Welche Daten dürfen in unseren Trainingsdatensatz?

Das Problem

Ihre IT möchte ein Sprachmodell mit Texten aus dem Betrieb anpassen. Sie wollen vorab klären lassen, welche Texte dafür überhaupt in Frage kommen. Technisch geht fast alles: Mails, Offerten, Handbücher, gekaufte Fachtexte, kopierte Webseiten. Rechtlich und vertraglich nicht.

Das Risiko liegt in der Verwechslung von «Wir haben die Datei» und «Wir dürfen sie dafür verwenden». Ein Kundenbrief gehört nicht allein Ihnen. Ein gekauftes Fachbuch, ein Normtext oder ein Artikel eines Branchenverbands ist urheberrechtlich geschützt. Ein Vertrag mit einem Geschäftspartner kann Vertraulichkeit vorschreiben.

Wer das erst nach dem Training merkt, hat ein Problem: Was ein Modell gelernt hat, lässt sich schwer wieder entfernen. Darum gehört die Prüfung an den Anfang. Wie Sie die Daten danach bereinigen, zeigt Personendaten aus Trainingsbeispielen entfernen.

So lösen Sie es mit KI – Schritt für Schritt

1. Listen Sie alle Textquellen auf. Schreiben Sie auf, woher Ihre Beispiele kommen: eigene Mails, Kundenmails, Verträge, Handbücher, Webseiten, gekaufte Unterlagen, Texte von Dritten.

1. Klären Sie die Herkunft je Quelle. Wer hat den Text verfasst? Mitarbeitende, Kundinnen, Lieferanten, eine externe Agentur, eine Webseite?

1. Prüfen Sie Personendaten. Enthält die Quelle Angaben über Personen? Wenn ja, ist zu klären, ob das Training mit dem ursprünglichen Zweck vereinbar ist. Einfacher ist es, die Angaben zu entfernen.

1. Prüfen Sie Geheimhaltung. Gelten für die Quelle Berufsgeheimnisse, Geschäftsgeheimnisse oder vertragliche Vertraulichkeit? Solche Texte brauchen eine ausdrückliche Klärung oder bleiben draussen.

1. Prüfen Sie Urheberrechte. Stammt der Text von einer Drittperson und ist urheberrechtlich geschützt? Dann brauchen Sie eine Erlaubnis, bevor Sie ihn zum Training verwenden. Kopieren Sie nicht einfach Texte aus dem Internet.

1. Prüfen Sie Verträge und Allgemeine Geschäftsbedingungen. Verbieten Lieferantenverträge oder Lizenzen die Weitergabe oder Verwendung für KI-Zwecke?

1. Entscheiden Sie je Quelle. Verwenden, verwenden nach Bereinigung, nur mit Erlaubnis oder ausschliessen. Halten Sie das Ergebnis schriftlich fest.

1. Lassen Sie unklare Fälle prüfen. Eine Fachperson für Datenschutz oder Recht beurteilt den Einzelfall. Sie sollten diese Frage nicht dem Zufall überlassen.

1. Dokumentieren Sie die Entscheidung. Notieren Sie pro Quelle Datum, Entscheid und verantwortliche Person.

Vorlage zum Kopieren

Mit diesem Auftrag bereiten Sie das Gespräch mit Ihrer Datenschutz- oder Rechtsberatung vor. Geben Sie nur Beschreibungen ein, keine echten Dokumente:

Du hilfst mir, eine Prüfliste für die Rechte an Trainingsdaten zu erstellen. Du gibst keine Rechtsberatung und nennst keine Gesetzesartikel, die du nicht sicher kennst. Du weist bei Unsicherheit darauf hin, dass eine Fachperson den Einzelfall prüfen muss.

Betrieb und Branche: [z. B. Treuhandbüro, Kanton Aargau]
Ziel des Trainings: [z. B. Antwortentwürfe im Stil unseres Kundendienstes]
Textquellen: [z. B. eigene Mails, Kundenmails, Offerten, Handbuch eines Lieferanten]

Erstelle eine Tabelle mit den Spalten: Quelle, Mögliche Personendaten, Geheimhaltung, Urheberrecht, Vertragliche Einschränkung, Offene Fragen an die Fachperson. Schlage vor, welche Quellen eher unproblematisch und welche heikel sind, und begründe kurz.

Passen Sie Betrieb, Ziel und Quellen an. Das Ergebnis ist eine Gesprächsgrundlage, kein Rechtsurteil.

Worauf Sie achten müssen

• Kein Rechtsrat: Diese Seite zeigt gesicherte Grundsätze. Die Schweizer Datenschutzregeln stehen im Datenschutzgesetz (DSG), das Urheberrecht im Urheberrechtsgesetz (URG). Ob eine Verwendung im Einzelfall erlaubt ist, beurteilt eine Fachperson.
• Zweckbindung: Personendaten dürfen nur für Zwecke bearbeitet werden, die bei der Erhebung erkennbar waren oder mit ihnen vereinbar sind. Ein Training ist nicht automatisch dasselbe wie die ursprüngliche Beauftragung.
• EU-Bezug: Haben Sie Kundschaft in der EU, kann zusätzlich die DSGVO gelten. Auch das gehört in die fachliche Prüfung.
• Geheimnisse: Berufsgeheimnisse und vertragliche Vertraulichkeit gelten unabhängig davon, ob der Text anonymisiert aussieht.
• Fremde Inhalte: Öffentlich zugänglich heisst nicht frei verwendbar. Webseiten, Artikel und Bilder haben Urheber.
• Rückholbarkeit: Ein trainiertes Modell enthält das Gelernte schwer entfernbar. Klären Sie vorher, nicht nachher.

Ein Beispiel aus der Praxis

Ein Beispiel: Ein Ingenieurbüro in Baden möchte ein Modell für Berichtsentwürfe anpassen. Die Trainingsmenge soll aus 400 früheren Berichten bestehen.

Vorher: Die IT hat alle Berichte aus dem Archiv exportiert, darunter Projekte für Bauherren mit Vertraulichkeitsklausel und Auszüge aus einer gekauften Norm. Nachher: Die Büroleiterin führt eine Quellenliste. Eigene Berichtsteile ohne Kundenbezug dürfen verwendet werden, Berichte mit Vertraulichkeitsklausel werden ausgeschlossen, die Normauszüge ebenfalls. Offene Fragen zu einem Gemeindeprojekt klärt der externe Datenschutzberater. Übrig bleiben 150 saubere Berichte, mit denen der Test beginnt.

So hilft Ihnen Alpasana

Wenn Sie ein KI-Vorhaben vorbereiten und die Datenfragen strukturiert angehen möchten, unterstützt Sie die KI-Beratung und digitale Transformation der Alpasana GmbH: Nach Leistungsbeschreibung werden KI-Potenziale analysiert, Vorhaben priorisiert und bei KI-Agenten Anwendungsfall, Pilot und Einsatzregeln geklärt. Eine rechtliche Beurteilung des Einzelfalls ist damit nicht ersetzt.

Häufige Fragen

Darf ich Mails unserer Mitarbeitenden verwenden?

Auch diese enthalten Personendaten und können Geschäftsgeheimnisse enthalten. Klären Sie Zweck und Transparenz gegenüber dem Team und entfernen Sie persönliche Angaben. Eine Datenschutzberatung hilft bei der Abwägung.

Genügt eine Einwilligung der Betroffenen?

Eine Einwilligung kann ein Weg sein, muss aber freiwillig, informiert und auf den Zweck bezogen sein. In der Praxis ist es oft einfacher und sicherer, Personendaten zu entfernen.

Wie ist es mit Texten, die ich mit KI erzeugt habe?

Auch sie können Rechte Dritter berühren und Fehler enthalten. Prüfen Sie sie inhaltlich und beachten Sie die Nutzungsbedingungen des Dienstes, mit dem sie entstanden sind. Siehe KI-Inhalte und Urheberrecht.

Wann lohnt sich statt Training eine Dokumentensuche?

Wenn das Modell Ihre Unterlagen nur nachschlagen soll, ist eine Dokumentensuche oft einfacher, weil die Unterlagen nicht ins Modell wandern. Die rechtlichen Fragen bleiben jedoch teilweise bestehen. Dazu: Dürfen fremde Texte als Wissensquelle für den Chatbot dienen?