Was Du über Deine Daten wissen könntest

Stell Dir vor, Du führst jeden Tag Gespräche mit einem sehr aufmerksamen Assistenten, der sich alles merkt, was Du sagst, notiert, mit wem Du sprichst und welche Dokumente Du zeigst. Am Ende des Tages packt dieser Assistent seine Notizen ein und Du weißt nicht, wo sie landen. Genau das passiert, wenn Du externe KI-Dienste nutzt, ohne Dir bewusst zu machen, welche Datenspuren dabei entstehen.

Das Heimtückische an Datenflüssen zu KI-Anbietern ist ihre Unsichtbarkeit. Wenn Du eine E-Mail über ChatGPT schreibst, siehst Du das Ergebnis, aber Du siehst nicht, dass dabei Informationen über Deinen Schreibstil, Deine Geschäftsbeziehungen und Deine inhaltlichen Schwerpunkte erfasst werden. Diese Metadaten (Daten über Daten, die zusätzliche Informationen über die eigentlichen Inhalte liefern) können in ihrer Gesamtheit ein sehr detailliertes Profil Deines Unternehmens zeichnen.

Training-Daten vs. Input-Daten: Ein wichtiger Unterschied

Hier wird es interessant, weil die meisten Menschen diese beiden Datenarten durcheinanderbringen. Training-Daten sind die riesigen Textmengen, mit denen KI-Modelle ursprünglich trainiert wurden (meist öffentliche Texte aus dem Internet). Input-Daten sind das, was Du konkret in ein KI-System eingibst.

• Training-Daten: Bereits verarbeitete, meist öffentliche Informationen, die das Modell "gelernt" hat
• Input-Daten: Deine konkreten Anfragen, Dokumente und Gespräche mit der KI
• Der kritische Punkt: Input-Daten können unter bestimmten Umständen zu neuen Training-Daten werden
• Zusatzdaten: Informationen darüber, wann, wie oft und in welchem Kontext Du die KI nutzt

Probier's aus: Dein Daten-Audit

Mache für eine Woche eine Liste: Welche KI-Tools nutzt Du wofür? Welche Informationen gibst Du dabei preis? Du wirst überrascht sein, wie schnell sich da etwas ansammelt.

Was KI-Anbieter mit Unternehmensdaten machen können

Die großen KI-Anbieter haben unterschiedliche Geschäftsmodelle und damit verschiedene Interessen an Deinen Daten. Manche finanzieren sich durch Werbung und brauchen daher Profile ihrer Nutzer. Andere verkaufen Premium-Dienste und versprechen, Daten nicht für Training zu verwenden. Das Problem: Diese Richtlinien können sich ändern, und die technischen Möglichkeiten sind oft größer als das, was öffentlich kommuniziert wird.

Besonders heikel wird es, wenn Deine Eingaben zur Verbesserung der KI-Modelle verwendet werden. Das bedeutet, dass Geschäftsgeheimnisse, Kundendaten oder strategische Überlegungen möglicherweise in zukünftige Modelle einfließen könnten, die dann auch Deinen Konkurrenten zur Verfügung stehen.

Vorsicht, Falle!

Eine häufige Gefahr liegt nicht in böswilliger Nutzung, sondern in der schleichenden Gewöhnung. Teams nutzen externe KI-Tools für immer sensiblere Aufgaben, ohne dass jemand den Überblick über die Gesamtheit der preisgegebenen Informationen behält.

DSGVO und externe KI-Nutzung

Die Datenschutz-Grundverordnung (DSGVO, europäisches Datenschutzgesetz) macht keine Ausnahme für KI-Anwendungen. Wenn Du personenbezogene Daten Deiner Kunden oder Mitarbeiter in externe KI-Systeme eingibst, musst Du sicherstellen, dass dies rechtlich abgedeckt ist. Das bedeutet: Einverständniserklärungen, Datenverarbeitungsverträge und die Fähigkeit, auf Anfrage zu erklären, wo welche Daten gelandet sind.

Viele KMUs unterschätzen, wie schnell sie hier in rechtliche Grauzonen geraten. Ein Mitarbeiter füttert ChatGPT mit einer Kundenliste, um E-Mail-Vorlagen zu generieren; plötzlich sind personenbezogene Daten bei einem US-amerikanischen Anbieter gelandet, ohne dass die betroffenen Kunden davon wissen oder zugestimmt haben.

Bewusstsein ohne Paranoia entwickeln

Das Ziel ist nicht, KI-Tools zu verteufeln oder aus Angst vor Datenschutz auf ihre Vorteile zu verzichten. Das Ziel ist, bewusste Entscheidungen zu treffen: Welche Daten sind unkritisch genug für externe Services? Wo braucht es interne Lösungen? Wie können wir von KI profitieren, ohne ungewollt zu viel preiszugeben?

Von hier aus kannst Du anfangen, systematische Daten-Verwaltung für KI zu entwickeln: Welche Arten von Informationen sind für externe KI-Services geeignet? Welche internen Prozesse brauchst Du, um den Überblick zu behalten? Wie schaffst Du es, dass Dein Team die Vorteile von KI nutzt, ohne dabei die Kontrolle über kritische Unternehmensdaten zu verlieren?