DSGVO-konformer KI-Chatbot:
Was technisch erlaubt ist und was nicht

Wann ein eigener KI-Chatbot überhaupt sinnvoll ist

Bevor wir über DSGVO sprechen, lohnt die ehrliche Vor-Frage: Brauchen Sie überhaupt einen KI-Chatbot? In vielen Fällen ist eine gut gepflegte FAQ-Seite mit Volltextsuche das bessere Werkzeug – billiger, schneller, kontrollierbarer. Ein KI-Chatbot lohnt sich vor allem, wenn drei Bedingungen zusammenkommen.

1. Sie haben einen substantiellen, gepflegten Wissens-Bestand

Handbücher, Produktdatenblätter, FAQ-Sammlungen, Wissens-Wikis, Vertragsmuster – Inhalte, die so umfangreich sind, dass eine reine Suche an Grenzen stößt. Unter etwa 50 substanziellen Dokumenten lohnt sich der Aufwand selten.

2. Die Fragen Ihrer Nutzer sind variabel formuliert

Wenn Kunden in zwanzig verschiedenen Formulierungen dasselbe meinen („Wie kündige ich?", „Vertrag beenden", „Stornierung möglich?"), spielt ein KI-Chatbot seine Stärke aus: Er versteht Bedeutungs-Ähnlichkeit, eine klassische Volltextsuche nicht. Wenn Ihre Fragen sehr standardisiert sind, reicht eine FAQ.

3. Sie haben Volumen, das den Aufwand rechtfertigt

Ein KI-Chatbot zu betreiben, kostet mehr als eine FAQ – Modell-Kosten, Wartung, Daten-Pflege, Monitoring. Ab mehreren hundert relevanten Anfragen pro Monat (Support, Vertrieb, interne Wissens-Recherche) wird er finanziell sinnvoll. Darunter ist die Investition meist schwer zu begründen.

Wenn auch nur eine Bedingung deutlich nicht erfüllt ist, sollten Sie ehrlich prüfen, ob nicht eine strukturierte FAQ-Seite das Bessere wäre. Sie ist günstiger, datenschutzrechtlich unproblematisch und ohnehin die Grundlage, auf der ein späterer KI-Chatbot dann aufsetzen kann.

Wo die DSGVO bei KI-Chatbots einhakt

Ein KI-Chatbot verarbeitet personenbezogene Daten, sobald jemand mit ihm spricht – mindestens IP, Session-ID und den Konversations-Inhalt. Damit greifen mehrere DSGVO-Pflichten gleichzeitig.

1. Rechtsgrundlage und Einwilligung

Die Verarbeitung muss eine Rechtsgrundlage haben (Art. 6 DSGVO). Bei Service-Chatbots ist das in der Regel die Einwilligung der Besucher:innen – verbunden mit einer transparenten Information, was passiert. Der Chat darf nicht „heimlich" mitlaufen.

2. Auftragsverarbeitung mit dem Modell-Anbieter

Wer ein gehostetes Modell nutzt (OpenAI, Azure-OpenAI, Mistral, Aleph Alpha), schließt einen Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO ab. Der AVV regelt, was der Anbieter mit den Daten tun darf – und vor allem, was nicht. Standard-AVV ohne Lesen unterschreiben ist riskant: Manche Anbieter behalten sich Trainings-Nutzung vor, andere nicht.

3. Drittlandtransfer (wenn US-Anbieter)

Sobald Daten in die USA fließen (klassische OpenAI-API, Anthropic-API ohne Sonderregelung), greift Art. 44 ff. DSGVO. Sie brauchen Standardvertragsklauseln, ein Transfer-Impact-Assessment und einen Hinweis in der Datenschutzerklärung. Die einfachere Variante: EU-Hosting wählen (Azure-OpenAI in EU-Region, Mistral, Aleph Alpha) – dann entfällt das Drittland-Thema.

4. Speicherdauer und Löschverfahren

Konversations-Logs dürfen nicht ewig gespeichert werden. Faustregel: 30–90 Tage Klar-Logs für Qualitäts-Sicherung, danach automatische Löschung oder Aggregation. Wer keine Lösch-Routine hat, sammelt ungewollt einen DSGVO-Schadensfall an.

5. Betroffenenrechte

Wenn jemand wissen will, was der Chatbot gespeichert hat, müssen Sie das in angemessener Zeit liefern können (Art. 15). Das setzt voraus, dass Konversationen einer identifizierbaren Person zuordenbar sind – und gleichzeitig schnell wieder gelöscht werden können (Art. 17). Das Verfahren dafür sollte vor Go-Live stehen, nicht erst, wenn die erste Anfrage kommt.

Welche Architekturen DSGVO-konform sind

Drei Architektur-Pfade haben sich 2026 etabliert. Sie unterscheiden sich in Aufwand, Kosten und Modell-Qualität.

Welcher Pfad für wen?

• Azure-OpenAI EU: ein etablierter Weg für KMU – breit verfügbares Modell-Spektrum, EU-Region, Microsoft-Enterprise-AVV
• EU-Anbieter: für Branchen mit hoher Datenschutz-Empfindlichkeit (Recht, Gesundheit, Behörden) und für Strategie-Wahl pro Souveränität
• On-Prem: für Unternehmen mit eigener GPU-Infrastruktur, sehr sensiblen Daten oder strikten Compliance-Vorgaben (KRITIS, Bank, Versicherung)
• Direkt-API ohne Anpassung: nur für reine interne Tests, niemals produktiv mit Kunden-Daten

Anbieter-Auswahl: Cloud, EU-Cloud oder On-Prem

Die Anbieter-Auswahl hängt an fünf Kriterien, die alle gleichzeitig passen müssen. Wer nur auf eines schaut, baut sich Schulden ein.

1. Modell-Qualität für den Use-Case

Nicht jeder Use-Case braucht das stärkste Modell. Für Standard-FAQ reicht ein mittelgroßes Modell, das deutlich günstiger und schneller ist. Für komplexe Reasoning-Aufgaben (Vertrags-Analyse, juristische Recherche) lohnt das Top-Modell. Faustregel: Mit dem mittelgroßen Modell starten, eskalieren nur dort, wo es nachweislich nicht reicht.

2. Region und Hosting

EU-Region ist 2026 für die allermeisten DSGVO-Setups der einfachere Weg. US-Hosting ist möglich, aber bedeutet zusätzlichen Aufwand (Standardvertragsklauseln, Transfer-Impact-Assessment, Datenschutzerklärung). Wer das nicht leisten will: EU-Region wählen.

3. AVV und Trainings-Nutzung

Lesen Sie den AVV, vor allem den Abschnitt zur Trainings-Nutzung. Manche Anbieter trainieren Standard-Modelle mit den eingehenden Daten, sofern Sie nicht ausdrücklich widersprechen (Opt-out). Bei DSGVO-Setups sollte Trainings-Nutzung standardmäßig deaktiviert sein – lieber Anbieter wählen, die das so anbieten.

4. SLA und Verfügbarkeit

Wenn der Chatbot Kunden-relevant ist, muss die Verfügbarkeit stimmen. Achten Sie auf SLA-Zusagen, Fallback-Strategien und Monitoring-Möglichkeiten. Ein Chatbot, der einmal pro Woche ausfällt, ist schlimmer als keiner.

5. Vendor-Lock-in

Bauen Sie die Architektur so, dass das Modell austauschbar ist – RAG-Schicht, Daten-Schicht und Frontend sollten unabhängig vom konkreten Modell sein. So können Sie 2027 ohne Komplett-Umbau auf einen besseren Anbieter wechseln, falls sinnvoll.

RAG: Wie der Chatbot auf Ihre Daten zugreift

RAG (Retrieval-Augmented Generation) ist 2026 der Standard, um einen Chatbot mit eigenem Firmenwissen zu versorgen, ohne ein Modell kostenintensiv zu trainieren. Funktionsweise in drei Schritten.

Schritt 1: Korpus aufbauen

Ihre Inhalte – PDFs, Word-Dokumente, Webseiten, Handbücher, FAQs – werden gesammelt, in Text konvertiert, in Abschnitte zerlegt („Chunks", typisch 200–800 Tokens) und mit Meta-Daten angereichert (Quelle, Datum, Bereich). Saubere Chunk-Strategie ist die wichtigste Vorarbeit – wer hier schlampt, bekommt später schlechte Antworten.

Schritt 2: Vektor-Datenbank befüllen

Jeder Chunk wird durch ein Embedding-Modell in einen Vektor (eine mathematische Darstellung der Bedeutung) umgewandelt und in einer Vektor-Datenbank gespeichert. EU-fähige Optionen 2026: Postgres mit pgvector, Weaviate, Qdrant – alle als EU-Cloud oder selbst gehostet verfügbar.

Schritt 3: Retrieval und Antwort

Bei einer Frage wird die Frage selbst in einen Vektor verwandelt, die ähnlichsten Chunks aus der Datenbank gezogen, und das Sprachmodell bekommt diese Chunks plus die Frage als Kontext. Es formuliert dann eine Antwort, die nur auf den gefundenen Chunks beruht – nicht auf dem Welt-Wissen des Modells.

Warum RAG für DSGVO-Setups so wichtig ist

• Ihre Daten verlassen nie Ihre Kontrolle – sie liegen in Ihrer Vektor-DB, nicht im Modell
• Das Modell „lernt" nichts dazu – jede Antwort ist on-demand, keine Trainings-Vermischung
• Quellen sind nachvollziehbar – Sie können jede Antwort auf konkrete Dokumente zurückführen
• Inhalte aktualisieren ist trivial – Datei austauschen, neu indexieren, fertig
• Datenschutz-Lösch-Anfragen lassen sich umsetzen – Eintrag aus Vektor-DB löschen, ohne Modell anzufassen

Fine-Tuning eines Modells auf Ihre Daten ist 2026 nur in Ausnahmefällen sinnvoll – etwa, wenn Sie einen sehr spezifischen Schreibstil oder eine Fach-Terminologie brauchen, die das Basis-Modell nicht kennt. Für reine Wissens-Vermittlung ist RAG fast immer die bessere Wahl.

Integration in die Website

Ein DSGVO-konformer Chatbot lädt nicht beim ersten Seitenaufruf das komplette Skript. Wer das macht, holt sich dieselben Probleme, die Cookie-Banner-Verstöße produzieren – nur mit deutlich sensibleren Daten.

Empfohlene Integration

• Eigene Chat-Detail-Seite mit klarer Erklärung, was passiert, statt Floating-Widget auf jeder Seite
• Skript wird erst nach Klick geladen – kein Hintergrund-Tracking, kein Auto-Open
• Consent-Banner-Vorschaltung für eingebettete Widgets, falls doch globale Einbindung
• Sichtbarer Hinweis direkt am Chat: Anbieter, Region, Speicherdauer, Link zur Datenschutzerklärung
• Möglichkeit, die Konversation zu löschen – sofort, mit einem Klick, ohne Account

Nicht empfohlen

• Floating-Widget über jeder Seite, das automatisch aufpoppt
• Drittanbieter-Skripte ohne Consent vor dem Laden
• Versteckte Tracking-Pixel im Chat-Verlauf
• Speicherdauer „bis auf Widerruf" ohne automatische Löschung
• Verzicht auf Datenschutz-Hinweis am Chat selbst

Wer einen Chatbot später produktiv betreibt, sollte zusätzlich Monitoring und Feedback-Loop einbauen: Welche Fragen kommen oft? Welche Antworten waren schlecht? Wo greift der Bot daneben? Ohne diese Schleife veraltet der Korpus und die Antwort-Qualität sinkt.

Häufige Fehler bei der Einführung

Bei der Bewertung von KI-Chatbot-Pilotprojekten wiederholen sich sechs Stolperstellen.

Punkte 1–3 sind die juristisch kritischen Fehler – Punkte 4–6 die qualitäts- und vertrauenskritischen

So führen Sie einen DSGVO-konformen KI-Chatbot ein

Eine saubere Einführung läuft in sechs Schritten. Wer sie der Reihe nach abarbeitet, hat in vier bis sechs Wochen einen Pilot live, der datenschutzrechtlich belastbar ist.

1. Use-Case definieren: Was beantwortet der Bot konkret? Ein klar abgegrenzter Pilot, nicht „alles".
2. Architektur wählen: Azure-OpenAI EU, EU-Anbieter oder On-Prem – mit Begründung pro Wahl.
3. DSGVO-Setup: AVV unterschreiben, Datenschutzerklärung erweitern, Speicherdauer festlegen, Lösch-Routine einrichten.
4. RAG-Korpus aufbauen: Dokumente aussuchen, sauber chunken, mit Meta-Daten anreichern, in Vektor-DB indexieren.
5. Integration entwickeln: eigene Chat-Detail-Seite, Consent-Vorschaltung, sichtbarer Datenschutz-Hinweis am Chat.
6. Pilot live + Monitoring: mit kleinem Nutzerkreis starten, Antworten prüfen, Korpus iterieren, dann ausrollen.