Wie lässt sich KI datenschutzkonform nutzen, wenn Lieferantenverträge den Datenzugriff einschränken?

Warum Lieferantenverträge zum Problem werden

Lieferantenverträge sind oft nicht für moderne KI-Anwendungen formuliert worden. Viele Klauseln stammen aus einer Zeit, in der Daten hauptsächlich in ERP-Systemen, E-Mail-Postfächachern oder klassischen Datenbanken verarbeitet wurden.

KI verändert jedoch die Art der Verarbeitung: Daten werden analysiert, kombiniert, zusammengefasst, in Prompts eingefügt oder zur Modelloptimierung genutzt. Genau hier entstehen rechtliche und organisatorische Risiken.

Typische Einschränkungen in Lieferantenverträgen:

• Verbot der Weitergabe an Dritte: Daten dürfen nicht an externe Dienstleister, Plattformen oder Cloud-Anbieter übertragen werden.
• Zweckbindung: Informationen dürfen nur für einen bestimmten Vertragszweck genutzt werden, nicht für KI-Analysen oder Automatisierung.
• Vertraulichkeitsklauseln: Preise, technische Spezifikationen, Qualitätsdaten oder Produktionsinformationen gelten als streng vertraulich.
• Standortvorgaben: Daten dürfen nur innerhalb bestimmter Länder oder Rechtsräume verarbeitet werden, etwa ausschließlich in der EU.
• Subunternehmer-Regelungen: Externe KI-Anbieter können als Unterauftragnehmer gelten und benötigen dann eine vertragliche Freigabe.
• Trainingsverbote: Daten dürfen nicht zum Training, Fine-Tuning oder zur Verbesserung externer Modelle verwendet werden.

Das Problem entsteht also nicht nur durch Datenschutz im engeren Sinne, sondern durch eine Kombination aus DSGVO, Geschäftsgeheimnissen, Vertragsrecht, IT-Sicherheit und Compliance. Selbst wenn personenbezogene Daten entfernt wurden, können Lieferantendaten weiterhin vertraulich sein.

Ein Beispiel: Du möchtest Lieferantendaten mit einem KI-Tool analysieren, um Risiken in der Lieferkette zu erkennen. Enthalten die Daten jedoch Preise, Lieferbedingungen, technische Zeichnungen oder Qualitätsmängel, kann die Übertragung an einen externen KI-Dienst gegen bestehende Vertragsklauseln verstoßen – auch dann, wenn keine personenbezogenen Daten enthalten sind.

Deshalb solltest du vor jeder KI-Nutzung drei zentrale Fragen klären:

1. Darfst du die Daten überhaupt für diesen Zweck verwenden?
2. Darfst du sie an einen KI-Anbieter oder Cloud-Dienst übertragen?
3. Kannst du technisch sicherstellen, dass keine unzulässige Speicherung, Weitergabe oder Modellnutzung erfolgt?

Technische Lösungsansätze

Auch wenn es jetzt mehr Arbeit bedeutet, KI ist schnell und umfassend einsetzbar. Halt mit der Prämisse, der Einhaltung aller vertraglichen Vorgaben und Einschränkungen. Du musst die passende Architektur wählen und etwas mehr definieren und vorgeben. Der sicherste Ansatz besteht wohl sicher darin, sensible Daten möglichst nicht an öffentliche KI-Dienste zu senden, sondern kontrollierte Umgebungen zu nutzen.

1. Lokale KI-Modelle und On-Premise-Betrieb

Eine besonders datenschutzfreundliche Lösung ist der Einsatz von KI-Modellen innerhalb deiner eigenen IT-Infrastruktur. Dabei bleiben die Daten im Unternehmen und werden nicht an externe Plattformen übertragen.

Vorteile:

• Daten verlassen deine Systeme nicht.
• Du behältst volle Kontrolle über Speicherorte, Zugriffe und Protokolle.
• Vertrauliche Lieferantendaten können intern verarbeitet werden.
• Vertragsrisiken durch Drittanbieter werden reduziert.

Geeignet ist dieser Ansatz vor allem für:

• Vertrauliche Lieferantendokumente und technische Spezifikationen
• Vertragsanalysen und Qualitätsberichte
• Interne Wissensdatenbanken
• Sensible Einkaufs- und Preisanalyse

Der Nachteil: Lokale KI erfordert mehr technisches Know-how, Rechenleistung und Wartung. Kleinere Modelle können zudem weniger leistungsstark sein als große Cloud-Modelle. Für viele Unternehmensanwendungen reicht ihre Leistung aber bereits aus – besonders bei klar abgegrenzten Aufgaben wie Klassifikation, Zusammenfassung oder Dokumentensuche.

Alternativ kannst du einen Anonymisierungslayer einsetzen. Das bedeutet, dass wir vor der Abfrage eines LLM die Daten anonymisieren. Das passiert automatisch und garantiert sicher. Alle Infos dazu gern in einem Gespräch.

2. Private Cloud statt öffentlicher KI-Dienst

Wenn On-Premise zu aufwendig ist, kann eine Private Cloud oder eine dedizierte Enterprise-KI-Umgebung eine gute Alternative sein. Wichtig ist, dass du vertraglich und technisch sicherstellst, dass Daten nicht zum Training allgemeiner Modelle verwendet werden.

Achte insbesondere auf:

• Verarbeitung innerhalb der EU oder eines vertraglich erlaubten Rechtsraums
• Klare Auftragsverarbeitungsverträge (AVVs)
• Ausschluss der Nutzung deiner Daten zum Modelltraining
• Verschlüsselung bei Übertragung (In Transit) und Speicherung (At Rest)
• Strikte Mandantentrennung und Protokollierung aller Zugriffe
• Löschkonzepte, Datenaufbewahrungsfristen und Freigabe von Unterauftragnehmern

Für datenschutzkonforme KI-Nutzung ist nicht allein entscheidend, ob ein Anbieter „sicher“ wirkt. Entscheidend ist, ob seine Datenverarbeitung zu deinen Lieferantenverträgen und zu deinen internen Compliance-Vorgaben passt.

3. Pseudonymisierung und Anonymisierung

Wenn du externe KI-Dienste nutzen möchtest, solltest du prüfen, ob sensible Informationen vor der Verarbeitung entfernt oder ersetzt werden können. Dabei gibt es einen wichtigen Unterschied:

• Pseudonymisierung: Identifizierende Merkmale werden ersetzt, können aber mit Zusatzwissen wieder zugeordnet werden.
• Anonymisierung: Eine Rückführung auf einzelne Personen, Unternehmen oder vertrauliche Sachverhalte ist praktisch nicht mehr möglich.

Für Lieferantendaten bedeutet das zum Beispiel:

• Lieferantennamen durch neutrale IDs ersetzen und Ansprechpartner entfernen.
• Konkrete Preise aggregieren und Vertragsnummern löschen.
• Technische Details nur abstrahiert übergeben.
• Vertrauliche Produktnamen maskieren.

Aber Vorsicht: Viele Daten wirken anonym, sind es jedoch nicht. Wenn ein Datensatz etwa nur einen einzigen Lieferanten für ein bestimmtes Spezialbauteil enthält, kann auch eine scheinbar neutrale Beschreibung Rückschlüsse ermöglichen. Deshalb sollte Anonymisierung nicht nur technisch, sondern auch fachlich geprüft werden.

4. Retrieval-Augmented Generation (RAG) mit Zugriffskontrolle

Eine gute Lösung für KI in Unternehmen ist häufig Retrieval-Augmented Generation, kurz RAG. Dabei wird ein KI-Modell nicht dauerhaft mit sensiblen Daten trainiert, sondern sucht bei Bedarf in freigegebenen Dokumenten und erzeugt daraus eine Antwort. Der Vorteil: Du kannst genau steuern, welche Daten die KI verwenden darf.

Wichtige Sicherheitsmaßnahmen bei RAG-Systemen:

• Rollenbasierte Zugriffsrechte (RBAC) und Dokumentenklassifizierung nach Vertraulichkeit.
• Filterung sensibler Inhalte und Protokollierung von Anfragen und Antworten.
• Keine Speicherung von Prompts in externen Systemen.
• Trennung von Lieferantendaten nach Vertragspartnern.
• Regelmäßige Überprüfung der Berechtigungen.

Ein RAG-System kann zum Beispiel so konfiguriert werden, dass ein Einkäufer nur auf Lieferantendaten zugreifen kann, die er auch im normalen System sehen darf. Die KI darf dann nicht mehr wissen als der Nutzer selbst.

5. Datenklassifizierung als Grundlage

Bevor du KI einführst, brauchst du eine klare Datenklassifizierung. Ohne sie weiß niemand, welche Informationen in welchem KI-System verarbeitet werden dürfen.

Diese Klassifizierung sollte nicht nur in Richtlinien stehen, sondern technisch durchgesetzt werden – etwa durch Data-Loss-Prevention-Systeme (DLP), Zugriffskontrollen und KI-Gateways.

6. KI-Gateway als Kontrollschicht

Ein KI-Gateway sitzt als Filterstufe zwischen dem Nutzer und dem KI-Modell. Es prüft Prompts, filtert sensible Inhalte und entscheidet, ob eine Anfrage erlaubt ist.

Ein solches Gateway kann:

• Personenbezogene Daten automatisch erkennen.
• Lieferantennamen maskieren und vertrauliche Vertragsinhalte blockieren.
• Erlaubte (sichere) KI-Modelle dynamisch auswählen.
• Riskante Prompts direkt ablehnen und Anfragen protokollieren.
• Ausgaben der KI vor der Anzeige auf sensible Informationen prüfen.

Dadurch kannst du verhindern, dass Mitarbeitende versehentlich vertrauliche Lieferantendaten in öffentliche KI-Tools kopieren. Gerade für größere Unternehmen ist ein KI-Gateway eine wichtige Komponente für Governance und Compliance.

Praxisbeispiel

Stell dir vor, dein Unternehmen arbeitet mit mehreren Komponentenlieferanten. In den Verträgen steht, dass technische Spezifikationen, Preise und Qualitätsdaten nicht an Dritte weitergegeben werden dürfen. Gleichzeitig möchte dein Einkauf KI nutzen, um Lieferantenrisiken schneller zu erkennen und Vertragsdokumente effizienter auszuwerten.

• Die unkontrollierte Lösung (Risiko): Mitarbeitende kopieren Lieferantenverträge in ein öffentliches KI-Tool, um Zusammenfassungen zu erstellen. Dadurch werden vertrauliche Daten an einen externen Dienst übertragen. Je nach Anbieter, Speicherort und Vertragslage verstoßt das direkt gegen Lieferantenverträge, interne Richtlinien oder Datenschutzvorgaben.
• Die datenschutzkonforme Lösung:
  1. Zuerst werden alle Lieferantenverträge nach Vertraulichkeitsklauseln, Datenweitergabeverboten und Zweckbindungen geprüft.
  2. Danach werden die Daten klassifiziert (öffentlich, intern, vertraulich, streng vertraulich).
  3. Für streng vertrauliche Daten wird ein lokales KI-System oder eine private Cloud innerhalb der EU genutzt.
  4. Lieferantennamen, Preise und Vertragsnummern werden bei bestimmten Analysen pseudonymisiert.
  5. Ein RAG-System greift nur auf freigegebene Dokumente zu.
  6. Nutzer erhalten nur Zugriff auf Daten, die sie auch ohne KI sehen dürften.
  7. Prompts und Antworten werden protokolliert, aber nicht für das Modelltraining verwendet.

Das Ergebnis: Dein Unternehmen kann KI voll nutzen, ohne sensible Lieferantendaten unkontrolliert weiterzugeben. Die KI unterstützt effizient bei Vertragszusammenfassungen, Risikoanalysen, Lieferantenbewertungen, dem Erkennen kritischer Klauseln und dem Vergleich von Lieferbedingungen.

Wichtig dabei: Die KI entscheidet nicht eigenständig über Lieferantenbeziehungen. Sie liefert strukturierte Informationen, Hinweise und Analysen. Die finale Bewertung bleibt immer bei den verantwortlichen Fachabteilungen.

Typische Fehler bei der datenschutzkonformen Nutzung von KI

Viele Unternehmen unterschätzen, dass KI-Projekte keine reinen IT-Projekte sind. Sie betreffen Datenschutz, Einkauf, Rechtsabteilung, IT-Sicherheit, Fachbereiche und oft auch den Betriebsrat. Fehler entstehen meistens dann, wenn KI zu schnell eingeführt wird, ohne die Datenflüsse und Vertragsbedingungen sauber zu prüfen.

Häufige Stolpersteine in der Praxis:

• Öffentliche KI-Tools ohne Freigabe nutzen: Mitarbeitende kopieren vertrauliche Lieferantendaten in frei verfügbare Chatbots (Schatten-KI).
• Verträge nicht prüfen: Es wird nur auf die DSGVO geachtet, aber nicht auf wirtschaftliche Weitergabeverbote und Vertraulichkeitsklauseln.
• Training und Nutzung verwechseln: Auch wenn Daten „nur“ temporär eingegeben werden, kann je nach Anbieter eine Speicherung oder Weiterverwendung stattfinden.
• Keine Datenklassifizierung haben: Niemand weiß genau, welche Daten in welches KI-System fließen dürfen.
• Zu breite Zugriffsrechte vergeben: Die KI kann im Hintergrund auf Dokumente zugreifen, die der Nutzer eigentlich gar nicht sehen dürfte.
• Pseudonymisierung überschätzen: Daten bleiben trotz Maskierung rückführbar, wenn Kontextinformationen oder einzigartige Kombinationen erhalten bleiben.
• Fehlende Protokollierung & Löschkonzepte: Es lässt sich später nicht nachvollziehen, welche Daten verarbeitet wurden, oder Prompts bleiben länger gespeichert als erlaubt.
• Unterauftragnehmer ignorieren: Ein KI-Anbieter nutzt im Hintergrund weitere Sub-Dienstleister, die vertraglich nicht freigegeben sind.

Aus Unternehmenssicht ist der unkontrollierte Einsatz von Schatten-KI besonders riskant, weil keine Kontrolle über Datenabfluss, Speicherung, Anbieterbedingungen oder Zugriffsschutz besteht. Um diese Fehler zu vermeiden, solltest du klare Regeln schaffen:

• Welche KI-Tools sind offiziell erlaubt?
• Welche Daten dürfen verarbeitet werden und welche Lieferantendaten sind strikt ausgeschlossen?
• Wer prüft neue KI-Anwendungsfälle?
• Wie werden Prompts und Ergebnisse dokumentiert?
• Welche technischen Schutzmaßnahmen sind verpflichtend?
• Wann muss die Rechtsabteilung oder der Datenschutzbeauftragte zwingend eingebunden werden?

Ein guter Ansatz ist ein interner KI-Freigabeprozess. Dabei wird jeder neue Anwendungsfall anhand von Datenschutz, Vertragslage, Informationssicherheit und geschäftlichem Nutzen bewertet. So verhinderst du unnötige Risiken, ohne die Innovation im Unternehmen zu blockieren.

Kurze Zusammenfassung

KI lässt sich auch dann datenschutzkonform nutzen, wenn Lieferantenverträge den Datenzugriff einschränken. Entscheidend ist, dass du Vertragsklauseln, DSGVO-Anforderungen und technische Schutzmaßnahmen gemeinsam prüfst. Besonders geeignet sind lokale KI-Modelle, private Cloud-Lösungen, RAG-Systeme mit Zugriffskontrolle, Pseudonymisierung, Anonymisierung und KI-Gateways.

Die wichtigste Regel lautet: Sensible Lieferantendaten dürfen nicht unkontrolliert in externe KI-Dienste gelangen. Wenn du Daten klassifizierst, Berechtigungen sauber steuerst und klare Freigabeprozesse etabliest, kannst du KI sicher, effizient und vertragskonform einsetzen. Wir von der infeos haben bereits Lösungen dazu im Einsatz und können dir Use Cases zeigen. Wir sprechen nicht, wir setzen um.