Geschäftsgeheimnisse und Vertraulichkeit im KI-Kontext

Lernziele

• Sie können die drei Voraussetzungen für den Schutz von Geschäftsgeheimnissen nach dem GeschGehG nennen und auf KI-relevante Szenarien anwenden.
• Sie kennen das Samsung-Vorfall-Beispiel (2023) und können daraus Handlungsempfehlungen für Ihre Organisation ableiten.
• Sie sind in der Lage, die vier Stufen der Informationsklassifizierung (Öffentlich / Intern / Vertraulich / Streng vertraulich) zu erklären und für Ihre Organisation zu operationalisieren.
• Sie verstehen das Shadow-AI-Problem und können konkrete Maßnahmen zur Risikominderung beschreiben.
• Sie können die Drei-Stufen-Freigabeliste für KI-Tools (analog Grün/Gelb/Rot) für Ihre Organisation nutzen und begründen.

Auf einen Blick

Worum geht es? — Der didaktische Einstieg

Im Frühjahr 2023 gab Samsung bekannt, dass Mitarbeitende des Halbleiterbereichs versehentlich vertrauliche Quellcodes und Protokolle interner Meetings in ChatGPT eingegeben hatten. Die Daten wurden Teil des KI-Trainings — und können nun potenziell von anderen Nutzenden abgefragt werden. Samsung reagierte mit einem internen Verbot von ChatGPT auf Unternehmensgeräten.

Dieser Vorfall illustriert ein systemisches Problem: Die Leistungsfähigkeit von KI-Tools verführt dazu, ihnen auch sensible Informationen anzuvertrauen. Mitarbeitende, die ein KI-Tool für eine Aufgabe nutzen wollen, denken selten zuerst an Geschäftsgeheimnisse und Vertraulichkeit. Sie denken an die Lösung ihres Problems.

UE 20 vermittelt das rechtliche Grundwissen (GeschGehG) und die praktischen Werkzeuge (Informationsklassifizierung, Freigabeliste), die notwendig sind, um dieses Risiko systematisch zu managen.

Lerntext — Theorie und Konzepte

Abb. 20.1 — Entscheidungsbaum: Welches KI-Tool für welche Information?

Das Geschäftsgeheimnisgesetz (GeschGehG)

Das GeschGehG (Gesetz zum Schutz von Geschäftsgeheimnissen, 2019) setzt die EU-Richtlinie 2016/943 um und schützt Unternehmen vor der unrechtmäßigen Weitergabe, Erlangung und Nutzung von Geschäftsgeheimnissen. Für ein Geschäftsgeheimnis müssen nach §2 GeschGehG drei Voraussetzungen kumulativ vorliegen:

Voraussetzung 1 — Geheimheit: Die Information ist nicht allgemein bekannt oder leicht zugänglich. Sie hat einen wirtschaftlichen Wert gerade wegen ihrer Geheimheit.

Voraussetzung 2 — Schutzmaßnahmen: Das Unternehmen hat angemessene Maßnahmen ergriffen, um die Information geheim zu halten. Das ist der kritische Punkt: Ohne aktive Schutzmaßnahmen (z. B. Zugangsbeschränkungen, Vertraulichkeitsvereinbarungen, Richtlinien) ist eine Information rechtlich kein schützenswertes Geschäftsgeheimnis — auch wenn sie intern als „vertraulich” gilt.

Voraussetzung 3 — Berechtigtes Interesse: Der Inhaber hat ein berechtigtes wirtschaftliches Interesse an der Geheimhaltung.

Konsequenz für KI: Wenn Mitarbeitende vertrauliche Informationen in externe KI-Tools eingeben, ohne dass das Unternehmen klare Richtlinien und Schutzmaßnahmen etabliert hat (Voraussetzung 2), kann das Unternehmen im Streitfall den Geheimnischarakter der Information nicht mehr belegen — und damit seinen Schutzanspruch verlieren.

Merksatz

Ein Geschäftsgeheimnis verliert seinen rechtlichen Schutz, wenn keine angemessenen Schutzmaßnahmen ergriffen wurden. Eine KI-Richtlinie, die den Umgang mit vertraulichen Informationen in KI-Tools regelt, ist also nicht nur ethisch geboten — sie ist rechtliche Grundvoraussetzung für den GeschGehG-Schutz.

Der Samsung-Vorfall 2023 — Analyse und Lehren

Was geschah: Im März und April 2023 gaben Samsung-Ingenieure in drei separaten Vorfällen vertrauliche Daten in ChatGPT ein: Quellcode für Halbleiter-Testequipment, interner Meeting-Inhalt und Software-Code. Samsung hatte zu diesem Zeitpunkt keine klare Richtlinie zur ChatGPT-Nutzung.

Rechtliche Konsequenzen: Samsung konnte keine Verletzung des GeschGehG durch OpenAI nachweisen, da unklar war, ob die Daten tatsächlich Teil des Trainings wurden und OpenAI keine Verletzung einräumte. Das Unternehmen war de facto schutzlos.

Maßnahmen: Samsung sperrte ChatGPT auf Unternehmensgeräten und begann mit der Entwicklung eines internen KI-Systems.

Lehren für Ihre Organisation: 1. Klare Richtlinie VOR der KI-Nutzung etablieren, nicht danach. 2. Informationsklassifizierung als Grundlage: Was darf in welches Tool eingegeben werden? 3. Schutzmaßnahmen dokumentieren — nur dann greift GeschGehG. 4. Mitarbeitende sensibilisieren — nicht erst nach einem Vorfall.

Die Vier-Stufen-Informationsklassifizierung

Eine systematische Informationsklassifizierung ist das praktische Werkzeug, um zu entscheiden, welche Informationen in welche KI-Tools eingegeben werden dürfen:

Stufe 1 — Öffentlich: Informationen, die bereits öffentlich zugänglich sind oder ohne Einschränkung weitergegeben werden dürfen. Beispiele: Pressemitteilungen, öffentliche Produktbeschreibungen, allgemeines Unternehmensprofil. → KI-Nutzung: Freie Nutzung in allen Tools (extern und intern).

Stufe 2 — Intern: Informationen, die nur für interne Zwecke bestimmt sind, aber keinen erhöhten Schutzbedarf haben. Beispiele: Interne Rundbriefe, allgemeine Prozessbeschreibungen, nicht-kritische Meeting-Protokolle. → KI-Nutzung: Nutzung in vertraglich gesicherten KI-Tools (AVV vorhanden), nicht in öffentlichen Free-Tools.

Stufe 3 — Vertraulich: Informationen, deren Bekanntwerden dem Unternehmen schaden könnte. Beispiele: Nicht-öffentliche Finanzdaten, Kundendaten, Strategiepapiere, Verträge. → KI-Nutzung: Nur in On-Premise-KI-Lösungen oder Enterprise-Versionen mit vertraglicher Nichttrainings-Garantie. Externe freie Tools: verboten.

Stufe 4 — Streng vertraulich: Informationen mit höchstem Schutzbedarf, deren Bekanntwerden schwere Schäden verursachen würde. Beispiele: Patentanmeldungen vor Einreichung, M&A-Informationen, kritische Sicherheitscodes. → KI-Nutzung: Grundsätzlich keine KI-Nutzung — nur unter extremen Ausnahmebedingungen mit internem Freigabeprozess.

Merksatz

Die Klassifizierungsstufe bestimmt, welches KI-Tool genutzt werden darf — nicht umgekehrt. Wer ein Tool wählt und dann prüft, was einzugeben erlaubt ist, denkt falsch herum.

Das Shadow-AI-Problem

Shadow AI bezeichnet die nicht autorisierte, unkontrollierte Nutzung von KI-Tools durch Mitarbeitende — außerhalb der offiziellen IT-Governance und ohne Wissen der Unternehmensführung. Analog zu Shadow IT (nicht autorisierte Software-Nutzung) ist Shadow AI ein wachsendes Risiko.

Typische Shadow-AI-Szenarien: - Mitarbeitende nutzen kostenlose Consumer-Versionen von KI-Tools (ChatGPT Free, Claude.ai) auf privaten Geräten für berufliche Aufgaben. - Abteilungen beschaffen KI-Tools ohne IT-Freigabe über eigene Budgets. - Mitarbeitende umgehen gesperrte Tools über VPN oder mobile Geräte.

Risiken von Shadow AI: - Datenschutzverletzungen (vertrauliche Daten in nicht genehmigten Tools). - Verlust des GeschGehG-Schutzes (fehlende Schutzmaßnahmen). - Sicherheitslücken (ungeprüfte Tools). - Fehlende Compliance-Dokumentation (Art. 26, Art. 4 AI Act). - Unkontrollierbare Qualität von KI-Outputs in kritischen Prozessen.

Gegenmaßnahmen: - Klare, verständliche KI-Richtlinie (einfache Sprache, nicht nur Juristentext). - Drei-Stufen-Freigabeliste (analog Grün/Gelb/Rot aus UE 17). - Positiv-Liste: Welche Tools sind genehmigt und unter welchen Bedingungen? - Regelmäßige Schulung und Sensibilisierung. - Technische Kontrollen (URL-Filter, DLP-Systeme) als ergänzende Maßnahme, aber keine alleinige Lösung.

Die Drei-Stufen-Freigabeliste

Analog zum Drei-Stufen-Freigabemodell aus UE 17 kann die Freigabeliste auf konkrete KI-Tools angewendet werden:

Grün (Freigegeben): Tools, die zentral beschafft, geprüft und mit AVV / Nichttrainings-Garantie ausgestattet sind. Für Stufe-1- und Stufe-2-Informationen.

Gelb (Bedingt freigegeben): Tools, die für bestimmte Nutzungsszenarien genehmigt sind, aber Einschränkungen haben (z. B. nur für Stufe-1-Informationen, nur mit Enterprise-Lizenz). Nutzung erfordert kurze Selbstprüfung der Informationsklassifizierung.

Rot (Gesperrt): Tools, die nicht genutzt werden dürfen — entweder weil kein AVV existiert, weil das Training nicht ausgeschlossen werden kann, oder weil das Sicherheitsniveau unbekannt ist.

Vertiefung — Technische Schutzmaßnahmen und vertragliche Absicherung

Data Loss Prevention (DLP)

DLP-Systeme können helfen, Shadow AI zu erkennen und vertrauliche Daten vor dem Verlassen des Unternehmensnetzwerks zu schützen. Modern DLP-Lösungen können: - Den Upload von Dokumenten auf externe Websites (inkl. KI-Tools) erkennen und blockieren. - Keywords oder Muster (z. B. Kundennummern, Patentnummern) in ausgehenden Daten erkennen. - Warnmeldungen an Compliance-Teams senden.

Wichtig: DLP ist eine ergänzende Maßnahme, keine Lösung. Ohne Schulung und Bewusstsein der Mitarbeitenden entstehen neue Umgehungswege (z. B. Abtippen statt Copy-Paste).

Vertragliche Absicherung mit KI-Anbietern

Für den Einsatz von KI-Tools mit nicht-öffentlichen Informationen ist eine vertragliche Absicherung unerlässlich:

Nichttrainings-Garantie: Der KI-Anbieter bestätigt vertraglich, dass Eingaben nicht zum Training des Modells genutzt werden. OpenAI Enterprise, Microsoft Copilot for M365 und ähnliche Enterprise-Produkte bieten dies standardmäßig.

AVV (Auftragsverarbeitungsvertrag nach Art. 28 DSGVO): Wenn personenbezogene Daten verarbeitet werden — auch in KI-Tools — ist ein AVV Pflicht.

Datenresidenz: Für besonders sensible Daten: Wo werden die Daten verarbeitet und gespeichert? Tools mit EU-Datenspeicherung reduzieren regulatorische Risiken.

Branchen-Anwendungen

IT-Dienstleistung & Beratung

IT-Dienstleistungsunternehmen verarbeiten täglich Kundendaten (Code, Systemkonfigurationen, Architekturdokumente). Wenn Berater KI-Tools nutzen, um Kundenlösungen zu entwickeln, müssen Kundendaten als Stufe-3 oder höher klassifiziert werden. Kundenverträge sollten explizite Regelungen zur KI-Nutzung enthalten: Darf der Berater KI-Tools nutzen? Unter welchen Bedingungen? Mit welchen Datenschutzgarantien?

Industrie & Fertigung

Produktionspläne, Konstruktionszeichnungen und Rezepturen sind typische Geschäftsgeheimnisse. Die Versuchung, diese in KI-Tools zur Optimierung einzugeben, ist groß. Empfehlung: On-Premise-KI-Lösungen für hochsensible Fertigungsdaten. Klare Richtlinie: Konstruktionszeichnungen gehören zu Stufe 4 — keine externe KI-Nutzung.

Finanzdienstleistung & Versicherung

Im Finanzsektor sind fast alle kundenbezogenen Daten und viele interne Daten vertraulich oder streng vertraulich. Regulatorische Anforderungen (BaFin, EBA) kommen zu GeschGehG-Anforderungen hinzu. Empfehlung: Strikte Trennung von öffentlichen und internen KI-Umgebungen. Nur Enterprise-Tools mit vertraglicher Absicherung für nicht-öffentliche Daten.

Öffentliche Verwaltung

Behörden verarbeiten oft besonders sensible Daten (personenbezogen, verteidigungsrelevant, sicherheitskritisch). Für viele Kategorien von Behördendaten ist externe KI-Nutzung grundsätzlich ausgeschlossen. Empfehlung: Strikte Klassifizierung nach VSA (Verschlusssachenverwaltung), die direkt mit der KI-Nutzungsrichtlinie verknüpft wird. Öffentliche KI-Tools nur für öffentlich zugängliche Informationen.

Übung 1 — Informationsklassifizierung

Der Samsung-Vorfall — Lehren für Unternehmen

Der Samsung-Vorfall von April 2023 gilt als wichtigstes Praxisbeispiel für die Risiken des unkontrollierten KI-Einsatzes mit vertraulichen Daten. Was genau geschah:

Drei Samsung-Ingenieure gaben innerhalb weniger Wochen sensible Unternehmensdaten in ChatGPT ein: - Fall 1: Quellcode für ein Software-Tool zur Identifizierung fehlerhafter Halbleiter-Ausrüstung (zur Code-Optimierung) - Fall 2: Quellcode für ein Messgerät für die Halbleiter-Ausrüstung (zur Fehlersuche) - Fall 3: Mitschrift einer internen Besprechung (zur Erstellung eines Meeting-Memorandums)

Der entscheidende Punkt: OpenAI nutzte zu diesem Zeitpunkt Nutzereingaben standardmäßig für das Training — das heißt, diese sensiblen Informationen flossen potentiell in das Trainings-Dataset ein. Samsung hat als Reaktion ChatGPT für alle internen Systeme vorübergehend gesperrt und danach ein internes, isoliertes KI-System für sensible Anwendungen eingeführt.

Lehren für Unternehmen: 1. Alle Mitarbeitenden müssen wissen, dass Eingaben in Cloud-KI-Dienste potenziell in Training-Daten einfließen können — es sei denn, es gelten spezifische Opt-Out-Vereinbarungen (z. B. OpenAI Enterprise). 2. Informationsklassifizierung muss auf KI-Tools ausgeweitet werden: Für Daten der Kategorie „Vertraulich” und höher sollten nur On-Premise- oder Private-Cloud-KI-Systeme verwendet werden. 3. Technische Maßnahmen (z. B. DLP — Data Loss Prevention) können helfen, aber kein technisches System ersetzt das Bewusstsein der Mitarbeitenden.

Das Shadow-AI-Problem in der Praxis

Shadow AI bezeichnet den unkontrollierten, nicht von der IT-Abteilung genehmigten Einsatz von KI-Tools durch Mitarbeitende. Eine 2024 von Salesforce durchgeführte Studie ergab, dass 55 % der befragten Wissensarbeiter KI-Tools nutzen, die nicht von ihrer Organisation offiziell freigegeben sind.

Warum entsteht Shadow AI? Oft aus guten Motiven: Mitarbeitende wollen produktiver sein und nutzen Tools, die ihnen dabei helfen. Die offizielle IT-Freigabe dauert zu lange oder die freigegebenen Tools sind nicht so leistungsfähig wie nicht freigegebene Alternativen.

Was sind die Risiken? - Datenschutz: Unbekannt, welche Datenschutzstandards der nicht freigegebene Dienst hat - Vertraulichkeit: Unbekannt, ob Eingaben für Training genutzt werden - Compliance: Das Unternehmen kann keine AI-Act-Compliance für Tools gewährleisten, die es nicht kennt - Haftung: Im Schadensfall ist die Haftungssituation unklar

Merksatz

Shadow AI ist ein Governance-Problem, kein Technologieproblem. Die Lösung liegt nicht im Verbot (das schafft Underreporting), sondern im Aufbau eines attraktiven, schnell zugänglichen, genehmigten KI-Tool-Portfolios, das die Bedürfnisse der Mitarbeitenden erfüllt.

Informationsklassifizierung — Implementierungshinweise

Die 4-Stufen-Informationsklassifizierung (Öffentlich / Intern / Vertraulich / Streng Vertraulich) muss in der Praxis mit Leben gefüllt werden:

Öffentlich: Informationen, die für die allgemeine Öffentlichkeit bestimmt sind oder wurden. KI-Dienst: Jeder Cloud-KI-Dienst. Beispiele: Produktbeschreibungen, Pressemitteilungen, veröffentlichte Berichte.

Intern: Informationen, die nur für Mitarbeitende des Unternehmens bestimmt sind, aber keine hohe Sensitivität haben. KI-Dienst: Freigegebene Cloud-KI-Dienste mit AVV und Opt-Out von Training. Beispiele: interne Prozessbeschreibungen, allgemeine Projektpläne, Schulungsunterlagen.

Vertraulich: Informationen mit hoher Sensitivität, deren Offenlegung das Unternehmen oder Dritte schädigen könnte. KI-Dienst: Nur Unternehmenseigene oder Private-Cloud-KI-Systeme mit nachgewiesener Datenisolation. Beispiele: Geschäftsstrategien, unveröffentlichte Finanzdaten, Personalakten, Kundendaten mit PII.

Streng Vertraulich: Informationen, deren Offenlegung schwerwiegende rechtliche oder geschäftliche Folgen hätte. KI-Dienst: Keine Cloud-KI. Nur On-Premise-Systeme in kontrollierten Umgebungen. Beispiele: M&A-Informationen vor Bekanntgabe, Quellcode von Kernprodukten, Patentanträge vor Einreichung.

Technische Schutzmaßnahmen gegen Datenleakage

Neben organisatorischen Maßnahmen (Richtlinien, Schulungen) können technische Maßnahmen den Abfluss vertraulicher Daten in KI-Systeme verhindern:

Data Loss Prevention (DLP): DLP-Systeme überwachen Datenströme und blockieren oder warnen, wenn sensible Informationen (z. B. Kreditkartennummern, Sozialversicherungsnummern, Geschäftsgeheimnisse) in nicht autorisierte Kanäle übermittelt werden sollen. Moderne DLP-Systeme können auch KI-Tool-Zugriffe überwachen und blockieren.

Browser-Extensions und API-Gateways: Spezialisierte Browser-Extensions oder API-Gateways für Unternehmen (z. B. von Anbieter wie Nightfall, Securiti oder Fortra) können Prompts vor dem Senden an externe KI-Dienste auf sensitive Inhalte prüfen und ggf. blockieren oder anonymisieren.

Zero-Trust-Architektur: Ein Zero-Trust-Ansatz für den Zugriff auf externe KI-Dienste: Mitarbeitende erhalten nur Zugriff auf die freigegebenen KI-Tools über kontrollierte Kanäle; alle anderen Verbindungen zu externen KI-APIs werden geblockt.

Private KI-Instanzen: Für hochsensitive Anwendungen: Deployment von KI-Modellen in der eigenen IT-Infrastruktur (On-Premise oder Private Cloud). Kein Datenaustausch mit externen Diensten. Beispiel: Deployment von Open-Source-LLMs (z. B. Llama 3, Mistral) auf eigenen Servern.

Kosten-Nutzen-Überlegung: Technische Maßnahmen sind wirksam, aber kostspielig. Empfehlung: Risikobasierter Ansatz — technische Maßnahmen priorisieren für Hochrisiko-Daten (Streng vertraulich, Vertraulich), für Intern-Daten auf Schulung und Richtlinien setzen.

Fallstudie Samsung — Lessons Learned im Detail

Die drei Samsung-Vorfälle von April 2023 verdienen eine detailliertere Analyse, weil sie typische Muster zeigen:

Psychologie des Vorfalls: Alle drei Mitarbeitenden handelten nicht aus böser Absicht — sie wollten produktiver sein. Das ist der Normalfall bei Datenleck-Vorfällen durch KI: keine kriminelle Energie, sondern ein Mangel an Bewusstsein für die Konsequenzen.

Strukturelle Ursache: Samsung hatte zum Zeitpunkt der Vorfälle keine klare Unternehmensrichtlinie zum Umgang mit ChatGPT. Die Mitarbeitenden hatten keine Orientierung, was erlaubt ist und was nicht.

Reaktion und Lessons Learned: Samsung hat daraufhin eine interne ChatGPT-ähnliche Lösung eingeführt (auf Basis von intern deployierten Modellen), eine klare Informationsklassifizierungsrichtlinie eingeführt und alle Mitarbeitenden zum sicheren Umgang mit KI-Tools geschult. Dies ist das Musterbeispiel für eine angemessene Reaktion auf einen KI-Datenschutzvorfall.

Übertragbare Learnings für Ihre Organisation: 1. Richtlinien vor Vorfällen, nicht danach 2. Technische Maßnahmen (internes KI-System für sensible Daten) schützen besser als Verbote 3. Schulungen müssen konkrete Beispiele und klare Regeln enthalten — abstrakte Prinzipien reichen nicht

Übung 1 — Klassifizierungsübung: Welche Stufe?

Aufgabe: Ordnen Sie die folgenden Informationen der richtigen Klassifizierungsstufe zu (Öffentlich / Intern / Vertraulich / Streng vertraulich) und entscheiden Sie, ob sie in ein externes KI-Tool (z. B. ChatGPT Free) eingegeben werden dürfen.

1. Die Pressemitteilung zur Produktneueinführung, die morgen veröffentlicht wird.
2. Das monatliche interne Newsletter-Schreiben der Geschäftsführung an alle Mitarbeitenden.
3. Ein Vertragsentwurf mit einem Neukunden, der noch nicht unterschrieben ist.
4. Der Source-Code eines proprietären Produkts.
5. Die Jahresplanung eines Unternehmens, die noch nicht veröffentlicht wurde.

Bearbeitungszeit: 10 Minuten.

Musterlösung:

1. Pressemitteilung (vor Veröffentlichung): Vertraulich — noch nicht öffentlich, Veröffentlichungsdatum ist strategisch. Kein externes KI-Tool.
2. Internes Newsletter: Intern — nur für MA bestimmt, aber kein erhöhter Schutzbedarf. Nur vertraglich gesicherte Tools.
3. Vertragsentwurf: Vertraulich/Streng vertraulich — Kundenbeziehung, Konditionen. Kein externes Tool, nur On-Premise oder Enterprise mit Nichttrainings-Garantie.
4. Proprietärer Source-Code: Streng vertraulich — Kerngeschäftsgeheimnis. Keine externe KI-Nutzung.
5. Nicht-öffentliche Jahresplanung: Vertraulich/Streng vertraulich — strategisch sensitiv. Kein externes Tool.

Übung 2 — Shadow-AI-Risikoanalyse

Übung 2 — Shadow-AI-Risikoanalyse

Szenario: In Ihrer Organisation hat eine Vertriebsmitarbeiterin regelmäßig Kundenangebote und -protokolle in ChatGPT (kostenlose Version) eingegeben, um schnell Zusammenfassungen und Follow-Up-E-Mails zu erstellen. Sie wusste nicht, dass dies problematisch sein könnte. Dies geschah über 3 Monate hinweg.

Aufgabe: Analysieren Sie die rechtlichen Risiken. Welche unmittelbaren Maßnahmen sind erforderlich? Was sollte mittelfristig geändert werden?

Bearbeitungszeit: 20 Minuten, Gruppenarbeit.

Musterlösung:

Rechtliche Risiken: - DSGVO: Wenn Kundenangebote personenbezogene Daten enthalten (Name, Unternehmen, Kontakt), liegt eine Übermittlung ohne Rechtsgrundlage vor. Kein AVV mit OpenAI für die kostenlose Version. Meldepflicht an DSB prüfen (Art. 33 DSGVO: Meldung an Behörde wenn Risiko für Betroffene). - GeschGehG: Angebotsinhalte, Preise, Konditionen sind Geschäftsgeheimnisse. Ohne klare Schutzmaßnahmen (fehlende Richtlinie) geschwächter Schutzanspruch. - Kundenpflichten: Wenn Kundenverträge Vertraulichkeitsklauseln enthalten → potenzielle Vertragsverletzung.

Sofortmaßnahmen: 1. Vorfall intern dokumentieren. 2. DSB einschalten — Risikobewertung nach Art. 33 DSGVO. 3. Prüfen, ob Kunden informiert werden müssen (Art. 34 DSGVO). 4. Mitarbeiterin schulen (keine Disziplinarmaßnahme, wenn keine Richtlinie existierte).

Mittelfristige Maßnahmen: 1. Sofort KI-Nutzungsrichtlinie erstellen. 2. Informationsklassifizierung einführen. 3. Enterprise-Tool mit AVV beschaffen (z. B. Copilot for M365). 4. Schulung aller Mitarbeitenden. 5. DLP-Maßnahmen prüfen.

GeschGehG — Die drei Voraussetzungen im Detail

Das Gesetz zum Schutz von Geschäftsgeheimnissen (GeschGehG, 2019) setzt die EU-Richtlinie 2016/943 um und definiert ein Geschäftsgeheimnis durch drei kumulative Voraussetzungen:

Voraussetzung 1 — Geheimheit (§ 2 Nr. 1 lit. a GeschGehG): Die Information ist nicht allgemein bekannt oder zugänglich. Nicht jede interne Information ist ein Geschäftsgeheimnis — sie muss tatsächlich geheim sein. Information, die in Branchenberichten oder öffentlichen Präsentationen erwähnt wird, ist kein Geheimnis mehr.

Voraussetzung 2 — Kommerzieller Wert aufgrund der Geheimheit (§ 2 Nr. 1 lit. b GeschGehG): Die Information hat kommerziellen Wert, weil sie geheim ist. Klassische Beispiele: Kundenlisten, Preiskalkulationen, Produktionsverfahren, Algorithmen, Geschäftsstrategien.

Voraussetzung 3 — Angemessene Schutzmaßnahmen (§ 2 Nr. 1 lit. c GeschGehG): Der Inhaber hat angemessene Maßnahmen ergriffen, um die Geheimheit zu wahren. Dies ist die kritische Voraussetzung für den GeschGehG-Schutz: Ohne dokumentierte Schutzmaßnahmen kein rechtlicher Schutz — auch wenn die Information faktisch geheim ist.

Konsequenz für den KI-Einsatz: Wenn ein Mitarbeitender Geschäftsgeheimnisse in einen externen Cloud-KI-Dienst eingibt, ohne dass das Unternehmen Schutzmaßnahmen (z. B. Richtlinien, Informationsklassifizierung, technische Sperren) implementiert hat, riskiert das Unternehmen den GeschGehG-Schutz zu verlieren — weil die Schutzmaßnahmen nicht mehr als angemessen gelten können.

Drei-Stufen-Freigabemodell für KI-Tools

Das Drei-Stufen-Freigabemodell (Grün / Gelb / Rot) bietet eine einfache, kommunizierbare Entscheidungsgrundlage:

Grün — Freigegeben: Tools und Anwendungsfälle, die ohne zusätzliche Prüfung genutzt werden dürfen. Voraussetzungen: Daten der Kategorie „Öffentlich” oder „Intern”, AVV vorhanden, vom Datenschutzbeauftragten geprüft, kein Risiko für Geschäftsgeheimnisse. Beispiele: Nutzung von ChatGPT-Enterprise für die Erstellung von Marketingtexten auf Basis öffentlicher Produktinformationen.

Gelb — Freigegeben mit Auflagen: Nutzung ist unter bestimmten Bedingungen erlaubt. Voraussetzungen müssen erfüllt sein, z. B.: Daten müssen anonymisiert werden, spezifische Prompting-Richtlinien müssen befolgt werden, Output muss von Fachexperten geprüft werden. Beispiele: Nutzung von KI-Übersetzungstools für interne Dokumente, die keine personenbezogenen Daten enthalten.

Rot — Verboten oder genehmigungspflichtig: Tools oder Anwendungsfälle, die grundsätzlich nicht erlaubt sind oder einer individuellen Genehmigung durch Datenschutz/Compliance bedürfen. Beispiele: Eingabe von Kundendaten mit PII in externe KI-Dienste ohne spezifische Genehmigung, Nutzung von KI-Tools für M&A-relevante Analysen über nicht freigegebene Dienste.

Sicherheitskultur und KI — Der menschliche Faktor

Die technisch stärksten Schutzmaßnahmen können durch menschliches Fehlverhalten ausgehebelt werden. Sicherheitskultur — das kollektive Bewusstsein für Risiken und die gemeinsame Bereitschaft, Schutzmaßnahmen einzuhalten — ist der entscheidende Faktor:

Psychologie der Sicherheitskultur: Mitarbeitende, die Sicherheitsregeln als sinnvoll und fair erleben, halten sie eher ein. Regeln, die als bürokratisch und willkürlich empfunden werden, werden umgangen — bewusst oder unbewusst. Daher: Erklären Sie, warum die Informationsklassifizierung und das Freigabemodell wichtig sind. Nicht „das sind die Regeln”, sondern „das ist der Samsung-Vorfall — das wollen wir verhindern”.

Soziale Normen: Wenn Kollegen und Führungskräfte offen KI-Tools mit sensiblen Daten nutzen, fühlt sich das Gleiche für andere als normal an. Umgekehrt: Wenn positive Vorbilder vorhanden sind, die konsequent die Regeln einhalten, entsteht ein sozialer Druck zur Regelkonformität.

Fehlerkultur: Wenn Mitarbeitende Angst haben, Fehler (z. B. versehentliche PII-Eingabe in ChatGPT) zu melden, wird das Problem verschwiegen — und kann sich ausweiten. Eine offene Fehlerkultur, die Meldung ermutigt und Konsequenzen minimiert (soweit möglich), schützt besser als ein Strafregime.

Warnung — Compliance-Risiko: Geschäftsgeheimnisse in KI-Tools

Die Eingabe von Geschäftsgeheimnissen in externe KI-Tools kann den rechtlichen Schutz nach GeschGehG dauerhaft vernichten — denn der Schutz setzt voraus, dass angemessene Schutzmaßnahmen existieren. Wenn Ihr Unternehmen keine KI-Nutzungsrichtlinie hat und Mitarbeitende regelmäßig vertrauliche Daten in externe Tools eingeben, kann im Streitfall argumentiert werden, dass das Unternehmen keine angemessenen Schutzmaßnahmen ergriffen hat — und der GeschGehG-Schutz damit entfällt. Parallel dazu drohen DSGVO-Bußgelder (bis zu 20 Mio. € oder 4 % Jahresumsatz) bei personenbezogenen Daten und zivilrechtliche Schadenersatzansprüche von Kunden bei Verletzung vertraglicher Vertraulichkeitspflichten. Empfehlung: Keine KI-Nutzungsrichtlinie zu haben ist kein neutraler Zustand — es ist ein aktives Compliance-Risiko.

Cheatsheet — Geschäftsgeheimnisse und KI

KI-Policy-Entwicklung — Ein Leitfaden

Eine KI-Policy ist das zentrale Steuerungsdokument für den KI-Einsatz in einer Organisation. Sie definiert, was erlaubt ist, was unter Auflagen erlaubt ist und was verboten ist. Wie entwickeln Sie eine wirksame KI-Policy?

Phase 1 — Bestandsaufnahme: Welche KI-Tools werden bereits eingesetzt (auch inoffiziell)? Welche Anwendungsfälle sind geplant? Was sind die wichtigsten Datentypen, die in KI-Systeme eingehen?

Phase 2 — Risikoanalyse: Für welche Anwendungsfälle und Datentypen bestehen die größten Risiken (DSGVO, Vertraulichkeit, AI Act, Urheberrecht)?

Phase 3 — Regelentwicklung: Entwickeln Sie klare, verständliche Regeln für die Risikobereiche. Nutzen Sie das Drei-Stufen-Freigabemodell (Grün/Gelb/Rot) als Kommunikationsrahmen.

Phase 4 — Konsultation: Binden Sie Stakeholder ein: Datenschutzbeauftragte/r, Legal, IT-Security, HR, Betriebsrat. Nur eine Policy, die von allen getragen wird, wird auch eingehalten.

Phase 5 — Kommunikation: Präsentieren Sie die Policy in verständlicher Sprache — nicht als juristische Prosa. Nutzen Sie Visualisierungen, Beispiele und FAQs.

Phase 6 — Durchsetzung und Update: Eine Policy, die nicht durchgesetzt wird, ist wertlos. Definieren Sie, wer für die Einhaltung verantwortlich ist und wie Verstöße behandelt werden. Planen Sie regelmäßige Updates (mindestens jährlich).

Prompt-Beispiel: Informationsklassifizierung und KI-Freigabe-Richtlinie erstellen

Rolle: Sie sind ein erfahrener Information-Security-Beauftragter mit Kenntnissen des GeschGehG (Gesetz zum Schutz von Geschäftsgeheimnissen) und der DSGVO. Sie entwickeln praxistaugliche Informationsschutzkonzepte für mittelständische Unternehmen.

Aufgabe: Erstellen Sie für die beschriebene Organisation: (1) Eine Informationsklassifizierungsmatrix mit vier Stufen (Öffentlich / Intern / Vertraulich / Streng vertraulich), die konkrete Beispiele für typische Unternehmensinformationen jeder Stufe enthält, (2) Eine darauf aufbauende KI-Tool-Freigabe-Richtlinie, die festlegt, welche Informationsstufen in welche KI-Tools eingegeben werden dürfen.

Kontext: Organisation: [Branche, Art der verarbeiteten Informationen, welche KI-Tools sind im Einsatz oder geplant, gibt es bereits eine Informationsklassifizierungspolitik?]

Format: (1) Tabelle: Klassifizierungsstufe | Definition | Beispiele (5 pro Stufe) | Zugangsbeschränkung. (2) KI-Freigabe-Matrix: KI-Tool | Anbieter/Datenspeicherung | Maximal zulässige Klassifizierungsstufe | Begründung | Ausnahmen. Klarer, verständlicher Stil.

Branchen-Vignette — Geschäftsgeheimnis-Verlust durch KI-Prompt (Samsung-Analogie)

Ein deutsches Automobilzulieferunternehmen beauftragt einen Ingenieur, eine komplexe Fehleranalyse für eine neue Batteriezellenkomponente durchzuführen. Der Ingenieur gibt die vollständige technische Spezifikation der Komponente — einschließlich Herstellungsverfahren und Materialkombinationen, die als Betriebsgeheimnisse gelten — in ein öffentlich zugängliches KI-Tool ein, um sich Hilfe bei der Fehlerdiagnose zu holen.

Analyse nach GeschGehG: Die drei Voraussetzungen für Geschäftsgeheimnisschutz (§ 2 Nr. 1 GeschGehG): (a) Geheimhaltungsinteresse: ja, die Spezifikation ist wirtschaftlich wertvoll und nicht öffentlich bekannt. (b) Geheimhaltungsmaßnahmen: Wenn das Unternehmen keine klare Informationsklassifizierung und keine Schulung der Mitarbeitenden hat, könnte ein Gericht urteilen, dass keine ausreichenden Schutzmaßnahmen ergriffen wurden — und der Schutz damit entfällt. (c) Berechtigtes Interesse: ja.

Konsequenz: Das Unternehmen verliert potenziell seinen Geschäftsgeheimnisschutz gegenüber dem KI-Anbieter und ggf. Wettbewerbern, wenn diese Zugang zu den Trainingsdaten oder den Gesprächsverläufen des Tools bekommen. Der Samsung-Vorfall (2023) hat genau dieses Szenario für Quellcode realisiert.

Gegenstrategie: Das Unternehmen führt die Vier-Stufen-Klassifizierung und eine KI-Freigabe-Liste ein. Technische Kernspezifikationen mit Betriebsgeheimnischarakter werden als „Streng vertraulich — Kein KI-Tool” klassifiziert.

Vertiefung II — Vertragsgestaltung zum Schutz von Geschäftsgeheimnissen beim KI-Einsatz

Neben technischen und organisatorischen Schutzmaßnahmen ist die vertragliche Absicherung gegenüber KI-Anbietern ein zentrales Instrument des Geheimnisschutzes.

Mindestklauseln im AVV / Servicevertrag mit KI-Anbieter:

1. Training-Opt-out-Klausel: Expliziter Ausschluss der Nutzung eingefügter Daten für das Training von KI-Modellen. Viele Anbieter bieten dies standardmäßig an (Enterprise-Tarife), aber der Opt-out muss aktiv konfiguriert werden.
2. Vertraulichkeitsklausel: Alle durch den Kunden eingegebenen Daten werden als vertraulich behandelt und dürfen nicht an Dritte weitergegeben werden.
3. Lösch- und Rückgabepflichten: Nach Vertragsende müssen alle kundenseitigen Daten gelöscht werden — inkl. Gesprächsverläufe und Nutzungslogs.
4. Sicherheitsanforderungen: Technische Mindeststandards für die Datensicherheit (Verschlüsselung, Zugriffskontrolle, Penetrationstests) müssen vertraglich definiert sein.
5. Subunternehmerpflicht: Liste der Subunternehmer, die Kundendaten verarbeiten, muss offengelegt werden. Widerspruchsrecht des Kunden bei neuen Subunternehmern.

Praxisempfehlung für Vertragsverhandlungen: Große KI-Anbieter bieten in der Regel nicht-verhandelbare Standard-AVVs an. Prüfen Sie diese auf die obigen fünf Punkte. Wenn ein Punkt fehlt: Wählen Sie einen anderen Anbieter oder schränken Sie die erlaubten Datenkategorien restriktiv ein. Dokumentieren Sie die Prüfung für den GeschGehG-Nachweis.

Zusammenfassung UE 20

Das Gesetz zum Schutz von Geschäftsgeheimnissen (GeschGehG) schützt Informationen, die (1) geheim sind, (2) kommerziellen Wert haben und (3) durch angemessene Schutzmaßnahmen gesichert werden. Alle drei Voraussetzungen müssen kumulativ erfüllt sein. Der Samsung-Vorfall 2023 illustriert das Risiko: Mitarbeitende gaben sensible Daten in ChatGPT ein, ohne dass Unternehmensrichtlinien existierten — mit potenziell dauerhaftem Verlust des GeschGehG-Schutzes. Die 4-Stufen-Informationsklassifizierung (Öffentlich/Intern/Vertraulich/Streng vertraulich) und das Drei-Stufen-Freigabemodell (Grün/Gelb/Rot) geben Mitarbeitenden klare Entscheidungsgrundlagen. Shadow AI ist ein Governance-Problem, das durch attraktive, genehmigte Tool-Portfolios gelöst wird — nicht durch Verbote. Technische Maßnahmen (DLP, Private KI-Instanzen) ergänzen organisationale Lösungen.

Querverweise zu anderen UEs

Geschäftsgeheimnisschutz (UE 20) ist komplementär zum Urheberrecht (UE 19) und zur DSGVO (UE 13–14). Wo DSGVO die Rechte der betroffenen Personen schützt, schützt GeschGehG die wirtschaftlichen Interessen des Unternehmens. Das Drei-Stufen-Freigabemodell aus UE 20 ist ein praktisches Instrument, das die DSGVO-Anforderungen (welche Daten wohin?) mit den GeschGehG-Anforderungen (welche Infos wohin?) zusammenführt. In der Fallstudie (UE 24) bildet UE 20 Teil von Block C.

Abschlussbetrachtung — KI-Compliance als Teamaufgabe

Die Einhaltung regulatorischer Anforderungen im KI-Bereich ist keine Aufgabe, die allein bei der Rechts- oder Compliance-Abteilung liegt. Jede:r Mitarbeitende, der oder die KI-Tools nutzt, trägt Mitverantwortung dafür, dass diese regelkonform eingesetzt werden. Dies setzt voraus, dass Anforderungen klar kommuniziert und verständlich aufbereitet werden — in Form von Schulungen, Leitfäden und zugänglichen Checklisten. Wichtig ist auch, eine offene Fehlerkultur zu fördern: Wer unsicher ist, ob eine KI-Anwendung den Anforderungen entspricht, sollte dies offen ansprechen können, ohne Sanktionen befürchten zu müssen. Compliance-Probleme lassen sich am besten im Dialog lösen — durch frühzeitige Klärung, nicht durch nachträgliche Korrekturen. Machen Sie daher Compliance-Fragen zu einem regulären Tagesordnungspunkt in Team-Meetings und fördern Sie den konstruktiven Austausch über aktuelle Entwicklungen im KI-Recht.

Reflexionsfragen

1. Haben Sie in Ihrer Organisation bereits eine Informationsklassifizierung eingeführt? Wenn nicht: Was wäre der erste Schritt?
2. Wie würden Sie Shadow AI in Ihrer Organisation erkennen, wenn keine technischen Überwachungssysteme vorhanden sind?
3. Was sollten Sie einem Mitarbeitenden antworten, der sagt: „Ich nutze ChatGPT privat, nicht auf Firmengeräten — das geht das Unternehmen nichts an”?
4. Welche Informationen in Ihrer täglichen Arbeit fallen wahrscheinlich unter Stufe 3 oder 4?
5. Welche Maßnahmen würden Sie priorisieren, wenn Ihr Unternehmen heute noch keine KI-Nutzungsrichtlinie hat?
6. Das GeschGehG verlangt „angemessene Geheimhaltungsmaßnahmen”. Sind die Maßnahmen in Ihrer Organisation angemessen — oder gibt es Bereiche, in denen die Schutzmaßnahmen den KI-Risiken nicht entsprechen?
7. Shadow AI — also ungenehmigte KI-Nutzung durch Mitarbeitende — ist ein wachsendes Problem. Was sind die Hauptgründe, warum Mitarbeitende KI-Tools trotz organisatorischer Verbote nutzen? Welche Maßnahmen adressieren die Ursachen, nicht nur die Symptome?

Vertragsgestaltung mit KI-Anbietern — Checkliste

Wenn ein Unternehmen einen Vertrag mit einem KI-Anbieter abschließt, sollten folgende Aspekte geprüft und ggf. verhandelt werden:

DSGVO-Anforderungen: - AVV vorhanden und DSGVO-konform? - Opt-Out vom Training mit Kundendaten? - Unterauftragsverarbeiter offengelegt? - Löschfristen für verarbeitete Daten definiert? - Breach-Notification-Pflicht des Anbieters vereinbart (72h)?

AI-Act-Anforderungen: - Konformitätserklärung für Hochrisiko-Systeme vorhanden? - Technische Dokumentation nach Art. 11 verfügbar? - Gebrauchsanleitung nach Art. 13 vorhanden? - Incident-Notification-Pflicht des Anbieters vereinbart?

GeschGehG-Anforderungen: - Vertraulichkeitspflicht des Anbieters? - Verbot der Nutzung von Kundendaten für eigene Modellverbesserung? - Non-Disclosure-Agreement für proprietäre Eingaben?

Urheberrecht: - Eigentumsregeln für KI-Outputs? - Keine Trainingsdaten aus geschützten Quellen ohne Nachweis?

Allgemeine Vertragsbedingungen: - SLA für Verfügbarkeit und Leistung? - Auditrechte für Deployer? - Haftungsregelung bei KI-Fehlern? - Kündigungsrecht bei Compliance-Verletzungen des Anbieters?

Merksatz zu UE 20: Ohne angemessene Schutzmaßnahmen kein GeschGehG-Schutz. Die Richtlinie, die Mitarbeitende sensibilisiert, ist selbst eine Schutzmaßnahme. Wer Mitarbeitende nicht schult, schützt seine Geheimnisse nicht ausreichend.

Quellen & Weiterlesen

Ergänzung: KI-Sicherheitsarchitektur für den Geheimnisschutz

DLP (Data Loss Prevention): Software, die das unbeabsichtigte Übermitteln sensibler Daten an externe Systeme (inkl. KI-Tools) erkennt und verhindert. Moderne DLP-Systeme können auch Cloud-Anwendungen und Browser-Aktivitäten überwachen.

Private KI-Instanzen: Anbieter wie Microsoft (Azure OpenAI), SAP (Joule) oder IBM (watsonx) bieten mandantenisolierte KI-Instanzen an, bei denen Daten nicht für das öffentliche Training genutzt werden. Höhere Kosten, aber aus GeschGehG-Perspektive vorzuziehen.

Vertragliche Mindestklauseln mit KI-Anbieter:

Informationsklassifizierung — Kurzübersicht:

Trainer-Hinweise

KI-Informationsklassifizierung in der Praxis umsetzen

Die Implementierung einer 4-Stufen-Informationsklassifizierung ist oft einfacher als befürchtet — wenn sie pragmatisch angegangen wird:

Pragmatischer Start: Beginnen Sie nicht damit, alle existierenden Dokumente zu klassifizieren (das ist zu aufwändig). Starten Sie mit einer Regel für neue Dokumente und einem klaren Grundsatz für KI-Prompts: „Im Zweifel: höhere Klassifizierungsstufe annehmen.”

Visuelle Hilfsmittel: Hängen Sie in den Büroräumen eine einfache Grafik auf, die die vier Klassifizierungsstufen und die erlaubten KI-Tools zeigt. Einfachheit ist entscheidend.

Integration in bestehende Systeme: Wenn Ihr Unternehmen bereits ein DMS (Dokumentenmanagementsystem) nutzt, integrieren Sie die Klassifizierung dort. Viele DMS-Systeme unterstützen Metadaten für Klassifizierungen.

Klassifizierungsverantwortung: Jede Person, die ein Dokument erstellt, ist für dessen Klassifizierung verantwortlich. Diese Verantwortung muss kommuniziert und in Schulungen vermittelt werden.

Regelmäßige Überprüfung: Klassifizierungen können sich ändern — ein internes Memo, das heute „Vertraulich” ist, kann in einem Jahr „Intern” oder sogar „Öffentlich” werden (z. B. nach Abschluss eines M&A-Prozesses). Planen Sie regelmäßige Reviews.

KI-Governance Policy — Mustergliederung

Eine wirksame KI-Governance Policy sollte folgende Abschnitte enthalten:

§ 1 Geltungsbereich: Welche KI-Systeme und welche Mitarbeitenden sind betroffen?

§ 2 Definitionen: Was versteht die Policy unter KI-System, Deployer, personenbezogenen Daten, Geschäftsgeheimnis?

§ 3 Informationsklassifizierung: Vier-Stufen-System (Öffentlich / Intern / Vertraulich / Streng vertraulich) mit klaren Beispielen.

§ 4 Freigegebene KI-Tools (Drei-Stufen-Freigabemodell): Grün / Gelb / Rot — mit konkreten Tool-Beispielen.

§ 5 Prompt-Hygiene-Regeln: Sechs Regeln für DSGVO-konforme Prompt-Erstellung.

§ 6 Verbotene Nutzungen: Was darf unter keinen Umständen in KI-Systeme eingegeben werden?

§ 7 Meldepflichten: Bei Datenpannen, Fehlfunktionen, verdächtigen KI-Outputs.

§ 8 Verantwortlichkeiten: Wer ist für was zuständig (KI-Verantwortliche/r, DSB, IT-Security).

§ 9 Schulungspflichten: Verweis auf Art.-4-Schulungsprogramm.

§ 10 Konsequenzen bei Verstößen: Disziplinarische und rechtliche Konsequenzen.

§ 11 Inkrafttreten und Revision: Gültigkeitsdatum, Revisionsintervall.

Diese Policy-Gliederung ist ein Muster — sie muss an die spezifische Organisation angepasst werden.

Praxishinweis: Integrieren Sie die Informationsklassifizierung in Ihre Dokumentenvorlagen. Wenn jede interne Vorlage eine Klassifizierungszeile enthaelt, wird die Klassifizierung zur Gewohnheit und nicht zum Sonderaufwand.

Hinweise für AI Champions — So vermitteln Sie das Thema UE 20

Timing: 45 Minuten — 15 Min. GeschGehG + Samsung-Vorfall, 10 Min. Klassifizierungsstufen + Freigabeliste, 20 Min. Übungen.

Methodik: Samsung-Vorfall als Einstieg — er ist real, bekannt und emotional zugänglich. Dann systematisch mit den GeschGehG-Voraussetzungen verknüpfen. Die Vier-Stufen-Klassifizierung als Entscheidungsbaum auf dem Flipchart visualisieren.

Stolpersteine: Teilnehmende sagen oft: „Das betrifft uns nicht, wir haben nichts Wichtiges in KI eingegeben.” Richtigstellung: Die meisten beruflichen Informationen (Kundendaten, Angebote, Strategiepapiere) sind bereits Stufe 2–3. Die Grenze ist niedriger als gedacht.

Diskussionsfragen: Was ist der Unterschied zwischen einer Datenpanne nach DSGVO und einem GeschGehG-Verstoß? Beide können gleichzeitig auftreten. Wer haftet: der Mitarbeitende oder das Unternehmen?

Tafelbild: Vier-Stufen-Pyramide mit KI-Tool-Nutzung je Stufe. Samsung-Vorfall-Timeline. Drei-Stufen-Freigabeliste.

Differenzierung: Für Gruppen mit IT-Sicherheit-Hintergrund: DLP und technische Maßnahmen vertiefen. Für Gruppen mit Rechtshintergrund: Verbindung zu NDA-Pflichten in Arbeitsverträgen.

Materialliste: Flipchart, Samsung-Case-Summary (1-Pager), Klassifizierungs-Template.

Übergang zu UE 21: „Wir haben uns bisher mit konkreten Rechtspflichten beschäftigt. In UE 21 heben wir die Perspektive: Welche ethischen Frameworks stehen hinter diesen Regeln — und wie sind sie entstanden?”

Branchenauswahl-Tipp: Für Industriegruppen: Patente und Konstruktionsdaten als Stufe-4-Beispiele. Für Finanzgruppen: Kundenprofile und Handelsdaten als Stufe-3/4-Beispiele.

Drei-Stufen-Freigabemodell — Kommunikationsstrategien

Das Drei-Stufen-Freigabemodell (Grün/Gelb/Rot) ist nur wirksam, wenn es in der Organisation bekannt ist und verstanden wird. Kommunikationsstrategien:

Visuelle Kommunikation: Einfache Infografik mit Ampel-Optik, die die drei Stufen und je 2–3 Beispiel-Tools zeigt. Als Poster in Büroräumen, als Desktop-Hintergrundbild, als Onboarding-Slide.

Onboarding-Integration: Jede neue Mitarbeitende Person erhält im Onboarding eine 15-minütige Einheit zum Freigabemodell — als erstes Touchpoint vor der ersten KI-Tool-Nutzung.

Chatbot-Integration: Ein interner Chatbot beantwortet die Frage „Darf ich [Tool X] für [Aufgabe Y] nutzen?” sofort und korrekt — basierend auf dem Freigabemodell.

Regelmäßige Erinnerungen: Monatliche kurze E-Mails mit Beispielen, die das Freigabemodell illustrieren — z. B. „Welcher Prompt ist für ChatGPT zulässig?” mit Lösung.

Feedback-Kanal: Mitarbeitende können Fragen zum Freigabemodell einfach stellen — per E-Mail, Teams-Channel oder Chatbot. Die häufigsten Fragen werden als FAQ veröffentlicht und aktualisiert.

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.