Vertrauen ist Architektur.
Datenschutz & Sicherheit von AI im Unternehmen — vom sicheren Einsatz bis zur sicheren Entwicklung AI-nativer Systeme. Ein Leitfaden für Entscheider und IT im DACH-Raum.
v1.1 · 2026Datenschutz & Sicherheit von AI im Unternehmen
Vertrauen ist Architektur.
Unternehmen fürchten bei AI oft das Falsche.
Die lautesten Sorgen betreffen selten die größten Risiken. Der entscheidende Unterschied liegt nicht im Modell — sondern in Konfiguration, Integration, Zugriff und Prozess.
In dieser Form falsch. Professionelle API-Zugänge etablierter Anbieter verarbeiten Inhalte nicht zu Trainingszwecken — mit vertraglich zugesicherten No-Training-Policies und EU-Regionen.
Wer ein AI-System ohne begrenzte Zugriffsrechte an eine Datenbank anbindet, verändert seine Rechtearchitektur — ein größeres Problem als jede Frage nach dem Modelltraining. AI ist differenziert zu betrachten, nicht binär.
Nutzung und Entwicklung sind verschiedene Disziplinen.
Beide Ebenen verlangen unterschiedliche Antworten — und ziehen sich als Doppelspur durch das gesamte Whitepaper.
Bestehende AI-Dienste nutzen
Assistenz, Chat, Office-Integrationen. Risiken: Dateneingabe, Schatten-IT, ungeeignete Werkzeuge. Die Antwort ist organisatorisch — Leitlinien, Tool-Auswahl, Befähigung.
AI-native Software bauen
Smarte Funktionen in ERP, CRM, Branchensoftware. Das Risiko verschiebt sich in die Architektur — Datenflüsse, Agentenrechte, nicht-deterministische Ausgaben. Die Antwort fällt im Konzept, lange vor der ersten Zeile Code.
Was im Whitepaper steht.
13 Kapitel plus Anhang — von der Einordnung über die technische Tiefe bis zu Prinzipien, die sich sofort anwenden lassen.
Was an AI neu ist.
AI bringt Angriffsklassen mit, die klassische IT-Security nicht abdeckt — eine zusätzliche, semantische Ebene: Das System lässt sich nicht nur über Code kompromittieren, sondern über Sprache.
Prompt Injection
Versteckte Anweisungen in Dokumenten, Webseiten oder E-Mails werden als Befehl interpretiert. Die indirekte Variante ist gefährlicher — sie löst ohne Zutun des Nutzers aus.
Data Leakage
Vertrauliche Informationen verlassen das System ungewollt — über zu auskunftsfreudige Ausgaben, überfüllte Logs oder gemeinsam genutzte Kontexte.
Halluzination als Risiko
Eine erfundene Tatsache wird zum Sicherheitsereignis, sobald ein System eigenständig Aktionen auslöst — falsche Datensätze, erfundene Rechtsgrundlagen.
Unsichere Agenten-Anbindung
Je mehr ein Agent darf, desto größer die Angriffsfläche. Zu weitreichende Rechte sind die AI-Entsprechung eines Admin-Dienstkontos.
Schutzgrad nach Datenklasse — nicht nach Bauchgefühl.
Nicht jede Datenklasse braucht das strengste Modell. Die Zuordnung erfolgt differenziert — vom Cloud-API bis zur vollständig lokalen Inferenz.
Hosting-Modelle
| Modus | Kontrolle | Geeignet für |
|---|---|---|
| Cloud-API (EU-Region) | Mittel | Unkritische bis interne Daten |
| Self-hosted (EU/AT) | Hoch | Vertrauliche Daten, DSGVO-Fokus |
| Lokale Inferenz (on-premise) | Vollständig | Streng vertrauliche Daten, kein Drittland |
Vier Klassifizierungsstufen
| Stufe | Beispiele | Schutz |
|---|---|---|
| Öffentlich | Produktinfos, FAQ, Preislisten | Kein Zugriffsschutz |
| Intern | Prozessdoku, Wikis | Authentifizierte Rollen |
| Vertraulich | Controlling, HR-Aggregate | Autorisierte Rollen, Filter |
| Streng vertraulich | Personaldaten, Gehälter | Minimaler Kreis, Audit-Log |
Sieben Prinzipien. Der mitnehmbare Kern.
Beide Ebenen — Nutzung und Entwicklung — verdichtet auf die tragenden Prinzipien sicherer AI-Systeme.
Modellunabhängigkeit
Abstraktionsschichten statt Bindung an ein einzelnes Modell. Schutz vor Lock-in und Klumpenrisiko.
Security- & Privacy-by-Design
Sicherheit und Datenschutz im Entwurf verankert, nicht nachträglich aufgesetzt.
Datenminimierung
Sensible Daten fließen nur dorthin, wo sie zwingend gebraucht werden — und nicht weiter.
Least-Privilege
Jeder Agent, jede Rolle sieht nur die zugewiesenen Datenräume. Nicht erlaubt heißt nicht sichtbar.
Explainability
Keine Blackboxes. Ausgaben sind begründbar und nachvollziehbar.
Human-in-the-Loop
Bei kritischen Entscheidungen bleibt der Mensch in der Verantwortung.
Integration statt Ersatz
Bestehende IT wird ergänzt, nicht ersetzt — erprobte Kontrollen bleiben in Kraft.
„Sicherheit ist keine Funktion, die man am Ende hinzufügt. Sie ist eine Eigenschaft, die aus dem Entwurf entsteht — oder gar nicht."
Regulatorik ist beherrschbar, wenn man die eigene Rolle kennt.
Der Rahmen wirkt komplex, lässt sich aber auf wenige für KMU relevante Fragen verdichten. (Stand Juni 2026 — keine Rechtsberatung.)
Risikoklassen & Fristen
Transparenzpflichten ab August 2026. Hochrisiko-Systeme bis Dez 2027, eingebettet bis Aug 2028. Die meisten KMU bleiben Deployer — nicht Provider.
Personenbezug überall
In Prompts, Embeddings, Logs und Agent-Gedächtnis. Recht auf Löschung verlangt einen expliziten Lösch-Sync — sonst Verstoß. AVV-Kette nach Art. 28 lückenlos.
Cybersicherheit
Für bestimmte Sektoren verpflichtend. Eine Architektur mit Datenminimierung, Zugriffskontrolle und Nachvollziehbarkeit erfüllt den Großteil ohnehin.
Von der Analyse zum sicheren System.
Drei aufeinander aufbauende Phasen — Sicherheit ist in jeder davon strukturell verankert, nicht nachträglich aufgesetzt.
neoplan
Analysieren & entscheiden: Welche Use Cases erzeugen Wert? Welche Daten, welche Klassifizierung, welche Rollen-Matrix? Sicherheit beginnt hier — als erste Architekturentscheidung.
neoskill
Das Team befähigen. Die sicherste Architektur nützt wenig, wenn die Menschen ihre Logik nicht verstehen. Befähigung ist hier eine Sicherheitsmaßnahme.
neoact
Umsetzen & integrieren — nach den Prinzipien aus Kapitel 12. Kein Pilot fürs Regal, sondern ein produktives System mit nachvollziehbar verankerter Sicherheit.
Das vollständige Whitepaper — kostenlos.
22 Seiten Klartext zu Datenschutz und Sicherheit von AI im Unternehmen. Plus: Selbsteinschätzung in 14 Fragen zur AI-Sicherheitsreife.
- Beide Ebenen: sichere Nutzung & sichere Entwicklung
- DSGVO, EU AI Act & NIS2 auf das Wesentliche verdichtet
- 7 Prinzipien + Architektur-Checkliste
- Für Entscheider und IT im DACH-Raum
Sie planen ein AI-Vorhaben?
Ein erstes Gespräch klärt, wo Ihr Unternehmen steht und welcher Weg zu Ihren Daten passt — Sicherheit und Datenschutz von Anfang an richtig aufgesetzt.