Personenbezogene Daten erkennen

🔄 Recall: Tools konfiguriert — aber welche Daten sind kritisch?

In Lektion 3 hast du gelernt, KI-Tools richtig einzurichten. Aber selbst mit dem besten Enterprise-Abo und AVV gilt: Personenbezogene Daten sind besonders geschützt. Die häufigste Fehlerquelle im KI-Alltag ist, sie nicht als solche zu erkennen.

Was sind personenbezogene Daten?

Definition (Art. 4 DSGVO): Alle Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person beziehen.

Übersetzt: Alles, womit du eine bestimmte Person erkennen, finden oder zuordnen kannst.

Die offensichtlichen — und die versteckten

Besonders geschützte Daten (Art. 9 DSGVO):

• Gesundheitsdaten
• Religionszugehörigkeit
• Politische Meinungen
• Gewerkschaftszugehörigkeit
• Biometrische Daten
• Sexuelle Orientierung

Diese Daten dürfen grundsätzlich NICHT verarbeitet werden — auch nicht in KI-Tools.

✅ Quick Check: Du willst ein Meeting-Protokoll in Claude einfügen, um eine Zusammenfassung zu erstellen. Im Protokoll steht: „Herr Müller aus der Buchhaltung war krank, Frau Schmidt übernimmt seine Aufgaben bis nächste Woche." Ist das problematisch?

(Antwort: Ja — „Herr Müller war krank" kombiniert einen Namen mit einer Gesundheitsinformation. Beides zusammen = besonders geschützter personenbezogener Datensatz. Lösung: „Ein Kollege aus der Buchhaltung ist diese Woche abwesend" — anonymisiert, gleicher Informationsgehalt für die Zusammenfassung.)

Anonymisierung vs. Pseudonymisierung

Anonymisierung

Was: Alle Identifikatoren so entfernen, dass die Person NICHT mehr bestimmbar ist. Auch nicht durch Kombination der verbleibenden Daten.

Beispiel:

• Vorher: „Max Müller, 42 Jahre, aus Köln, Softwareentwickler, 75.000 € Gehalt"
• Nachher: „Softwareentwickler in einer westdeutschen Großstadt, Gehaltsklasse 70-80k"

Rechtliche Folge: Anonymisierte Daten fallen NICHT unter die DSGVO. Du kannst sie in KI-Tools eingeben.

Pseudonymisierung

Was: Identifikatoren durch Platzhalter ersetzen. Der Personenbezug kann mit einer Zuordnungstabelle wiederhergestellt werden.

Beispiel:

• Vorher: „Max Müller, Kundennr. 12345"
• Nachher: „Kunde A, ID: XYZ-7"

Rechtliche Folge: Pseudonymisierte Daten fallen WEITERHIN unter die DSGVO. Aber sie reduzieren das Risiko bei einem Datenleck erheblich.

Praktische Anonymisierung für den KI-Alltag

Technik 1: Generalisierung Konkrete Werte durch Bereiche ersetzen:

• „42 Jahre" → „40-50 Jahre"
• „Köln" → „westdeutsche Großstadt"
• „75.000 €" → „70-80k Gehaltsklasse"

Technik 2: Platzhalter Personennamen durch Rollen ersetzen:

• „Herr Müller" → „der Abteilungsleiter"
• „Frau Schmidt" → „die Kundenbetreuerin"

Technik 3: Aggregation Einzeldaten zu Gruppendaten zusammenfassen:

• „5 Mitarbeiter waren krank" statt individueller Krankmeldungen

Prompt:

Hier ist ein Text mit personenbezogenen Daten.
Anonymisiere ihn so, dass der Informationsgehalt erhalten bleibt,
aber keine Person mehr identifizierbar ist:

[Text einfügen]

Ersetze:
- Namen durch Rollen oder [NAME]
- Orte durch Regionen
- Genaue Zahlen durch Bereiche
- Alles, was eine Person identifizierbar macht

Der Kombinations-Test

Einzelne Datenpunkte sind oft harmlos. Aber in Kombination identifizierbar:

• „42 Jahre" — nicht identifizierbar
• „Abteilungsleiter Entwicklung" — nicht identifizierbar
• „42 Jahre, Abteilungsleiter Entwicklung, Standort Hamburg" — wahrscheinlich identifizierbar

Faustregel: Je mehr Datenpunkte du kombinierst, desto eher wird es personenbezogen. Im Zweifel: Weiter anonymisieren.

Wichtigste Erkenntnisse

• Personenbezogene Daten = alles, womit du eine Person identifizieren kannst
• Versteckte personenbezogene Daten übersehen die meisten — IP-Adressen, Mitarbeiternummern, Firmen-E-Mails
• Besonders geschützte Daten (Gesundheit, Religion etc.) gehören NIE in KI-Tools
• Anonymisierung (keine Rückverfolgung möglich) macht Daten DSGVO-frei
• Pseudonymisierung (Platzhalter mit Zuordnungstabelle) reduziert Risiko, aber DSGVO gilt weiter
• Kombinations-Test: Einzeln harmlos, zusammen identifizierbar

Nächste Lektion

Lektion 5 zeigt dir konkrete Szenarien aus dem Büroalltag — welche KI-Nutzungen gehen, welche nicht, und wie du die Grenze erkennst.