Wirklich anonymisierte Daten fallen laut dem Europäischen Datenschutzausschuss (EDPB) vollständig aus dem Anwendungsbereich der DSGVO heraus, während pseudonymisierte Daten weiterhin als personenbezogen gelten und dem EU-Datenschutzrecht unterliegen. Für Unternehmen, die große Sprachmodelle mit internen oder kundenbezogenen Daten trainieren, ist diese Unterscheidung rechtlich entscheidend: Nur echte Anonymisierung befreit vom DSGVO-Pflichtenkatalog. Pseudonymisierung, etwa das bloße Ersetzen von Namen durch Platzhalter, reicht nicht aus, wenn eine Re-Identifikation technisch möglich bleibt. Bitkom und EDPB empfehlen daher ein Stufenmodell mit expliziter Risikobewertung des Re-Identifikationsrisikos vor jeder KI-Eingabe. Wer diesen Nachweis nicht erbringt, riskiert Bußgelder und Haftung.

DSGVO-konforme Anonymisierung von LLM-Trainingsdaten: Techniken, Validierung und EDPB-Compliance 2025

Wirklich anonymisierte Daten fallen nicht mehr unter das EU-Datenschutzrecht und können damit ohne DSGVO-Einschränkungen für das Training großer Sprachmodelle genutzt werden. Doch der Weg zur echten Anonymisierung ist technisch anspruchsvoll und rechtlich eng definiert.

Anonymisierung und Pseudonymisierung: Zwei verschiedene Konzepte

Der Europäische Datenschutzausschuss (EDPB) stellt in seinen Leitlinien klar, dass Anonymisierung und Pseudonymisierung grundsätzlich zu unterscheiden sind. Pseudonymisierung verringert die Verknüpfbarkeit von Daten mit einer bestimmten Person, hebt diese Verbindung jedoch nicht vollständig auf. Anonymisierung hingegen verändert Daten so, dass sie keiner Person mehr zugeordnet werden können. Nur letztere führt dazu, dass Daten aus dem Anwendungsbereich des EU-Datenschutzrechts herausfallen.

Für Unternehmen, die LLM-Trainingsdaten aufbereiten, hat diese Unterscheidung unmittelbare rechtliche Konsequenzen: Pseudonymisierte Datensätze gelten weiterhin als personenbezogene Daten im Sinne von Art. 4 Nr. 1 DSGVO. Die Anforderungen an Rechtsgrundlage, Zweckbindung und Betroffenenrechte bleiben damit vollumfänglich bestehen. Pseudonymisierung nach Art. 4 Nr. 5 DSGVO ist eine Schutzmaßnahme, kein Freifahrtschein.

Bitkom beschreibt in einem Leitfaden ein Stufenmodell: Organisationen sollen zunächst prüfen, ob vollständige Anonymisierung technisch erreichbar ist, und erst dann entscheiden, ob Pseudonymisierung als Zwischenlösung ausreicht. Entscheidend ist dabei das Re-Identifikationsrisiko. Dieses muss unter Berücksichtigung aller verfügbaren Mittel und kontextuellen Informationen bewertet werden.

Praktische Anforderungen bei der Verarbeitung von Mandats- und Unternehmensdaten

Für Kanzleien und Unternehmen, die Dokumente in KI-Systeme einspeisen, konkretisiert sich der Handlungsbedarf: Namen, Adressen, Aktenzeichen und sonstige Identifikatoren müssen vor der Eingabe systematisch ersetzt oder entfernt werden. Neben der DSGVO greift für Anwälte zudem § 43a BRAO, der eine berufliche Verschwiegenheitspflicht begründet.

Ein praxisorientiertes Prüfraster empfiehlt dabei: Zunächst ist zu klären, ob Platzhalter konsistent über mehrere Vorkommen im Dokument eingesetzt werden, damit das Sprachmodell keine Rückschlüsse aus Wiederholungen ziehen kann. Anschließend ist das verbleibende Re-Identifikationsrisiko zu bewerten und zu dokumentieren. Als Output sollte ein anonymisiertes Dokument entstehen, dem ein Protokoll der ersetzten Felder beigefügt ist.

Dieser Ansatz entspricht dem Datenschutz-durch-Technikgestaltung-Grundsatz aus Art. 25 DSGVO. Unternehmen, die KI-gestützte Verarbeitungsprozesse einführen, sollten solche Prüfraster frühzeitig in ihre internen Abläufe integrieren. Weiterführende Einordnungen zu DSGVO-konformen RAG-Systemen und LLM-Deployment finden Sie unter DSGVO-konforme RAG-Systeme und lokale LLMs für den Mittelstand.

Validierung: Wer trägt die Beweislast?

Eine technisch durchgeführte Anonymisierung reicht allein nicht aus. Die Verantwortlichen müssen nachweisen können, dass die eingesetzten Verfahren tatsächlich eine Re-Identifikation ausschließen. Der EDPB betont, dass die Beweislast hierfür beim Datenverarbeiter liegt, nicht bei der Aufsichtsbehörde.

Für die praktische Validierung bedeutet das: Unternehmen benötigen Dokumentationen ihrer Anonymisierungsverfahren, Risikoabschätzungen auf Basis des aktuellen technischen Stands und im besten Fall regelmäßige interne Audits. Bei LLM-Trainingsdaten kommt hinzu, dass Modelle implizit Muster aus Trainingsdaten lernen können. Selbst vollständig anonymisierte Texte können unter Umständen Rückschlüsse auf Personengruppen ermöglichen, was bei der Risikoabschätzung zu berücksichtigen ist.

Aktuelle EDPB-Leitlinien zu LLM-Trainingsdaten und Transparenzpflichten sind unter EDPB-Leitlinien 2025: Transparenz beim LLM-Training sowie EDPB-Prüfverfahren für generative KI und DSGVO-Compliance dokumentiert.

Vier praktische Implikationen für Entscheider

1. Anonymisierung vor Pseudonymisierung prüfen. Wer LLM-Trainingsdaten außerhalb des DSGVO-Rahmens nutzen möchte, muss echte Anonymisierung erreichen. Pseudonymisierung genügt hierfür nicht. Unternehmen sollten ihre Datensätze systematisch auf Re-Identifikationsrisiken untersuchen, bevor sie Trainingsdaten freigeben.

2. Platzhalter-Konsistenz als Qualitätskriterium etablieren. Beim Ersetzen personenbezogener Felder durch Platzhalter ist Konsistenz innerhalb eines Dokuments technisch zwingend. Inkonsistente Ersetzungen können dazu führen, dass Sprachmodelle Muster rekonstruieren und die Anonymisierung faktisch unterlaufen.

3. Beweislast aktiv managen. Aufsichtsbehörden erwarten nachprüfbare Dokumentationen der Anonymisierungsverfahren. Unternehmen sollten Protokolle über ersetzte Felder, verwendete Methoden und Risikobewertungen systematisch archivieren.

4. Berufsrechtliche Besonderheiten beachten. In regulierten Branchen wie dem Rechts- oder Gesundheitswesen überlagern berufsrechtliche Verschwiegenheitspflichten die datenschutzrechtlichen Anforderungen. Eine rein DSGVO-konforme Anonymisierung kann dort unzureichend sein, wenn berufsrechtliche Normen strengere Maßstäbe anlegen. Zur Einordnung synthetischer Trainingsdaten als ergänzende Strategie lesen Sie EDPB: Synthetische Trainingsdaten, Anonymisierung und DSGVO-Konformität für LLMs.

Quellen

• Bitkom: Anonymisierung und Pseudonymisierung von Daten (PDF)
• European Data Protection Board: Pseudonymisierung und Anonymisierung
• GitHub: claude-fuer-deutsches-recht, Skill Anonymisierung/Pseudonymisierung

Häufige Fragen

Was ist der datenschutzrechtliche Unterschied zwischen Anonymisierung und Pseudonymisierung bei LLM-Trainingsdaten?

Pseudonymisierung ersetzt direkte Identifikatoren durch Platzhalter, lässt aber eine Rückführung auf die betroffene Person prinzipiell zu. Sie gilt weiterhin als Verarbeitung personenbezogener Daten im Sinne der DSGVO. Anonymisierung hingegen verändert Daten so, dass eine Zuordnung zu einer natürlichen Person dauerhaft und vollständig ausgeschlossen ist. Erst dann fallen die Daten laut European Data Protection Board (EDPB) aus dem Anwendungsbereich des EU-Datenschutzrechts heraus. Für LLM-Trainingsdatensätze bedeutet das: Nur echte Anonymisierung befreit von den DSGVO-Pflichten

Welche technischen Schritte sind bei der Anonymisierung von Mandats- oder Unternehmensdaten vor der KI-Eingabe erforderlich?

Laut einem Prüfraster, das sich an Bitkom-Leitlinien sowie dem EDPB-Rahmen orientiert, sind mindestens drei Schritte notwendig: Erstens müssen direkte Identifikatoren wie Namen, Adressen, Aktenzeichen und sonstige Kennzeichen systematisch entfernt oder ersetzt werden. Zweitens ist das Re-Identifikationsrisiko zu bewerten, also zu prüfen, ob Einzelangaben in Kombination eine Rückführung ermöglichen. Drittens muss bei Mehrfachverwendung von Platzhaltern deren Konsistenz im gesamten Dokument sichergestellt werden. Das Ergebnis sollte in einem Protokoll der ersetzten Felder dokumentiert werden.

Wann gelten anonymisierte Trainingsdaten rechtlich nicht mehr als personenbezogen?

Nach der Definition des EDPB gelten Daten erst dann als wirklich anonymisiert, wenn sie keiner Person mehr zugeordnet werden können. Die Hürde ist hoch: Bereits theoretische Re-Identifikationsmöglichkeiten, etwa durch Kombination mit externen Datensätzen oder durch spezielles Hintergrundwissen, verhindern die Einstufung als anonym. Unternehmen tragen die Beweislast dafür, dass diese Schwelle tatsächlich erreicht wurde. Eine bloße Entfernung von Namen genügt in der Regel nicht.

Welche berufsrechtlichen Besonderheiten gelten für Anwälte beim Einsatz von KI-Systemen mit Mandantendaten?

Anwälte unterliegen neben der DSGVO zusätzlich der anwaltlichen Verschwiegenheitspflicht nach Paragraph 43a BRAO. Vor der Eingabe von Mandatsdokumenten in KI-Systeme müssen sie daher sowohl datenschutzrechtliche als auch berufsrechtliche Anforderungen erfüllen. Die Zuständigkeits- und Nachweisfragen sind dabei klar zu trennen: Wer handelt, welche Norm greift, und welcher Output wird dokumentiert. Pseudonymisierung kann den Verschwiegenheitspflichten im Einzelfall genügen, sofern eine Re-Identifikation durch Dritte ausgeschlossen ist.

Wie unterstützt der EDPB Unternehmen bei der Validierung ihrer Anonymisierungsmaßnahmen?

Der European Data Protection Board gibt Leitlinien zu Anonymisierung und Pseudonymisierung heraus, um Unternehmen bei der Unterscheidung beider Konzepte zu unterstützen und die Einhaltung der Datenschutzanforderungen zu fördern. Die Leitlinien helfen dabei, den Unterschied zwischen beiden Methoden operativ anzuwenden und Compliance-Risiken zu bewerten. Eine abschließende Zertifizierung anonymisierter Datensätze durch den EDPB selbst ist nicht vorgesehen; die Verantwortung für den Nachweis der Anonymisierung verbleibt beim datenverarbeitenden Unternehmen.

Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.