DSGVO und Big Data: Rechtliche Grundlagen für KI-Schulungen in den Niederlanden

Die DSGVO und Big Data schließen sich nicht aus, zwingen Organisationen aber zu einer Entscheidung, die sie aufschieben: Bevor Sie große Datensätze erheben oder wiederverwenden, müssen Sie die Rechtsgrundlage dafür angeben und nachweisen können, dass die Verarbeitung für diesen Zweck notwendig ist. In der Praxis bedeutet dies, eine Rechtsgrundlage gemäß Artikel 6 der Datenschutz-Grundverordnung zu dokumentieren, zu prüfen, ob eine spätere Verwendung zum Trainieren eines Algorithmus mit dem ursprünglichen Erhebungszweck der Daten vereinbar ist, und das Risiko zu bewerten, bevor das erste Modell erstellt wird. Dieser Artikel erläutert, wie diese Regeln für groß angelegte Analysen und KI-Training in den Niederlanden gelten und wo die niederländische Datenschutzbehörde (Autoriteit Persoonsgegevens) die Grenze zieht.

Was zählt in einem Big-Data-Set als personenbezogene Daten?

Die DSGVO gilt für Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person beziehen. Im Kontext von Big Data wird diese Schwelle viel häufiger überschritten, als Unternehmen erwarten, da die Identifizierbarkeit anhand aller Mittel beurteilt wird, die vernünftigerweise vom Verantwortlichen oder von Dritten zur Identifizierung einer Person verwendet werden können. Ein Datensatz mit Geräte-IDs, Standortdaten, Transaktionsprotokollen oder Clickstreams enthält daher fast immer personenbezogene Daten, selbst wenn in einer einzelnen Spalte kein Name erscheint.

Zwei Konzepte werden häufig verwechselt, und der Unterschied entscheidet darüber, ob die Verordnung überhaupt Anwendung findet. Pseudonymisierte Daten, bei denen die Identifikatoren ersetzt wurden, der Schlüssel aber weiterhin irgendwo existiert, bleiben personenbezogene Daten und unterliegen uneingeschränkt der DSGVO. Anonymisierte Daten, bei denen eine Reidentifizierung für niemanden mehr vernünftigerweise möglich ist, fallen nicht darunter. Die Anforderungen an eine echte Anonymisierung sind hoch: Aggregation, Hashing oder die Entfernung direkter Identifikatoren hinterlassen in der Regel genügend Spuren, um Einzelpersonen – insbesondere bei umfangreichen und über einen langen Zeitraum reichenden Datensätzen – zu reidentifizieren.

Dies ist von Bedeutung, da die Annahme, ein Datensatz sei anonym, oft die tragende Säule eines gesamten KI-Programms darstellt. Trifft diese Annahme nicht zu, wurden alle nachfolgenden Schritte, vom Training bis zur Datenspeicherung, ohne Rechtsgrundlage durchgeführt. Sicherer ist es, den Datensatz als personenbezogene Daten zu behandeln, sofern keine dokumentierte Re-Identifizierungsanalyse etwas anderes ergibt. Diese Analyse sollte erneut durchgeführt werden, wenn der Datensatz angereichert oder mit einer anderen Quelle kombiniert wird. Auch der Europäische Datenschutzausschuss hat sich mit der Frage auseinandergesetzt, wann ein KI-Modell selbst als anonym gelten kann. Seine Antwort lautet: Dies kann nicht vorausgesetzt werden. Ein mit personenbezogenen Daten trainiertes Modell kann diese Daten weiterhin in extrahierbarer Form enthalten und muss daher im Einzelfall geprüft werden.

Wahl einer rechtlichen Grundlage für Big Data und KI-Training

Jeder Verarbeitungsvorgang erfordert eine der sechs in Artikel 6 genannten Grundlagen, und die Grundlage muss vor Beginn der Verarbeitung ausgewählt und darf nicht nachträglich rekonstruiert werden. Für groß angelegte Analysen kommen nur drei davon realistisch in Frage.

Einwilligung ist theoretisch die einfachste, praktisch aber die fragilste Form der Zustimmung. Sie muss freiwillig, spezifisch, informiert und unmissverständlich erfolgen und genauso leicht widerrufen werden können wie erteilt. Einwilligungen, die in allgemeinen Formulierungen gebündelt, als Bedingung für eine Dienstleistung eingeholt werden, die die Daten nicht benötigt, oder so vage formuliert sind, dass die betroffene Person nicht erkennen kann, wozu sie zustimmt, sind ungültig. Wird die Einwilligung widerrufen, muss technisch geklärt werden, was mit einem bereits trainierten Modell geschieht.

Die Notwendigkeit für die Vertragserfüllung ist enger gefasst als es zunächst scheint. Maßgeblich ist die objektive Notwendigkeit für die vom Kunden tatsächlich angeforderte Dienstleistung, nicht der kommerzielle Nutzen. Die Erstellung eines Kundenprofils zur Verbesserung eines Empfehlungssystems ist im Allgemeinen nicht für die Lieferung des gekauften Produkts erforderlich, und der Gerichtshof hat wiederholt Versuche zurückgewiesen, diesen Anwendungsbereich auf verhaltensbasierte Werbung und Personalisierung auszudehnen.

Damit bleiben berechtigte Interessen übrig, auf die sich die meisten umfangreichen Datenverarbeitungen stützen müssen. Dies erfordert drei Schritte, die in dieser Reihenfolge dokumentiert werden müssen: die Feststellung eines tatsächlichen und rechtmäßigen Interesses, der Nachweis, dass die Verarbeitung notwendig ist, weil es keine weniger eingreifende Möglichkeit gibt, dieses Interesse zu erreichen, und die Abwägung des Interesses mit den Rechten und berechtigten Erwartungen der betroffenen Personen. In einem Vorlageurteil eines niederländischen Gerichts bezüglich des nationalen Tennisverbands bestätigte der Gerichtshof der Europäischen Union im Jahr 2024, dass ein rein kommerzielles Interesse als berechtigtes Interesse gelten kann, jedoch nur, wenn die Kriterien der Notwendigkeit und der Abwägung tatsächlich erfüllt sind. Der kommerzielle Wert ist daher ein zulässiges Interesse, keine Lizenz.

Spezielle Kategorien und abgeleitete Merkmale

Daten, die die rassische oder ethnische Herkunft, politische Meinungen, religiöse Überzeugungen, Gewerkschaftszugehörigkeit, Gesundheitsdaten, das Sexualleben oder die sexuelle Orientierung offenbaren, sowie genetische und biometrische Daten zur Identifizierung dürfen nur dann verarbeitet werden, wenn eine der wenigen Ausnahmen in Artikel 9 zutrifft. Die ausdrückliche Einwilligung ist der übliche Weg; die anderen Ausnahmen treffen selten auf kommerzielle Datensätze zu.

Die Falle bei Big Data besteht darin, dass sensible Daten nicht zwingend gezielt erhoben werden müssen. Lässt sich aus einem Datensatz ein geschütztes Merkmal ableiten, beispielsweise anhand von Kaufmustern, Standortverlauf oder Freitextfeldern, gelten für diese Verarbeitung strengere Regeln, selbst wenn niemand explizit danach gefragt hat. Modellmerkmale, die als Indikatoren für ein geschütztes Merkmal dienen, sollten bereits während der Entwicklung und nicht erst nach einer Beschwerde identifiziert werden.

Zweckbeschränkung: Können Daten zum Trainieren eines Modells wiederverwendet werden?

Das ist möglich, aber nicht automatisch. Die DSGVO schreibt vor, dass personenbezogene Daten nur für festgelegte, eindeutige und legitime Zwecke erhoben und nicht auf eine mit diesen Zwecken unvereinbare Weise weiterverarbeitet werden dürfen. Das Trainieren eines Algorithmus mit Daten, die zur Auftragsabwicklung, zum Kundensupport oder zur Betrugsprävention erhoben wurden, stellt eine Weiterverarbeitung dar und ist nur dann rechtmäßig, wenn sie die in der Verordnung festgelegten Kriterien für die Rechtmäßigkeit der Datenverarbeitung erfüllt.

Dieser Test ist keine reine Formalität. Er prüft den Zusammenhang zwischen dem ursprünglichen und dem neuen Zweck, den Kontext der Datenerhebung und die berechtigten Erwartungen der betroffenen Person, die Art der Daten und ob besondere Kategorien personenbezogener Daten betroffen sind, die möglichen Folgen der neuen Verarbeitung sowie das Vorhandensein von Schutzmaßnahmen wie Pseudonymisierung oder Verschlüsselung. Ein Datensatz mit medizinischen oder finanziellen Daten wird den Test nicht bestehen, während ein Datensatz mit anonymisierten Betriebsprotokollen ihn bestehen würde.

Es gibt eine Abkürzung, die jedoch enger gefasst ist als gemeinhin angenommen. Die Weiterverarbeitung für Archivierungszwecke im öffentlichen Interesse, für wissenschaftliche oder historische Forschung oder für statistische Zwecke gilt als vereinbar, sofern die Schutzmaßnahmen für Forschungszwecke getroffen wurden. Kommerzielle Modellentwicklung, die als Forschung getarnt ist, fällt nicht darunter; die Ausnahme gilt für echte Forschung, die methodischen und ethischen Standards unterliegt, nicht für Produktverbesserungen. Wenn die Vereinbarkeitsprüfung nicht bestanden ist, benötigen Sie eine neue Rechtsgrundlage und in den meisten Fällen neue Informationen für die Betroffenen.

Die praktische Konsequenz ist, dass die Zweckbindung bereits bei der Datenerhebung erfolgen muss. Datenschutzerklärungen, die Zwecke so vage beschreiben, dass sie bedeutungslos sind, retten einen späteren Test nicht, da dieser darauf abzielt, was der Einzelne vernünftigerweise erwarten kann, und nicht darauf, was die Formulierung technisch zulässt. Unser Leitfaden zum Verfassen einer Datenschutzerklärung in den Niederlanden zeigt Ihnen, wie Sie Zwecke ehrlich und verständlich beschreiben.

Minimierung, Beibehaltung und Genauigkeit, wenn das Modell alles will

Datenminimierung erfordert, dass personenbezogene Daten angemessen, relevant und auf das Notwendigste beschränkt sind. Dieses Prinzip steht im Widerspruch zu einer Entwicklungsmethode, deren Logik besagt, dass mehr Daten zu einem besseren Modell führen. Dieser Widerspruch lässt sich nicht durch Ignorieren auflösen. Er lässt sich jedoch durch eine dokumentierte Argumentation auflösen: Welche Felder werden für den angegebenen Zweck benötigt, was wurde ohne diese Felder getestet und warum wurden die übrigen Daten verworfen? Ein Verantwortlicher, der die Analyse nachweisen kann, hat auch bei großen Datensätzen eine vertretbare Position. Ein Verantwortlicher, der aus Kostengründen alle Daten speichert, hat diese nicht.

Speicherbeschränkungen werfen immer wieder dieselbe Frage auf. Trainingsdaten, Feature-Stores, Modell-Checkpoints und Inferenzprotokolle unterliegen alle der Aufbewahrungspflicht und benötigen jeweils einen eigenen, zweckgebundenen Aufbewahrungszeitraum. Inferenzprotokolle werden häufig vergessen und enthalten oft mehr personenbezogene Daten als die Trainingsdaten jemals enthielten.

Genauigkeit ist das in diesem Zusammenhang am häufigsten übersehene Prinzip, und seine rechtliche Bedeutung wird leicht verkannt. Personenbezogene Daten müssen korrekt und gegebenenfalls aktuell sein; zudem haben Betroffene ein Recht auf Berichtigung. Wenn ein Modell Daten über eine identifizierbare Person erzeugt, handelt es sich bei diesen Daten selbst um personenbezogene Daten. Die Schlussfolgerung, dass jemand ein schlechtes Kreditrisiko darstellt, ein potenzieller Betrüger oder ein ungeeigneter Kandidat ist, sind Daten über diese Person; sie können ungenau sein und können angefochten werden. Der Aufbau eines Systems, in dem solche Ergebnisse nicht korrigiert werden können, führt zu einem Compliance-Problem, das auch durch umfangreiche Dokumentation nicht behoben werden kann.

Wann eine Datenschutz-Folgenabschätzung verpflichtend ist

Eine Datenschutz-Folgenabschätzung ist obligatorisch, wenn eine bestimmte Verarbeitungsmethode voraussichtlich ein hohes Risiko für die Rechte und Freiheiten von Personen birgt. Die Verordnung nennt insbesondere drei Fälle: die systematische und umfassende Bewertung personenbezogener Daten auf Grundlage automatisierter Verarbeitung, einschließlich Profiling, auf der Entscheidungen mit rechtlichen oder ähnlich schwerwiegenden Folgen beruhen; die Verarbeitung besonderer Kategorien personenbezogener Daten oder strafrechtlicher Verurteilungsdaten in großem Umfang; und die systematische Überwachung eines öffentlich zugänglichen Bereichs in großem Umfang. Die meisten größeren Big-Data-Projekte fallen unter den ersten oder zweiten Fall.

Die niederländische Datenschutzbehörde (Autoriteit Persoonsgegevens) hat eine Liste von Verarbeitungsvorgängen veröffentlicht, für die in den Niederlanden stets eine Bewertung erforderlich ist. Diese Liste umfasst Bereiche wie großflächiges Profiling, die systematische Beurteilung von Mitarbeitern, Gesundheitsdatenplattformen und den Einsatz von Kamerasystemen. Sie sollte zu Beginn eines Projekts als erstes Dokument konsultiert werden, da sie die Diskussion über die Notwendigkeit einer Bewertung ausräumt.

Zwei Punkte bezüglich des Zeitpunkts sind entscheidend. Die Bewertung muss vor Beginn der Verarbeitung erfolgen, was in einem KI-Projekt bedeutet, bevor die Trainingsdaten zusammengestellt werden, nicht erst vor der Implementierung. Und wenn die Bewertung ein hohes Restrisiko aufzeigt, das sich nicht mindern lässt, muss vor dem Fortfahren die Aufsichtsbehörde konsultiert werden. Das Unterlassen dieser Konsultation stellt selbst einen Verstoß dar, unabhängig davon, ob die Verarbeitung letztendlich rechtmäßig ist.

Eine sinnvolle Bewertung eines algorithmischen Systems geht über die Standardvorlage hinaus. Sie erfasst, welche Datenquellen das Modell speisen und auf welcher Grundlage, welche Entscheidungen das Modell selbstständig treffen darf und welche von einem Menschen getroffen werden, wie die Ergebnisse der betroffenen Person erläutert werden, wie die Trainingsdaten auf Verzerrungen gegenüber geschützten Gruppen geprüft wurden und was geschieht, wenn das Modell einen Fehler macht. Dies sind die Fragen, die eine Aufsichtsbehörde als Erstes stellt.

Wie die Autoriteit Persoonsgegevens dies durchsetzt

Die niederländische Datenschutzbehörde (Autoriteit Persoonsgegevens) setzt die DSGVO in Verbindung mit dem niederländischen Durchführungsgesetz (Uitvoeringswet AVG) durch. Ihre Befugnisse reichen von einer Verwarnung und Rüge bis hin zu einer Anordnung mit Geldbuße, einem vorübergehenden oder endgültigen Verbot der Datenverarbeitung und einer Verwaltungsstrafe. Die Verordnung legt Höchstgrenzen fest: bis zu zehn Millionen Euro oder zwei Prozent des weltweiten Jahresumsatzes für Verstöße gegen die Grundprinzipien, die Rechtsgrundlagen, die Rechte der betroffenen Personen und die Regeln für internationale Datenübermittlungen, je nachdem, welcher Betrag höher ist.

In der niederländischen Praxis lassen sich zwei Schwerpunkte der Datenschutzbehörde erkennen, die beide einen direkten Bezug zu Big Data haben. Der erste Schwerpunkt ist Transparenz: Ein Großteil der jüngsten Maßnahmen betrifft Datenschutzerklärungen, die nicht in verständlicher Sprache erläutern, welche Daten zu welchem ​​Zweck und wie lange verwendet werden. Unklare Zweckbeschreibungen werden als eigenständiger Verstoß und nicht als redaktioneller Fehler gewertet. Der zweite Schwerpunkt ist die algorithmische Überwachung. Die Behörde verfügt über eine eigene Abteilung zur Überwachung von Algorithmen und veröffentlicht regelmäßig Berichte über algorithmische Risiken. Diese Berichte sind lesenswert, da sie Aufschluss darüber geben, welche Erwartungen die Behörde hat, bevor ein Verfahren eingeleitet wird.

Neben der Durchsetzung der Vorschriften besteht die Meldepflicht bei Datenschutzverletzungen. Eine Verletzung des Schutzes personenbezogener Daten muss der zuständigen Behörde unverzüglich und, soweit möglich, innerhalb von 72 Stunden nach Kenntniserlangung gemeldet werden, es sei denn, die Verletzung birgt voraussichtlich kein Risiko für Einzelpersonen. Besteht ein hohes Risiko für Einzelpersonen, müssen diese ebenfalls informiert werden. In einer KI-Umgebung ist die Bewertung schwieriger als früher, da ein kompromittierter Trainingsdatensatz oder Feature-Store alle betrifft, deren Daten darin enthalten sind, und die Folgen sich auf jede Entscheidung des Modells erstrecken. Diese Verpflichtung ist unabhängig von den Meldepflichten gemäß der Cyberbeveiligingswet, der niederländischen Umsetzung von NIS2, die seit dem 15. August 2026 gilt und eigene Meldefristen von 24 bzw. 72 Stunden für die betroffenen Stellen vorsieht. Unsere Übersicht zu NIS2 und dem niederländischen Cybersicherheitsgesetz erläutert, wie die beiden Regelungen zusammenwirken.

Das KI-Gesetz ersetzt nicht die DSGVO.

Der EU-Gesetzentwurf zur künstlichen Intelligenz (AI) reguliert KI-Systeme als Produkte: Er klassifiziert sie nach Risiko und verpflichtet Anbieter und Anwender. Er bietet keine Rechtsgrundlage für die Verarbeitung personenbezogener Daten, und die Einhaltung des Gesetzes sagt nichts über die Einhaltung der DSGVO aus. Verarbeitet ein KI-System personenbezogene Daten, gelten beide Regelungen uneingeschränkt und parallel.

Der Zeitplan ist für die Planung wichtig. Die Verbote unzulässiger Praktiken, die Verpflichtungen für allgemeine KI-Modelle und die Transparenzpflichten für Systeme, die mit Menschen interagieren oder synthetische Inhalte generieren, sind bereits in Kraft. Die Regelung für Hochrisikosysteme wurde durch das Digitalisierungspaket verschoben: Die Verpflichtungen für Hochrisikosysteme gemäß Anhang III gelten nun ab dem 2. Dezember 2027, die für Systeme, die Sicherheitskomponenten regulierter Produkte gemäß Anhang I darstellen, ab dem 2. August 2028. Der separate Vorschlag für eine KI-Haftungsrichtlinie wurde zurückgezogen, sodass die Haftung für Schäden durch KI-Systeme weiterhin nach niederländischem Vertrags- und Deliktsrecht sowie nach der europäischen Produkthaftung geregelt ist.

Für datengetriebene Organisationen bedeutet dies in der Praxis, dass die DSGVO-Analyse weiterhin die verbindliche Vorgabe darstellt, während das KI-Gesetz festlegt, welche Dokumentation, Tests und menschliche Aufsicht für dasselbe System bis zum Ende des Jahrzehnts erforderlich sein werden. Die separate Durchführung beider Verfahren führt zu doppelter Arbeit; die gemeinsame Durchführung hingegen nicht. Unsere Leitfäden zum EU-KI-Gesetz und zu risikoreichen KI-Systemen erläutern die Klassifizierung und die damit verbundenen Pflichten im Detail.

Gruppenklagen und Schadensersatz: die zivilrechtliche Seite des Risikos

Regulierungsstrafen sind nicht das einzige Risiko, und in den Niederlanden sind sie möglicherweise nicht das größte. Das niederländische Gesetz zur kollektiven Schadensersatzklage (Wet afwikkeling massaschade in collectieve actie, WAMCA) ermöglicht es Stiftungen und Vereinen, die strenge Anforderungen an Governance und Finanzierung erfüllen, im Namen einer definierten Gruppe eine Sammelklage auf Schadensersatz zu erheben. Personen mit Wohnsitz in den Niederlanden können sich von dieser Regelung ausschließen. Datenbasierte Verarbeitung ist ein naheliegendes Ziel: Eine einzelne Designentscheidung betrifft alle Nutzer gleichermaßen, und genau diese Homogenität ist für eine Sammelklage erforderlich.

Die DSGVO bekräftigt dies ihrerseits. Sie räumt jedem, der durch einen Verstoß einen materiellen oder immateriellen Schaden erlitten hat, ein Recht auf Schadensersatz vom Verantwortlichen oder Auftragsverarbeiter ein und erlaubt es gemeinnützigen Organisationen im Bereich des Datenschutzes, im Namen von Betroffenen Klage zu erheben, in bestimmten Fällen auch ohne deren Mandat. Der Gerichtshof hat bestätigt, dass ein Verbraucherschutzverband auf dieser Grundlage handeln kann.

Es gibt eine Grenze, und diese ist für Beklagte von Vorteil. Der Gerichtshof hat entschieden, dass ein Verstoß gegen die DSGVO allein keinen Anspruch auf Schadensersatz begründet: Der Kläger muss einen tatsächlichen Schaden und einen ursächlichen Zusammenhang nachweisen, wobei für immaterielle Schäden, sobald diese festgestellt sind, keine Schweregradschwelle gilt. Individuelle Entschädigungen fielen in der niederländischen Praxis daher eher gering aus, doch die Summe der Fälle von Hunderttausenden Betroffenen verändert die Situation grundlegend. Unser Artikel über Sammelklagen bei Massenschäden beschreibt den Ablauf solcher Verfahren.

Wer hat die Kontrolle, wenn die Daten von überall herkommen?

Big-Data-Projekte bleiben selten innerhalb einer einzigen Organisation. Daten werden von einem Broker angereichert, von einem Cloud-Anbieter gehostet, von einer Analyseagentur bereinigt und in ein von einem Anbieter bereitgestelltes Modell eingespeist. Jede dieser Beziehungen muss korrekt charakterisiert werden, da die Rollenverteilung festlegt, wer welche Verantwortung trägt und wer gegenüber der Aufsichtsbehörde rechenschaftspflichtig ist.

Ein Verantwortlicher legt die Zwecke und Mittel der Verarbeitung fest; ein Auftragsverarbeiter handelt ausschließlich gemäß den dokumentierten Anweisungen des Verantwortlichen. Legen zwei oder mehr Parteien die Zwecke und Mittel gemeinsam fest, sind sie gemeinsam Verantwortliche und müssen ihre jeweiligen Verantwortlichkeiten in einer Vereinbarung regeln, insbesondere hinsichtlich der Bereitstellung von Informationen und der Bearbeitung von Anfragen von Betroffenen, die jederzeit ihre Rechte gegenüber jeder der Parteien geltend machen können. Die im Vertrag verwendete Bezeichnung ist nicht ausschlaggebend; entscheidend ist, wer tatsächlich über die Zwecke und Mittel der Datenverarbeitung entscheidet. Ein Lieferant, der sich das Recht vorbehält, Ihre Daten zur Verbesserung seines eigenen Produkts zu verwenden, wird in diesem Umfang – unabhängig von der Bezeichnung im Vertrag – für seine eigenen Zwecke zum Verantwortlichen.

Zwei Klauseln in Lieferantenverträgen verdienen im Kontext von KI besondere Beachtung. Die erste Klausel erlaubt dem Anbieter die Nutzung von Kundendaten für Schulungszwecke oder zur Verbesserung der Dienstleistungen. Ist diese Klausel vorhanden, werden personenbezogene Daten an einen anderen Verantwortlichen weitergegeben, wofür eine Rechtsgrundlage und ein entsprechender Hinweis erforderlich sind. Die zweite Klausel betrifft Unterauftragnehmer, da Anbieter von KI-Lösungen häufig auf weitere Zulieferer und Infrastrukturen außerhalb des Europäischen Wirtschaftsraums zurückgreifen, wodurch die Übertragungsvorschriften greifen. Eine Verarbeitungsvereinbarung, die zwar den erforderlichen Gegenstand abdeckt, aber nicht beschreibt, was tatsächlich mit den Daten geschieht, ist im Falle einer Untersuchung wenig hilfreich.

Abschließend sei darauf hingewiesen, dass das Rechenschaftsprinzip die Beweislast dem Verantwortlichen auferlegt. Es genügt nicht, die Vorschriften einzuhalten; Sie müssen dies anhand von Aufzeichnungen, Bewertungen und Vereinbarungen nachweisen können, die den tatsächlich implementierten Systemen entsprechen.

Was vor Beginn des nächsten Projekts vorbereitet werden sollte

Die Einhaltung der Vorschriften für Big Data wird bereits in der Designphase sichergestellt, da die Verordnung Datenschutz durch Technikgestaltung und datenschutzfreundliche Voreinstellungen vorschreibt: Geeignete technische und organisatorische Maßnahmen müssen in die Datenverarbeitung selbst integriert werden, und standardmäßig dürfen nur die für den jeweiligen Zweck notwendigen personenbezogenen Daten verarbeitet werden. Eine nachträgliche Nachrüstung ist kostspielig und in der Regel unvollständig.

Fünf Punkte sind in der Praxis entscheidend. Dokumentieren Sie alle Verarbeitungsvorgänge, die die tatsächlichen Datenflüsse hinter jedem Modell beschreiben, anstatt die zuständigen Abteilungen aufzulisten. Legen Sie die Rechtsgrundlage für jeden Verarbeitungsvorgang fest, einschließlich der Weiterverarbeitung im Rahmen von Schulungen, und bewahren Sie die Bewertung der berechtigten Interessen auf. Führen Sie die Folgenabschätzung durch, bevor die Daten erhoben werden, und konsultieren Sie die Aufsichtsbehörde, wenn ein hohes Restrisiko besteht. Schließen Sie mit jedem Anbieter, der Ihre Daten verarbeitet, eine Datenverarbeitungsvereinbarung ab, einschließlich der Anbieter des Modells oder der Plattform, und prüfen Sie, welche Verwendung Ihrer Daten für eigene Zwecke zulässig ist. Die Anforderungen sind in unserem Leitfaden zur Datenverarbeitungsvereinbarung erläutert . Prüfen Sie außerdem, wohin die Daten fließen: Für Übermittlungen außerhalb des Europäischen Wirtschaftsraums ist ein Übermittlungsmechanismus gemäß Kapitel V der Verordnung und eine Folgenabschätzung erforderlich. Die Regelungen einzelner Drittländer können sich ändern.

Vor allem sollten die Modellentwickler und die Risikobewerter an demselben Dokument arbeiten. Die Grundlagen der Verordnung selbst sind in unserer Übersicht zur Datenschutz-Grundverordnung zusammengefasst, und die spezifischen Fragen, die sich durch die Integration personenbezogener Daten in ein KI-System ergeben – von automatisierten Entscheidungen bis hin zu den Rechten der Betroffenen – werden in unserem Begleitartikel zu DSGVO und KI in den Niederlanden behandelt.

Einige häufig gestellte Fragen

Welche Rechtsgrundlage sollten wir für das Training eines KI-Modells verwenden?

In den meisten kommerziellen Kontexten sind berechtigte Interessen maßgebend, untermauert durch eine schriftliche Bewertung, die das Interesse, die Notwendigkeit und die Abwägung der Interessen darlegt. Die Einwilligung ist vorzuziehen, wenn es sich um sensible Daten handelt oder die Nutzung die Betroffenen überraschen würde. Sie muss jedoch freiwillig und widerrufbar sein, was bei Schulungsunterlagen schwer zu gewährleisten ist. Die Notwendigkeit eines Vertrags deckt die Modellentwicklung fast nie ab, da die Schulung nicht dem Kundenwunsch entspricht. Unabhängig von der gewählten Rechtsgrundlage muss diese vor Beginn der Datenverarbeitung dokumentiert werden: Eine nachträgliche Festlegung einer Rechtsgrundlage gilt als nichtig.

Gilt die DSGVO noch, wenn wir die Daten zuerst anonymisieren?

Nur wenn die Anonymisierung tatsächlich funktioniert. Daten sind anonym, wenn eine Re-Identifizierung unter Berücksichtigung aller wahrscheinlich verwendeten Mittel und anderer Datensätze, die damit kombiniert werden könnten, für niemanden mehr vernünftigerweise möglich ist. Das Entfernen von Namen, das Ersetzen von Kennungen durch Hashes oder die Aggregation zu kleinen Gruppen genügen diesem Standard in der Regel nicht. Das Ergebnis sind pseudonymisierte Daten, die weiterhin uneingeschränkt den Bestimmungen unterliegen. Wenn die Anonymisierung die Grundlage dafür bildet, ein Projekt als nicht anwendbar zu betrachten, muss diese Schlussfolgerung geprüft und dokumentiert sowie bei jeder Änderung des Datensatzes erneut überprüft werden.

Können wir uns auf die Forschungsausnahme berufen, um Kundendaten wiederzuverwenden?

Selten. Weiterverarbeitung zu wissenschaftlichen oder statistischen Zwecken gilt als mit dem ursprünglichen Zweck vereinbar, jedoch nur für Forschung, die nach anerkannten methodischen Standards durchgeführt wird und Schutzmaßnahmen wie Pseudonymisierung und Zugriffsbeschränkungen unterliegt. Produktentwicklung oder Modellverbesserung durch ein Unternehmen zum eigenen Vorteil gelten nicht als Forschung, nur weil sie Datenwissenschaft beinhalten. Ist die Vereinbarkeit nicht gegeben, bedarf es einer neuen Rechtsgrundlage und in den meisten Fällen einer neuen Information der betroffenen Personen.

Was passiert, wenn jemand seine Einwilligung widerruft, nachdem ein Modell trainiert wurde?

Der Widerruf wird mit Wirkung für die Zukunft wirksam und macht eine frühere Datenverarbeitung nicht rückwirkend rechtswidrig. Er bedeutet jedoch, dass die Daten nicht mehr auf dieser Grundlage verwendet werden dürfen. Konkret erfordert dies, dass die betreffende Person aus dem Trainingsdatensatz, den Feature-Stores und den Protokollen entfernt und das Modell neu trainiert oder anderweitig sichergestellt wird, dass es die Daten dieser Person nicht mehr widerspiegelt, sofern dies nachweisbar ist. Dies ist einer der Gründe, warum die Einwilligung eine schwierige Grundlage für das Modelltraining darstellt, und es empfiehlt sich, diese Frage bereits in der Entwurfsphase zu klären, anstatt erst nach Eingang der ersten Anfrage.

Wie Law and More kann helfen

Law and More Wir beraten niederländische und internationale Organisationen im Bereich Datenschutz bei Analytik und KI: Auswahl und Dokumentation einer Rechtsgrundlage, Durchführung von Interessenabwägungen und Folgenabschätzungen, Erstellung rechtssicherer Datenschutzerklärungen und Verarbeitungsvereinbarungen, Beantwortung von Anfragen der niederländischen Datenschutzbehörde (Autoriteit Persoonsgegevens) sowie Abwehr von Klagen von Einzelpersonen oder repräsentativen Stiftungen. Planen Sie ein datengetriebenes Projekt oder hat sich bereits eine Aufsichtsbehörde an Sie gewandt? Gerne prüfen wir Ihren Fall.

Wie Law & More Wie wir Ihnen dabei helfen können, wird auf unserer Website erklärt. IT-Anwalt