Insights
Souveräne KI-Agenten: Architekturmuster für datenschutzkonforme Automatisierung
Ein Auftragsverarbeitungsvertrag verhindert keinen Datenabfluss. Fünf Architekturmuster, mit denen KI-Agenten sensible Daten im Haus behalten, vom strengsten bis zum flexibelsten.

Souveräne KI-Agenten verarbeiten sensible Daten dort, wo sie liegen, und geben nach außen nur weiter, was der Zweck erfordert. Welches der fünf Muster zu Ihnen passt, hängt weniger vom Modell ab als von der Frage, welche Daten Ihr Haus unter keinen Umständen verlassen dürfen.
Ein AVV reicht nicht für Prompts: Warum die Architektur entscheidet
Ein Auftragsverarbeitungsvertrag (AVV) regelt, was ein Anbieter mit Daten tun darf. Er verhindert nicht, dass ein Agent eine ganze Kundenakte in eine Anfrage packt, und er macht aus einem Prompt mit Gesundheitsdaten keinen zulässigen Vorgang. Datenschutz bei Agenten entsteht deshalb im System: Der Agent bekommt nur die Daten, die er für die Aufgabe braucht, und nur über Wege, die protokolliert sind. Die folgenden Muster setzen genau das um, vom strengsten zum flexibelsten.
Muster 1: Lokale Inferenz auf eigener Infrastruktur
Das Modell läuft auf Ihren Servern oder in einer souveränen Cloud in der EU, die Rohdaten bleiben im Haus. Für Aufgaben wie Tourenoptimierung oder Qualitätsprüfung reicht oft ein kleineres, offenes Modell, das auf einem eigenen Cluster läuft und nur Ergebnisse an die Fachanwendung zurückgibt. Datenminimierung und Zweckbindung sind hier eine Eigenschaft der Architektur, nicht des Vertrags. Der Preis: Sie betreiben das Modell selbst, mit Updates, Auslastung und Überwachung.
Muster 2: Hybride Architektur mit anonymisierender Zwischenschicht
Wenn ein großes Modell nötig ist, trennt eine Zwischenschicht personenbezogene Merkmale ab, bevor die Anfrage nach außen geht. Ein Agent für Betrugserkennung berechnet Risikomerkmale lokal und schickt nur diese abstrakten Werte an ein externes Modell. Namen, Kontonummern und Freitext bleiben im eigenen Rechenzentrum. Das Muster steht und fällt mit der Zwischenschicht: Sie muss getestet werden wie jedes Sicherheitsbauteil, sonst rutschen Personenbezüge im Freitext durch.
Muster 3: Föderiertes Lernen ohne Datenaustausch
Mehrere Standorte oder Partner trainieren ein gemeinsames Modell, ohne ihre Daten zu teilen. Jeder trainiert lokal und gibt nur Modellanpassungen an einen zentralen Server weiter, die zusätzlich mit differenzieller Privatsphäre verrauscht werden. Das lohnt sich für Verbünde, etwa Kliniken oder Genossenschaften, die voneinander lernen wollen, ohne Patienten- oder Mitgliederdaten auszutauschen. Für ein einzelnes Unternehmen ist es meist überdimensioniert.
Muster 4: Regelbasierte Datenfreigabe mit Attribute-Based Access Control
Ein Agent darf nicht alles sehen, was die Datenbank hergibt. Mit Attribute-Based Access Control (ABAC) legen Sie zentral fest, welche Daten ein Agent für welche Aufgabe und zu welchem Zeitpunkt nutzen darf: Der Agent für die Qualitätskontrolle liest aktuelle Messwerte, aber keine Personaldaten. Die Regeln werden zur Laufzeit geprüft und an einer Stelle gepflegt, sodass eine Änderung nicht in jedem Agenten einzeln nachgezogen werden muss.
Muster 5: Eigenes API-Gateway mit Audit-Log
Alle Aufrufe der Agenten nach außen laufen über ein Gateway in Ihrer Infrastruktur. Es protokolliert jede Anfrage, kann Inhalte filtern und ist der eine Ort, an dem Sie nachweisen, was wann an wen ging. Für Versicherer und andere regulierte Betriebe ist dieses Muster die Grundlage jeder Prüfung. Es ergänzt die anderen Muster, ersetzt sie aber nicht: Ein Gateway sieht den Datenabfluss; verhindern kann es ihn nur, wenn Filterregeln dahinterliegen.
Welches Muster für Sie passt
Wo Rohdaten das Haus nicht verlassen dürfen, beginnen Sie mit lokaler Inferenz. Wo Sie externe Modelle brauchen, gehören Zwischenschicht, ABAC und Gateway zusammen. Föderiertes Lernen ist ein Sonderfall für Partnerverbünde. In der Praxis lassen sich die Muster meist mit vorhandener Container-Infrastruktur umsetzen; der Aufwand steckt in der Zwischenschicht und in den Regeln, nicht im Modell.
Schreiben Sie für Ihren geplanten Agenten auf, welche Datenfelder er wirklich braucht und welche davon Personenbezug haben. Mit dieser Liste klären wir im Potenzial-Check in einer halben Stunde kostenlos, welches Muster für Ihren Fall reicht und wo eine Zwischenschicht nötig wird.