DSGVO und RAG: Was Sie bei KI-Wissensdatenbanken prüfen müssen

Wenn Sie eine RAG-Anwendung (Retrieval-Augmented Generation) mit eigenen Dokumenten aufbauen, ist die erste Hürde nicht die Technik, sondern der Datenschutz: Sobald Personalakten, Verträge oder Kundenkorrespondenz in einer Wissensdatenbank landen, greift die DSGVO. Dieser Artikel zeigt, was Sie vor dem Produktivstart prüfen müssen, von der Rechtsgrundlage über die Auftragsverarbeitung bis zum Hosting-Standort, und wie sich private und öffentliche Wissensdatenbanken dabei unterscheiden.

Warum RAG und DSGVO zusammen gedacht werden müssen

RAG-Systeme kombinieren ein Sprachmodell mit einer Suche über Ihre eigenen Dokumente, damit Antworten auf belegten Quellen beruhen statt zu halluzinieren. Genau das macht sie aus DSGVO-Sicht relevant: Die Dokumente wandern vollständig oder in Ausschnitten (Chunks) in einen Index, und bei jeder Anfrage werden relevante Passagen an das Sprachmodell geschickt. Enthalten diese Passagen Namen, E-Mail-Adressen, Gehaltsangaben oder Gesundheitsdaten, verarbeiten Sie personenbezogene Daten im Sinne von Art. 4 Nr. 1 DSGVO, und zwar bei der Indexierung, bei jeder Suche und bei der Antwortgenerierung. Wie dieser Ablauf technisch funktioniert, erklärt Wie funktioniert RAG?.

Schritt 1: Personenbezogene Daten in den Dokumenten identifizieren

Bevor Sie Dokumente hochladen, lohnt sich eine kurze Bestandsaufnahme pro Dokumentenart. Typische Fundstellen in deutschen Unternehmen sind:

• Namen, Telefonnummern und E-Mail-Adressen in Verträgen, Angeboten und Korrespondenz
• Mitarbeiterdaten in Personalakten, Arbeitsverträgen und Gehaltsabrechnungen
• Gesundheitsdaten in Arbeitsschutz- oder Betriebsarztdokumenten (besondere Kategorie nach Art. 9 DSGVO)
• Finanz- und Kontodaten in Rechnungen und Bestellungen
• Bewerberdaten in Lebensläufen und Anschreiben

Nicht jede Wissensdatenbank braucht diese Prüfung im gleichen Umfang: Ein Produkthandbuch oder eine technische Dokumentation enthält in der Regel keine personenbezogenen Daten, während eine interne Ablage mit Kundenmails oder Personalunterlagen sehr wohl darunterfällt. Für sensible Bereiche wie Arbeitsschutz hilft ein Blick auf Arbeitsschutz mit KI, wo die Abgrenzung zwischen reinen Gesetzestexten und personenbezogenen Zusatzdaten konkret durchgespielt wird.

Schritt 2: Rechtsgrundlage nach Art. 6 DSGVO festlegen

Sobald personenbezogene Daten im Index liegen, brauchen Sie eine Rechtsgrundlage für die Verarbeitung, nicht nur fürs Speichern, sondern auch für jede Abfrage. In der Praxis kommen meist drei Grundlagen infrage: die Vertragserfüllung nach Art. 6 Abs. 1 lit. b DSGVO, wenn die Wissensdatenbank zur Bearbeitung eines Kunden- oder Mandatsverhältnisses dient; das berechtigte Interesse nach Art. 6 Abs. 1 lit. f DSGVO, wenn ein internes Suchwerkzeug für Mitarbeitende nachweislich erforderlich und verhältnismäßig ist; oder die Einwilligung nach Art. 6 Abs. 1 lit. a DSGVO, wenn Betroffene aktiv zustimmen müssen, etwa bei Bewerberdaten. Dokumentieren Sie die gewählte Grundlage schriftlich, denn bei einer Prüfung durch die Aufsichtsbehörde reicht es nicht zu sagen, dass die Daten ohnehin schon vorhanden waren.

Schritt 3: Auftragsverarbeitung und Serverstandort klären

Auftragsverarbeitungsvertrag (AVV)

Nutzen Sie einen externen RAG-Anbieter, der Dokumente für Sie indexiert und Antworten generiert, handelt dieser als Auftragsverarbeiter im Sinne von Art. 28 DSGVO. Sie brauchen einen Auftragsverarbeitungsvertrag, der mindestens Gegenstand, Dauer, Art und Zweck der Verarbeitung, die Kategorien betroffener Personen, technische und organisatorische Maßnahmen (Art. 32 DSGVO) sowie Ihre Kontroll- und Weisungsrechte regelt. Prüfen Sie außerdem, ob der Anbieter Subunternehmer einsetzt (zum Beispiel für die Modellinferenz) und ob diese transparent gelistet sind.

EU-Hosting und Drittlandtransfer

Fragen Sie konkret, wo der Vektorindex, die Dokumente und die Modellinferenz physisch laufen. Liegt ein Teil der Verarbeitung außerhalb der EU oder des EWR, greifen die Regeln zu Drittlandtransfers nach Art. 44 bis 49 DSGVO, in der Regel über Standardvertragsklauseln. Das ist kein Ausschlusskriterium, erhöht aber den Dokumentationsaufwand erheblich. Für viele Mittelständler ist deshalb EU-Hosting mit klarer Serverstandort-Zusage der pragmatischste Weg, Rückfragen von Kunden oder dem Betriebsrat vorwegzunehmen.

Schritt 4: Speicherdauer, Löschung und Betroffenenrechte

Eine Wissensdatenbank ist kein Archiv auf unbestimmte Zeit. Legen Sie vorab eine Speicherdauer pro Dokumentenart fest und planen Sie einen Löschmechanismus ein, der einzelne Dateien aus dem Index entfernt, ohne die gesamte Wissensdatenbank neu aufzubauen. Das betrifft insbesondere das Recht auf Löschung nach Art. 17 DSGVO: Verlangt eine betroffene Person die Löschung ihrer Daten, müssen Sie den entsprechenden Chunk aus dem Vektorindex entfernen können, nicht nur das Ursprungsdokument. Ebenso wichtig ist das Auskunftsrecht (Art. 15 DSGVO): Sie sollten nachvollziehen können, welche Dokumente welche Person betreffen, sonst wird eine Auskunftsanfrage zur manuellen Sisyphusarbeit. Pseudonymisierung vor dem Upload, etwa das Ersetzen von Namen durch Kürzel in internen Schulungsunterlagen, reduziert dieses Risiko spürbar und ist in vielen Fällen mit wenig Aufwand möglich.

Öffentliche vs. private Wissensdatenbanken: Was sich ändert

Bei Kopik lässt sich jede Wissensdatenbank entweder privat (nur für Sie und Ihre API-Schlüssel) oder öffentlich (im Katalog gelistet, Nutzer zahlen pro Frage, Sie behalten 70 % der Erlöse) anlegen. Für die DSGVO macht das einen erheblichen Unterschied, den die folgende Tabelle zusammenfasst.

Wer Fachwissen gegen Bezahlung anbieten möchte, sollte personenbezogene Daten also konsequent vorab entfernen. Wie das für Berufsgruppen mit sensiblen Mandantendaten gelingt, zeigen RAG für Kanzleien und Beratungswissen monetarisieren. Für rein interne Nutzung, etwa eine Wissensdatenbank mit Unternehmensdokumenten für Mitarbeitende, ist die private Variante der richtige Startpunkt, auch im Vergleich zu einem allgemeinen Chat-Tool, siehe Privates ChatGPT für Unternehmensdokumente.

Die Checkliste vor dem Go-Live

1. Dokumentenarten auflisten und markieren, welche personenbezogene Daten enthalten
2. Rechtsgrundlage nach Art. 6 DSGVO pro Dokumentenart schriftlich festlegen
3. Prüfen, ob besondere Kategorien nach Art. 9 DSGVO betroffen sind (Gesundheit, Gewerkschaft, Religion)
4. Auftragsverarbeitungsvertrag mit dem RAG-Anbieter abschließen oder prüfen
5. Hosting-Standort und etwaige Drittlandtransfers klären
6. Speicherdauer pro Dokumentenart festlegen und Löschprozess für einzelne Chunks einrichten
7. Entscheiden, ob die Wissensdatenbank privat bleibt oder öffentlich mit anonymisierten Inhalten angeboten wird
8. Zugriff über API-Schlüssel oder MCP-Server auf das Nötigste beschränken
9. Technische und organisatorische Maßnahmen nach Art. 32 DSGVO dokumentieren (Verschlüsselung, Zugriffsprotokolle)

Für Entwickler, die eine Wissensdatenbank per REST-API oder MCP-Server anbinden, lohnt sich zusätzlich ein Blick auf die technische Seite der Anbindung, etwa in Wissensdatenbank-API einbauen und Claude, Cursor oder ChatGPT verbinden. Je weniger Systeme Zugriff auf sensible Passagen haben, desto einfacher bleibt die DSGVO-Dokumentation.

Was der AI Act zusätzlich bringt

Neben der DSGVO wirkt seit 2024 schrittweise auch die EU-Verordnung über künstliche Intelligenz (AI Act). Für die meisten RAG-Anwendungen in Unternehmen, etwa interne Dokumentensuche oder Kundensupport mit Quellenangabe, greifen keine Hochrisiko-Pflichten, solange keine automatisierten Entscheidungen mit Rechtswirkung getroffen werden. Transparenzpflichten gelten trotzdem: Nutzer sollten erkennen können, dass sie mit einem KI-System interagieren, und Antworten sollten nachvollziehbar auf Quellen verweisen. Wie sich das technisch prüfen lässt, beschreibt KI-Antworten mit Quellenangaben prüfen.

Fazit

DSGVO-Konformität bei RAG ist kein einmaliges Häkchen, sondern eine Kombination aus Datensichtung, Rechtsgrundlage, Vertragsgestaltung mit dem Anbieter und einem funktionierenden Löschprozess. Wer diese vier Punkte vor dem Produktivstart klärt und private sowie öffentliche Wissensdatenbanken bewusst trennt, kann RAG-Anwendungen ohne böse Überraschung bei der nächsten Datenschutzprüfung betreiben. Einen Überblick über Hosting-Modelle und Preise verschiedener Anbieter liefert außerdem RAG as a Service.