Personenbezogene Daten in KI: Wann Anonymisieren und Pseudonymisieren wirklich helfen

Wer generative KI im Arbeitsalltag nutzt, stößt schnell auf eine praktische Frage: Darf ich diesen Text, diese E-Mail oder diesen Datensatz in das KI-Tool eingeben? Die Antwort hängt nicht nur davon ab, ob ein Name sichtbar ist. Entscheidend ist unter anderem, ob Informationen einer identifizierten oder identifizierbaren Person zugeordnet werden können, zu welchem Zweck sie verarbeitet werden und welche technischen sowie organisatorischen Rahmenbedingungen gelten.

Gerade deshalb ist die einfache Regel „Namen löschen, dann ist alles anonym“ gefährlich. Pseudonymisierung und Anonymisierung sind nicht dasselbe. Und selbst eine gute Pseudonymisierung hebt die Datenschutz-Grundverordnung nicht automatisch auf.

Kurz gesagt

• Personenbezogene Daten werden nicht allein dadurch anonym, dass Name und E-Mail-Adresse entfernt werden; auch Kombinationen aus Funktion, Ort, Ereignis oder anderen Merkmalen können eine Person identifizierbar machen.
• Pseudonymisierte Daten bleiben grundsätzlich personenbezogene Daten, wenn eine Zuordnung mit zusätzlichen Informationen möglich ist.
• Vor einer KI-Eingabe sollte zuerst geprüft werden, ob personenbezogene Daten für den konkreten Zweck überhaupt erforderlich sind. Datenminimierung kommt vor dem „Wegmaskieren“.
• Ob eine KI-Verarbeitung zulässig ist, entscheidet sich nicht allein an Anonymisierung oder Pseudonymisierung. Zweck, Rechtsgrundlage, Anbieter, Speicherverhalten, Empfänger, Sicherheitsmaßnahmen und der konkrete Einsatz bleiben relevant.
• Für Mitarbeitende funktionieren klare Datenklassen und konkrete Beispiele besser als die pauschale Anweisung „keine sensiblen Daten in KI“.

Was zählt bei einer KI-Eingabe überhaupt als personenbezogen?

Die DSGVO definiert personenbezogene Daten weit. Erfasst sind Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person beziehen. Identifizierbarkeit kann direkt oder indirekt entstehen. Deshalb ist „kein Name enthalten“ kein verlässlicher Test.

Ein Beispiel: „Der Vertriebsleiter unserer einzigen Niederlassung in Ulm hatte im März einen längeren krankheitsbedingten Ausfall“ enthält keinen Namen. In einem kleinen Unternehmen kann trotzdem sehr leicht klar sein, wer gemeint ist. Wird dieser Satz in ein externes KI-System eingegeben, ist die Datenschutzfrage nicht dadurch erledigt, dass Vor- und Nachname fehlen.

Für den Arbeitsalltag hilft deshalb eine breitere Sicht. Personenbezug kann beispielsweise entstehen durch:

• Namen, E-Mail-Adressen, Telefonnummern und Personalnummern,
• Kunden- oder Vertragsnummern, wenn sie einer Person zugeordnet werden können,
• Kombinationen aus Position, Standort, Zeitraum und konkretem Ereignis,
• Inhalte aus Bewerbungen, Personalgesprächen oder Supportfällen,
• Gesundheits-, Leistungs- oder Verhaltensinformationen,
• Freitext, in dem Personen durch den Kontext erkennbar werden.

Die Konferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder (DSK) weist in ihrer Orientierungshilfe zu KI und Datenschutz darauf hin, dass Verantwortliche schon bei Auswahl, Implementierung und Nutzung von KI-Anwendungen datenschutzrechtliche Kriterien berücksichtigen müssen. Die Prüfung beginnt also nicht erst beim fertigen Prompt.

Datenminimierung: Die erste Frage lautet nicht „Wie anonymisiere ich?“

Artikel 5 DSGVO verlangt unter anderem, dass personenbezogene Daten dem Zweck angemessen und erheblich sowie auf das notwendige Maß beschränkt sind. Für KI-Prozesse ergibt sich daraus eine sehr praktische Denkweise: Bevor Daten ersetzt oder geschwärzt werden, sollte gefragt werden, welche Informationen das Modell für die Aufgabe tatsächlich braucht.

Soll eine KI beispielsweise den Ton einer Kundenmail freundlicher formulieren, benötigt sie möglicherweise weder den Namen des Kunden noch dessen Kundennummer, Adresse oder vollständige Bestellhistorie. Häufig reicht der eigentliche Text – eventuell zusätzlich bereinigt um identifizierende Details.

Das ist ein wichtiger Unterschied. Datenminimierung bedeutet nicht: „Wir geben alles hinein und löschen vorher zwei Felder.“ Sie beginnt beim Zweck des konkreten Verarbeitungsschritts.

Eine gute Arbeitsfrage lautet:

• Welche Information braucht die KI zwingend, um diese Aufgabe sinnvoll zu erledigen?
• Welche Angaben sind nur aus Gewohnheit im Dokument enthalten?
• Kann der gleiche Zweck mit weniger personenbezogenen Daten erreicht werden?
• Muss überhaupt das Originaldokument verarbeitet werden oder reicht ein abstrahierter Ausschnitt?

Die BfDI betont in ihrer KI-Handreichung ebenfalls, dass die geplante Verarbeitung auf das notwendige Maß beschränkt werden muss und die Erforderlichkeit am konkreten Verarbeitungszweck zu messen ist.

Pseudonymisierung ist nicht Anonymisierung

Die Begriffe werden im Unternehmensalltag oft vermischt. Rechtlich und praktisch ist die Unterscheidung wichtig.

Die DSGVO beschreibt Pseudonymisierung als eine Verarbeitung, bei der Daten ohne zusätzliche Informationen nicht mehr einer bestimmten Person zugeordnet werden können, sofern diese Zusatzinformationen getrennt aufbewahrt und geschützt werden. Ein typisches Beispiel wäre, Namen durch interne Kennungen zu ersetzen und die Zuordnungsliste getrennt zu sichern.

Das reduziert Risiken, macht die Daten aber nicht automatisch zu anonymen Daten. Wenn die Person mit zusätzlichen Informationen wieder zugeordnet werden kann, bleiben die Informationen grundsätzlich im datenschutzrechtlichen Rahmen.

Anonymisierung zielt weiter: Eine Person darf nicht mehr identifizierbar sein. In der Praxis ist das bei Freitext anspruchsvoller, als es zunächst wirkt. Ein Lebenslauf ohne Namen kann durch seltene Stationen identifizierbar bleiben. Ein Supportfall ohne Kundennummer kann durch Produkt, Datum und außergewöhnlichen Sachverhalt auf eine konkrete Person weisen.

Deshalb sollte ein Unternehmen Mitarbeitenden nicht suggerieren, ein „Anonymisieren“-Button löse jede Datenschutzfrage. Automatische Erkennung und Maskierung kann eine sinnvolle Schutzschicht sein. Ob das Ergebnis tatsächlich keinen Personenbezug mehr zulässt, hängt aber vom Inhalt und Kontext ab.

Wann Pseudonymisierung bei KI trotzdem sehr sinnvoll ist

Dass pseudonymisierte Daten weiterhin personenbezogen sein können, macht Pseudonymisierung keineswegs nutzlos. Im Gegenteil: Sie kann die Auswirkungen eines unberechtigten Zugriffs reduzieren und gehört zu den Maßnahmen, die die DSGVO im Kontext der Sicherheit der Verarbeitung ausdrücklich nennt.

Für KI-Workflows kann eine Pseudonymisierung beispielsweise sinnvoll sein, wenn ein Fachprozess den Personenbezug intern benötigt, das externe oder getrennte KI-Modul aber nicht wissen muss, wer die Person ist.

Ein möglicher technischer Ablauf wäre:

• Das interne System erkennt definierte Identifikatoren.
• Namen und eindeutige Kennungen werden vor dem KI-Aufruf durch neutrale Platzhalter ersetzt.
• Die Zuordnung verbleibt in einer getrennten, kontrollierten Umgebung.
• Das KI-System verarbeitet nur den für seine Aufgabe erforderlichen Ausschnitt.
• Falls für das Ergebnis nötig, werden Platzhalter anschließend intern wieder zugeordnet.
• Zugriffe und Ausnahmen werden nach einem festgelegten Verfahren behandelt.

Das ist eine Architekturidee, keine pauschale Aussage, dass jeder so gebaute Prozess datenschutzkonform ist. Insbesondere Rechtsgrundlage, Rollen der Beteiligten, Verträge, mögliche Drittlandübermittlungen, Informationspflichten, Löschkonzept und Schutzbedarf müssen für den konkreten Fall geprüft werden.

Eine einfache Entscheidungslogik für Mitarbeitende

Datenschutzregeln funktionieren im Alltag besser, wenn sie vor der Eingabe greifen. Eine mögliche interne Entscheidungslogik kann fünf Schritte haben.

1. Ist das KI-Tool für diese Aufgabe freigegeben?

Ein privater KI-Account und eine unternehmensseitig geprüfte Lösung sind nicht automatisch gleich zu behandeln. Unternehmen sollten festlegen, welche Systeme für welche Datenklassen und Zwecke genutzt werden dürfen. Das reduziert zugleich Shadow AI.

2. Enthält die Eingabe Informationen über Menschen?

Nicht nur nach Namen suchen. Mitarbeitende sollten auch an indirekte Identifizierbarkeit, Freitext, Anhänge und Metadaten denken. Bei besonderen Kategorien personenbezogener Daten oder anderen besonders schutzbedürftigen Informationen sollte der interne Prozess klare Eskalationsregeln vorsehen.

3. Braucht die KI diese Informationen wirklich?

Wenn nein, entfernen. Ein zusammengefasster oder abstrahierter Sachverhalt kann für die Aufgabe oft ausreichen. Dieser Schritt ist häufig wirkungsvoller als eine nachträgliche Bereinigung großer Dokumente.

4. Reicht Entfernen einzelner Identifikatoren?

Wenn aus dem verbleibenden Kontext weiterhin klar wird, um wen es geht, ist die Aufgabe nicht erledigt. Gerade seltene Rollen, Ereignisse, Standorte oder Kombinationen mehrerer Merkmale können Personen erkennbar machen.

5. Was gilt für den verbleibenden Datenbestand und den Anbieter?

Sind weiterhin personenbezogene Daten enthalten, braucht es den vorgesehenen datenschutzrechtlichen und organisatorischen Rahmen. Mitarbeitende sollten diese Prüfung nicht jedes Mal selbst juristisch lösen müssen. Governance sollte vorgeben, welche Kombinationen aus Tool, Zweck und Datenklasse zulässig, eingeschränkt oder freigabepflichtig sind.

Warum Datenschutzregeln Teil von AI Literacy sein sollten

Artikel 4 des EU AI Act adressiert Maßnahmen zur KI-Kompetenz bei Personen, die im Auftrag von Anbietern oder Betreibern mit KI-Systemen befasst sind. Für Unternehmen ist Datenschutzwissen dabei ein naheliegender Bestandteil des Nutzungskontexts: Wer ein generatives KI-System bedient, muss nicht zum Datenschutzjuristen werden, sollte aber typische Risikosituationen erkennen und den internen Weg kennen.

Ein praxisnahes Training sollte deshalb nicht bei „Keine personenbezogenen Daten eingeben“ enden. Diese Regel ist in vielen Arbeitsabläufen zu abstrakt. Sinnvoller sind konkrete Übungen:

• Darf eine Kundenmail vollständig in das freigegebene Tool?
• Welche Teile eines Lebenslaufs braucht die KI für eine sprachliche Zusammenfassung?
• Ist „Mitarbeiter A“ tatsächlich pseudonymisiert, wenn Abteilung und Vorfall ihn eindeutig erkennen lassen?
• Was tun, wenn ein Prompt versehentlich vertrauliche oder personenbezogene Informationen enthielt?
• Wo steht, welche Datenklassen für welches Tool freigegeben sind?

So wird aus Datenschutz eine Handlungskompetenz statt einer Warnfolie.

Datenschutz und KI-Governance müssen zusammenpassen

Die DSK empfiehlt, Datenschutz bereits bei Auswahl, Implementierung und Nutzung von KI-Anwendungen zu berücksichtigen. Zusätzlich hat sie 2025 technische und organisatorische Maßnahmen für Entwicklung und Betrieb von KI-Systemen adressiert. Das unterstreicht einen wichtigen Punkt: Sichere KI-Nutzung entsteht nicht allein durch individuelles Verhalten.

Unternehmen brauchen technische und organisatorische Leitplanken. Dazu können je nach Einsatz gehören:

• freigegebene KI-Dienste und klar definierte Datenklassen,
• Identitäts- und Berechtigungsmanagement,
• Einstellungen zu Speicherung und Weiterverwendung von Eingaben,
• vertragliche und datenschutzrechtliche Prüfung des Anbieters,
• Filter oder vorgeschaltete Maskierung für geeignete Anwendungsfälle,
• Protokollierung mit angemessener Datenminimierung,
• Lösch- und Incident-Prozesse,
• verständliche Regeln und rollenbezogene Schulung.

Für eine vertiefte Betrachtung der Verbindung aus KI und Datenschutz bietet LimaBravo außerdem Informationen unter limabravo-solutions.de/ki-datenschutz-karlsruhe.

Eine praktikable Datenampel statt 30 Seiten Verbote

Eine eigene praktische Synthese für Unternehmen ist eine Datenampel, die nicht nur „personenbezogen: ja/nein“ unterscheidet, sondern Tool und Zweck einbezieht.

„Grün“ können beispielsweise öffentlich bekannte, nicht vertrauliche und nicht personenbezogene Inhalte sein, sofern das Tool für die geschäftliche Nutzung freigegeben ist.

„Gelb“ können Daten sein, bei denen ein Personenbezug oder eine Vertraulichkeit besteht und der konkrete freigegebene Prozess zusätzliche Schutzmaßnahmen vorsieht. Hier können Datenminimierung, Pseudonymisierung oder definierte Freigaben eine Rolle spielen.

„Rot“ sind Inhalte, die nach der internen Richtlinie für den jeweiligen KI-Dienst nicht verarbeitet werden dürfen oder vor Nutzung eine Fachfreigabe benötigen.

Wichtig ist: Die Farben sind keine gesetzlichen Kategorien. Sie sind ein mögliches Governance-Instrument, mit dem ein Unternehmen seine zuvor geprüften Regeln für Mitarbeitende verständlich macht. Die konkrete Zuordnung muss aus den eigenen Systemen, Datenarten, Zwecken und rechtlichen Bewertungen entstehen.

Fazit: Erst minimieren, dann schützen, dann kompetent nutzen

Bei personenbezogenen Daten in generativer KI gibt es keine seriöse Ein-Satz-Regel wie „Namen löschen und alles ist erlaubt“. Die robustere Reihenfolge lautet: Zweck klären, Daten minimieren, verbleibenden Personenbezug realistisch beurteilen, passende technische und organisatorische Maßnahmen anwenden und nur freigegebene Prozesse nutzen.

Pseudonymisierung kann dabei ein wertvoller Schutzmechanismus sein. Sie ist aber nicht dasselbe wie Anonymisierung und ersetzt keine Prüfung der übrigen Datenschutzanforderungen.