Jemand in deinem Team tippt einen Kundennamen, eine Diagnose, eine Vertragsklausel in ein KI-Tool. In dieser Sekunde verlassen diese Daten dein Haus – es sei denn, du hast vorher geklärt, wohin sie gehen.
Die meisten diskutieren bei KI über das Modell: GPT oder Claude, welches ist klüger, welches schreibt besseren Code. Für ein reguliertes Unternehmen kommt das erst an zweiter Stelle. Die erste Frage lautet: Wo landen meine Daten – und wer darf sie speichern? Diese Entscheidung triffst du vor dem Start, nicht danach.
Der Unterschied, den die meisten überspringen
„Wir nutzen KI" kann vier völlig verschiedene Dinge heißen. Für deine Daten bedeuten sie nicht dasselbe.
Öffentliches Chat-Tool. Dein Team öffnet ein Tool im Browser und tippt los. Bequem, sofort verfügbar – und du weißt oft nicht, ob die Eingaben zum Training verwendet werden, auf welchem Server sie liegen und wie lange. Für interne Brainstormings okay. Für Kundendaten der heikelste Weg.
API mit klarem Hosting-Vertrag. Du sprichst das Modell programmatisch an, mit einer vertraglichen Zusage: Deine Daten gehen nicht ins Training und werden nach kurzer Frist gelöscht. Schon eine andere Liga – aber die Bedingungen musst du kennen, nicht annehmen.
Verarbeitung in der EU. Die Daten bleiben in einer Region, die zu deiner DSGVO-Lage passt, statt irgendwo auf der Welt zu landen. Für viele regulierte Fälle der entscheidende Punkt.
Betrieb bei dir. Das Modell läuft in deiner eigenen Umgebung. Die Daten verlassen deine Kontrolle nie. Aufwendiger, aber für die sensibelsten Fälle der sauberste Weg.
Derselbe Satz – „wir nutzen KI" – und vier grundverschiedene Antworten auf die Frage, wo deine Kundendaten heute Nacht liegen.
Die zwei verdeckten Lecks
Wer den Datenfluss prüft, schaut meist nur auf die offensichtliche Stelle. Es gibt zwei, die leicht durchrutschen.
Leck eins: die Eingaben selbst. Wohin gehen die Daten, die dein Team eintippt, und wer speichert sie wie lange? Bei einem öffentlichen Tool landen sie schnell auf fremden Servern, in einem Verlauf ohne deinen Zugriff. Die Frage ist nicht „verschlüsselt ja/nein", sondern: Wer hält die Daten, unter welchem Vertrag, für welche Dauer?
Leck zwei: was der Agent zur Antwort heranzieht. Das ist das subtilere. Ein Agent beantwortet eine Frage, indem er Dokumente aus deinen Systemen liest – Verträge, Akten, Personaldaten. Wenn dabei Inhalte einfließen, die der konkrete Nutzer gar nicht sehen dürfte, hast du kein KI-Problem, sondern ein Zugriffsproblem. Rechte und Zugriff sind Teil der Datenfrage, nicht ein Nebenthema. Die KI darf nie mehr sehen als die Person, die sie bedient.
Warum das eine Architektur-Entscheidung ist, kein Nachtrag
Der Datenfluss ist kein Häkchen, das du am Ende setzt. Er bestimmt, wie du das System baust: welcher Anbieter, welche Anbindung, welche Region, welches Rechtemodell.
Triffst du diese Entscheidung erst, wenn schon alles steht, baust du im Zweifel rückwärts. Hast du dein Team an ein öffentliches Tool gewöhnt und alle Prozesse darauf gelegt, ist der Wechsel auf einen sauberen Weg teuer: neue Anbindung, migrierte Daten, neu geschulte Leute. Vor dem Start ist es eine Frage. Danach ist es ein Projekt.
Was du klärst, bevor du startest
Drei Fragen, bevor die erste Zeile Code entsteht – nicht danach:
- Welche Daten dürfen überhaupt ins Modell? Trenne, was harmlos ist, von dem, was reguliert ist. Nicht jeder Anwendungsfall braucht echte Kundendaten.
- Welcher Hosting-Weg passt zu deiner DSGVO-Lage? Öffentliches Tool, API mit Vertrag, EU-Verarbeitung oder Betrieb bei dir. Das hängt davon ab, wie sensibel die Daten sind und was deine Compliance verlangt.
- Welche Berechtigung hat der einzelne Nutzer? Die KI sieht nie mehr als die Person, die sie bedient. Das gehört ins Fundament, nicht in einen späteren Patch.
Wie genau ein Agent an Dokumente kommt und welche Grenzen dabei gelten, ist der Kern einer LLM- und Agentensicherheit. Wenn die KI auf deine Akten und Verträge zugreifen soll, hängt sauberer Zugriff direkt am KI-Dokumentenmanagement. Und ob dein bestehender Aufbau diese Punkte überhaupt erfüllt, zeigt dir nüchtern eine KI-Sicherheitsanalyse.
So gehen wir das bei neoleo an
Wir klären den Datenfluss, bevor die erste Zeile Code entsteht. Erst die Frage „wo dürfen diese Daten liegen", dann die Architektur – nicht umgekehrt.
Was dabei rauskommt – EU-Verarbeitung, eine bestimmte Anbindung, ein Rechtemodell pro Nutzer – hängt von deinem konkreten Fall ab. Wir versprechen dir hier keinen fertigen Standort und kein Siegel. Das Ziel ist ein Datenfluss, der zu deiner DSGVO-Lage passt; den genauen Weg klären wir mit dir, statt ihn vorab zu behaupten.
Wenn du verstehen willst, warum es überhaupt darauf ankommt, woher eine Antwort kommt, lies RAG statt Halluzination – und für das größere Bild der Risiken KI-Sicherheit im Unternehmen.
Was du jetzt tun solltest
Nimm den einen KI-Anwendungsfall, der bei dir schon läuft oder kurz davorsteht, und beantworte drei Fragen: Wohin gehen die Eingaben? Wer speichert sie wie lange? Sieht das System mehr als der Nutzer, der es bedient? Wenn du bei einer Frage zögerst, liegt da dein Risiko.
Unsicher, wo du anfängst? Der KI-Lösungsberater sortiert deinen Fall in wenigen Minuten. Für eine ehrliche Bestandsaufnahme deines Datenflusses sieh dir die KI-Sicherheitsanalyse an – oder wir klären deinen Fall direkt im kostenlosen Erstgespräch.
