Datenminimierung
KI-Glossar
Das Prinzip, bei der Verarbeitung personenbezogener Daten auf das für den jeweiligen Zweck notwendige Minimum zu beschränken.
Kurzdefinition
Datenminimierung ist ein Grundsatz des Datenschutzrechts, der verlangt, dass personenbezogene Daten nur in dem Umfang erhoben, verarbeitet und gespeichert werden, der für den konkreten Verwendungszweck erforderlich ist. Im EU-Datenschutzrecht ist er in Art. 5 Abs. 1 lit. c DSGVO verankert.
Einfach erklärt
Datenminimierung bedeutet vereinfacht: Nicht mehr sammeln als nötig. Wenn ein KI-System eine Aufgabe auch mit weniger personenbezogenen Informationen erfüllen kann, sollte es die überschüssigen Daten nicht erheben. Das Prinzip schützt die Privatsphäre von Personen und reduziert gleichzeitig das Risiko, das durch Datenlecks oder Missbrauch entsteht.
Im KI-Kontext stellt Datenminimierung besondere Anforderungen: KI-Modelle werden typischerweise auf großen Datensätzen trainiert, und es ist nicht immer offensichtlich, welche Daten tatsächlich notwendig sind. Organisationen sollten für jeden KI-Einsatz prüfen, welche Daten wirklich gebraucht werden, und Zweckbindung sowie Löschfristen festlegen. Die konkrete Umsetzung hängt vom Einzelfall ab; im Zweifel empfiehlt sich eine datenschutzrechtliche Prüfung.
Beispiel aus dem Arbeitsalltag
Ein Unternehmen möchte KI einsetzen, um Kundenfeedback automatisch zu kategorisieren. Im Rahmen einer Datenschutzprüfung stellt es fest, dass für diese Aufgabe keine Namen oder Kontaktdaten der Kunden benötigt werden. Die Kundendaten werden vor der KI-Verarbeitung anonymisiert – der Name und die E-Mail-Adresse werden entfernt.
Warum ist der Begriff wichtig?
Datenminimierung ist ein rechtlich verankertes Prinzip, das bei jeder Verarbeitung personenbezogener Daten – auch durch KI – einzuhalten ist. Organisationen sollten prüfen, ob ihre KI-Anwendungen diesem Grundsatz entsprechen.
Über die rechtliche Anforderung hinaus hilft Datenminimierung, Datensicherheitsrisiken zu begrenzen: Daten, die nicht vorhanden sind, können auch nicht in falsche Hände geraten.
Chancen
- Reduziertes Datenschutzrisiko durch kleinere und gezieltere Datensätze
- Geringerer Speicher- und Verarbeitungsaufwand
- Erleichterung der DSGVO-Compliance
- Vertrauensaufbau bei Personen, deren Daten verarbeitet werden
Risiken und typische Fehler
- Zu starke Reduktion kann KI-Modellqualität beeinträchtigen, wenn wichtige Merkmale fehlen
- Einschätzung, welche Daten wirklich notwendig sind, ist nicht immer eindeutig
- Anforderungen können sich bei Zweckänderungen verschieben
- Technische Umsetzung in bestehenden Datenpipelines kann aufwendig sein
Verwandte Begriffe
Passende Inhalte im KI College
Lernen Sie Schritt für Schritt, wie Sie KI im Arbeitsalltag sinnvoll nutzen.
Use CasesKI im Arbeitsalltag anwenden
Entdecken Sie praktische Beispiele für typische Aufgaben im Beruf.
ToolsKI-Tools im Überblick
Finden Sie heraus, welche Tools zu welchen Aufgaben passen.