die Verantwortung der Unternehmen

 

Warum die öffentliche Verfügbarkeit von Daten im Internet nicht automatisch bedeutet, dass Unternehmen sie für das Training von KI nutzen dürfen 

Wie die neuen EDPB-Leitlinien die Anforderungen an Anonymisierung, Web Scraping und Rückverfolgbarkeit der Datenherkunft konkretisieren 

Was Unternehmen bei der Arbeit mit Daten für KI aus Sicht der DSGVO, des AI Act und des Urheberrechts berücksichtigen müssen 

 

Der Europäische Datenschutzausschuss (EDPB) hat Entwürfe von Leitlinien zur Anonymisierung und zur automatisierten Erhebung von Daten aus dem Internet im Zusammenhang mit generativer künstlicher Intelligenz veröffentlicht und gleichzeitig die endgültige Fassung der Leitlinien zur Verarbeitung personenbezogener Daten mittels Blockchain verabschiedet. Auch die tschechische Datenschutzbehörde hat auf die neuen Dokumente hingewiesen.

Die Entwürfe der Leitlinien zur Anonymisierung und zum Web Scraping sind derzeit Gegenstand einer öffentlichen Konsultation, die bis zum 30. Oktober 2026 läuft. Bereits jetzt zeigen sie jedoch, in welche Richtung sich die Auslegung der Datenschutzregeln entwickeln wird. Die zentrale Botschaft lautet, dass die technische Verfügbarkeit von Daten nicht automatisch bedeutet, dass diese ohne Weiteres erhoben, genutzt oder gespeichert werden dürfen.

Die Maßnahmen sind sinnvoll

Der Ansatz des EDPB kann als richtiger und notwendiger Schritt angesehen werden. Der Ausschuss entscheidet sich weder für ein pauschales Verbot der automatisierten Datenerhebung aus dem Internet noch für ein Verbot der Nutzung von Anonymisierung oder Blockchain. Organisationen bleibt Raum für den Einsatz dieser Technologien, gleichzeitig wird jedoch ihre Verantwortung für die Einhaltung der Datenschutzvorschriften betont.

Unternehmen müssen daher insbesondere in der Lage sein, den Zweck der Verarbeitung, eine geeignete Rechtsgrundlage, die Herkunft der Daten sowie die ergriffenen technischen und organisatorischen Maßnahmen nachzuweisen.

Bei der Anonymisierung reicht es nicht aus, lediglich einen Namen oder einen anderen direkten Identifikator zu entfernen. Die Entwürfe der EDPB-Leitlinien empfehlen insbesondere zu prüfen, ob eine bestimmte Person aus einer Gruppe herausgegriffen werden kann, ob Informationen über sie aus verschiedenen Quellen miteinander verknüpft werden können oder ob sich aus den verfügbaren Daten Rückschlüsse auf sie ziehen lassen.

Wichtig ist außerdem, dass die Anonymität von Daten vom konkreten Kontext abhängt. Derselbe Datensatz kann für eine Organisation faktisch anonym sein, während eine andere Organisation über zusätzliche Informationen oder Mittel verfügt, die eine erneute Identifizierung ermöglichen. Angesichts des technologischen Fortschritts und der zunehmenden Menge verfügbarer Daten kann Anonymisierung daher nicht als einmalige technische Maßnahme verstanden werden. Ihre Wirksamkeit muss fortlaufend bewertet werden.

Öffentlich zugänglich bedeutet nicht frei nutzbar

Ein wesentlicher Teil der neuen Materialien befasst sich mit Web Scraping, also der automatisierten Gewinnung von Informationen aus Websites. Diese Technik wird in großem Umfang auch zur Beschaffung von Daten für die Entwicklung und das Training generativer künstlicher Intelligenz eingesetzt.

Auch öffentlich im Internet verfügbare Daten dürfen jedoch nicht automatisch als frei für das Training von KI nutzbar angesehen werden. Wenn das Scraping personenbezogene Daten umfasst, muss die Organisation eine geeignete Rechtsgrundlage für deren Verarbeitung bestimmen, den Grundsatz der Zweckbindung und Datenminimierung einhalten und die erforderliche Transparenz gewährleisten.

Besondere Aufmerksamkeit erfordern besondere Kategorien personenbezogener Daten, beispielsweise Gesundheitsdaten, biometrische Daten oder Informationen über politische Meinungen oder religiöse Überzeugungen. Ihre öffentliche Verfügbarkeit allein bedeutet nicht, dass sie ohne Weiteres verarbeitet werden dürfen.

Der EDPB empfiehlt außerdem, zuverlässige Quellen zu verwenden, Herkunft und Zeitpunkt der Datenerhebung zu dokumentieren und ihre Qualität und Relevanz zu überprüfen, bevor sie beispielsweise für das Training von KI eingesetzt werden.

Eine mögliche Rechtsgrundlage kann das berechtigte Interesse sein. Auch dieses stellt jedoch keine allgemeine Erlaubnis zur Erhebung öffentlich zugänglicher Daten dar. Die Organisation muss im konkreten Fall die Legitimität des verfolgten Interesses, die Erforderlichkeit der Verarbeitung und die Auswirkungen auf die Rechte und Freiheiten der betroffenen Personen bewerten.

Blockchain muss Datenschutz bereits bei der Konzeption berücksichtigen

Für Blockchain sind die Leitlinien des EDPB bereits endgültig. Im Mittelpunkt steht insbesondere der Schutz personenbezogener Daten bereits bei der Gestaltung der Lösung.

Die technische Unveränderbarkeit eines Blockchain-Eintrags kann nicht als Rechtfertigung dafür dienen, dass personenbezogene Daten nicht berichtigt oder gelöscht werden können. Der EDPB empfiehlt daher als allgemeine Regel, personenbezogene Daten nicht direkt in der Blockchain zu speichern, wenn eine solche Lösung mit den Grundsätzen der DSGVO unvereinbar wäre.

Organisationen müssen im Voraus unter anderem Datenminimierung, Aufbewahrungsfristen, Zugriffsrechte und die Möglichkeit zur Ausübung der Rechte betroffener Personen berücksichtigen. Bei risikoreicheren Verarbeitungsvorgängen wird außerdem die Datenschutz-Folgenabschätzung (DPIA) eine wichtige Rolle spielen.

Auch der AI Act und das Urheberrecht spielen eine Rolle

Der Schutz personenbezogener Daten ist allerdings nur ein Teil der Regeln, die bei der Beschaffung von Daten für KI berücksichtigt werden müssen. Neben der DSGVO sind heute auch der europäische AI Act und die urheberrechtlichen Vorschriften zu beachten.

Anbieter von Modellen mit allgemeinem Verwendungszweck (GPAI) sind nach dem AI Act unter anderem verpflichtet, eine Strategie zur Einhaltung des Unionsurheberrechts einzuführen und eine hinreichend detaillierte Zusammenfassung der für das Training des Modells verwendeten Inhalte zu veröffentlichen.

Auch aus urheberrechtlicher Sicht darf die öffentliche Verfügbarkeit von Inhalten daher nicht mit einer automatischen Berechtigung zu deren uneingeschränkter Nutzung gleichgesetzt werden. Bei der Beschaffung von Trainingsdaten müssen mehrere rechtliche Regelungsbereiche gleichzeitig berücksichtigt werden.

Welche Risiken sind zu erwarten?

Das größte Risiko bleibt eine lediglich formale Erfüllung der Anforderungen. Eine Organisation kann zwar über Dokumentation verfügen, gleichzeitig aber den tatsächlichen Ursprung der Trainingsdaten oder der von einem externen Anbieter bezogenen Daten nicht kennen. Dies kann insbesondere bei umfangreichen Datensätzen problematisch sein, die aus zahlreichen öffentlichen und nicht öffentlichen Quellen zusammengestellt wurden.

Eine weitere Herausforderung kann in den finanziellen und technischen Anforderungen an Kontrollen liegen, insbesondere für kleinere Unternehmen. Mit steigenden Anforderungen an die Rückverfolgbarkeit der Datenherkunft reicht es nämlich nicht mehr aus, nur zu wissen, welche Daten eine Organisation verwendet. Zunehmend wichtiger wird auch die Kenntnis darüber, woher die Daten stammen, wann sie erhoben wurden, zu welchem Zweck sie verarbeitet werden und unter welchen Bedingungen sie weiterverwendet werden dürfen.

Es ist daher mit einem zunehmenden Fokus auf Dokumentation, Rückverfolgbarkeit von Daten und laufende Risikobewertung zu rechnen. Dies wird eine engere Zusammenarbeit zwischen Rechts-, Technologie-, Sicherheits- und Datenteams erfordern.

Auswirkungen auf einzelne Teams

Die neuen Leitlinien werden vor allem Teams betreffen, die an der Entwicklung von KI-Lösungen, am Datenmanagement und am Datenschutz beteiligt sind.

Rechtsteams werden die Rechtsgrundlagen für die Verarbeitung präziser festlegen, berechtigte Interessen, die vertragliche Verantwortlichkeit von Lieferanten sowie die Bedingungen für die Nutzung von Daten aus dem Internet oder von externen Partnern bewerten müssen. Bei KI-Projekten wird zugleich das Zusammenspiel von DSGVO, AI Act und Urheberrecht zu berücksichtigen sein.

Datenschutzbeauftragte (DPOs) und Datenschutzspezialisten sollten bereits in der Konzeptionsphase in Projekte eingebunden werden, die künstliche Intelligenz oder Blockchain nutzen. Sie werden die Risiken der Verarbeitung personenbezogener Daten, die Transparenz, die Möglichkeit zur Ausübung der Rechte betroffener Personen und einen möglichen Bedarf an einer DPIA bewerten.

IT- und Sicherheitsteams werden die Erfassung von Datenquellen sicherstellen, technische Maßnahmen für Datenerhebung und -verwaltung, Zugriffskontrollen sowie die sichere Speicherung von Daten einrichten.

KI- und Datenteams werden die Herkunft von Trainingsdaten besser dokumentieren, ihre Quellen und den Zeitpunkt der Erhebung erfassen, die Sammlung unnötiger Daten begrenzen und fortlaufend das Risiko einer Re-Identifizierung oder der Speicherung personenbezogener Daten durch das Modell bewerten müssen.
 

„Die neuen Leitlinien stellen kein Verbot der automatisierten Datenerhebung aus dem Internet, der Anonymisierung oder der Blockchain dar. Sie erinnern jedoch daran, dass die technische Möglichkeit allein nicht ausreicht. Organisationen müssen nachweisen können, warum sie Daten verwenden, woher diese stammen und wie sie die Rechte betroffener Personen schützen. Bei KI kommt hinzu, dass neben der DSGVO auch der AI Act und das Urheberrecht zu berücksichtigen sind. Die größte Veränderung wird daher nicht in der Erstellung eines weiteren Dokuments bestehen, sondern in der Notwendigkeit einer engeren Zusammenarbeit zwischen Rechts-, Daten-, Sicherheits- und Entwicklungsteams.“