Datenschutzerklärungen für KI

Heilbronn, 04.08.2026 (PresseBox) - TUM-Forschung untersucht Datenschutzerklärungen von Anbietern von Large Language Models (LLMs) und zeigt, wie mehr Transparenz das Vertrauen in KI stärkt.

Datenschutzerklärungen kennt jeder, aber kaum jemand liest sie. Und das hat Gründe. Welche das sind, hat Zhen Tao untersucht. Er ist Doktorand im Team von Chunyang Chen, Professor für Software Engineering & AI am TUM Campus Heilbronn. Dabei fokussierte er sich auf digitale Helfer, mit denen immer mehr Menschen täglich in Kontakt treten - die sogenannten Large Language Models (LLMs), also KI-Chatbots. In seiner Recherche nahm Zhen Tao insgesamt elf der gängigsten Sprachmodelle genau unter die Lupe.

Große Sprachmodelle (Large Language Models) bringen neue Herausforderungen im Bereich des Datenschutzes mit sich, da sie im Rahmen offener Interaktionen, multimodaler Eingaben und KI-Agenten riesige Mengen an Nutzerdaten verarbeiten, wodurch die Datenerhebung und -nutzung weniger transparent ist als bei herkömmlicher Software. Die Studie „A Longitudinal Measurement of Privacy Policy Evolution for Large Language Models“ untersucht daher, inwiefern sich die Datenschutzrichtlinien für LLMs von denen herkömmlicher Software unterscheiden und wie sie sich im Laufe der Zeit als Reaktion auf technologische Fortschritte und regulatorische Entwicklungen weiterentwickeln.

Europa ist führend in der Regulierung

Die Regulierung und Verordnungen bezüglich des Datenschutzes unterscheiden sich je nach Region und Anbieter. Sein Fachgebiet sorgte bei Zhen Tao für eine räumliche Veränderung: „Einer der Gründe, warum ich mich dafür entschieden habe, in Europa im Bereich KI-Compliance zu promovieren, ist, dass die Europäische Union bei der Regulierung und Steuerung von KI eine Vorreiterrolle einnimmt.“ Nicht zuletzt durch den EU AI Act sieht Tao seine neue Wirkungsstätte im Bereich Datenschutz gut gerüstet. „Europa ist ein Hotspot in diesem Bereich, viele der Datenschutzerklärungen sind mit etwa 3.000 bis 4.000 Wörtern sehr umfangreich. Laut einer früheren Studie verbringen die Menschen allerdings nur etwa 70 Sekunden damit, sie zu lesen.“ Ein Zustand, den der junge Wissenschaftler ändern möchte.

In seiner vorherigen Studie „A NEW HOPE“ stellt Zhen Tao daher SeePrivacy vor, ein multimodales Framework, das automatisch kontextbezogene Datenschutzrichtlinien (CPPs) für mobile Anwendungen generiert, indem es den Inhalt der Datenschutzrichtlinie direkt mit den entsprechenden Elementen der Benutzeroberfläche verknüpft. SeePrivacy hat das Potenzial, Datenschutzhinweise verständlicher, zugänglicher und ansprechender zu gestalten und Nutzern dabei zu helfen, fundiertere Entscheidungen zum Datenschutz zu treffen. Eine Demonstration seiner Arbeit ist auf GitHub abrufbar.

Umfangreich und doch verständlich

Im Gegensatz zu Cookie-Bannern, die Nutzer in der Regel über Cookies und Tracking-Optionen auf Websites informieren, enthalten Datenschutzerklärungen umfassendere Informationen darüber, wie personenbezogene Daten erhoben, verwendet, weitergegeben und geschützt werden. Sie sind die Grundvoraussetzung für die Einführung neuer Produkte. „Viele Vorschriften verlangen beispielsweise ausdrücklich, dass man für seine App eine Datenschutzerklärung erstellt. Bei Google kommt man ohne eine gar nicht in den Play Store“, erklärt Tao. Besonders nach der Einführung der Datenschutzgrundverordnung beobachteten die Forscher eine Zunahme der Länge der Dokumente. Allerdings sei der Wortlaut häufig unkonkret, hier gelte es nachzuschärfen.

Einige der elf untersuchten Anbieter von Sprachmodellen können dabei als positive Beispiele dienen: „Anthropic, OpenAI und Mistral, verwenden bereits eine mehrstufige Dokumentation, bei der detaillierte Informationen auf Hauptrichtlinien und ergänzende Dokumente aufgeteilt sind“, erklärt Tao. Die Kontrolle sollte dabei aber nicht allein bei den Anbietern liegen. So fordert der junge Wissenschaftler politische Entscheidungsträger dazu auf, die Anforderungen so abzuändern, dass sie einheitlicher und konkreter werden, um sie am Ende verständlicher zu gestalten.

Transparenz sorgt für Vertrauen

Denn ohne Transparenz darüber, was mit den Daten passiert, sinkt das Vertrauen in die LLMs: „Es geht darum, die Black Box zu öffnen, ohne dabei Firmengeheimnisse wie den Quellcode zu verraten“, sagt Tao. Momentan herrsche noch Unsicherheit auf beiden Seiten. „Unternehmen stehen vor der Herausforderung, komplexe Datenpraktiken verständlich zu erklären, während Nutzer möglicherweise zögern, wenn sie nicht verstehen, was mit ihren Daten geschieht.“ Wie gelingt die Quadratur des Kreises? „Wenn Nutzer die App öffnen und die Benutzeroberfläche sehen, werden ihnen direkt neben dem Element, das Datenerfassungsvorgänge auslöst, kurze Auszüge aus der Datenschutzerklärung angezeigt.“

Da eine Umkehr des KI-Trends nicht mehr zu erwarten ist, gibt Zhen Tao zu bedenken: „Viele nutzen LLMs täglich. Sie sollten sich bewusst machen, dass hinter den Modellen eine Vielzahl von Datenerfassungsvorgängen steckt, die teilweise sensible Informationen beinhalten.“ Bei der rasanten Entwicklung im Bereich KI sollten die nicht-funktionalen, also regulatorischen, Aspekte im Blick behalten werden und sich organisch mitentwickeln. Sein Beitrag dazu: „Unsere Ergebnisse und Erkenntnisse wollen wir nicht nur den Anbietern, sondern auch Regierungsbehörden, politischen Entscheidungsträgern, den Normungsorganisationen und bestenfalls sogar der EU-Kommission zur Verfügung stellen.“