Datenschutz und Compliance für Enterprise-KI: Leitfaden für Schweizer Unternehmen nach revDSG und EU KI Act

Die Einführung generativer Sprachmodelle und autonomer Agenten in Unternehmen vollzieht sich in einem hochdynamischen Spannungsfeld. Während Fachabteilungen durch Automatisierung erhebliche Produktivitätsgewinne anstreben, stehen Geschäftsleitung, Rechtsdienst (Legal) und IT-Sicherheit vor komplexen regulatorischen Fragestellungen. Unbedachte Datenabflüsse, unzureichende Auftragsdatenverträge oder Intransparenz bei automatisierten Entscheidungen bergen erhebliche Haftungs- und Reputationsrisiken.

Für Schweizer Unternehmen ist die Situation durch eine doppelte regulatorische Realität geprägt: Einerseits gilt das nationale revidierte Datenschutzgesetz (revDSG), andererseits entfaltet die europäische KI-Verordnung (EU AI Act) aufgrund ihrer extraterritorialen Wirkung direkte Gültigkeit für alle Organisationen, die Produkte oder Dienstleistungen im EU-Raum anbieten oder deren KI-Ergebnisse dort genutzt werden. Hinzu kommen globale Standards wie ISO/IEC 42001 für KI-Managementsysteme.

Dieser Leitfaden liefert eine praxisnahe Orientierung, wie Schweizer Unternehmen Enterprise-KI datenschutzkonform, sicher und zukunftssicher in ihre Unternehmensarchitektur integrieren.

Um rechtliche Fallstricke zu vermeiden, müssen Verantwortliche die beiden massgeblichen Rechtsrahmen und deren Schnittstellen verstehen.

Das revDSG stellt den Schutz von Personendaten natürlicher Personen in den Mittelpunkt. Für KI-Projekte sind folgende Kernprinzipien zwingend zu beachten:

• Transparenz und Erkennbarkeit (Art. 19 revDSG): Betroffene Personen müssen darüber informiert werden, wenn Personendaten zur Verarbeitung in KI-Systemen herangezogen werden oder wenn automatisierte Einzelentscheidungen getroffen werden.
• Zweckbindung und Verhältnismässigkeit (Art. 6 revDSG): Daten dürfen nur für den Zweck bearbeitet werden, der bei der Beschaffung angegeben wurde oder aus den Umständen ersichtlich ist. Die Einspeisung sensibler Kundendaten in generische Trainingspipelines Dritter stellt in der Regel eine unzulässige Zweckentfremdung dar.
• Privacy by Design und Privacy by Default (Art. 7 revDSG): Technische und organisatorische Massnahmen (TOM) müssen bereits bei der Konzeption von KI-Lösungen implementiert werden, um den Datenschutz standardmässig zu gewährleisten.
• Auftragsdatenbearbeitung und Datenübermittlung ins Ausland (Art. 9 und 16 revDSG): Werden Cloud-APIs externer Provider genutzt, muss ein rechtsgültiger Auftragsdatenbearbeitungsvertrag (Data Processing Agreement, DPA) vorliegen. Bei Übermittlung in Staaten ohne angemessenes Schutzniveau sind Standardvertragsklauseln (SCC) sowie ein Transfer Impact Assessment (TIA) erforderlich.
• Datenschutz-Folgenabschätzung (DSFA, Art. 22 revDSG): Führt eine KI-Bearbeitung voraussichtlich zu einem hohen Risiko für die Persönlichkeit oder Grundrechte, ist zwingend eine DSFA durchzuführen.

Der EU AI Act verfolgt einen risikobasierten Regulierungsansatz. Für Schweizer Unternehmen greift das Gesetz, sobald KI-Systeme im EU-Binnenmarkt in Verkehr gebracht, in Betrieb genommen oder deren Ausgaben (Outputs) in der EU verwendet werden. Die Einstufung erfolgt in vier Risikoklassen:

• Unannehmbares Risiko (Verboten): Anwendungen wie Social Scoring, biometrische Echtzeit-Fernidentifizierung im öffentlichen Raum oder manipulative Verhaltensbeeinflussung sind untersagt.
• Hochrisiko-KI-Systeme (High-Risk): KI-Einsatz in kritischen Infrastrukturen, bei der Personalauswahl (z. B. automatisierte Lebenslauffilterung), Kreditwürdigkeitsprüfung oder im Bildungsbereich. Hier gelten strenge Vorgaben für Risikomanagement, Daten-Governance, technische Dokumentation, Protokollierung und menschliche Aufsicht (Human-in-the-Loop).
• Spezifische Transparenzrisiken: Interaktionssysteme wie Chatbots oder KI-generierte Inhalte müssen eindeutig als solche gekennzeichnet werden. Nutzer müssen wissen, dass sie mit einer Maschine interagieren.
• Minimales Risiko: Der Grossteil interner Produktivitätswerkzeuge (z. B. KI-gestützte Textüberarbeitung oder Code-Vervollständigung ohne Personendatenbezug) fällt in diese Kategorie und unterliegt keinen Sonderpflichten ausser allgemeiner KI-Kompetenz.

Compliance im KI-Bereich lässt sich nicht allein über Richtlinien und Verträge lösen, sondern erfordert eine robuste technische Systemarchitektur.

Die Wahl der Bereitstellung bestimmt massgeblich das Schutzniveau:

• Public SaaS (Consumer-Tools): Kostenlose oder einfache Web-Oberflächen nutzen Eingabedaten häufig zur Modellverbesserung. Dies ist für vertrauliche Unternehmens- und Personendaten tabu.
• Enterprise Cloud-APIs mit Zero Data Retention: Professionelle Unternehmenszugänge namhafter Modellanbieter garantieren vertraglich, dass eingehende Prompts und generierte Antworten weder persistiert noch für Modelltrainings verwendet werden (Zero Retention). Daten werden flüchtig im Arbeitsspeicher verarbeitet.
• Private Cloud und Schweizer Hyperscaler-Regionen: Der Betrieb von Modellen in dedizierten Mandanten (z. B. in Schweizer Rechenzentrumsregionen von Microsoft, AWS oder Google Cloud) stellt sicher, dass Daten die Schweizer Landesgrenzen bzw. den europäischen Rechtsraum nicht verlassen.
• Lokale Inferenz (On-Premises / Open-Weights): Der Betrieb quelloffener Modelle (wie Llama oder Mistral) im eigenen Rechenzentrum bietet die maximale Datenhoheit, erfordert jedoch eigene GPU-Infrastruktur und Betriebs-Know-how.

Um Datenverluste proaktiv zu unterbinden, etablieren führende Organisationen eine vorgeschaltete Gateway-Architektur:

• PII-Erkennung und Maskierung: Eingehende Prompts werden in Echtzeit analysiert. Personennamen, AHV-Nummern, IBANs oder Kontaktangaben werden vor dem Senden an das Modell pseudonymisiert oder maskiert und bei der Antwortrückgabe rückübersetzt.
• Access Control Lists (ACLs) in RAG-Systemen: Bei Retrieval-Augmented Generation (RAG) muss die Vektordatenbank zwingend mit dem Identitätsmanagement (z. B. Microsoft Entra ID) gekoppelt sein. Ein Mitarbeitender darf über den KI-Assistenten nur jene Dokumente abfragen, für die er auch im Primärsystem Leserechte besitzt.
• Prompt-Injection- und Guardrail-Filter: Eingehende und ausgehende Nutzlasten werden durch Sicherheitsfilter (Guardrails) auf bösartige Systemanweisungen, vertrauliche Datenlecks und Halluzinationen überprüft.
• Audit-Logging: Sämtliche Anfragen, Metadaten und Modellantworten werden manipulationssicher protokolliert, um Auskunfts- und Nachweispflichten gegenüber Aufsichtsbehörden (wie dem Eidgenössischen Datenschutz- und Öffentlichkeitsbeauftragten, EDÖB) nachzukommen.

Die folgende Übersicht vergleicht die gängigen Bereitstellungsoptionen hinsichtlich Datenschutz, Compliance und operativem Aufwand:

Für eine fundierte Architekturentscheidung sollten Schweizer Unternehmen folgende Leitkriterien heranziehen:

• Sensitivität der Datenklasse: Öffentliche Marketingtexte und allgemeine Recherchen können flexibel über globale Cloud-APIs verarbeitet werden. Für besonders schützenswerte Personendaten (z. B. Gesundheitsdaten, Bankkundendaten oder Berufsgeheimnisse nach Art. 321 StGB) sind zwingend Schweizer Private Clouds oder On-Premises-Lösungen erforderlich.
• Geografischer Wirkungskreis: Agiert das Unternehmen ausschliesslich in der Schweiz oder bedient es Kunden im EU-Raum? Bei geschäftlichen Berührungspunkten mit der EU müssen die Governance-Prozesse des EU AI Acts von Beginn an implementiert werden.
• Modellkomplexität vs. Datenautonomie: Benötigt die Anwendung die fortgeschrittenen logischen Fähigkeiten führender Grossmodelle oder genügt ein spezialisiertes, kleineres Open-Weights-Modell für strukturierte Extraktions- und Klassifikationsaufgaben?

In der Praxis empfiehlt sich ein strukturierter, risikominimierter Einführungspfad in fünf Schritten:

• Schritt 1 (Shadow-AI-Audit und Inventarisierung): Erfasse systematisch alle im Unternehmen genutzten KI-Werkzeuge. Führ ein verbindliches KI-Register, das Einsatzzweck, verarbeitete Datenkategorien, Drittanbieter und Risikoklasse dokumentiert.
• Schritt 2 (Verbindliche Richtlinien & Acceptable Use Policy): Etabliere klare Richtlinien für alle Mitarbeitenden. Definiere verständlich, welche Datenklassen in welche Systeme eingegeben werden dürfen und wie KI-generierte Inhalte gekennzeichnet und überprüft werden müssen.
• Schritt 3 (Vertragliche Absicherung & DPA-Prüfung): Schliess mit allen Anbietern Enterprise-Rahmenverträge mit expliziter No-Training- und Zero-Retention-Klausel ab. Prüf Unterauftragsverarbeiter, Speicherorte und Verschlüsselungsstandards.
• Schritt 4 (Technische Gateways und Access-Kontrolle): Implementiere ein zentrales KI-Gateway mit automatischer PII-Maskierung, granularen Zugriffsrechten für Wissensdatenbanken (RAG-ACLs) und revisionssicherem Audit-Logging.
• Schritt 5 (KI-Governance-Gremium & Human-in-the-Loop): Bilde ein interdisziplinäres Steuerungsgremium aus IT, Legal, Compliance und Fachbereichen. Stell sicher, dass geschäftskritische oder risikobehaftete Entscheidungen stets einer menschlichen Überprüfung unterliegen.

Stand: August 2026.

Newsletter abonnieren