# ChatGPT & Claude DSGVO-konform nutzen: Leitfaden 2026

> Entscheidungshilfe für ChatGPT und Claude im Unternehmen: Datenklassen, AVV, EU-Region, Löschung, DSFA, Human Review und EU AI Act.

- URL: https://newlifedigital.de/blog/dsgvo-konforme-ki-integration-2026/
- Autor: Simon Maiwald (https://newlifedigital.de/team/simon-maiwald/)
- Veröffentlicht: 2026-04-29
- Aktualisiert: 2026-10-25

**Ja, ChatGPT und Claude können im Unternehmen datenschutzkonform eingesetzt werden. Eine pauschal „DSGVO-konforme“ Version des Tools gibt es aber nicht.** Entscheidend ist der konkrete Prozess: Welche Daten fließen wohin, auf welcher Rechtsgrundlage, unter welchem Vertrag, wie lange werden sie gespeichert und welche Folgen kann ein fehlerhafter Output haben?

Für eine erste Freigabe müssen sechs Prüfpunkte zusammenpassen:

1. Datenklasse und Zweck
2. Rechtsgrundlage, Rollen und Vertrag
3. Region, Empfänger und Drittlandtransfer
4. Training, Protokollierung und Löschung
5. Datenschutz-Folgenabschätzung und Schutzmaßnahmen
6. menschliche Prüfung bei relevanten Entscheidungen

Fehlt an einem Punkt eine belastbare Antwort, ist der Use Case noch nicht produktionsreif. Dieser Leitfaden hilft bei der Vorbereitung. Er ersetzt keine Rechtsberatung und keine Prüfung durch Datenschutzbeauftragte oder Fachjuristen.

## Welches ChatGPT und welches Claude kommen für Unternehmen infrage?

Keine Version ist von sich aus DSGVO-konform. Für personenbezogene Daten kommen aber nur die Unternehmensversionen und die APIs infrage: Nur dort schließen OpenAI und Anthropic einen Vertrag zur Auftragsverarbeitung, und Ihre Eingaben werden standardmäßig nicht zum Training genutzt.

| Produkt | Training mit Ihren Eingaben | AVV nach Art. 28 DSGVO | Speicherung in Europa |
|---|---|---|---|
| ChatGPT Free, Go, Plus und Pro | ja, solange Sie es in den Einstellungen nicht abschalten | nein; für Nutzende im EWR ist OpenAI Ireland selbst Verantwortlicher | nicht angeboten |
| ChatGPT Business | nein, standardmäßig ausgeschlossen | ja | nicht enthalten; OpenAI verweist dafür an den Vertrieb |
| ChatGPT Enterprise und Edu | nein, standardmäßig ausgeschlossen | Enterprise ja; für Edu gilt eine eigene Vereinbarung | für neue Workspaces wählbar, die Modellverarbeitung optional ebenfalls in Europa |
| OpenAI API | nein, außer Sie stimmen ausdrücklich zu | ja | je Projekt für berechtigte Kunden, für Europa mit vorheriger Freigabe durch OpenAI |
| Claude Free, Pro und Max | ja, solange Sie es in den Datenschutzeinstellungen nicht abschalten; bei Training Speicherung bis zu fünf Jahre | nein | nicht angeboten |
| Claude Team und Enterprise | nein, standardmäßig ausgeschlossen | ja, in den Bedingungen für Unternehmen enthalten | über claude.ai nicht angeboten |
| Anthropic API | nein, standardmäßig ausgeschlossen | ja, in den Bedingungen für Unternehmen enthalten | direkt bei Anthropic nur USA oder global; Regionen in der EU über AWS Bedrock oder Google Cloud Vertex AI |

Stand 25. Oktober 2026, nach den Angaben der Anbieter: OpenAI zu [Training](https://help.openai.com/en/articles/5722486-how-your-data-is-used-to-improve-model-performance), [Unternehmensdatenschutz](https://openai.com/enterprise-privacy/) und [Datenresidenz](https://help.openai.com/en/articles/9903489-data-residency-and-inference-residency-for-chatgpt), Anthropic zu den [Bedingungen für Privatkonten](https://www.anthropic.com/news/updates-to-our-consumer-terms), den [Bedingungen für Unternehmen](https://www.anthropic.com/legal/commercial-terms) und der [Datenresidenz der API](https://platform.claude.com/docs/en/manage-claude/data-residency). Die Bedingungen ändern sich häufig; prüfen Sie vor der Freigabe die aktuelle Fassung. Gelöschte Unterhaltungen entfernen beide Anbieter nach eigenen Angaben grundsätzlich innerhalb von 30 Tagen. Missbrauchsprotokolle der APIs können Inhalte bis zu 30 Tage enthalten, wenn keine abweichende Vereinbarung besteht.

Die Tabelle beantwortet die Vertrags- und Trainingsfrage. Ob ein Einsatz zulässig ist, entscheiden die folgenden Prüfpunkte.

## Die kurze Entscheidung: Freigeben, begrenzen oder stoppen?

| Prüffrage | Freigabe wird realistischer, wenn … | Stoppsignal |
|---|---|---|
| Welche Daten? | nur öffentliche, minimierte oder belastbar anonymisierte Inhalte verarbeitet werden | besondere Kategorien, Beschäftigtendaten oder umfangreiche Kundenakten ungeprüft in das System fließen |
| Welcher Zweck? | der Zweck eng beschrieben und die Verarbeitung dafür erforderlich ist | „Wir nutzen jetzt KI“ die einzige Zweckbeschreibung bleibt |
| Welche Vertragsrolle? | Verantwortlichkeit, Auftragsverarbeitung und Unterauftragsverarbeiter dokumentiert sind | Produktbedingungen und tatsächlicher Datenfluss nicht zusammenpassen |
| Welche Region? | Speicher-, Support- und Transferpfade vollständig bekannt sind | „EU-Rechenzentrum“ als einzige Transferprüfung dient |
| Welche Aufbewahrung? | Eingaben, Ausgaben, Dateien, Feedback und Logs getrennt betrachtet und löschbar sind | niemand sagen kann, welche Daten wann verschwinden |
| Welche Folgen? | Menschen kritische Ergebnisse prüfen und korrigieren können | das Modell allein über Bewerbungen, Leistungen, Verträge oder Ansprüche entscheidet |

Die [Datenschutzkonferenz stellt in ihrer KI-Orientierungshilfe](https://www.datenschutzkonferenz-online.de/media/oh/20240506_DSK_Orientierungshilfe_KI_und_Datenschutz.pdf) ebenfalls den gesamten Lebenszyklus in den Mittelpunkt. Datenschutz beginnt vor der Auswahl eines Modells und endet nicht mit dem unterschriebenen Vertrag.

## Schritt 1: Daten klassifizieren, bevor Sie ein Tool auswählen

Die wichtigste Entscheidung fällt nicht zwischen ChatGPT und Claude. Sie fällt zwischen den Datenklassen.

| Datenklasse | Beispiele | Sinnvoller Startpunkt |
|---|---|---|
| öffentlich und nicht personenbezogen | veröffentlichte Produkttexte, allgemeine Ideen, öffentliches Fachwissen | Nutzung mit klarer Qualitätsprüfung; Geschäftsgeheimnisse und Urheberrechte separat beachten |
| interne, nicht personenbezogene Informationen | Prozessbeschreibungen, Vorlagen, interne Dokumentation | Vertraulichkeit, Zugriffsrechte und Anbieterbedingungen prüfen |
| gewöhnliche personenbezogene Daten | Namen, E-Mails, Kundenvorgänge, Gesprächsnotizen | vollständige DSGVO-Prüfung vor der Verarbeitung |
| besonders sensible oder folgenreiche Daten | Gesundheitsdaten, biometrische Daten zur eindeutigen Identifizierung, umfangreiche Personalakten, Daten für Personalentscheidungen | ohne dokumentierte Datenschutz-, Sicherheits- und Rechtsprüfung nicht in ein externes System geben |

Eine entfernte Namenszeile macht einen Datensatz nicht automatisch anonym. Wenn eine Person mit Zusatzwissen wieder identifiziert werden kann, können die Daten weiterhin personenbezogen sein. Auch ein KI-Modell ist nicht automatisch anonym, nur weil es keine klassische Kundendatenbank ist. Der [Europäische Datenschutzausschuss verlangt bei KI-Modellen eine Einzelfallprüfung](https://www.edpb.europa.eu/documents/opinion-of-the-board-art-64/opinion-282024-on-certain-data-protection-aspects-related-to_en). Die [BfDI-Konsultation zu personenbezogenen Daten in KI-Modellen](https://www.bfdi.bund.de/DE/BfDI/Konsultationsverfahren/KI-Modelle-pbD/KI-Modelle-pbD_node.html) zeigt ebenfalls, dass Extraktionsrisiken und mögliche Schutzmaßnahmen differenziert bewertet werden müssen.

**Praktische Regel:** Wenn der Use Case ohne personenbezogene Daten funktioniert, entfernen Sie diese vor der Übermittlung. Pseudonymisierte Daten bleiben in der Regel personenbezogen, reduzieren aber bei sauber getrenntem Zuordnungsschlüssel das Risiko.

## Schritt 2: Zweck, Rechtsgrundlage und Rollen festlegen

„Texte mit KI bearbeiten“ ist kein ausreichend genauer Verarbeitungszweck. Besser ist: „eingehende Supportanfragen nach Thema vorsortieren, damit Mitarbeitende sie dem zuständigen Team zuweisen können“.

Aus dem Zweck folgen die nächsten Fragen:

- Welche Eingabe ist wirklich erforderlich?
- Welche Ausgabe wird gespeichert oder weiterverwendet?
- Wer entscheidet über Zweck und Mittel der Verarbeitung?
- Handelt der Anbieter für Ihr Unternehmen als Auftragsverarbeiter oder für einzelne Vorgänge eigenständig?
- Welche Rechtsgrundlage trägt die Verarbeitung?
- Wie werden Informationspflichten und Betroffenenrechte erfüllt?

Wenn ein Anbieter als Auftragsverarbeiter tätig wird, gehört ein Vertrag nach Art. 28 DSGVO in die Prüfung. Der Vertrag muss zur tatsächlich genutzten Produktvariante passen. Ein Vertrag für eine API deckt nicht automatisch ein separates privates Chatbot-Konto ab.

Der AVV ist kein Freifahrtschein. Die Grundsätze aus [Art. 5 DSGVO sowie Rechtsgrundlage, Sicherheit und Datenschutz-Folgenabschätzung](https://eur-lex.europa.eu/eli/reg/2016/679/oj/deu) bleiben Aufgaben des verantwortlichen Unternehmens.

## Schritt 3: EU-Region und Drittlandtransfer getrennt prüfen

„Datenresidenz in der EU“ ist eine technische und vertragliche Eigenschaft. „Kein Drittlandtransfer“ ist eine Aussage über den vollständigen Datenfluss. Beides ist nicht automatisch dasselbe.

Prüfen Sie deshalb mindestens:

1. Wo werden Eingaben, Ausgaben und hochgeladene Dateien verarbeitet und gespeichert?
2. Wo liegen Konto-, Abrechnungs-, Sicherheits- und Telemetriedaten?
3. Können Support- oder Sicherheitsteams aus Drittländern zugreifen?
4. Welche Unterauftragsverarbeiter sind beteiligt?
5. Welche Transfergrundlage wird genutzt, falls Daten den Europäischen Wirtschaftsraum verlassen?
6. Ändert eine aktivierte Funktion, etwa Websuche, Connector oder Dateiablage, den Datenfluss?

Erst diese Antworten zeigen, ob Angemessenheitsbeschluss, Standardvertragsklauseln und gegebenenfalls zusätzliche Schutzmaßnahmen zu prüfen sind. Eine Regionsauswahl im Administrationsbereich ersetzt diese Arbeit nicht.

## Schritt 4: Training, Logs und Löschung nicht vermischen

Viele Freigaben bleiben bei der Frage stehen: „Trainiert der Anbieter mit unseren Daten?“ Das ist wichtig, aber zu kurz gedacht. Ein System kann Eingaben vom Modelltraining ausschließen und sie trotzdem für Sicherheitsprotokolle, Anwendungszustand, Dateispeicher, Feedback oder administrative Nachweise aufbewahren.

Die offiziellen Anbieterinformationen zeigen, wie stark Produkt und Konfiguration zählen:

- In der [OpenAI-Dokumentation zur API](https://developers.openai.com/api/docs/guides/your-data) steht, dass API-Daten standardmäßig nicht zum Training genutzt werden, sofern der Kunde nicht ausdrücklich zustimmt. Standardmäßige Missbrauchsprotokolle können Kundeninhalte enthalten und bis zu 30 Tage gespeichert werden. Einige Funktionen speichern zusätzlich Anwendungszustand; besondere Aufbewahrungskontrollen sind nur für berechtigte und freigeschaltete Kunden verfügbar.
- [Anthropic erklärt für kommerzielle Produkte](https://privacy.claude.com/en/articles/7996868-is-my-data-used-for-model-training), dass Ein- und Ausgaben standardmäßig nicht für das Modelltraining genutzt werden. Ausdrücklich übermitteltes Feedback oder eine bewusste Datenfreigabe bilden einen separaten Verarbeitungspfad.

Diese Aussagen sind **keine Datenschutzfreigabe für ChatGPT oder Claude insgesamt**. Sie belegen, warum Unternehmen die konkrete Oberfläche, API, Vertragsversion, Region und aktivierten Funktionen dokumentieren müssen.

Für den internen Prüfvermerk sollten Sie fünf Speicherarten getrennt erfassen:

| Speicherart | Zu klärende Frage |
|---|---|
| Prompt und Antwort | Werden Inhalte protokolliert, wie lange und zu welchem Zweck? |
| Dateien und Wissensspeicher | Werden Dokumente automatisch gelöscht oder bis zur manuellen Löschung gehalten? |
| Sicherheits- und Missbrauchslogs | Können Inhalte enthalten sein und gibt es verkürzte Aufbewahrungsoptionen? |
| Feedback | Wird bei einer Bewertung die gesamte Unterhaltung an den Anbieter übertragen? |
| eigene Systemlogs | Welche personenbezogenen Daten speichert Ihr Unternehmen selbst und wer darf sie sehen? |

Ein gutes Löschkonzept beschreibt nicht nur eine Frist. Es legt auch Verantwortliche, Auslöser, technische Löschpfade und einen Test fest. Wenn niemand die Löschung in einer Testumgebung nachweisen kann, ist sie noch kein belastbarer Prozess.

## Schritt 5: DSFA und technische Schutzmaßnahmen prüfen

Eine Datenschutz-Folgenabschätzung ist nach Art. 35 DSGVO erforderlich, wenn die geplante Verarbeitung voraussichtlich ein hohes Risiko für Rechte und Freiheiten natürlicher Personen verursacht. Dafür gibt es keine einfache Regel wie „Claude ja, ChatGPT nein“ oder „ab 100 Datensätzen“.

Die Prüfung wird besonders wichtig, wenn mehrere Faktoren zusammenkommen:

- sensible oder umfangreiche personenbezogene Daten
- systematische Bewertung, Profiling oder Überwachung
- Beschäftigte, Bewerbende, Kinder oder andere schutzbedürftige Personen
- Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung
- neue technische Kombinationen mit schwer überschaubaren Folgen
- begrenzte Möglichkeiten, Fehler zu erkennen oder zu korrigieren

Die 2025 veröffentlichte [DSK-Orientierungshilfe zu technischen und organisatorischen Maßnahmen bei KI-Systemen](https://www.datenschutzkonferenz-online.de/media/oh/DSK-OH_KI-Systeme.pdf) ist dafür ein sinnvoller Prüfrahmen. In der Praxis gehören mindestens Zugriffskontrollen, Datenminimierung, sichere Konfiguration, Protokollierung, Tests, Löschung, Incident-Prozesse und regelmäßige Neubewertung in das Schutzkonzept.

## Schritt 6: Human Review ist ein Prozess, kein Hinweistext

„Ein Mensch prüft das Ergebnis“ hilft nur, wenn diese Prüfung tatsächlich wirksam ist. Eine Person muss ausreichend Zeit, Fachwissen, Informationen und Entscheidungsspielraum haben, um dem Modell zu widersprechen.

Für einen belastbaren Review-Pfad sollten Sie festlegen:

- Welche Ergebnisse dürfen nur als Vorschlag erscheinen?
- Welche Fälle müssen immer an einen Menschen gehen?
- Woran erkennt die prüfende Person Unsicherheit oder fehlende Quellen?
- Wie kann sie korrigieren, eskalieren und den Vorgang dokumentieren?
- Welche Stichproben zeigen, ob Menschen nur noch automatisch bestätigen?

Bei Entscheidungen über Bewerbungen, Arbeitsleistung, Verträge, Kreditwürdigkeit oder Ansprüche reicht ein allgemeiner Disclaimer nicht. Hier müssen Sie zusätzlich Art. 22 DSGVO, die konkrete Rechtsgrundlage und die Risikoeinordnung nach dem AI Act prüfen.

## Welche Betriebsform passt zu welcher Datenklasse?

Keine der folgenden Varianten ist durch ihre Bauform automatisch DSGVO-konform. Sie bieten nur unterschiedliche Kontrollmöglichkeiten.

| Betriebsform | Geeignet als Startpunkt | Typische Lücke |
|---|---|---|
| privates oder kostenloses Chatbot-Konto | öffentliche Inhalte, Ideen, konsequent anonymisierte Tests | begrenzte Vertrags-, Admin-, Protokollierungs- oder Löschkontrollen |
| verwalteter Business-Workspace | klar abgegrenzte Assistenzaufgaben mit geprüften Bedingungen | Schattennutzung, falsche Freigaben und aktivierte Zusatzfunktionen |
| eigene API-Integration | feste Datenflüsse, Rollen, Filter, Löschung und Human Review | eigene Anwendung muss Datenschutz und Sicherheit tatsächlich umsetzen |
| lokal oder hybrid betriebenes Modell | besonders hohe Vertraulichkeits- oder Kontrollanforderungen | Betrieb, Updates, Modellrisiken und Datenschutz liegen stärker beim eigenen Unternehmen |

Für wiederkehrende Prozesse ist eine [eigene LLM-Integration in die Unternehmenssoftware](/blog/llm-integration-unternehmenssoftware/) oft besser kontrollierbar als manuelle Copy-and-paste-Nutzung. Sie kann Daten vor der Übermittlung reduzieren, Zugriffe begrenzen, Ergebnisse in eine Review-Queue leiten und Löschregeln technisch erzwingen. Sie ist aber kein automatischer Compliance-Nachweis.

**Diese Integration entwickeln wir.** Bei der [KI-Integration mit ChatGPT, Claude oder Mistral](/leistungen/ki-integration-mannheim/#chatgpt-claude-mistral) legen wir mit Ihnen fest, welche Felder das Modell sieht, wo Daten liegen und wann ein Mensch freigibt, und dokumentieren den Datenweg. Der Einstieg ist ein KI-Prototyp: 5 Arbeitstage für 4.900 € netto, ein Build ist danach optional. Wie wir in KI-Projekten mit Daten umgehen, beschreibt die Seite zu [Datenweg und Sicherheit](/sicherheit/).

## Checkliste vor der Freigabe von ChatGPT oder Claude

Ein produktiver Use Case sollte diese Punkte schriftlich beantworten:

1. Der Geschäftszweck und die zulässigen Nutzergruppen sind beschrieben.
2. Eingaben, Ausgaben, Metadaten, Dateien und Feedback sind im Datenfluss erfasst.
3. Personenbezogene Daten werden entfernt oder minimiert, soweit sie nicht erforderlich sind.
4. Rechtsgrundlage und Informationspflichten sind geprüft.
5. Verantwortlichkeit, AVV und Unterauftragsverarbeiter sind dokumentiert.
6. Region, Support-Zugriffe und mögliche Drittlandtransfers sind geklärt.
7. Training, Missbrauchslogs, Anwendungszustand und Feedback sind separat bewertet.
8. Speicherfristen und Löschwege sind technisch getestet.
9. Rollen, Berechtigungen und eine Regel gegen private Schattenkonten sind umgesetzt.
10. Die Erforderlichkeit einer DSFA ist begründet entschieden.
11. Human Review und Eskalation sind bei folgenreichen Ergebnissen verbindlich.
12. Änderungen an Modell, Vertrag, Region und Funktionen lösen eine neue Prüfung aus.

Eine interne Freigabe sollte an den Use Case gebunden sein, nicht nur an den Anbieternamen. „Claude für Support-Triage mit diesen Datenfeldern und diesen Einstellungen“ ist prüfbar. „Claude ist freigegeben“ ist es nicht.

## DSGVO und EU AI Act: zwei getrennte Prüfungen

Die DSGVO fragt: **Ist die Verarbeitung personenbezogener Daten rechtmäßig und angemessen geschützt?** Der AI Act fragt: **Welche Risiken und Pflichten entstehen durch das KI-System, seine Rolle und seinen Einsatz?** Beide Regelwerke können gleichzeitig gelten.

Nach der [aktuellen Übersicht der Europäischen Kommission](https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai) ist der AI Act seit 1. August 2024 in Kraft. Die Pflicht zur KI-Kompetenz nach Art. 4 gilt seit 2. Februar 2025. Die Digital-Omnibus-Verordnung VO (EU) 2026/1744 hat sie neu gefasst: Unternehmen ergreifen Maßnahmen, um die KI-Kompetenz ihres Personals zu unterstützen, ein bestimmtes Niveau müssen sie nicht garantieren. Wie das im Alltag aussieht, zeigt der Ratgeber [KI-Governance im Mittelstand](/blog/ki-governance-mittelstand/). Die Transparenzpflichten nach Art. 50 gelten seit dem 2. August 2026. Für KI-Systeme, die synthetische Inhalte erzeugen und vor diesem Tag in Verkehr gebracht wurden, gilt die Kennzeichnungspflicht nach Art. 50 Abs. 2 erst ab dem 2. Dezember 2026 (Art. 111 Abs. 4). Die konkrete Einordnung und der zeitliche Anwendungsbeginn weiterer Pflichten müssen je Rolle und Use Case geprüft werden.

Ein interner Schreibassistent wird nicht allein durch die Nutzung eines großen Sprachmodells zum Hochrisiko-System. Ein System für Einstellung, Auswahl, Leistungsbewertung oder andere Beschäftigungsentscheidungen kann dagegen in den Hochrisikobereich fallen. Auch außerhalb dieser Kategorie bleiben Datenschutz, Transparenz, Sicherheit und wirksame menschliche Aufsicht relevant.

## So würden wir den ersten Einsatz aufsetzen

Starten Sie nicht mit dem sensibelsten Datensatz und nicht mit einer unternehmensweiten Freigabe. Wählen Sie einen eng begrenzten Prozess, bei dem ein Mensch das Ergebnis prüft und Fehler korrigieren kann.

Ein sinnvoller erster Durchlauf sieht so aus:

1. Use Case und verbotene Datenarten auf einer Seite festhalten.
2. Mit synthetischen oder sorgfältig bereinigten Beispielen testen.
3. Vertrag, Region, Aufbewahrung und Löschung am konkreten Produkt prüfen.
4. Qualitäts- und Datenschutzkriterien vor dem Pilot definieren.
5. Einen kleinen Nutzerkreis schulen und technisch begrenzen.
6. Ergebnisse und Vorfälle auswerten, erst dann erweitern.

Wenn noch unklar ist, welcher Prozess überhaupt geeignet ist, hilft der [KI-Readiness-Check](/ai-readiness/) bei der Priorisierung. Den strategischen Rahmen finden Sie im Pillar [KI im Mittelstand](/themen/ki-im-mittelstand/).

Für eine konkrete Architektur prüfen wir Datenfluss, Anbieterrolle, Schutzmaßnahmen und Human Review gemeinsam mit Ihren Datenschutzverantwortlichen. Die rechtliche Freigabe bleibt bei Ihrem Unternehmen und seiner Beratung.

---

*Geschrieben von [Simon Maiwald](/team/simon-maiwald/), Gründer von New Life Digital im MAFINEX Mannheim.*
