← Alle Artikel

Anonymisierte Daten für KI: EDSA-Leitlinie 02/2026 im Check

·5 Min. Lesezeit·KImpuls
Eine zerkratzte dunkle Zugangskarte mit seitlicher Kerbe und hellen Aufkleberresten liegt auf dunklem Filz und veranschaulicht verbleibende Erkennungsmerkmale bei der Anonymisierung von Daten für KI.KI-Symbolbild

Symbolbild, mit KI erstellt.

Definition: Anonymisierte Daten sind Informationen, die sich von keiner Stelle, die sie verarbeitet, mit vertretbarem Aufwand auf eine Person zurückführen lassen. Die Leitlinie 02/2026 des Europäischen Datenschutzausschusses (EDSA) liegt als Entwurf zur Anonymisierung vor. Dieser Beitrag geht aus unserer Sicht durch, was der Entwurf für Auswertungen von Tickets, Zeiterfassung und Kundendaten im IT-Systemhaus bedeuten kann.

Vier Bereiche im IT-Systemhaus, an denen Anonymisierung hängt

Wer als Systemhaus, Softwareagentur oder Managed Service Provider (MSP) KI einsetzen will, sollte zuerst auf die Rohdaten schauen. In Tickets, Stundenzetteln und Kundenlisten können Namen, Mailadressen, Hostnamen und Freitext stehen. Vier Bereiche zeigen das besonders deutlich:

BereichWas zu prüfen istWarum die Frage ansteht
Ticket-ManagementStehen in Freitext, Absender, Signaturen oder Gerätenamen Hinweise auf Personen?Mitarbeiter und Kunden Ihrer Kunden könnten erkennbar sein
ProjektabrechnungGibt es Stundenzettel pro Person und Tätigkeitstexte?Leistungsdaten einzelner Beschäftigter
RessourcenplanungEnthalten Auslastung, Abwesenheiten und Skills Namen oder Kürzel?Beschäftigtendaten mit Personenbezug
ChurnSind Nutzungs- und Zahlungsverhalten einzelnen Kunden zugeordnet?Ansprechpartner und Vertragsdaten

Die naheliegende Idee lautet: Wir anonymisieren das schnell und füttern damit die KI. Genau an diesem Schritt setzt der Entwurf an. Er beschäftigt sich damit, wann Daten als "anonym" gelten dürfen.

Schritt 1: Was die Leitlinie 02/2026 festlegt

Der EDSA hat die "Guidelines 02/2026 on Anonymisation" als Entwurf in die öffentliche Konsultation gegeben. Die Frist lief bis zum 30. Oktober 2026 (EDSA, 2026, https://www.edpb.europa.eu/public-consultations/guidelines-022026-on-anonymisation_en). Ob und wie der Text bis zur Endfassung noch geändert wird, ist nicht abschließend belegt.

Nach der Auswertung durch die Kanzlei Stephenson Harwood (2026, https://www.stephensonharwood.com/insights/the-edpbs-guidelines-on-anonymisation-one-legal-standard-two-approaches-three-criteria/) sind folgende Punkte wesentlich:

  • Relativer Maßstab: Dieselben Daten können für eine Stelle personenbezogen und für eine andere anonym sein. Entscheidend ist, ob die jeweilige Stelle die Person realistisch wieder bestimmen kann.
  • Prüfkriterien: Anonymität wird vermutet, wenn sich kein Datensatz einer Person herausgreifen lässt, keine Verknüpfung mit anderen Datensätzen möglich ist und keine aussagekräftigen Rückschlüsse auf Einzelpersonen möglich sind.
  • Anonymisierung ist selbst Verarbeitung: Die DSGVO gilt bereits für den Schritt des Anonymisierens. Der Vorgang gehört dokumentiert.

Schritt 2: Tickets, Zeiterfassung und Churn-Daten anhand der Prüfkriterien durchgehen

Die Kriterien lassen sich als Prüffragen auf Ihre Daten übertragen:

KriteriumPrüffrage im SystemhausTypischer Stolperstein
Kein HerausgreifenGibt es noch einen Datensatz, der genau einer Person entspricht?Ticket mit Namen in der Signatur
Keine VerknüpfungLässt sich der Datensatz mit Ihrem PSA-, CRM- oder Monitoring-System abgleichen?Ticket-ID bleibt als Schlüssel erhalten
Keine InferenzVerrät die Kombination aus Kunde, Zeitpunkt und Problem, wer gemeint ist?Kleiner Kunde mit nur einem Ansprechpartner

Die letzte Frage ist für Ihre Branche besonders wichtig. Aus unserer Sicht ist ein entferntes Namensfeld bei einem Kunden mit nur einem IT-Verantwortlichen noch kein Grund, den Datensatz für anonym zu halten, solange Kundenkürzel, Uhrzeit und Fehlerbild stehen bleiben. Das ist unsere Einschätzung, keine Aussage des EDSA.

Daraus folgt für uns eine klare Empfehlung: Ticket-Exporte nicht pauschal als anonym behandeln, nur weil Namensfelder geleert wurden. Anonymität gilt relativ zur jeweiligen Stelle, und Verknüpfung sowie Inferenz zählen als eigene Prüfpunkte. Wer ein Ticketsystem nach Muster und Priorität auswerten will, sollte Freitext-Schwärzung und Schlüsselentfernung gemeinsam einplanen und die Daten möglichst in Gruppen zusammenfassen. Mehr dazu im Beitrag Ki Ticketpriorisierung It Dienstleister Automatisieren.

Schritt 3: Verträge und KI-Ausgaben realistisch einordnen

Folgende Punkte betreffen den Alltag mit externen KI-Diensten direkt.

Verträge ersetzen keine Technik. Laut Stephenson Harwood (2026, siehe oben) können vertragliche Verbote der Re-Identifizierung die technischen und rechtlichen Schutzmaßnahmen nur ergänzen. Ein Auftragsverarbeitungsvertrag mit dem KI-Anbieter macht einen Datensatz also nicht anonym.

Auch Ausgaben von KI-Modellen können personenbezogen bleiben. Nach derselben Auswertung können Antworten von KI-Modellen und synthetische Datensätze das Kriterium "keine Inferenz" verletzen, wenn sie aussagekräftige Rückschlüsse erlauben. Wer Churn-Prognosen mit Kundendaten trainiert und die Ergebnisse weitergibt, sollte deshalb auch die Ausgabe prüfen. Mehr dazu im Beitrag Ki Kundenabwanderung Vorhersagen It Dienstleister.

Ehrliche Grenze: KI-Automatisierung löst die Rechtsfrage nicht für Sie. Ob ein konkreter Datensatz anonym ist, bewerten der Verantwortliche und seine Datenschutzberatung.

Schritt 4: Reihenfolge für die Praxis festlegen

  1. Zweck bestimmen. Braucht die Auswertung überhaupt Einzeldatensätze, oder reichen Summen je Kundengruppe?
  2. Daten aggregieren statt schwärzen. Wo Gruppenwerte genügen, entfällt die Frage nach der Anonymität des Einzelfalls weitgehend.
  3. Dokumentieren. Welche Felder wurden entfernt, welche Schlüssel bleiben, wer hat Zugriff auf den Originalbestand?
  4. Neu bewerten. Nach Systemwechseln, Sicherheitsvorfällen oder neuen KI-Werkzeugen gehört die Einstufung erneut auf den Tisch.

Für die Projektabrechnung bedeutet das: Wir halten es für sinnvoll, Auswertungen zur Rentabilität zunächst auf Projektebene zu halten und nur dann auf einzelne Personen herunterzubrechen, wenn die Fragestellung es wirklich verlangt. Mehr dazu im Beitrag Ki Projektrentabilität It Dienstleister Vorhersagen.

Fazit

Die Leitlinie 02/2026 liegt als Entwurf vor. Der Entwurf selbst ist im Wortlaut hier nicht ausgewertet, die Punkte oben stützen sich auf die Auswertung von Stephenson Harwood. Für IT-Dienstleister heißt das aus unserer Sicht: Ticket-Exporte und Stundenzettel nicht vorschnell als anonym einstufen, Schlüssel und Freitext mitdenken, Anonymisierung dokumentieren. Fangen Sie bei den Daten an, die Sie ohnehin aggregieren können.

Häufig gestellte Fragen

Was ist die EDSA-Leitlinie 02/2026? Es handelt sich um einen Entwurf des Europäischen Datenschutzausschusses zur Anonymisierung nach DSGVO. Die Konsultation lief bis zum 30. Oktober 2026 (EDSA, 2026, https://www.edpb.europa.eu/public-consultations/guidelines-022026-on-anonymisation_en).

Sind Daten mit entfernten Namen automatisch anonym? Nein. Nach den Prüfkriterien müssen auch Herausgreifen, Verknüpfung und Rückschlüsse ausgeschlossen sein. Ein leeres Namensfeld genügt dafür allein nicht.

Reicht ein Vertrag mit dem KI-Anbieter, damit Daten als anonym gelten? Nein. Vertragliche Verbote der Re-Identifizierung ergänzen technische Maßnahmen, ersetzen sie aber nicht (Stephenson Harwood, 2026, https://www.stephensonharwood.com/insights/the-edpbs-guidelines-on-anonymisation-one-legal-standard-two-approaches-three-criteria/).

Muss ich schon jetzt etwas ändern? Da es sich um einen Entwurf handelt, ist die Endfassung abzuwarten. Eine Bestandsaufnahme Ihrer Ticket-, Zeit- und Kundendaten lohnt sich trotzdem schon jetzt, weil sie die Prüfung später beschleunigt.

Hinweis zur Erstellung

Dieser Beitrag und sein Titelbild wurden mit Unterstützung künstlicher Intelligenz erstellt und vor der Veröffentlichung redaktionell geprüft. Abgebildete Motive sind Symbolbilder. Wie wir KI einsetzen — auch in der Prozessdiagnose selbst — steht unter KI-Transparenz. Redaktionelle Freigabe: Jens Schöberling.

→

Passende Lösung für Ihren Bereich: Prozesse im Bereich Produktion & Fertigung analysieren

Möchten Sie Ihre Prozesse analysieren?

Beschreiben Sie Ihren Prozess in zwei Sätzen - Kim zeigt Ihnen die größten Engpässe. Kostenlos, ohne Anmeldung.

Zur kostenlosen KI-Analyse →