. 3-9]}

Die wichtigste praktische Trennlinie verläuft nicht zwischen "KI" und "Nicht-KI", sondern zwischen kontrollierbaren und unkontrollierbaren Datenflüssen. Eine Unternehmens- oder API-Version kann datenschutzrechtlich günstiger sein als ein frei zugänglicher Chatbot, wenn Trainingsnutzung, Speicherfristen, Unterauftragnehmer, Zugriffe, Löschung und internationale Transfers vertraglich und technisch beherrscht werden. Sie ist jedoch nicht automatisch DSGVO-konform. ^{[S-023, S. 5-11; S-035; S-037]}

Öffentlich zugängliche Daten sind nicht frei verwendbar. Webscraping mit personenbezogenen Daten bleibt Verarbeitung nach der DSGVO. Ein berechtigtes Interesse kann als Rechtsgrundlage in Betracht kommen, verlangt aber einen legitimen und konkreten Zweck, Erforderlichkeit und eine echte Interessenabwägung. Umfang, Datenarten, Herkunft, vernünftige Erwartungen, technische Zugangshürden, mögliche Folgeanwendungen und wirksame Widerspruchs- und Löschmöglichkeiten sind zentral. ^{[S-001, Art. 5, 6, 14, 21; S-024; S-031]}

Bei besonderen Kategorien personenbezogener Daten genügt Art. 6 DSGVO nicht. Zusätzlich muss eine Ausnahme nach Art. 9 Abs. 2 vorliegen. Die Tatsache, dass sensible Informationen nur beiläufig mitgescrapt oder durch ein Modell abgeleitet werden, beseitigt das Problem nicht. Der EDPB lässt im Entwurf der Scraping-Leitlinien nur eine eng begrenzte Einzelfallprüfung unter technischen und organisatorischen Schutzmaßnahmen erkennen. ^{[S-001, Art. 9; S-031; S-068; S-069]}

Ob ein KI-Modell selbst personenbezogene Daten enthält, ist nicht pauschal entschieden. Der EDPB verlangt eine Einzelfallprüfung und sieht Anonymität nur, wenn sowohl Identifizierung als auch Extraktion personenbezogener Trainingsdaten sehr unwahrscheinlich sind. Der HmbBfDI vertrat 2024 eine engere Gegenposition. Die BfDI-Konsultation 2025/26 zeigt ein heterogenes technisches und rechtliches Meinungsbild. Für Unternehmen ist deshalb eine pauschale Behauptung "Das Modell ist anonym" nicht belastbar. ^{[S-024, Rn. 31-50; S-026; S-028; S-059]}

Pseudonymisierung ist kein Synonym für Anonymisierung. Pseudonymisierte Daten bleiben für den Verantwortlichen regelmäßig personenbezogen. Nach dem EuGH kann die Einordnung für einen Empfänger kontextabhängig sein, wenn diesem vernünftigerweise keine Identifizierungsmittel zur Verfügung stehen. Das ändert aber weder die ursprünglichen Pflichten des Verantwortlichen noch die Notwendigkeit einer dokumentierten Risikoanalyse. ^{[S-001, Art. 4 Nr. 5 und ErwG 26; S-032; S-033; S-072]}

RAG-Systeme können Richtigkeit, Nachvollziehbarkeit und Kontrolle verbessern, weil konkrete Quellenbestände getrennt verwaltet, berichtigt und gelöscht werden können. Sie heilen aber keine rechtswidrige Basismodellentwicklung. Zudem erzeugen Embeddings, Vektordatenbanken, Berechtigungen, Protokolle und Abrufkontexte eigene datenschutzrechtliche Verarbeitungsschritte. ^{[S-029; S-085]}

Art. 22 DSGVO greift nicht bei jeder KI-Unterstützung. Relevant sind ausschließlich automatisierte Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung. Nach der SCHUFA-Rechtsprechung kann bereits die automatisierte Erstellung eines Scores Art. 22 unterfallen, wenn ein Dritter ihm eine maßgebliche Rolle beimisst. Ein Mensch im Prozess hilft nur, wenn er tatsächlich informiert, kompetent, befugt und zeitlich in der Lage ist, die Empfehlung eigenständig zu prüfen und abzuweichen. Eine formale Abzeichnung genügt nicht. ^{[S-001, Art. 22; S-023, S. 5; S-042; S-061]}

Die Erklärbarkeitspflichten sind durch Dun & Bradstreet konkretisiert worden. Betroffene müssen die tatsächlich angewandten Verfahren und Prinzipien so verstehen können, dass sie nachvollziehen und anfechten können, welche Daten wie zum Ergebnis beigetragen haben. Die bloße Offenlegung eines Algorithmus reicht nicht. Geschäftsgeheimnisse dürfen nicht pauschal jedes Auskunftsrecht ausschließen. ^[S-062]

Bei Beschäftigten- und Bewerberdaten bestehen zusätzliche Hürden. § 26 BDSG, Art. 6, 9 und 22 DSGVO, die strukturell eingeschränkte Freiwilligkeit einer Einwilligung sowie Mitbestimmungsrechte des Betriebsrats müssen zusammen betrachtet werden. Systeme zur Leistungskontrolle, Verhaltensanalyse, Bewerbervorsortierung oder Prognose von Kündigungs- und Krankheitsrisiken sind regelmäßig hochriskant und häufig DSFA-pflichtig. ^{[S-002, § 26; S-005; S-055; S-067]}

Eine Datenschutz-Folgenabschätzung ist nicht allein deshalb zwingend, weil ein Produkt KI verwendet. Sie wird aber häufig erforderlich, wenn mehrere Hochrisikokriterien zusammentreffen: neue Technologie, umfangreiche Bewertung oder Scoring, systematische Überwachung, sensible Daten, vulnerable Personen, Datenzusammenführung, große Reichweite oder Entscheidungen mit erheblicher Wirkung. ^{[S-001, Art. 35; S-039; S-056; S-057]}

Datenschutz durch Technikgestaltung beginnt vor der Beschaffung. Zweck- und Dateninventur, Datenklassifizierung, Ausschluss bestimmter Eingaben, Rollen- und Rechtekonzept, Mandantentrennung, lokale Verarbeitung, Verschlüsselung, kontrollierte Protokollierung, definierte Speicherfristen, Abschaltung von Trainingsnutzung, sichere RAG-Berechtigungen und Testverfahren gegen Extraktion sind keine nachträglichen Dekorationen, sondern Teil der Rechenschaftspflicht. ^{[S-001, Art. 24, 25, 32; S-027; S-038]}

Ein AVV ist notwendig, wenn der Anbieter personenbezogene Daten ausschließlich weisungsgebunden verarbeitet. Verarbeitet der Anbieter Eingaben zusätzlich für eigene Produktverbesserung, Sicherheit, Training oder Werbezwecke, kann für diese Schritte eine eigene oder gemeinsame Verantwortlichkeit entstehen. Vertragsüberschriften sind nicht entscheidend; maßgeblich sind tatsächliche Zwecke und wesentliche Mittel. ^{[S-001, Art. 26, 28; S-035; S-037; S-075 bis S-077]}

"Server in Europa" ist kein vollständiger Transfernachweis. Zu prüfen sind Sitz und Konzernstruktur, Fernzugriffe, Support, Telemetrie, Unterauftragsverarbeiter, Schlüsselkontrolle und rechtliche Zugriffsmöglichkeiten. Der EU-US Data Privacy Framework ist am Stichtag weiterhin gültig; das Gericht der EU hat die Nichtigkeitsklage im September 2025 abgewiesen. Ein Rechtsmittel ist jedoch anhängig. ^{[S-012 bis S-017; S-044; S-045; S-081]}

Das Digital-Omnibus-Paket enthält Vorschläge, die unter anderem die Nutzung personenbezogener Daten für KI und die Definition personenbezogener Daten verändern könnten. Am 7. August 2026 ist dies kein geltendes Recht. Der EDPB und der EDPS haben wesentliche Teile kritisch bewertet. Jede Darstellung als bereits beschlossene DSGVO-Erleichterung wäre falsch. ^{[S-018 bis S-020]}

Der AI Act und die DSGVO gelten parallel. Die Erfüllung der AI-Act-Pflichten ersetzt weder eine Rechtsgrundlage nach Art. 6 oder 9 DSGVO noch Transparenz, Betroffenenrechte, Art. 22, DSFA oder Drittlandprüfung. Umgekehrt macht DSGVO-Konformität ein KI-System nicht automatisch AI-Act-konform. ^{[S-001; S-004; S-019; S-023]}

Für die Unternehmenspraxis ist eine gestufte Freigabe sinnvoll: datenschutzarme Assistenz ohne Personenbezug; freigegebene Verarbeitung gewöhnlicher personenbezogener Daten in kontrollierter Umgebung; besonders geprüfte Hochrisikoanwendungen; Ausschluss klar ungeeigneter Szenarien. Schatten-KI wird nicht durch Verbote allein beherrscht, sondern durch eine nutzbare sichere Alternative, klare Regeln, Schulung und technische Kontrollen. ^{[S-023; S-027]}

Die belastbarste Gesamtstrategie lautet deshalb: so wenig personenbezogene Daten wie möglich, so viel technische und organisatorische Kontrolle wie nötig, und keine Entscheidung über Menschen, deren Entstehung das Unternehmen nicht erklären, prüfen und korrigieren kann. [EIGENE SYNTHESE aus S-001, S-023, S-024, S-027, S-029, S-061, S-062]

Die größten Risiken für Unternehmen

Die 45 wichtigsten Kernaussagen

Die Tabelle ist als schnelle Faktenlandkarte gedacht. Sie ersetzt nicht die vertiefte Prüfung in den Fachkapiteln. Das Aktualisierungsrisiko bewertet, wie wahrscheinlich eine Änderung durch neue Leitlinien, Rechtsprechung, Gesetzgebung oder Technik ist.

Methodik und Recherchegrenzen

Forschungsfrage und Abgrenzung

Leitfrage ist, unter welchen rechtlichen, organisatorischen und technischen Voraussetzungen Unternehmen in Deutschland KI-Systeme einsetzen dürfen, wenn dabei personenbezogene Daten verarbeitet werden. Untersucht werden Entwicklung, Beschaffung, Einführung, Betrieb, Monitoring und Beendigung. Der Schwerpunkt liegt auf generativer KI, großen Sprachmodellen, RAG, internen Assistenten, Chatbots, automatisierten Bewertungen und datenbasierter Entscheidungsunterstützung.

Urheberrecht, allgemeine Produkthaftung, vollständige AI-Act-Systematik, IT-Sicherheitsrecht und Arbeitsrecht werden nur an Schnittstellen behandelt. Diese Themen benötigen eigene Dossiers.

Quellenstrategie

Aktualitätsprüfung

Der Stichtag ist der 7. August 2026. Besondere Aktualitätsprüfungen betrafen die EDPB-Leitlinien zu Webscraping und Anonymisierung vom Juli 2026, den Stand des Digital Omnibus, den EU-US Data Privacy Framework einschließlich Rechtsmittel sowie die BfDI-Konsultation zu KI-Modellen. Entwürfe und öffentliche Konsultationen sind ausdrücklich als nicht final gekennzeichnet. ^{[S-017 bis S-020; S-028; S-031; S-032]}

Grenzen

• Die datenschutzrechtliche Bewertung ist stark einzelfallabhängig. Produktnamen erlauben keine belastbare Rechtsbewertung ohne Konfiguration und Datenfluss.

• Nicht alle technischen Fragen zu Modellmemorisierung, Anonymität, Machine Unlearning und Embeddings sind abschließend wissenschaftlich oder rechtlich geklärt.

• Aufsichtsbehörden können Leitlinien aktualisieren; mehrere zentrale EDPB-Dokumente befinden sich am Stichtag noch in öffentlicher Konsultation.

• Anbieterbedingungen, Speicherfristen, Unterauftragnehmer und Datenregionen ändern sich schnell und wurden deshalb nicht produktspezifisch katalogisiert.

• Einzelne Behördenentscheidungen können angefochten, aufgehoben oder entfernt werden. Das Garante-Verfahren gegen OpenAI zeigt dieses Risiko ausdrücklich. ^[S-054]

• Das Dossier bewertet keine konkrete Organisation und ersetzt keine DSFA, Vertragsprüfung oder Rechtsberatung.

Belegstärke

Rechtliche Landkarte

Prüfungslogik in acht Fragen

1. Welche konkrete Verarbeitung findet statt - und in welcher Lebenszyklusphase?

1. Welche Daten und betroffenen Personen sind erfasst, einschließlich abgeleiteter Daten?

1. Wer bestimmt Zweck und wesentliche Mittel; wer verarbeitet weisungsgebunden?

1. Welche Rechtsgrundlage trägt jeden Verarbeitungsschritt?

1. Sind besondere Kategorien, Art. 22 oder Beschäftigtendaten betroffen?

1. Wie werden Transparenz, Auskunft, Berichtigung, Löschung und Widerspruch praktisch erfüllt?

1. Welche Risiken, Schutzmaßnahmen, DSFA- und Sicherheitsanforderungen bestehen?

1. Gibt es Drittlandtransfers, AI-Act-Pflichten oder mitbestimmungsrechtliche Anforderungen?

Begriffe, Datenarten und KI-Lebenszyklus

Personenbezug im KI-Kontext

Personenbezogen sind alle Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person beziehen. Der Bezug kann nach der EuGH-Rechtsprechung aus Inhalt, Zweck oder Auswirkung entstehen. Nicht nur Namen, E-Mail-Adressen oder Personalnummern zählen. Kombinationen, Metadaten, Verhaltensmuster, Scores, Rückschlüsse und scheinbar technische Kennungen können Personenbezug herstellen. ^{[S-001, Art. 4 Nr. 1 und ErwG 26; S-073; S-074]}

Für KI-Systeme muss der Personenbezug in mehreren Ebenen geprüft werden: Rohdaten, Trainingsdaten, Testdaten, Modell, Eingabe, Kontext, Protokoll, Retrieval-Datenbank, Ausgabe, Nutzerkonto und nachgelagerte Entscheidung. Ein System kann in einer Ebene ohne Personenbezug und in einer anderen mit Personenbezug arbeiten.

Sind einzelne KI-Bestandteile personenbezogen?

Lebenszyklus und erforderliche Prüfungen

Praxisregel Datenschutzrechtlich relevant ist nicht nur das Modell. Das gesamte System aus Konten, Schnittstellen, Datenquellen, Retrieval, Protokollen, Berechtigungen, Menschen und nachgelagerten Entscheidungen muss betrachtet werden. ^{[S-023; S-027; S-029]}

Datenschutzgrundsätze nach Art. 5 DSGVO

Art. 5 ist keine bloße Präambel. Die Grundsätze strukturieren Rechtsgrundlage, Technik, Verträge, Transparenz, DSFA und laufende Kontrolle. Der Verantwortliche muss die Einhaltung nicht nur erreichen, sondern nachweisen können. ^{[S-001, Art. 5 Abs. 2 und Art. 24]}

Zweckbindung: KI ist kein eigenständiger Zweck

"Einsatz künstlicher Intelligenz" beschreibt eine Methode, nicht den datenschutzrechtlichen Zweck. Belastbare Zwecke lauten beispielsweise: eingehende Kundenanfragen thematisch klassifizieren; vorhandene Vertragsdokumente für berechtigte Sachbearbeiter auffindbar machen; Gesprächsnotizen nach Einwilligung transkribieren; oder Betrugsindikatoren für eine menschliche Prüfung priorisieren. Je abstrakter der Zweck, desto schwieriger werden Erforderlichkeit, Transparenz, Speicherfristen und Rechte. ^{[S-001, Art. 5 Abs. 1 lit. b; S-023, S. 3]}

Bei Zweckänderungen ist Art. 6 Abs. 4 zu prüfen, sofern die Weiterverarbeitung nicht auf Einwilligung oder einer besonderen Rechtsvorschrift beruht. Maßgeblich sind Verbindung der Zwecke, Erhebungskontext, Art der Daten, mögliche Folgen und Schutzmaßnahmen. Eine spätere Nutzung von Support-Chats für allgemeines Modelltraining ist deshalb nicht allein wegen technischer Nähe kompatibel. ^{[S-001, Art. 6 Abs. 4]}

Datenminimierung bei großen Modellen

Der technische Wunsch nach möglichst vielen Daten hebt Art. 5 nicht auf. Die Erforderlichkeit ist zweckbezogen. Der EDPB nennt für Webscraping unter anderem enge Sammelkriterien, Ausschluss bestimmter Quellen und Kategorien, Datenmapping, synthetische Daten, Filter, Pseudonymisierung sowie frühe Löschung oder Anonymisierung. Breites, ungezieltes Scraping erschwert den Nachweis der Erforderlichkeit und Rechenschaft erheblich. ^{[S-031, Rn. 27-41 und 50-52]}

In Unternehmens-RAG-Systemen bedeutet Minimierung: nur freigegebene Dokumente indexieren, irrelevante Anhänge und Felder ausschließen, sensible Bereiche getrennt halten, Berechtigungsmetadaten erhalten und das Retrieval bereits vor Übergabe an das Modell begrenzen. Eine nachgelagerte Antwortfilterung genügt nicht, wenn das Modell zuvor unberechtigt auf den Inhalt zugreifen konnte. ^[S-029]

Richtigkeit und Halluzinationen

Falsche Ausgaben sind nicht nur ein Qualitätsproblem. Beziehen sie sich auf Personen und werden gespeichert, angezeigt oder für Entscheidungen verwendet, greifen Richtigkeitsgrundsatz und Betroffenenrechte. Verantwortliche sollten zwischen kreativen Assistenzanwendungen und faktischen Personenaussagen unterscheiden. Je höher die Auswirkung, desto stärker müssen Quellenbindung, Prüfpflichten, Aktualisierung und Korrektur sein. ^{[S-001, Art. 5 Abs. 1 lit. d, Art. 16; S-025; S-029]}

Nicht ausreichend Ein allgemeiner Hinweis "KI kann Fehler machen" befreit ein Unternehmen nicht von der Pflicht, risikorelevante Personenaussagen vor ihrer Verwendung zu prüfen.

Rechenschaftsnachweise

Rechtsgrundlagen nach Art. 6 DSGVO

Die Rechtsgrundlage ist für jeden Verarbeitungsschritt und jeden Verantwortlichen gesondert zu bestimmen. Dieselbe KI-Anwendung kann für die Eingabe eines Kundenauftrags auf Vertragserfüllung, für Sicherheitslogs auf berechtigtes Interesse und für freiwilliges Modelltraining auf Einwilligung gestützt werden - oder einzelne Schritte können ohne tragfähige Grundlage bleiben. ^{[S-001; S-023; S-024]}

Berechtigtes Interesse: vollständige Dreistufenprüfung

Der EuGH hat 2024 bestätigt, dass ein kommerzielles Interesse grundsätzlich legitim sein kann. Daraus folgt keine automatische Zulässigkeit: Erforderlichkeit und Abwägung bleiben eigenständige, volle Prüfungen. ^[S-064]

Bei Webscraping sind vernünftige Erwartungen besonders kontextabhängig: Art der Website, Zugangsbeschränkungen, robots.txt oder CAPTCHA, Hinweise der Plattform, Beziehung zum Scraper, Personengruppe, Datenarten, Umfang, mögliche Identifizierung und spätere Modellfähigkeiten. Öffentlich zugänglich bedeutet nur, dass ein Zugriff technisch oder rechtlich möglich war - nicht, dass jede Folgeverwendung erwartet werden musste. ^{[S-031, Rn. 53-65]}

Einwilligung: nur belastbar, wenn Widerruf praktisch funktioniert

Einwilligung kann sinnvoll sein, wenn die Verarbeitung tatsächlich optional ist und der Dienst auch ohne Einwilligung sinnvoll nutzbar bleibt. Bei Training oder Fine-Tuning muss erklärt werden, welche Daten, Modell- oder Systemebenen betroffen sind, welche Empfänger und Länder beteiligt sind, wie lange Daten gespeichert werden und was beim Widerruf geschieht. Kann der Einfluss bereits trainierter Daten technisch nicht entfernt werden, ist dies vor Einwilligung transparent zu machen; die Rechtsfolgen des Widerrufs sind dennoch zu erfüllen. ^{[S-001, Art. 7; S-041; S-052]}

Im Beschäftigungsverhältnis ist Freiwilligkeit wegen des Abhängigkeitsverhältnisses besonders sorgfältig zu prüfen. § 26 Abs. 2 BDSG verlangt unter anderem die Berücksichtigung des Abhängigkeitsverhältnisses und der Umstände; ein rechtlicher oder wirtschaftlicher Vorteil kann für Freiwilligkeit sprechen. ^{[S-002, § 26 Abs. 2; S-041]}

Vertragserfüllung: eng am Vertragsgegenstand

Art. 6 Abs. 1 lit. b trägt nur Verarbeitungen, die für die konkrete Vertragserfüllung objektiv erforderlich sind. Die Tatsache, dass ein Anbieter ein KI-basiertes Geschäftsmodell gewählt hat, macht jede Trainings-, Analyse- oder Werbenutzung nicht vertraglich erforderlich. Für optionale Verbesserung, allgemeines Training oder Profiling ist regelmäßig eine andere Grundlage zu prüfen. ^[S-001]

Rechtsgrundlagenmatrix für typische Verarbeitungsvorgänge

Entscheidender Unterschied Eine Rechtsgrundlage beantwortet, ob der Verarbeitungsschritt grundsätzlich zulässig sein kann. Sie ersetzt nicht Datenminimierung, Transparenz, Rechte, Sicherheit, DSFA oder Art. 22.

Besondere Kategorien und strafrechtliche Daten

Art. 9 Abs. 1 DSGVO verbietet grundsätzlich die Verarbeitung besonderer Kategorien. Eine Verarbeitung ist nur zulässig, wenn zusätzlich zu Art. 6 eine Ausnahme aus Art. 9 Abs. 2 greift. Art. 10 stellt strafrechtliche Daten unter besondere Kontrolle. ^[S-001]

Ableitung sensibler Eigenschaften

Ein Modell kann sensible Eigenschaften ableiten, ohne dass sie ausdrücklich eingegeben wurden. Der EuGH stellt nicht allein auf die Form des Datums ab: Informationen können besondere Kategorien offenbaren. Damit ist eine Klassifikation wie "wahrscheinlich depressiv", "politisch links", "gewerkschaftsnah" oder "möglicherweise homosexuell" nicht weniger sensibel, weil sie statistisch abgeleitet wurde. ^{[S-068; S-069]}

Die Qualität oder Unsicherheit der Ableitung beseitigt den Personenbezug nicht. Ein unsicherer oder falscher Gesundheits- oder Politikscores kann gerade besonders schädlich sein und zusätzlich Art. 5 Abs. 1 lit. d, Art. 16 und Art. 22 betreffen.

Öffentlich gemachte sensible Daten

Art. 9 Abs. 2 lit. e kann Daten erfassen, die die betroffene Person offensichtlich öffentlich gemacht hat. Der EuGH hat jedoch klargestellt, dass eine öffentliche Äußerung keine unbegrenzte Verarbeitung aller früher oder anderweitig erhobenen sensiblen Daten legitimiert. Zweck, Umfang, Zeitraum und Datenminimierung bleiben relevant. ^[S-065]

Biometrie differenziert prüfen

Architekturen, bei denen biometrische Templates ausschließlich unter Kontrolle der betroffenen Person gespeichert werden, können weniger eingriffsintensiv sein als zentrale Datenbanken. Eine pauschale Freigabe folgt daraus nicht. ^[S-048]

Praktische Sperrregeln

• Keine Eingabe von Gesundheits-, Straf-, Bewerber- oder Personalakten in nicht freigegebene öffentliche KI-Dienste.

• Keine Ableitung sensibler Eigenschaften ohne klaren gesetzlichen Zweck, Art.-9-Ausnahme, dokumentierte Notwendigkeit und DSFA.

• Keine biometrische Identifizierung oder Emotionserkennung als Nebenfunktion eines allgemeinen Assistenten.

• Separate Datenräume, engste Berechtigungen und kurze Speicherfristen für sensible RAG-Bestände.

• Ausgaben über sensible Eigenschaften niemals ungeprüft als Tatsachen oder Entscheidungskriterien verwenden.

Öffentlich zugängliche und gescrapte Daten

Rechtskern Öffentliche Zugänglichkeit ist ein Kontextfaktor, aber keine eigene Rechtsgrundlage. Webscraping mit personenbezogenen Daten unterliegt der DSGVO. ^{[S-001; S-031]}

Typische Quellen

Prüfung von Art. 6 Abs. 1 lit. f bei Scraping

Die EDPB-Leitlinien 03/2026 sind am Stichtag ein Konsultationsentwurf. Sie sind daher keine finale Leitlinie, zeigen aber die aktuelle Richtung der europäischen Aufsicht: keine pauschale Freigabe, starke Minimierung, kontextbezogene Erwartungen und wirksame Schutzmaßnahmen. ^[S-031]

Informationspflicht nach Art. 14

Wer Daten nicht direkt bei der Person erhebt, muss grundsätzlich die Informationen nach Art. 14 bereitstellen, unter anderem Identität und Kontakt, Zwecke und Rechtsgrundlage, Datenkategorien, Empfänger, Transfers, Speicherfrist, Rechte und Herkunft. Die Information muss grundsätzlich innerhalb eines Monats, bei erster Kommunikation oder erster Offenlegung früher erfolgen. ^{[S-001, Art. 14]}

Art. 14 Abs. 5 lit. b lässt Ausnahmen zu, wenn Information unmöglich ist oder unverhältnismäßigen Aufwand erfordert, insbesondere bei bestimmten Archiv-, Forschungs- und Statistikzwecken, sofern geeignete Schutzmaßnahmen bestehen. Die Ausnahme ist kein pauschaler Massendatenbonus. Der Verantwortliche muss den Aufwand, die Betroffenenrisiken, alternative Informationswege und Schutzmaßnahmen dokumentieren. Öffentliche Hinweise können eine Maßnahme sein, ersetzen aber nicht automatisch die gesamte Prüfung. ^{[S-031; S-051]}

Öffentliche Register

Ein Register kann die Einsicht oder Weiterverwendung für bestimmte Zwecke erlauben. Daraus folgt nicht automatisch, dass Daten für beliebiges KI-Training, Lead-Anreicherung, Risikoprofiling oder Veröffentlichung genutzt werden dürfen. Die registerrechtliche Zugangsregel, die DSGVO-Rechtsgrundlage, Zweckbindung, Art. 14 und mögliche nationale Einschränkungen sind zusammen zu prüfen. ^{[S-001; S-009 bis S-011; S-019]}

Datenbroker

Der Erwerb eines fertigen Datensatzes verlagert die Pflichten nicht vollständig auf den Lieferanten. Der KI-Entwickler oder Anwender muss Herkunft, Erhebungsgrundlage, Zwecke, Kategorien, Informationspraxis, Betroffenenwidersprüche, Löschsignale und vertragliche Zusicherungen prüfen. Nach den EDPB-Scraping-Leitlinien sind Scraper und späterer KI-Entwickler häufig getrennte Verantwortliche für ihre jeweiligen Verarbeitungsschritte; gemeinsame Verantwortlichkeit bleibt möglich, wenn Zwecke und Mittel gemeinsam festgelegt werden. ^{[S-031, Rn. 16-20; S-037]}

Bewertungsmatrix

Informationspflichten und Transparenz

Transparenz verlangt mehr als den Satz "Wir setzen KI ein". Betroffene müssen verstehen können, welche Daten zu welchem Zweck verarbeitet werden, auf welcher Grundlage, durch welche Empfänger, in welchen Ländern, wie lange, mit welchen Folgen und welchen Rechten. Informationen müssen präzise, transparent, verständlich und leicht zugänglich sein. ^{[S-001, Art. 12-14; S-043]}

Mehrstufiges Informationsmodell

Was bei KI typischerweise offenzulegen ist

• konkreter Zweck der KI-Verarbeitung und Abgrenzung zu Training oder Produktverbesserung;

• Datenkategorien einschließlich Eingaben, Ausgaben, Metadaten, Logs und abgeleiteter Daten;

• Quelle der Daten, insbesondere bei Scraping, Datenbrokern oder Registern;

• Rolle des KI-Anbieters und mögliche Eigenzwecke;

• Empfänger und Unterauftragsverarbeiter, mindestens in der gesetzlich erforderlichen Form;

• Drittlandtransfers und verwendete Garantien;

• Speicherfristen je Datenebene;

• ob Daten zur Modellverbesserung oder zum Training verwendet werden;

• ob Profiling oder automatisierte Entscheidungen stattfinden und welche Folgen entstehen;

• wie Berichtigung, Löschung, Widerspruch und menschliche Überprüfung beantragt werden können.

Drei Informationsbeispiele

Erklärbarkeit automatisierter Entscheidungen

Dun & Bradstreet verlangt eine Erklärung des tatsächlich angewandten Verfahrens und der Prinzipien in einer Form, die das Verständnis und die Anfechtung ermöglicht. Eine sinnvolle Erklärung kann zeigen, welche personenbezogenen Daten verwendet wurden, wie sie das Ergebnis beeinflussten und wie eine Änderung einzelner Daten das Resultat verändert hätte. Die bloße Mitteilung des Algorithmus ist nicht hinreichend. ^[S-062]

Geschäftsgeheimnisse dürfen nicht als pauschale Sperre dienen. Geschützte Informationen können einer Aufsichtsbehörde oder einem Gericht vorgelegt werden, das die kollidierenden Rechte abwägt. ^{[S-007; S-062]}

Betroffenenrechte

KI-Systeme dürfen Betroffenenrechte nicht praktisch unmöglich machen. Wer ein System beschafft oder entwickelt, muss vorab wissen, wie Daten gefunden, exportiert, korrigiert, gesperrt, gelöscht und ihre Verarbeitung widersprochen werden kann. "Das Modell ist eine Black Box" ist keine gesetzliche Ausnahme. ^{[S-001, Art. 12 und 15-21; S-024; S-052]}

Auskunft: Suchbarkeit über Systemebenen

Ein belastbarer Prozess beginnt mit einer Identifikationsmatrix: Nutzerkonto, E-Mail, Kundennummer, Dokument-ID, Prompt-ID, Log-ID, Embedding-Metadaten, Modell- oder Datensatzversion. Ohne solche Zuordnung ist eine fristgerechte Auskunft kaum möglich. Der EuGH verlangt grundsätzlich die Benennung konkreter Empfänger, wenn diese feststehen, und eine getreue, verständliche Kopie der verarbeiteten Daten, soweit dies zur effektiven Rechtsausübung erforderlich ist. ^{[S-070; S-071]}

Eine Organisation muss nicht jede interne technische Information ungefiltert herausgeben. Sie muss aber die personenbezogenen Daten und gesetzlich erforderlichen Kontextinformationen in verständlicher Form bereitstellen. Rechte und Freiheiten anderer sowie Geschäftsgeheimnisse sind abzuwägen, nicht pauschal vorzuschieben. ^{[S-001, Art. 15 Abs. 4; S-036; S-062]}

Berichtigung und halluzinierte Aussagen

Bei einer falschen KI-Aussage muss geklärt werden, wo der Fehler entsteht: falsche Quelldaten, veralteter RAG-Bestand, fehlerhaftes Mapping, Modellhalluzination oder nachgelagerte Interpretation. Nur die sichtbare Antwort zu löschen kann unzureichend sein, wenn dieselbe falsche Quelle weiter verwendet wird. Praktische Maßnahmen sind Quellkorrektur, Reindexierung, Sperrvermerk, Outputfilter, Prompt-/Retrieval-Anpassung und menschliche Freigabe. ^{[S-001; S-025; S-029]}

Löschung und Machine Unlearning

Löschpflichten gelten zunächst für identifizierbare Daten in Roh-, Trainings-, Fine-Tuning-, RAG-, Log- und Cachebeständen. Schwieriger ist die Frage, ob und wie ein trainierter Einfluss aus Modellparametern entfernt werden muss. Der EDPB behandelt die Anonymität und Extrahierbarkeit einzelfallbezogen. Die BfDI-Konsultation zeigt, dass viele Stellungnahmen derzeit Systemmaßnahmen bevorzugen, weil Machine Unlearning nicht fehlerfrei und universell einsetzbar ist. ^{[S-024; S-028; S-059; S-086]}

Ein Outputfilter kann die erneute Ausgabe reduzieren, ist aber nicht automatisch eine Löschung der zugrunde liegenden Information. Je nach Risiko und technischer Machbarkeit können Retraining, Unlearning, Ausschluss aus Retrieval, Blacklisting, Modellwechsel oder dokumentierte Schutzmaßnahmen erforderlich sein. Diese Rechtsfrage ist noch nicht abschließend geklärt. ^{[S-027; S-028]}

Fristen und Identitätsprüfung

Betroffenenanträge sind grundsätzlich unverzüglich, spätestens innerhalb eines Monats zu beantworten; bei Komplexität kann um zwei Monate verlängert werden, wenn die Person innerhalb des ersten Monats informiert wird. Zusätzliche Informationen zur Identitätsbestätigung dürfen nur verlangt werden, wenn begründete Zweifel bestehen, und müssen verhältnismäßig sein. ^{[S-001, Art. 12 Abs. 3 und 6; S-036]}

Rechteprozess in sieben Schritten

1. Antrag zentral erfassen, Frist und Identität prüfen.

1. Betroffene Systeme, Datenquellen, Anbieter und Verantwortliche bestimmen.

1. Daten über definierte Identifikatoren suchen und Treffer validieren.

1. Rechtsausnahmen und Rechte Dritter prüfen.

1. Technische Maßnahme über alle Ebenen ausführen und dokumentieren.

1. Verständlich antworten; bei Ablehnung Gründe und Beschwerderechte nennen.

1. Wiederholungsrisiko prüfen: Quelle, Index, Modell, Prozess oder Entscheidung anpassen.

Automatisierte Entscheidungen und Profiling nach Art. 22 DSGVO

Prüfkern Art. 22 betrifft nicht jede automatisierte Analyse. Er greift bei einer ausschließlich automatisierten Entscheidung, die rechtliche Wirkung entfaltet oder die betroffene Person ähnlich erheblich beeinträchtigt. Profiling kann, muss aber nicht darunterfallen. ^{[S-001; S-042]}

Vier Prüfschritte

Wann ein Mensch tatsächlich entscheidet

Die DSK betont, dass unzureichende Personalressourcen, Zeitdruck oder fehlende Transparenz nicht dazu führen dürfen, dass KI-Ergebnisse ungeprüft übernommen werden. Eine lediglich formelle Beteiligung ist nicht ausreichend. ^{[S-023, S. 5]}

SCHUFA: der Score kann selbst die automatisierte Entscheidung sein

Der EuGH entschied in C-634/21, dass die automatisierte Erstellung eines Wahrscheinlichkeitswerts eine Entscheidung im Sinne von Art. 22 Abs. 1 sein kann, wenn ein Dritter diesem Wert bei einer Kreditentscheidung eine maßgebliche Rolle beimisst. Damit lässt sich Art. 22 nicht dadurch umgehen, dass der Score-Anbieter formal nur eine Empfehlung liefert, während der Empfänger ihn faktisch entscheidend übernimmt. ^[S-061]

Dun & Bradstreet: Erklärung muss anfechtbar machen

In C-203/22 konkretisierte der EuGH die Information über die Logik automatisierter Entscheidungen. Die betroffene Person muss verstehen können, welche ihrer Daten wie verwendet wurden. Eine verständliche Beschreibung der tatsächlich angewandten Verfahren und Prinzipien ist erforderlich; kontrafaktische Hinweise - wie sich eine Änderung einzelner Daten ausgewirkt hätte - können geeignet sein. Ein bloßer Algorithmus oder abstrakte Formel genügt nicht. ^[S-062]

Fallmatrix

Garantien bei zulässiger Automatisierung

• Recht auf Eingreifen einer Person;

• Möglichkeit, den eigenen Standpunkt darzulegen;

• Möglichkeit, die Entscheidung anzufechten;

• verständliche Information über Logik, Bedeutung und Folgen;

• Qualitäts-, Bias- und Richtigkeitskontrollen;

• geeignete Schutzmaßnahmen bei besonderen Kategorien;

• nachvollziehbarer Entscheidungs- und Beschwerdeprozess.

Verantwortlichkeit, Auftragsverarbeitung und Beschaffung

Rollen folgen den tatsächlichen Entscheidungen über Zwecke und wesentliche Mittel, nicht der Vertragsüberschrift. Ein Unternehmen, das Kundendaten in einen KI-Dienst eingibt, bleibt für seinen Zweck regelmäßig Verantwortlicher. Der Anbieter kann Auftragsverarbeiter, eigener Verantwortlicher oder gemeinsam Verantwortlicher sein - je Verarbeitungsschritt. ^{[S-001, Art. 4 Nr. 7/8, 26, 28; S-037]}

Rollenmatrix

Auftragsverarbeitungsvertrag: Pflichtinhalte und KI-Zusätze

Beschaffungs-Scorecard

Vertrag ist nicht Realität Die tatsächlichen Produkteinstellungen, Adminfunktionen, Logs, Connectoren und Subprozessoren müssen mit dem Vertrag übereinstimmen. Ein gutes AVV kompensiert keine technisch unbeherrschbare Architektur.

Datenschutz-Folgenabschätzung

Eine DSFA nach Art. 35 ist vor der Verarbeitung erforderlich, wenn diese voraussichtlich ein hohes Risiko für Rechte und Freiheiten zur Folge hat. KI ist kein automatischer Auslöser, erfüllt aber häufig mehrere Risikokriterien gleichzeitig. ^{[S-001, Art. 35; S-039; S-056]}

Auslösermatrix

DSFA-Prozess

Typische KI-Risiken und Maßnahmen

Musterstruktur einer DSFA-Akte

• Dokumentkopf, Version, Verantwortlicher, Datenschutzbeauftragter und Freigaben;

• System- und Zweckbeschreibung inklusive Abgrenzung nicht vorgesehener Zwecke;

• Datenflussdiagramm, Rollen, Empfänger und Länder;

• Datenkategorien, Betroffene, Umfang, Fristen und Datenquellen;

• Rechtsgrundlagen und Prüfung der Notwendigkeit/Verhältnismäßigkeit;

• Betroffeneninformation, Rechteprozesse und Art.-22-Garantien;

• Risikoszenarien mit Eintrittswahrscheinlichkeit und Schwere;

• Maßnahmen, Verantwortlichkeiten, Testnachweise und Wirksamkeitskriterien;

• Restrisiko, Entscheidung und gegebenenfalls vorherige Konsultation;

• Review-Termine und Trigger für Neubewertung.

Datenschutz durch Technikgestaltung und datenschutzfreundliche Voreinstellungen

Art. 25 verlangt geeignete technische und organisatorische Maßnahmen unter Berücksichtigung von Stand der Technik, Kosten, Art, Umfang, Umständen, Zwecken und Risiken. Bei KI betrifft dies die gesamte Lebensdauer: Datenauswahl, Training, Integration, Betrieb, Updates und Stilllegung. ^{[S-001; S-027; S-038]}

Datenschutzfreundliche Standardwerte

• Trainings- und Produktverbesserungsnutzung standardmäßig deaktiviert;

• keine dauerhafte Prompt-Historie ohne definierten Zweck;

• keine öffentlichen Freigabelinks für personenbezogene Inhalte;

• Connectoren und Agenten ohne Schreib-, Sende- oder Löschrechte im Ausgangszustand;

• RAG-Zugriff nur auf ausdrücklich zugewiesene Datenräume;

• sensible Datenkategorien standardmäßig gesperrt;

• minimale Logtiefe mit getrennten Sicherheits- und Inhaltslogs;

• menschliche Bestätigung vor erheblicher oder irreversibler Aktion;

• klare Anzeige von Quelle, Unsicherheit und KI-Beteiligung.

Modell- und Systemtests

Sicherheit der Verarbeitung und Datenschutzverletzungen

Art. 32 DSGVO verlangt ein dem Risiko angemessenes Sicherheitsniveau. Maßgeblich sind nicht nur klassische Vertraulichkeits- und Verfügbarkeitsrisiken, sondern auch KI-spezifische Angriffspfade: unberechtigte Eingaben, Datenabfluss über Ausgaben, Prompt Injection, Retrieval-Manipulation, überprivilegierte Agenten, modellbedingte Memorisation, unsichere Plugins und fehlerhafte Mandantentrennung. Art. 25, 32 und die Rechenschaftspflicht greifen ineinander. ^{[S-001, Art. 24, 25, 32; S-027; S-040; S-079; S-083; S-084; S-087]}

Typische Angriffspfade und Datenschutzfolgen

Wann liegt eine Datenschutzverletzung vor?

Eine Verletzung des Schutzes personenbezogener Daten liegt vor, wenn die Sicherheit verletzt wird und dies unbeabsichtigt oder unrechtmäßig zur Vernichtung, zum Verlust, zur Veränderung, zur unbefugten Offenlegung von beziehungsweise zum unbefugten Zugang zu personenbezogenen Daten führt. Entscheidend ist das Ereignis, nicht erst ein eingetretener Schaden. KI-spezifisch kann bereits die Ausgabe von Daten an einen unberechtigten Nutzer, ein mandantenfremder RAG-Treffer oder die Übermittlung eines Prompts an einen nicht autorisierten Subprozessor eine Datenschutzverletzung darstellen. ^{[S-001, Art. 4 Nr. 12, 33, 34; S-040]}

Abgrenzung Nicht jeder Datenschutzverstoß ist zugleich eine meldepflichtige Datenschutzverletzung. Eine fehlende Rechtsgrundlage kann beispielsweise ohne Sicherheitsereignis vorliegen. Umgekehrt kann ein Sicherheitsereignis trotz grundsätzlich zulässiger Verarbeitung eine Verletzung nach Art. 4 Nr. 12 sein.

Melde- und Benachrichtigungslogik

Bewertungsfaktoren für KI-Vorfälle

• Art, Sensibilität und Kombination der betroffenen Daten;

• Zahl und Schutzbedürftigkeit der Betroffenen;

• Möglichkeit der Identifizierung, Weiterverbreitung und automatisierten Auswertung;

• Umfang der Agentenrechte und bereits ausgeführte Aktionen;

• ob Ausgaben dauerhaft gespeichert, geteilt oder in Entscheidungen verwendet wurden;

• Wirksamkeit von Verschlüsselung, Zugriffssperren, Token-Widerruf und Löschung;

• Wahrscheinlichkeit erneuter Extraktion oder systematischer Ausnutzung;

• mögliche materielle, immaterielle, diskriminierende oder reputative Folgen.

Die Rechtsprechung verlangt eine konkrete Risikoprüfung und keine rein formale Behauptung geeigneter Maßnahmen. Ein Cyberangriff beweist nicht automatisch, dass Art. 32 verletzt wurde; der Verantwortliche muss die Angemessenheit seiner Maßnahmen jedoch darlegen können. Auch begründete Angst vor künftigem Missbrauch kann unter Umständen einen immateriellen Schaden bilden. ^[S-079]

Internationale Datenübermittlungen

Kapitel V DSGVO verlangt zusätzlich zur allgemeinen Rechtmäßigkeit ein zulässiges Transferinstrument, wenn personenbezogene Daten an einen Empfänger in einem Drittland übermittelt oder aus einem Drittland zugänglich gemacht werden. Die Prüfung betrifft nicht nur den Speicherort, sondern auch Fernzugriffe, Support, Telemetrie, Subprozessoren, Backup, Schlüsselverwaltung und konzerninterne Administration. ^{[S-001, Art. 44-49; S-012 bis S-017; S-044; S-045; S-081]}

Transfer-Mapping für KI-Dienste

Zulässige Mechanismen

EU-US Data Privacy Framework am Stichtag

Der Angemessenheitsbeschluss (EU) 2023/1795 ist am 7. August 2026 in Kraft. Die erste periodische Überprüfung der Kommission wurde 2024 veröffentlicht. Das Gericht der Europäischen Union wies die Nichtigkeitsklage in der Rechtssache T-553/23 am 3. September 2025 ab. Gegen dieses Urteil wurde am 31. Oktober 2025 Rechtsmittel eingelegt; dieses Verfahren ist am Recherchestichtag nicht abgeschlossen. Unternehmen dürfen den DPF daher aktuell verwenden, sollten Zertifizierungsstatus, Datenkategorien und Verfahrensentwicklung überwachen. ^{[S-013 bis S-017]}

Kein pauschaler Freibrief Der DPF beantwortet nur die Transferebene für einen zertifizierten Empfänger. Rechtsgrundlage, Transparenz, Zweckbindung, Auftragsverarbeitung, Datenminimierung, Art. 22, DSFA und Sicherheit müssen weiterhin eigenständig erfüllt werden.

Transfer Impact Assessment bei SCC

Besonders belastbar sind Maßnahmen, bei denen der Drittlandempfänger keinen Klartextzugriff hat, etwa starke Verschlüsselung mit wirksamer Schlüsselkontrolle beim Datenexporteur. Bei KI-Inferenz ist dies häufig schwierig, weil der Dienst Daten im Klartext verarbeiten muss. Pseudonymisierung kann helfen, wenn die Reidentifikationsinformation effektiv getrennt bleibt. ^{[S-044; S-081]}

Warum EU-Server allein nicht genügen

• Ein außereuropäischer Support kann remote zugreifen.

• Ein globaler Konzern kann zentrale Sicherheits- oder Telemetriesysteme betreiben.

• Unterauftragsverarbeiter können außerhalb EU/EWR sitzen.

• Backups oder Ausfallsysteme können in anderen Regionen liegen.

• Drittstaatliches Recht kann unter bestimmten Voraussetzungen auf einen Anbieter zugreifen, selbst wenn Daten physisch in Europa liegen.

• Der Kunde kann Schlüssel nicht selbst kontrollieren.

• Connectoren können Daten in weitere Systeme und Länder verteilen.

Beschäftigten- und Bewerberdatenschutz

KI im Beschäftigungskontext verbindet Datenschutz, Arbeitsrecht, Gleichbehandlung, Mitbestimmung und gegebenenfalls den AI Act. Für Deutschland ist neben der DSGVO insbesondere § 26 BDSG zu prüfen. Nach dem EuGH-Urteil C-34/21 müssen nationale Beschäftigtendatenschutzregeln die Anforderungen des Art. 88 DSGVO erfüllen; ihre konkrete Tragfähigkeit ist sorgfältig zu prüfen. Eine Einwilligung ist wegen des Abhängigkeitsverhältnisses nur unter erhöhten Anforderungen freiwillig. ^{[S-001, Art. 6, 9, 22, 88; S-002, § 26; S-005; S-041; S-055; S-067]}

Anwendungsmatrix

Rechtsgrundlagen und Erforderlichkeit

§ 26 Abs. 1 BDSG kann Verarbeitungen erlauben, wenn sie für die Entscheidung über die Begründung eines Beschäftigungsverhältnisses oder für dessen Durchführung oder Beendigung erforderlich sind. "Nützlich", "modern" oder "effizient" genügt nicht. Das Unternehmen muss den konkreten Zweck, die Eignung, mildere Mittel und die Interessen der Beschäftigten prüfen. Für besondere Kategorien gelten zusätzliche Voraussetzungen. ^{[S-002, § 26; S-001, Art. 5, 6, 9, 88; S-067]}

Eine Kollektivvereinbarung kann eine Rechtsgrundlage und Schutzarchitektur bilden, muss aber die Grundrechte, Transparenz, Zweckbindung, Datenminimierung, Speicherbegrenzung und wirksame Garantien wahren. Sie ersetzt keine Prüfung der konkreten Verarbeitung. ^{[S-001, Art. 88; S-002, § 26 Abs. 4; S-005]}

Mitbestimmung

Technische Einrichtungen, die objektiv geeignet sind, Verhalten oder Leistung zu überwachen, können die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG auslösen. Entscheidend ist nicht, ob Überwachung beabsichtigt ist. KI-Protokolle, Copilot-Analysen, Produktivitätsscores, Qualitätsbewertungen und Kommunikationsauswertungen sind daher frühzeitig mit dem Betriebsrat zu prüfen. Weitere Beteiligungsrechte können sich insbesondere aus §§ 80, 90, 94 und 95 BetrVG ergeben. ^[S-005]

Echter Mensch oder Scheinprüfung?

Meeting-Transkription: gesonderte Prüfung

• Ist eine Tonaufzeichnung nötig, oder reicht eine flüchtige Verarbeitung zur Transkription?

• Wer nimmt teil, und können externe Personen oder besondere Kategorien betroffen sein?

• Werden Sprecher biometrisch identifiziert oder nur getrennt?

• Wer erhält Transkript und Zusammenfassung; wie lange werden Audio, Transkript und Logs gespeichert?

• Darf das Material für Training oder Qualitätsverbesserung genutzt werden?

• Wie werden Widerspruch, Korrektur und Nichtteilnahme praktisch ermöglicht?

• Entsteht aus dem Transkript eine Leistungs- oder Verhaltenskontrolle?

Interne Dokumentation, Verzeichnis von Verarbeitungstätigkeiten und Datenschutzorganisation

Die Rechenschaftspflicht verlangt nicht nur Konformität, sondern Nachweisbarkeit. Ein Unternehmen sollte KI nicht als ein einziges System dokumentieren, sondern als Kette konkreter Verarbeitungsvorgänge: Datenaufnahme, Bereinigung, Training/Fine-Tuning, Retrieval, Inferenz, Protokollierung, Monitoring, Verbesserung, Rechtebearbeitung und Löschung. ^{[S-001, Art. 5 Abs. 2, 24, 30; S-023; S-058]}

Pflicht- und Governance-Dokumente

Einbindung des Datenschutzbeauftragten

Der Datenschutzbeauftragte ist frühzeitig und ordnungsgemäß in alle mit dem Schutz personenbezogener Daten zusammenhängenden Fragen einzubinden. Er berät, überwacht, unterstützt bei DSFA und ist Ansprechpartner für Aufsicht und Betroffene. Die Entscheidungsverantwortung verbleibt beim Verantwortlichen. ^{[S-001, Art. 37-39; S-002, § 38]}

• vor Beschaffung oder Pilot, nicht erst vor dem Produktivstart;

• bei Rollen- und Vertragsprüfung, insbesondere Eigenzwecken des Anbieters;

• bei Rechtsgrundlage, Art. 9, Art. 22 und DSFA-Screening;

• bei Drittlandtransfer, Sicherheitsarchitektur und Incident-Prozess;

• bei wesentlichen Modell-, Anbieter-, Connector- oder Zweckänderungen;

• bei Beschwerden, Betroffenenrechten und Datenschutzverletzungen.

Änderungsmanagement

Offizielle Orientierungshilfen und Behördenpositionen

Die folgenden Dokumente sind keine Gesetze. Sie zeigen jedoch, wie Datenschutzaufsichtsbehörden die DSGVO auf KI anwenden und welche Nachweise sie erwarten. Bei Entwürfen und Konsultationsfassungen ist der Status ausdrücklich zu beachten.

Prüfübersicht deutscher Aufsichtsbehörden

Die Recherche priorisierte abgestimmte DSK-Dokumente sowie einschlägige Veröffentlichungen von BfDI und HmbBfDI. Eine lückenlose Volltextprüfung sämtlicher Einzelveröffentlichungen aller 16 Landesbehörden war im Dossierumfang nicht möglich. Das folgende Register benennt daher offen, was tatsächlich systematisch geprüft wurde; "keine eigenständige Quelle verwendet" bedeutet nicht, dass die Behörde keine Veröffentlichung besitzt.

Rechtsprechung und Behördenverfahren

Die Rechtsprechung zu generativer KI unter der DSGVO ist weiterhin punktuell. Viele tragende Regeln stammen daher aus allgemeinen Datenschutzurteilen zu Scoring, Transparenz, Verantwortlichkeit, Zweckbindung, besonderen Kategorien, Auskunft, Transfers und Sicherheit. Übertragungen auf KI müssen sachverhaltsbezogen erfolgen.

Behördenverfahren: Vorsicht bei Status und Übertragbarkeit

Die italienische Aufsichtsbehörde veröffentlichte am 20. Dezember 2024 den Abschluss eines ChatGPT-Verfahrens. Die Behördenseite weist jedoch darauf hin, dass die zugrunde liegende Maßnahme nach einem Urteil des Tribunale di Roma Nr. 4153/2026 vom 18. März 2026 vorübergehend entfernt wurde. Das Verfahren eignet sich deshalb am Stichtag nicht als Beispiel für eine bestandskräftig bestätigte Sanktion. Es zeigt lediglich, welche Themen die Aufsicht untersucht hat: Rechtsgrundlage, Transparenz, Richtigkeit und Minderjährigenschutz. ^[S-054]

Qualitätsregel für das Buch Bußgeldmeldungen nie ohne aktuellen Verfahrensstatus übernehmen. Pressemitteilung, Behördenentscheidung, gerichtliche Bestätigung und Rechtskraft sind unterschiedliche Stufen.

Wichtige Übertragungsgrenzen

• SCHUFA und Dun & Bradstreet betreffen Bonitäts-/Scoringkonstellationen; ihre Art.-22- und Erklärungsgrundsätze sind stark, aber nicht jede KI-Ausgabe ist automatisch eine erhebliche Entscheidung.

• Rechtsprechung zu Suchmaschinen und Social Media zeigt Grenzen öffentlicher Daten, ersetzt aber keine Einzelfallprüfung von Trainings- oder RAG-Szenarien.

• Urteile zu gemeinsamer Verantwortlichkeit hängen davon ab, wer auf konkrete Zwecke und wesentliche Mittel Einfluss nimmt.

• Das SRB-Urteil betrifft die Verordnung für EU-Organe und pseudonymisierte Daten; seine Kontextlogik ist relevant, aber nicht jede Aussage lässt sich unverändert auf die DSGVO übertragen.

• US-amerikanische Verfahren können technische Risiken oder Anbieterpraktiken beleuchten, sind aber keine Quelle für die Rechtslage in Deutschland oder der EU.

Verhältnis zwischen DSGVO und EU AI Act

DSGVO und AI Act gelten parallel und verfolgen unterschiedliche, überlappende Ziele. Die DSGVO schützt natürliche Personen bei Verarbeitung personenbezogener Daten. Der AI Act reguliert KI-Systeme und -modelle risikobasiert, unabhängig davon, ob jeder Vorgang personenbezogene Daten enthält. Rollen und Pflichten müssen daher in zwei getrennten Matrizen geprüft und anschließend zusammengeführt werden. ^{[S-001; S-004]}

Typische Überschneidungen

Zwei zwingende Klarstellungen

Klarstellung 1 Die Einhaltung des AI Act ersetzt keine Rechtsgrundlage nach Art. 6 oder Art. 9 DSGVO und keine Pflichten aus Transparenz, Betroffenenrechten, Art. 22, DSFA, Auftragsverarbeitung oder Drittlandtransfer. ^{[S-001; S-004; S-023]}

Klarstellung 2 Die Einhaltung der DSGVO macht ein KI-System nicht automatisch AI-Act-konform. Risikoklassifizierung, Kompetenz, technische Dokumentation, Daten-Governance, Genauigkeit, Robustheit, Transparenz und menschliche Aufsicht sind eigenständig zu prüfen. ^[S-004]

Digital Omnibus: Stand 7. August 2026

Die Europäische Kommission legte am 19. November 2025 den Vorschlag COM(2025) 837 final als Teil eines Digital-Omnibus-Pakets vor. Er enthält unter anderem vorgeschlagene Änderungen an Datenschutz- und Digitalrechtsakten. Der EDPB und der EDPS veröffentlichten am 10. Februar 2026 eine gemeinsame Stellungnahme und kritisierten mehrere Ansätze, darunter Teile der vorgeschlagenen Änderungen mit KI-Bezug. Nach der offiziellen Verfahrensübersicht des Europäischen Parlaments war das Verfahren im Juni 2026 noch anhängig. Am Recherchestichtag dürfen die Vorschläge daher nicht als geltendes Recht dargestellt werden. ^{[S-018 bis S-020]}

Refresh-Pflicht Vor jeder Buchveröffentlichung muss der Verfahrensstand des Digital Omnibus neu geprüft werden. Änderungen könnten Definitionen, Transparenzpflichten, besondere Kategorien oder die KI-Entwicklung betreffen.

Fünfzehn konkrete Unternehmensszenarien

Die Bewertungen sind keine pauschalen Freigaben oder Verbote. Sie zeigen, welche Prüfungen in einer typischen Standardkonstellation erforderlich sind. Abweichende Daten, Zwecke, Verträge oder technische Maßnahmen können das Ergebnis verändern.

P-01 Beschäftigter nutzt einen frei verfügbaren KI-Chatbot und gibt Kundendaten ein

P-02 Unternehmen nutzt eine vertragliche Unternehmensversion eines KI-Assistenten

P-03 Sprachmodell wird per API mit dem CRM verbunden

P-04 Interner RAG-Chatbot beantwortet Fragen aus Unternehmensdokumenten

P-05 Externer Kundenservice-Chatbot verarbeitet Namen, E-Mail-Adressen und Bestelldaten

P-06 Besprechung wird automatisch transkribiert und zusammengefasst

P-07 Bewerbungen werden durch KI bewertet oder vorsortiert

P-08 Beschäftigte werden anhand ihrer Kommunikation oder Leistung bewertet

P-09 Leads werden mit Daten aus Webseiten und Registern angereichert

P-10 Unternehmen trainiert oder verfeinert ein Modell mit Kundendaten

P-11 Eine KI erzeugt falsche Aussagen über eine identifizierbare Person

P-12 KI entscheidet oder empfiehlt über Kredit, Preis, Vertrag oder Versicherung

P-13 Unternehmen nutzt eine lokale oder selbst gehostete KI

P-14 Vertrauliche Dokumente werden durch einen externen Dienst zusammengefasst

P-15 KI-Agent greift selbstständig auf E-Mail, Kalender, CRM und Dateisystem zu

Was ist unter welchen Voraussetzungen umsetzbar?

Die folgende Matrix ersetzt keine Einzelfallprüfung. Sie zeigt typische Ausgangspunkte. Eine Maßnahme kann durch sensible Daten, große Reichweite, unklare Anbieterrollen, Drittlandzugriffe, Profiling oder erhebliche Auswirkungen in eine strengere Kategorie wechseln.

Vier Freigabestufen für die Unternehmenspraxis

Häufige Fehlannahmen und Mythen

Offene und umstrittene Rechtsfragen

Konkrete Unternehmens-Checkliste

Die Reihenfolge ist als Freigabeprozess gedacht. Ein Pilot mit echten personenbezogenen Daten sollte erst beginnen, wenn die jeweils einschlägigen Gates dokumentiert sind.

Stop-Kriterien vor dem Pilot

• Kein konkreter, dokumentierter Zweck oder keine tragfähige Rechtsgrundlage;

• Anbieter nutzt Eingaben für eigene Trainings-/Werbezwecke ohne geklärte Rolle und Grundlage;

• keine belastbare Liste der Subprozessoren und Länder;

• keine Möglichkeit, sensible Daten oder ganze Archive technisch zu begrenzen;

• Art. 22 ist wahrscheinlich, aber menschliche Prüfung, Erklärung oder Anfechtung fehlen;

• DSFA-Screening ergibt hohes Risiko, die DSFA ist aber nicht abgeschlossen;

• RAG oder Agent ignoriert bestehende Berechtigungen;

• keine Lösch-, Korrektur- oder Incident-Strategie;

• unkontrollierte Sende-, Lösch-, Vertrags- oder Zahlungsrechte;

• Betriebsrat oder Datenschutzbeauftragter wurden trotz Erforderlichkeit nicht eingebunden.

Buchrelevante Faktenkarten

Die folgenden 45 Karten sind als einzeln überprüfbare Bausteine angelegt. Vor wörtlicher Verwendung im Buch ist bei hohem oder sehr hohem Aktualisierungsrisiko ein Refresh durchzuführen.

Faktenkarte F-01

Faktenkarte F-02

Faktenkarte F-03

Faktenkarte F-04

Faktenkarte F-05

Faktenkarte F-06

Faktenkarte F-07

Faktenkarte F-08

Faktenkarte F-09

Faktenkarte F-10

Faktenkarte F-11

Faktenkarte F-12

Faktenkarte F-13

Faktenkarte F-14

Faktenkarte F-15

Faktenkarte F-16

Faktenkarte F-17

Faktenkarte F-18

Faktenkarte F-19

Faktenkarte F-20

Faktenkarte F-21

Faktenkarte F-22

Faktenkarte F-23

Faktenkarte F-24

Faktenkarte F-25

Faktenkarte F-26

Faktenkarte F-27

Faktenkarte F-28

Faktenkarte F-29

Faktenkarte F-30

Faktenkarte F-31

Faktenkarte F-32

Faktenkarte F-33

Faktenkarte F-34

Faktenkarte F-35

Faktenkarte F-36

Faktenkarte F-37

Faktenkarte F-38

Faktenkarte F-39

Faktenkarte F-40

Faktenkarte F-41

Faktenkarte F-42

Faktenkarte F-43

Faktenkarte F-44

Faktenkarte F-45

Kurze belegbare Originalzitate

Die Zitate sind bewusst kurz gehalten. Für eine Veröffentlichung sind Zeichensetzung und konsolidierte Sprachfassung nochmals am Original zu prüfen.

Glossar

Beleg- und Quellenmatrix

Vollständiges Quellenregister

Abrufdatum für sämtliche Webquellen: 7. August 2026. Quellenstatus und Fundstellen sind nach dem jeweiligen Original dokumentiert. URLs sind als direkte Verweise angegeben. Vor Buchveröffentlichung ist insbesondere bei Entwürfen, laufenden Verfahren und dynamischen Behördenseiten ein erneuter Link- und Statuscheck erforderlich.

Rechtsquellen, Gesetzgebung und Transfers

S-001 | Europäische Union Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung, DSGVO) Verordnung | 27.04.2016 | EU/EWR | Primärquelle | Geltendes Recht Relevanz: Zentrale Rechtsgrundlage des Dossiers. Fundstelle: Insb. Art. 2-6, 9-10, 12-22, 24-39, 44-49; Erwägungsgründe 26, 39-50, 60-75, 78, 81, 91 URL: https://eur-lex.europa.eu/eli/reg/2016/679/oj

S-002 | Bundesrepublik Deutschland Bundesdatenschutzgesetz (BDSG) Gesetz | 30.06.2017 | Deutschland | Primärquelle | Geltendes Recht Relevanz: Deutsche Ergänzungen, insbesondere Beschäftigtendatenschutz und Datenschutzbeauftragte. Fundstelle: Insb. §§ 22, 26, 38 URL: https://www.gesetze-im-internet.de/bdsg_2018/

S-003 | Europäische Union Charta der Grundrechte der Europäischen Union Primärrecht | 26.10.2012 | EU | Primärquelle | Geltendes Primärrecht Relevanz: Grundrechte auf Privatleben und Datenschutz. Fundstelle: Art. 7, 8, 21, 47, 52 URL: https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:12012P/TXT

S-004 | Europäische Union Verordnung (EU) 2024/1689 über künstliche Intelligenz (AI Act) Verordnung | 13.06.2024 | EU/EWR | Primärquelle | Geltendes Recht; gestaffelte Anwendung Relevanz: Schnittstelle zwischen Datenschutzrecht und KI-Regulierung. Fundstelle: Insb. Art. 3, 4, 9-15, 26-27, 50, 113 URL: https://eur-lex.europa.eu/eli/reg/2024/1689/oj

S-005 | Bundesrepublik Deutschland Betriebsverfassungsgesetz (BetrVG) Gesetz | 15.01.1972; laufend konsolidiert | Deutschland | Primärquelle | Geltendes Recht Relevanz: Mitbestimmung bei technischen Einrichtungen und Personalmaßnahmen. Fundstelle: Insb. §§ 80, 87 Abs. 1 Nr. 6, 90, 94, 95 URL: https://www.gesetze-im-internet.de/betrvg/

S-006 | Bundesrepublik Deutschland Verwaltungsverfahrensgesetz (VwVfG) Gesetz | 25.05.1976; laufend konsolidiert | Deutschland | Primärquelle | Geltendes Recht Relevanz: Vollautomatisierter Erlass eines Verwaltungsaktes. Fundstelle: § 35a URL: https://www.gesetze-im-internet.de/vwvfg/

S-007 | Europäische Union Richtlinie (EU) 2016/943 über den Schutz von Geschäftsgeheimnissen Richtlinie | 08.06.2016 | EU | Primärquelle | Geltendes Recht Relevanz: Abwägung von Erklärungs- und Auskunftsrechten mit Geschäftsgeheimnissen. Fundstelle: Gesamtdokument URL: https://eur-lex.europa.eu/eli/dir/2016/943/oj

S-008 | Europäische Union Richtlinie 2002/58/EG (ePrivacy-Richtlinie) Richtlinie | 12.07.2002 | EU | Primärquelle | Geltendes Recht Relevanz: Zusätzliche Regeln für elektronische Kommunikation und Endgeräte. Fundstelle: Insb. Art. 5, 13 URL: https://eur-lex.europa.eu/eli/dir/2002/58/oj

S-009 | Europäische Union Verordnung (EU) 2022/868 (Data Governance Act) Verordnung | 30.05.2022 | EU | Primärquelle | Geltendes Recht Relevanz: Datenweiterverwendung und Datenvermittlungsdienste; kein Ersatz für DSGVO-Rechtsgrundlagen. Fundstelle: Gesamtdokument URL: https://eur-lex.europa.eu/eli/reg/2022/868/oj

S-010 | Europäische Union Verordnung (EU) 2023/2854 (Data Act) Verordnung | 13.12.2023 | EU | Primärquelle | Geltendes Recht Relevanz: Datenzugang und Datennutzung; Schnittstelle zum Datenschutz. Fundstelle: Gesamtdokument URL: https://eur-lex.europa.eu/eli/reg/2023/2854/oj

S-011 | Europäische Union Richtlinie (EU) 2019/1024 über offene Daten und die Weiterverwendung von Informationen des öffentlichen Sektors Richtlinie | 20.06.2019 | EU | Primärquelle | Geltendes Recht Relevanz: Öffentliche Register und Open Data schaffen nicht automatisch eine DSGVO-Rechtsgrundlage. Fundstelle: Gesamtdokument URL: https://eur-lex.europa.eu/eli/dir/2019/1024/oj

S-012 | Europäische Kommission Durchführungsbeschluss (EU) 2021/914 - Standardvertragsklauseln Durchführungsbeschluss | 04.06.2021 | EU | Primärquelle | Geltendes Recht Relevanz: Vertragsinstrument für Drittlandübermittlungen. Fundstelle: Anhänge und Module URL: https://eur-lex.europa.eu/eli/dec_impl/2021/914/oj

S-013 | Europäische Kommission Durchführungsbeschluss (EU) 2023/1795 - EU-US Data Privacy Framework Angemessenheitsbeschluss | 10.07.2023 | EU/USA | Primärquelle | Geltend am Stichtag Relevanz: Angemessenheitsbeschluss für zertifizierte US-Unternehmen. Fundstelle: Gesamtdokument URL: https://eur-lex.europa.eu/eli/dec_impl/2023/1795/oj

S-014 | Europäische Kommission Adequacy decisions - How the EU determines if a non-EU country has an adequate level of data protection Behördenseite | Stand 07.08.2026 | EU/international | Offizielle Quelle | Aktuelle Übersicht Relevanz: Aktuelle Angemessenheitsbeschlüsse. Fundstelle: Website URL: https://commission.europa.eu/law/law-topic/data-protection/international-dimension-data-protection/adequacy-decisions_en

S-015 | Europäische Kommission First periodic review of the functioning of the EU-US Data Privacy Framework Bericht | 09.10.2024 | EU/USA | Offizielle Quelle | Behördenbericht Relevanz: Erste Überprüfung des DPF. Fundstelle: Gesamtdokument URL: https://commission.europa.eu/document/download/d1a70e97-42be-4a0d-96f1-0f32bc532b23_en

S-016 | Gericht der Europäischen Union Urteil Latombe/Kommission, T-553/23 Urteil | 03.09.2025 | EU | Primärquelle | Urteil; Rechtsmittel anhängig Relevanz: Bestätigung des DPF durch das Gericht erster Instanz. Fundstelle: Urteil und Tenor URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=T-553%2F23

S-017 | Gerichtshof der Europäischen Union Rechtsmittel gegen T-553/23 Latombe/Kommission Gerichtsverfahren | 31.10.2025 | EU | Primärquelle | Am 07.08.2026 anhängig Relevanz: Offenes Rechtsmittel zum DPF. Fundstelle: Verfahrensmitteilung URL: https://curia.europa.eu/juris/document/document.jsf?docid=307389&doclang=EN

S-018 | Europäische Kommission COM(2025) 837 final - Digital Omnibus proposal Gesetzgebungsvorschlag | 19.11.2025 | EU | Primärquelle | Vorschlag, nicht geltendes Recht Relevanz: Vorgeschlagene Änderungen an der DSGVO und weiteren Digitalrechtsakten. Fundstelle: Gesamtdokument URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52025PC0837

S-019 | EDPB und EDPS Joint Opinion 2/2026 on the Digital Omnibus Gemeinsame Stellungnahme | 10.02.2026 | EU/EWR | Offizielle Behördenposition | Nicht verbindliche Stellungnahme Relevanz: Kritische Einordnung der vorgeschlagenen Datenschutzänderungen. Fundstelle: Insb. Abschnitte zu KI, besonderen Kategorien, Transparenz und Art. 22 URL: https://www.edpb.europa.eu/system/files/2026-02/edpb_edps_jointopinion_202602_digitalomnibus_en.pdf

S-020 | Europäisches Parlament Legislative Train - Digital package / Digital Omnibus Legislativübersicht | Stand 16.06.2026 | EU | Offizielle Quelle | Laufendes Gesetzgebungsverfahren Relevanz: Verfahrensstand des Digital Omnibus. Fundstelle: Website URL: https://www.europarl.europa.eu/legislative-train/theme-a-new-plan-for-europe-s-sustainable-prosperity-and-competitiveness/file-digital-package

S-021 | Europäische Union Verordnung (EU) 2018/1725 zum Datenschutz bei EU-Organen Verordnung | 23.10.2018 | EU | Primärquelle | Geltendes Recht Relevanz: Parallele Datenschutzregeln für EU-Organe; relevant für EDPS/SRB-Rechtsprechung. Fundstelle: Insb. Art. 3 und Informationspflichten URL: https://eur-lex.europa.eu/eli/reg/2018/1725/oj

S-022 | Bundesrepublik Deutschland Telekommunikation-Digitale-Dienste-Datenschutz-Gesetz (TDDDG) Gesetz | 23.06.2021; umbenannt 2024 | Deutschland | Primärquelle | Geltendes Recht Relevanz: Endgerätezugriffe, Cookies und Kommunikationsdaten bei KI-Diensten. Fundstelle: Insb. § 25 URL: https://www.gesetze-im-internet.de/ttdsg/

Behördenleitlinien und Aufsichtspositionen

S-023 | Datenschutzkonferenz (DSK) Orientierungshilfe Künstliche Intelligenz und Datenschutz, Version 1.0 Orientierungshilfe | 06.05.2024 | Deutschland | Offizielle Behördenposition | Leitfaden, kein Gesetz Relevanz: Deutscher Referenzleitfaden für Auswahl, Einführung und Nutzung von KI. Fundstelle: S. 3-15 URL: https://www.datenschutzkonferenz-online.de/media/oh/20240506_DSK_Orientierungshilfe_KI_und_Datenschutz.pdf

S-024 | European Data Protection Board (EDPB) Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models Stellungnahme nach Art. 64 Abs. 2 DSGVO | 17.12.2024 | EU/EWR | Offizielle Behördenposition | Autoritative Aufsichtsposition, kein Gesetz/Urteil Relevanz: Anonymität von Modellen, berechtigtes Interesse und Folgen rechtswidriger Entwicklung. Fundstelle: Insb. Rn. 31-50, 54-86, 92-133 URL: https://www.edpb.europa.eu/system/files/2024-12/edpb_opinion_202428_ai-models_en.pdf

S-025 | European Data Protection Board (EDPB) Report of the ChatGPT Taskforce Behördenbericht | 23.05.2024 | EU/EWR | Offizielle Behördenposition | Zwischenbericht Relevanz: Gemeinsame Aufsichtsthemen bei ChatGPT: Rechtmäßigkeit, Transparenz, Richtigkeit, Rechte. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2024-05/edpb_20240523_report_chatgpt_taskforce_en.pdf

S-026 | HmbBfDI Large Language Models und personenbezogene Daten - Diskussionspapier Diskussionspapier | 15.07.2024 | Deutschland | Offizielle Behördenposition | Diskussionsbeitrag; teils umstritten Relevanz: Engere These zum Personenbezug in LLM; Gegenposition zur pauschalen Modellqualifikation. Fundstelle: Gesamtdokument URL: https://datenschutz-hamburg.de/fileadmin/user_upload/HmbBfDI/Datenschutz/Informationen/240715_Diskussionspapier_HmbBfDI_KI_Modelle.pdf

S-027 | Datenschutzkonferenz (DSK) Orientierungshilfe zu empfohlenen technischen und organisatorischen Maßnahmen bei Entwicklung und Betrieb von KI-Systemen, Version 1.0 Orientierungshilfe | 06.2025 | Deutschland | Offizielle Behördenposition | Leitfaden, kein Gesetz Relevanz: Datenschutz durch Technikgestaltung über den KI-Lebenszyklus. Fundstelle: S. 3-24 URL: https://www.datenschutzkonferenz-online.de/media/oh/DSK-OH_KI-Systeme.pdf

S-028 | BfDI Bericht über das öffentliche Konsultationsverfahren KI-Modelle und personenbezogene Daten Konsultationsbericht | 2026 | Deutschland | Offizielle Behördenquelle | Ergebnisbericht; keine verbindliche Rechtsauslegung Relevanz: 30 Stellungnahmen zu Modellanonymität, Extraktionsrisiken und Betroffenenrechten. Fundstelle: Website und verlinkter Bericht URL: https://www.bfdi.bund.de/DE/BfDI/Konsultationsverfahren/KI-Modelle-pbD/KI-Modelle-pbD_node.html

S-029 | Datenschutzkonferenz (DSK) Orientierungshilfe zu datenschutzrechtlichen Besonderheiten generativer KI-Systeme mit RAG-Methode, Version 1.0 Orientierungshilfe | 10.2025 | Deutschland | Offizielle Behördenposition | Leitfaden, kein Gesetz Relevanz: Datenschutzwirkungen und Grenzen von RAG, Embeddings und Vektordatenbanken. Fundstelle: S. 3-14 URL: https://www.datenschutzkonferenz-online.de/media/oh/DSK_OH_RAG.pdf

S-030 | Datenschutzkonferenz (DSK) Entschließung zu DSGVO und KI-Anpassungen Entschließung | 12.12.2025 | Deutschland | Offizielle Behördenposition | Politische Position, kein geltendes Recht Relevanz: Vorschläge zur Weiterentwicklung der DSGVO im KI-Kontext. Fundstelle: Gesamtdokument URL: https://www.datenschutzkonferenz-online.de/media/en/DSK_Entschliessung_DSGVO_KI_Anpassungen.pdf

S-031 | European Data Protection Board (EDPB) Guidelines 03/2026 on web scraping in the context of generative AI, Version 1.0 Leitlinien | 07.07.2026 | EU/EWR | Offizielle Behördenposition | Zur öffentlichen Konsultation bis 30.10.2026; nicht final Relevanz: Aktuellste EDPB-Leitlinien zu Scraping, Art. 6, Art. 9 und Art. 14. Fundstelle: Insb. Rn. 16-75 URL: https://www.edpb.europa.eu/system/files/2026-07/edpb_guidelines_2020603_webscraping_v1_en_0.pdf

S-032 | European Data Protection Board (EDPB) Guidelines 02/2026 on Anonymisation, Version 1.0 Leitlinien | 07.07.2026 | EU/EWR | Offizielle Behördenposition | Zur öffentlichen Konsultation bis 30.10.2026; nicht final Relevanz: Kontextbezogene Anonymitätsprüfung; Kriterien Isolation, Verknüpfung und Inferenz. Fundstelle: Executive Summary und Prüfrahmen URL: https://www.edpb.europa.eu/system/files/2026-07/edpb_guidelines_202602_anonymisation_v1_en_0.pdf

S-033 | European Data Protection Board (EDPB) Guidelines 01/2025 on Pseudonymisation, Version 1.0 Leitlinien | 16.01.2025 | EU/EWR | Offizielle Behördenposition | Version zur öffentlichen Konsultation; nicht final Relevanz: Rechtswirkung und Schutzwirkung der Pseudonymisierung. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2025-01/edpb_guidelines_202501_pseudonymisation_en.pdf

S-034 | European Data Protection Board (EDPB) Guidelines 1/2024 on processing of personal data based on Article 6(1)(f) GDPR Leitlinien | 08.10.2024 | EU/EWR | Offizielle Behördenposition | Version zur öffentlichen Konsultation; nicht final Relevanz: Dreistufige Prüfung des berechtigten Interesses. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2024-10/edpb_guidelines_202401_legitimateinterest_en.pdf

S-035 | European Data Protection Board (EDPB) Opinion 22/2024 on certain obligations following from the reliance on processors and sub-processors Stellungnahme | 07.10.2024 | EU/EWR | Offizielle Behördenposition | Aufsichtsposition Relevanz: Pflichten bei Auftragsverarbeitern und Unterauftragsverarbeitern. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2024-10/edpb_opinion_202422_relianceonprocessors-sub-processors_en.pdf

S-036 | European Data Protection Board (EDPB) Guidelines 01/2022 on data subject rights - Right of access, Version 2.1 Leitlinien | 28.03.2023; korr. 30.05.2024 | EU/EWR | Offizielle Behördenposition | Finale Leitlinien Relevanz: Umfang, Form und Grenzen des Auskunftsrechts. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2023-04/edpb_guidelines_202201_data_subject_rights_access_v2_en.pdf

S-037 | European Data Protection Board (EDPB) Guidelines 07/2020 on the concepts of controller and processor in the GDPR Leitlinien | 07.07.2021 | EU/EWR | Offizielle Behördenposition | Finale Leitlinien Relevanz: Funktionale Rollenbestimmung und gemeinsame Verantwortlichkeit. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2023-10/EDPB_guidelines_202007_controllerprocessor_final_en.pdf

S-038 | European Data Protection Board (EDPB) Guidelines 4/2019 on Article 25 Data Protection by Design and by Default, Version 2.0 Leitlinien | 20.10.2020 | EU/EWR | Offizielle Behördenposition | Finale Leitlinien Relevanz: Technikgestaltung und datenschutzfreundliche Voreinstellungen. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/documents/files/file1/edpb_guidelines_201904_dataprotection_by_design_and_by_default_v2.0_en.pdf

S-039 | Article 29 Working Party / EDPB Guidelines on Data Protection Impact Assessment, WP248 rev.01 Leitlinien | 04.10.2017 | EU/EWR | Offizielle Behördenposition | Vom EDPB bestätigt Relevanz: Neun Kriterien für hohes Risiko und DSFA-Pflicht. Fundstelle: S. 9-13 URL: https://www.datenschutzkonferenz-online.de/media/wp/20171004_wp248_rev01.pdf

S-040 | European Data Protection Board (EDPB) Guidelines 9/2022 on personal data breach notification under GDPR, Version 2.0 Leitlinien | 28.03.2023 | EU/EWR | Offizielle Behördenposition | Finale Leitlinien Relevanz: Melde- und Benachrichtigungspflichten bei Datenschutzverletzungen. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2023-04/edpb_guidelines_202209_personal_data_breach_notification_v2.0_en.pdf

S-041 | European Data Protection Board (EDPB) Guidelines 05/2020 on consent under Regulation 2016/679 Leitlinien | 04.05.2020 | EU/EWR | Offizielle Behördenposition | Finale Leitlinien Relevanz: Freiwilligkeit, Bestimmtheit, Informiertheit und Widerruf. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/sites/default/files/files/file1/edpb_guidelines_202005_consent_en.pdf

S-042 | Article 29 Working Party / EDPB Guidelines on Automated individual decision-making and Profiling, WP251 rev.01 Leitlinien | 06.02.2018 | EU/EWR | Offizielle Behördenposition | Vom EDPB bestätigt Relevanz: Art. 22, Profiling, menschliches Eingreifen und Garantien. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/documents/guideline/automated-decision-making-and-profiling_en

S-043 | Article 29 Working Party / EDPB Guidelines on transparency under Regulation 2016/679, WP260 rev.01 Leitlinien | 11.04.2018 | EU/EWR | Offizielle Behördenposition | Vom EDPB bestätigt Relevanz: Verständliche und leicht zugängliche Informationen. Fundstelle: Gesamtdokument URL: https://ec.europa.eu/newsroom/article29/items/622227/en

S-044 | European Data Protection Board (EDPB) Recommendations 01/2020 on measures that supplement transfer tools, Version 2.0 Empfehlungen | 18.06.2021 | EU/EWR | Offizielle Behördenposition | Finale Empfehlungen Relevanz: Transfer Impact Assessment und zusätzliche Maßnahmen. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2021-06/edpb_recommendations_202001vo.2.0_supplementarymeasurestransferstools_en.pdf

S-045 | European Data Protection Board (EDPB) Guidelines 05/2021 on the interplay between Article 3 and Chapter V GDPR Leitlinien | 14.02.2023 | EU/EWR | Offizielle Behördenposition | Finale Leitlinien Relevanz: Wann eine Verarbeitung eine Drittlandübermittlung ist. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2023-02/edpb_guidelines_05-2021_interplay_between_the_application_of_art3-chapter_v_of_the_gdpr_v2_en_0.pdf

S-046 | European Data Protection Board (EDPB) Guidelines 8/2020 on the targeting of social media users, Version 2.0 Leitlinien | 13.04.2021 | EU/EWR | Offizielle Behördenposition | Finale Leitlinien Relevanz: Profiling, Targeting und Rollenverteilung. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2021-11/edpb_guidelines_202008_on_the_targeting_of_social_media_users_en.pdf

S-047 | European Data Protection Board (EDPB) Guidelines 02/2021 on virtual voice assistants, Version 2.0 Leitlinien | 07.07.2021 | EU/EWR | Offizielle Behördenposition | Finale Leitlinien Relevanz: Sprachdaten, Endgerätezugriff und Transparenz. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2021-07/edpb_guidelines_202102_on_vva_v2.0_adopted_en.pdf

S-048 | European Data Protection Board (EDPB) Opinion 11/2024 on the use of facial recognition to streamline airport passenger flow Stellungnahme | 23.05.2024 | EU/EWR | Offizielle Behördenposition | Aufsichtsposition Relevanz: Biometrische Daten, Speicherarchitektur und Verhältnismäßigkeit. Fundstelle: Gesamtdokument URL: https://www.edpb.europa.eu/system/files/2024-05/edpb_opinion_202411_facialrecognitionairports_en.pdf

S-049 | CNIL AI system development: the CNIL recommendations to comply with the GDPR Behördenleitfaden | 05.01.2026 | Frankreich/EU | Offizielle Behördenposition | Leitfaden Relevanz: Zusammenführung der französischen KI-Datenschutzempfehlungen. Fundstelle: Website und verlinkte Sheets URL: https://www.cnil.fr/en/ai-system-development-cnils-recommendations-to-comply-gdpr

S-050 | CNIL Relying on the legal basis of legitimate interests to develop an AI system Behördenleitfaden | 2025 | Frankreich/EU | Offizielle Behördenposition | Leitfaden Relevanz: Berechtigtes Interesse bei KI-Entwicklung. Fundstelle: Website URL: https://www.cnil.fr/en/relying-legal-basis-legitimate-interests-develop-ai-system

S-051 | CNIL Informing data subjects in the context of AI system development Behördenleitfaden | 2025 | Frankreich/EU | Offizielle Behördenposition | Leitfaden Relevanz: Art. 13/14 und mehrstufige Information. Fundstelle: Website URL: https://www.cnil.fr/en/informing-data-subjects

S-052 | CNIL Ensuring and facilitating the exercise of data subjects rights Behördenleitfaden | 2025 | Frankreich/EU | Offizielle Behördenposition | Leitfaden Relevanz: Rechte bei Trainingsdaten und Modellen. Fundstelle: Website URL: https://www.cnil.fr/en/ensuring-and-facilitating-exercise-data-subjects-rights

S-053 | CNIL Carrying out a data protection impact assessment if necessary Behördenleitfaden | 2025 | Frankreich/EU | Offizielle Behördenposition | Leitfaden Relevanz: DSFA bei KI-Systemen. Fundstelle: Website URL: https://www.cnil.fr/en/carrying-out-protection-impact-assessment-if-necessary

S-054 | Garante per la protezione dei dati personali ChatGPT - closure of the investigation against OpenAI Behördenmitteilung | 20.12.2024; Statusänderung 18.03.2026 | Italien/EU | Offizielle Behördenquelle | Bescheid 2026 nach Gerichtsurteil vorläufig entfernt Relevanz: Praxisfall zu Transparenz, Rechtsgrundlage und Richtigkeit; Verfahrensstatus beachten. Fundstelle: Website URL: https://www.garanteprivacy.it/home/docweb/-/docweb-display/docweb/10085432

S-055 | HmbBfDI Bewerberdatenschutz und Recruiting im Fokus Orientierungshilfe | 06.06.2024 | Deutschland | Offizielle Behördenposition | Leitfaden Relevanz: KI-gestützte Bewerberauswahl, Transparenz und Art. 22. Fundstelle: Gesamtdokument URL: https://datenschutz-hamburg.de/fileadmin/user_upload/HmbBfDI/Datenschutz/Informationen/240606_Information_Bewerberdatenschutz_und_Recruiting.pdf

S-056 | Datenschutzkonferenz (DSK) Liste von Verarbeitungsvorgängen nach Art. 35 Abs. 4 DSGVO für nichtöffentliche Stellen, Version 1.1 Muss-Liste | 17.10.2018 | Deutschland | Offizielle Behördenposition | Aufsichtsrechtliche Muss-Liste Relevanz: Typische DSFA-Auslöser. Fundstelle: Gesamtdokument URL: https://www.datenschutzkonferenz-online.de/media/ah/20181017_ah_DSK_DSFA_Muss-Liste_Version_1.1_Deutsch.pdf

S-057 | Datenschutzkonferenz (DSK) Kurzpapier Nr. 5 - Datenschutz-Folgenabschätzung nach Art. 35 DSGVO Kurzpapier | 17.12.2018 | Deutschland | Offizielle Behördenposition | Orientierung; Aktualität prüfen Relevanz: Ablauf und Dokumentation der DSFA. Fundstelle: Gesamtdokument URL: https://www.datenschutzkonferenz-online.de/media/kp/dsk_kpnr_5.pdf

S-058 | Datenschutzkonferenz (DSK) Kurzpapier Nr. 1 - Verzeichnis von Verarbeitungstätigkeiten Kurzpapier | 2018 | Deutschland | Offizielle Behördenposition | Orientierung; Aktualität prüfen Relevanz: VVT und Rechenschaftspflicht. Fundstelle: Gesamtdokument URL: https://www.datenschutzkonferenz-online.de/media/kp/dsk_kpnr_1.pdf

S-059 | BfDI Konsultation KI-Modelle und personenbezogene Daten - Konsultationsfragen Behördenseite | 10.07.2025 | Deutschland | Offizielle Behördenquelle | Abgeschlossene Konsultation Relevanz: Fragen zu Modellanonymität, Memorisierung, Extraktion und Betroffenenrechten. Fundstelle: Website URL: https://www.bfdi.bund.de/DE/BfDI/Inhalte/Konsultationsverfahren/KI-pbD/KI-pbD-Konsultationsfragen.html

S-060 | HmbBfDI Tätigkeitsbericht Datenschutz 2024 Tätigkeitsbericht | 2025 | Deutschland | Offizielle Behördenquelle | Bericht Relevanz: Praxisentwicklungen zu KI und Recruiting. Fundstelle: Relevante Kapitel URL: https://datenschutz-hamburg.de/service-information/taetigkeitsberichte/taetigkeitsbericht-datenschutz-2024

Rechtsprechung

S-061 | Gerichtshof der Europäischen Union SCHUFA Holding (Scoring), C-634/21, ECLI:EU:C:2023:957 Urteil | 07.12.2023 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Art. 22 bei Scores mit maßgeblicher Rolle für die Entscheidung. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-634%2F21

S-062 | Gerichtshof der Europäischen Union Dun & Bradstreet Austria, C-203/22, ECLI:EU:C:2025:117 Urteil | 27.02.2025 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Verständliche Erklärung automatisierter Entscheidungen und Verhältnis zu Geschäftsgeheimnissen. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-203%2F22

S-063 | Gerichtshof der Europäischen Union Meta Platforms u. a. (Bundeskartellamt), C-252/21, ECLI:EU:C:2023:537 Urteil | 04.07.2023 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Art. 6, besondere Kategorien, Einwilligung und Plattformdaten. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-252%2F21

S-064 | Gerichtshof der Europäischen Union KNLTB, C-621/22, ECLI:EU:C:2024:858 Urteil | 04.10.2024 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Kommerzielles Interesse kann legitim sein; Notwendigkeit und Abwägung bleiben erforderlich. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-621%2F22

S-065 | Gerichtshof der Europäischen Union Schrems/Meta Platforms Ireland, C-446/21, ECLI:EU:C:2024:834 Urteil | 04.10.2024 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Datenminimierung über die Zeit und keine grenzenlose Nutzung öffentlich gemachter sensibler Daten. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-446%2F21

S-066 | Gerichtshof der Europäischen Union Mousse, C-394/23, ECLI:EU:C:2025:2 Urteil | 09.01.2025 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Erforderlichkeit und Datenminimierung bei Anrede/Geschlechtsangabe. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-394%2F23

S-067 | Gerichtshof der Europäischen Union Hauptpersonalrat der Lehrerinnen und Lehrer, C-34/21, ECLI:EU:C:2023:270 Urteil | 30.03.2023 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Anforderungen an nationale Beschäftigtendatenschutzregeln nach Art. 88 DSGVO. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-34%2F21

S-068 | Gerichtshof der Europäischen Union OT, C-184/20, ECLI:EU:C:2022:601 Urteil | 01.08.2022 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Daten können besondere Kategorien offenbaren, auch wenn sie nicht ausdrücklich so bezeichnet sind. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-184%2F20

S-069 | Gerichtshof der Europäischen Union GC u. a., C-136/17, ECLI:EU:C:2019:773 Urteil | 24.09.2019 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Besondere Kategorien in Suchmaschinenkontexten und Verantwortungsrahmen. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-136%2F17

S-070 | Gerichtshof der Europäischen Union Österreichische Post (Empfänger), C-154/21, ECLI:EU:C:2023:3 Urteil | 12.01.2023 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Auskunft umfasst grundsätzlich konkrete Empfänger. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-154%2F21

S-071 | Gerichtshof der Europäischen Union CRIF, C-487/21, ECLI:EU:C:2023:369 Urteil | 04.05.2023 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Getreue und verständliche Kopie personenbezogener Daten. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-487%2F21

S-072 | Gerichtshof der Europäischen Union EDPS/SRB, C-413/23 P, ECLI:EU:C:2025:645 Urteil | 04.09.2025 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Kontextbezogene Einordnung pseudonymisierter Daten und maßgebliche Perspektive. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-413%2F23%20P

S-073 | Gerichtshof der Europäischen Union Nowak, C-434/16, ECLI:EU:C:2017:994 Urteil | 20.12.2017 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Weites Verständnis des Bezugs einer Information zu einer Person nach Inhalt, Zweck oder Auswirkung. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-434%2F16

S-074 | Gerichtshof der Europäischen Union Breyer, C-582/14, ECLI:EU:C:2016:779 Urteil | 19.10.2016 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Relativer Personenbezug und vernünftigerweise einsetzbare Identifizierungsmittel. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-582%2F14

S-075 | Gerichtshof der Europäischen Union Wirtschaftsakademie Schleswig-Holstein, C-210/16, ECLI:EU:C:2018:388 Urteil | 05.06.2018 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Gemeinsame Verantwortlichkeit bei Plattformstatistiken. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-210%2F16

S-076 | Gerichtshof der Europäischen Union Fashion ID, C-40/17, ECLI:EU:C:2019:629 Urteil | 29.07.2019 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Phasenbezogene gemeinsame Verantwortlichkeit bei eingebetteten Diensten. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-40%2F17

S-077 | Gerichtshof der Europäischen Union Jehovan todistajat, C-25/17, ECLI:EU:C:2018:551 Urteil | 10.07.2018 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Gemeinsame Verantwortlichkeit ohne gemeinsamen Zugang zu allen Daten. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-25%2F17

S-078 | Gerichtshof der Europäischen Union Österreichische Post (immaterieller Schaden), C-300/21, ECLI:EU:C:2023:370 Urteil | 04.05.2023 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Schadenersatz setzt Verstoß, Schaden und Kausalität voraus; keine Erheblichkeitsschwelle. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-300%2F21

S-079 | Gerichtshof der Europäischen Union Natsionalna agentsia za prihodite, C-340/21, ECLI:EU:C:2023:986 Urteil | 14.12.2023 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Sicherheitsmaßnahmen, Beweislast und Angst vor Datenmissbrauch. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-340%2F21

S-080 | Gerichtshof der Europäischen Union Lindqvist, C-101/01, ECLI:EU:C:2003:596 Urteil | 06.11.2003 | EU | Primärquelle | Historische Rechtsprechung Relevanz: Veröffentlichung personenbezogener Daten im Internet. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-101%2F01

S-081 | Gerichtshof der Europäischen Union Schrems II, C-311/18, ECLI:EU:C:2020:559 Urteil | 16.07.2020 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Wirksamkeit von SCC, Prüfung des Drittlandschutzes, Privacy Shield ungültig. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-311%2F18

S-082 | Gerichtshof der Europäischen Union Google Spain, C-131/12, ECLI:EU:C:2014:317 Urteil | 13.05.2014 | EU | Primärquelle | Verbindliche Rechtsprechung Relevanz: Suchmaschinen, Verantwortlichkeit und Löschung/De-Listing. Fundstelle: Tenor und Entscheidungsgründe URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-131%2F12

Wissenschaftliche Quellen

S-083 | Carlini et al. Extracting Training Data from Large Language Models Peer-reviewte Konferenzarbeit | 2021 | International | Wissenschaftliche Primärquelle | Forschungsstand Relevanz: Empirischer Nachweis extrahierbarer memorisierter Trainingsdaten. Fundstelle: USENIX Security 2021 URL: https://www.usenix.org/system/files/sec21-carlini-extracting.pdf

S-084 | Nasr et al. Scalable Extraction of Training Data from (Production) Language Models Preprint | 28.11.2023 | International | Wissenschaftliche Primärquelle | Preprint; Methodik beachten Relevanz: Skalierbare Extraktion aus produktiven Sprachmodellen. Fundstelle: Gesamtdokument URL: https://arxiv.org/abs/2311.17035

S-085 | Lewis et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks Forschungsarbeit | 22.05.2020; Version 2021 | International | Wissenschaftliche Primärquelle | Forschungsgrundlage Relevanz: Grundlagen der RAG-Architektur. Fundstelle: Gesamtdokument URL: https://arxiv.org/abs/2005.11401

S-086 | Bourtoule et al. Machine Unlearning Peer-reviewte Forschungsarbeit | 2019/2021 | International | Wissenschaftliche Primärquelle | Forschungsstand Relevanz: Techniken zum nachträglichen Entfernen von Trainingseinflüssen; keine universelle Lösung. Fundstelle: Gesamtdokument URL: https://arxiv.org/abs/1912.03817

S-087 | Rigaki und Garcia A Survey of Privacy Attacks in Machine Learning Forschungsübersicht | 2020 | International | Wissenschaftliche Sekundärquelle | Forschungsstand Relevanz: Überblick zu Membership Inference, Model Inversion und Extraktion. Fundstelle: Gesamtdokument URL: https://arxiv.org/abs/2007.07646

Schnell veraltende Informationen

Qualitätsbericht

Stärken des Dossiers

• Klare Trennung von geltendem Recht, Rechtsprechung, Behördenposition, Entwurf, Forschung, Synthese und offener Frage.

• Rechtsstand und laufende Verfahren bis 7. August 2026 ausdrücklich gekennzeichnet.

• Primärquellen dominieren die tragenden rechtlichen Aussagen.

• EuGH-Rechtsprechung zu Art. 22, Auskunft, Verantwortlichkeit, Zweckbindung, Art. 9, Sicherheit und Transfers ist integriert.

• Technische Aspekte wie RAG, Embeddings, Memorisation, Unlearning, Prompt Injection und Agentenrechte werden in die Rechtsprüfung übersetzt.

• Praxisfälle, Freigabestufen, Checkliste, Faktenkarten und Refresh-Liste sind unmittelbar redaktionell nutzbar.

Bekannte Grenzen

Vor Buchveröffentlichung zwingend erneut prüfen

• Finalstatus und Text der EDPB-Leitlinien 02/2026 und 03/2026;

• Verfahrensstand Digital Omnibus;

• Rechtsmittel zum EU-US Data Privacy Framework;

• neue EuGH- oder deutsche Entscheidungen zu generativer KI, Scoring und Beschäftigtendaten;

• aktuelle Anbieterbedingungen, Subprozessoren, Speicherfristen und Transfers jedes konkret genannten Produkts;

• AI-Act-Leitlinien, Standards, nationale Zuständigkeiten und Anwendungsfristen;

• technischer Stand von Unlearning, Extraktionsschutz, RAG- und Agentensicherheit.

Redaktionelles Schlussfazit

Der datenschutzrechtlich robuste KI-Einsatz beginnt nicht mit der Frage, welches Modell am leistungsfähigsten ist, sondern mit einem begrenzten Zweck, einer belastbaren Daten- und Rollenkarte und einer Architektur, die unnötige Daten, Zugriffe und Entscheidungsmacht verhindert. Je stärker ein System Menschen bewertet, sensible Daten erschließt, Archive verbindet oder selbstständig handelt, desto weniger genügt eine Vertrags- oder Datenschutzerklärungslösung. Dann werden DSFA, technische Begrenzung, echte menschliche Kontrolle, Erklärbarkeit und ein überprüfbarer Rechteprozess zum Kern der Zulässigkeit. [EIGENE SYNTHESE aus S-001, S-023, S-024, S-027, S-029, S-039, S-061 und S-062]