Modelle lernen von Menschen. Jeder Trainingsdatensatz enthält Spuren realer Personen, und jede Vorhersage betrifft jemanden, dessen Daten das System geprägt haben. Datenschutz regelt, wie diese Informationen erhoben, gespeichert, verwendet und geschützt werden.

Gesetzliche Regelungen legen die Mindestanforderungen fest. Die DSGVO in Europa, der CCPA in Kalifornien und ähnliche Gesetze weltweit gewähren Rechte auf Auskunft, Berichtigung und Löschung personenbezogener Daten. KI-Systeme erschweren die Einhaltung dieser Vorschriften, da die Modelle Muster in den Daten erkennen und spezifische Beispiele nicht ohne Weiteres vergessen können.

Wichtigste Anliegen

• Einwilligung und Transparenz bei der Datenerhebung
• Re-Identifizierung aus vermeintlich anonymen Daten
• Modellspeicherung von Trainingsbeispielen
• Grenzüberschreitender Datentransfer
• Rückschlüsse auf sensible Attribute

Techniken wie differentielle Privatsphäre, föderiertes Lernen und Datenminimierung reduzieren zwar das Risiko, erhöhen aber Kosten und Komplexität. Vollständige Privatsphäre ist selten erreichbar. Das praktische Ziel ist ein wirksamer Schutz mit klarer Verantwortlichkeit.