DSGVO-konforme KI-Automatisierung für KMU

Was 2026 konkret neu ist

Für KMU geht es bei KI-Automatisierung 2026 vor allem um eine Frage: Wie gelingt sie ohne Bußgeldrisiko? Mit der DSGVO und dem schrittweisen Inkrafttreten des EU AI Acts gilt: Jeder Workflow, der Kundendaten an ChatGPT, Claude oder Gemini sendet, ist zunächst ein Risiko. Nach unserer Einschätzung lässt sich dieses Risiko mit vier technischen und organisatorischen Säulen beherrschen.

Dieser Artikel beschreibt ein technisches Compliance-Framework, das Sie als Geschäftsführer Ihrem Datenschutzbeauftragten (DSB) vorlegen können. Er gibt unsere Einschätzung wieder und ersetzt keine Rechtsberatung.

KMU stehen vor allem bei drei Punkten in der Pflicht — vieles andere betrifft vor allem Konzerne und KI-Anbieter:

1. Auftragsverarbeitungsvertrag (AVV) mit jedem KI-Anbieter
2. Technische Datenminimierung vor jedem API-Call (= PII-Filter)
3. Lückenloser Audit-Trail wer was wann an welche KI gesendet hat

Wer alle drei hat, kann einer DSB-Anfrage deutlich gelassener entgegensehen. Fehlt einer davon, fällt das in einem Audit in der Regel auf.

Säule 1 — AVV mit dem KI-Anbieter

Sobald ein Kundendatum (Name, E-Mail, Telefonnummer, Auftragstext) an einen externen KI-Anbieter geht, ist das in aller Regel Auftragsverarbeitung im Sinne von Art. 28 DSGVO. Das gilt auch dann, wenn der Anbieter „nichts speichert“ und „in Europa hostet“.

Welche AVVs sind 2026 in Ordnung?

Praktische Konsequenz für KMU: Setzen Sie auf einen Anbieter mit sauberem AVV und klaren Angaben zum Verarbeitungsort. Mistral (EU) und Anthropic Claude (USA, mit AVV und PII-Filter) sind hier 2026 einfache Wege; bei OpenAI führt der Pfad häufig über Azure mit zusätzlichem Vertragslayer.

Was im AVV stehen muss

Mindestbestandteile, die ein DSB sehen will:

• Konkrete Beschreibung der Verarbeitungstätigkeit
• Zweck, Dauer, Datenkategorien, betroffene Personen
• Auftragsverarbeiter-Pflichten (Art. 28 Abs. 3 DSGVO)
• Subunternehmerregelung (wer prozessiert ggf. weiter)
• Technisch-organisatorische Maßnahmen (TOM) als Anlage
• Kündigungs- und Löschpflichten am Vertragsende

Fehlen diese Elemente, erfüllt der Vertrag die Anforderungen aus Art. 28 Abs. 3 DSGVO nicht.

Säule 2 — PII-Filter vor jedem KI-Call

Die zweite Säule ist die technisch wichtigste — und vielen selbst gebauten Automatisierungen in KMU fehlt sie. PII-Filter bedeutet: Bevor irgendein Text an den KI-Anbieter geht, werden personenbezogene Daten durch Platzhalter ersetzt. Die KI antwortet auf maskierte Daten. Das Restoring passiert lokal, bevor die Antwort den Kunden erreicht.

Konkretes Pattern

Der Workflow läuft in drei Schritten:

1. Maskieren: Der Original-Prompt mit Klardaten ("Schreibe eine Mahnung an Frau Maria Müller, Hauptstr. 5 …") wird durch einen Filter geschickt, der Platzhalter setzt: [NAME_1], [ADRESSE_1], [EMAIL_1]. Das Mapping zwischen Platzhalter und Klardatum bleibt lokal in einer Map-Datenstruktur.
2. KI-Call: Der maskierte Prompt geht an Claude/GPT/Gemini. Statt der erkannten Klardaten sieht die KI nur Platzhalter und Strukturen. Das Ergebnis kommt mit denselben Platzhaltern zurück.
3. Restore: Die lokale Map ersetzt im KI-Output die Platzhalter durch die Klardaten. Der Kunde bekommt eine personalisierte Mail, ohne dass die maskierten Klardaten den eigenen Server verlassen haben.

Der Witz: Die KI braucht den Klarnamen gar nicht, um eine gute Mahnung zu formulieren. Sie braucht nur die Struktur. Damit wird die Verarbeitung auf das Minimum reduziert (Art. 5 Abs. 1 lit. c DSGVO „Datenminimierung“).

Was alles in den Filter gehört

Pro Workflow erkennen und maskieren:

• Vor- und Nachname
• E-Mail-Adressen
• Telefon- und Mobilnummern
• Postanschriften (Straße, PLZ, Ort)
• IBAN, Steuer-ID, Sozialversicherungsnummer
• Geburtsdatum
• IP-Adressen
• Kunden- und Auftragsnummern (wenn personenbeziehbar)

Free-Text-Felder wie „Beschreibung des Anliegens“ werden mit einem zweiten Pass durch eine NER-Bibliothek (spaCy, transformers) gefiltert, weil dort PII oft in Sätzen versteckt ist („mein Mann Klaus hat letzte Woche…“).

Wir haben das Pattern als wiederverwendbares Modul für n8n-Workflows aufgebaut und setzen es in unseren n8n-Workflows vor jedem KI-Call ein.

Säule 3 — Audit-Log mit Hash-basierter Pseudonymisierung

Jeder KI-Call wird geloggt. Aber nie mit den Klardaten — sondern mit Hashes der maskierten Felder. So enthält der Log selbst keine Klardaten, und Sie müssen bei einer Auskunftsanfrage nichts nachträglich herausschwärzen.

Was der Audit-Log mindestens enthalten muss

Eine Tabelle mit Spalten Zeitstempel, Workflow-ID, KI-Anbieter, Modell, SHA-256 des maskierten Prompts, SHA-256 der KI-Antwort, Anzahl maskierter PII-Felder, Dauer in Millisekunden, Status (ok/filtered/error) und Trace-ID. Jede Spalte hat einen klaren Zweck im Audit:

• Welche KI-Anbieter wurden eingesetzt → die Spalte KI-Anbieter beantwortet das
• Wie viele PII-Felder pro Call gefiltert wurden → Anzahl maskierter PII-Felder
• Was ungefähr verarbeitet wurde → Prompt-Hash plus Workflow-ID reichen für Stichproben

Aber nie, was konkret drin stand — der Hash ist Einbahnstraße.

Wie lange aufbewahren?

Die Aufbewahrungsdauer legen Sie am besten gemeinsam mit Ihrem DSB fest und dokumentieren sie; in unserem Beispiel sind es 13 Monate. Danach automatisch löschen — ein Cron-Job in n8n oder ein pg_cron-Task erledigt das mit einer Zeile SQL.

Säule 4 — Hosting-Region und Datenflüsse

Selbst wenn Säulen 1–3 stehen, scheitert die DSGVO-Konformität oft am Hosting. Drei klassische Stolperfallen:

Stolperfalle A — „EU-Region“ ist nicht gleich „EU-DSGVO“

Eine AWS- oder Azure-Region in Frankfurt ist physisch in Deutschland. Der Konzern unterliegt aber dem US CLOUD Act, nach dem US-Behörden auch Daten anfordern können, die in der EU liegen. Der EuGH hat 2020 im Urteil „Schrems II“ die weitreichenden Zugriffsmöglichkeiten von US-Behörden als unvereinbar mit dem EU-Schutzniveau eingestuft. Übermittlungen in die USA, die nicht über das EU-US Data Privacy Framework laufen, werden seitdem meist mit Standardvertragsklauseln (SCC) plus Transfer Impact Assessment (TIA) abgesichert.

Praktischer Ausweg für KMU: Anbieter mit Sitz in der EU wählen, etwa Hetzner, Strato, IONOS, Scaleway, OVHcloud oder Hostinger (ein litauisches Unternehmen mit VPS-Standorten unter anderem in Frankfurt am Main).

Zum Vergleich unser eigenes Setup: Die FlowBrain-Website und unser n8n laufen auf einem Hostinger-VPS in Frankfurt am Main. Für die KI-Auswertung gehen nur maskierte Daten an Anthropic (USA), abgesichert über einen AVV mit Standardvertragsklauseln.

Stolperfalle B — Subprozessoren

Sie hosten in der EU, verschicken Mails aber über SendGrid (US). Oder Sie nutzen einen EU-Server und Brevo (FR), aber Google Analytics (US). Jede solche Kette ist ein eigener Datenfluss — jeder braucht eine eigene Bewertung. Auch FlowBrain nutzt für den E-Mail-Versand einen US-Dienst: Resend (USA), abgesichert über Standardvertragsklauseln. Faustregel: Ein Workflow mit drei US-Subprozessoren ist meist schwerer zu rechtfertigen als ein gleichwertiger Workflow mit drei EU-Anbietern.

Stolperfalle C — KI-Modelle on-premise vs. Hosted-API

2026 wird häufig die Frage gestellt: „Sollten wir KI-Modelle nicht selbst hosten, dann ist es sicher?“ Selbst-Hosting (Llama, Mistral) ist DSGVO-technisch sauberer, aber operativ teuer. GPU-Server (etwa bei Hetzner) kosten für ein produktionstaugliches Setup schnell mehrere hundert Euro im Monat, dazu kommt laufender DevOps-Aufwand. Und bei vielen KMU-Aufgaben reicht die Ausgabequalität selbst gehosteter Modelle nicht an Claude oder GPT heran.

Für die meisten KMU lohnt sich das nach unserer Einschätzung nicht. Eine gehostete API mit ordentlichem AVV, bewusst gewähltem Verarbeitungsort und PII-Filter ist 2026 der pragmatische Mittelweg.

EU AI Act — was KMU 2026 ignorieren können (und was nicht)

Viele KMU-Berater erwecken den Eindruck, der EU AI Act würde 2026 schon flächendeckend KMU-Pflichten auslösen. Das trifft so nicht zu. Der Großteil der Pflichten betrifft High-Risk-Systeme und Anbieter von General Purpose AI (GPAI) — nicht den Anwender im klassischen Mittelstand.

Was bereits gilt

• Verbotene Praktiken (Art. 5 AI Act, seit Februar 2025): Social Scoring, Manipulation, Echtzeit-Biometrie ohne Genehmigung. Für die meisten KMU irrelevant — niemand baut sowas.
• Transparenzpflicht (Art. 50 AI Act, gilt seit August 2026): Kunden müssen erkennen können, dass sie mit einer KI interagieren (z. B. Chatbot-Hinweis „Diese Antwort wurde KI-unterstützt erstellt“). Für Kontaktformulare mit KI-Auswertung relevant.

High-Risk-Systeme — laut ursprünglichem Zeitplan ab August 2026

Diese acht Bereiche zählen als High-Risk:

1. Biometrische Identifikation
2. Kritische Infrastruktur
3. Bildung und Berufsausbildung
4. Beschäftigung, Personalwesen, Vermittlung
5. Wesentliche private und öffentliche Dienstleistungen (z. B. Bonitätsprüfung)
6. Strafverfolgung
7. Migration, Asyl, Grenzkontrolle
8. Justiz und demokratische Prozesse

Für klassische KMU-Workflows (Lead-Inbox, Mahnwesen, Kontaktformular-Auswertung, Angebots-Vorbefüllung) trifft keiner dieser acht Bereiche zu. Hier steht nach unserer Einschätzung die DSGVO-Compliance im Vordergrund. Wer in HR-Tech, FinTech oder EdTech tätig ist, sollte den Volltext und den aktuellen Stand der Fristen prüfen lassen — dort wird es relevanter. Eine kompakte Übersicht bietet unsere EU-AI-Act-Checkliste für KMU.

Fünf typische Fehler in KMU-Setups

Diese Muster tauchen in selbst gebauten KMU-Setups immer wieder auf:

Fehler 1 — Direct-API-Calls ohne PII-Filter

Klassiker: Im n8n-Workflow steht ein „HTTP Request“-Node, der den Lead-Text 1:1 an die OpenAI-API schickt. Kein Filter, keine Maskierung, kein Audit-Log. Sofort-Fix: Filter-Node davorschalten, Hash-Log dahinter.

Fehler 2 — AVV liegt nicht vor

Der API-Key wurde irgendwann erstellt, aber niemand hat den AVV heruntergeladen, signiert und im Compliance-Ordner abgelegt. Bei einer DSB-Anfrage ist das peinlich. Sofort-Fix: Bei Anthropic, OpenAI, Google im jeweiligen Konto-Portal die AVV-Vorlage abrufen, signieren, ablegen. Dauer: 30 Minuten pro Anbieter.

Fehler 3 — Verzeichnis von Verarbeitungstätigkeiten (VVT) fehlt KI-Eintrag

Das VVT (Art. 30 DSGVO) ist Pflicht ab 250 Mitarbeitern, de facto aber für jeden Betrieb mit personenbezogener Verarbeitung erwartet. KI-Workflows fehlen oft komplett. Sofort-Fix: Pro Workflow einen VVT-Eintrag mit Datenkategorien, Zweck, Empfänger, Löschfristen.

Fehler 4 — Kein Hinweis für KI-gestützte Interaktionen

Wenn ein Kontaktformular oder Chat-Widget die Antwort durch KI verbessert, braucht der Nutzer eine Information darüber (Art. 50 AI Act plus Art. 13 DSGVO). Ein klassisches Cookie-Banner reicht oft nicht — es braucht einen Hinweis im Formular, etwa: „Diese Anfrage wird KI-unterstützt vorausgewertet. Personenbezogene Daten werden vorher maskiert (PII-Filter), bevor Inhalte an einen externen KI-Anbieter gehen.“

Fehler 5 — Logs mit Klardaten

Die Audit-Logs einer KI-Pipeline sind ironischerweise oft selbst der größte PII-Schatz. Wer den Prompt 1:1 in der Datenbank speichert, hat eine zweite Schattenkopie aller Kundendaten — und die wird beim Auskunftsverlangen relevant. Sofort-Fix: Hashes statt Klartext, feste Löschfrist, automatische Löschung.

Implementierungs-Pfad — DSGVO-konforme KI in 30 Tagen

Ein realistischer Plan, den Sie mit einer technikaffinen Person im Team (oder einem Berater) umsetzen können.

Woche 1 — Bestandsaufnahme

• Alle KI-Touchpoints im Unternehmen auflisten (n8n-Workflows, Browser-Plugins, ChatGPT-Mitarbeiter-Accounts, Make.com, Zapier-mit-KI-Steps)
• Pro Touchpoint dokumentieren: welcher Anbieter, welche Daten, welcher Zweck
• AVV-Status checken — vorhanden, fehlt, abgelaufen?
• DSB einbinden, falls vorhanden — kurze Sync-Mail mit Liste

Woche 2 — AVV nachziehen plus Quick-Wins

• Fehlende AVVs bei Anbietern anfordern und signieren
• Wo das KI-Modell gewechselt werden kann, auf einen Anbieter mit sauberem AVV wechseln (z. B. von OpenAI direkt zu Anthropic Claude mit PII-Filter oder zu Azure-EU)
• VVT um KI-Einträge ergänzen
• Cookie-Banner und Formular-Hinweise prüfen

Woche 3 — PII-Filter implementieren

• Pro Workflow den Filter-Code-Node einbauen
• Test-Lauf mit synthetischen PII (z. B. Test-Lead mit Test-Adresse) — vor und nach Filter loggen
• Restore-Mapping testen, damit der Output korrekt ist

Woche 4 — Audit-Log und Monitoring

• audit_logs-Tabelle anlegen (Schema oben)
• Pro Workflow Insert-Node einbauen, der Hash, Workflow-ID, PII-Count loggt
• Retention-Cron einrichten (Frist laut Ihrer Dokumentation, im Beispiel 13 Monate)
• Dashboard bauen — z. B. wöchentliches PII-Count pro Workflow zur Sanity-Prüfung
• Letzte Sichtprüfung mit DSB

Nach 30 Tagen haben Sie ein dokumentiertes Setup, das Sie bei einem Audit vorlegen können. Perfekt ist es dann noch nicht, aber die größten Lücken sind geschlossen.

Was Sie am Montag zuerst tun

Wenn Sie bis hierher gelesen haben, kennen Sie die vier Säulen. Die schnellste Maßnahme mit dem größten Effekt auf Ihr Risiko: Schicken Sie noch heute eine Mail an Ihren DSB (oder vereinbaren Sie ein kostenloses Erstgespräch mit uns) mit der Frage „Können wir bitte gemeinsam alle KI-Anbieter durchgehen und den AVV-Status pro Anbieter dokumentieren?“ Ohne diese Übersicht geraten Unternehmen bei einem DSB-Audit oder einer Anfrage der Aufsichtsbehörde schnell in Erklärungsnot.

Die technischen Säulen 2–4 (PII-Filter, Audit-Log, Hosting) bauen Sie in den folgenden Wochen auf. Die organisatorische Säule 1 (AVV) entscheidet darüber, ob Sie heute schon ein Risiko tragen.