Was bedeuten KI-Dienste auf meiner Website für den Datenschutz?

Was Sie vor dem Einbau eines KI-Dienstes klären

Die Fragen sind dieselben wie bei jeder Einbettung, nur mit höherem Einsatz. Erstens: Was bekommt der Anbieter beim Laden, und lässt sich der Dienst erst nach einem Klick des Besuchers laden, so wie ein Video mit Vorschaubild? Zweitens: Was passiert mit den Eingaben, werden sie gespeichert, zum Training genutzt, an Dritte gegeben? Das steht in der Datenschutzerklärung des Anbieters und in dem Vertrag zur Auftragsverarbeitung, nach dem Sie den Anbieter fragen. Drittens: Sitzt der Anbieter in den USA, braucht die Übermittlung eine Grundlage; seit dem 10. Juli 2023 kann das die Zertifizierung unter dem EU-US-Datenschutzrahmen sein, dessen Angemessenheitsbeschluss das Gericht der EU am 3. September 2025 bestätigt hat. Viertens: Der Dienst muss in Ihrer Datenschutzerklärung stehen, mit Zweck, Anbieter und Übermittlungsgrundlage.

Was Sie für beide Richtungen tun können

Für eingebaute KI-Dienste gilt der Weg der Einbettungen: erst nach Klick laden, Anbieter in der Datenschutzerklärung nennen, Vertrag zur Auftragsverarbeitung schließen, Übermittlungsgrundlage für US-Anbieter prüfen. Für Crawler von außen entscheiden Sie, was Sie wollen: Wer in KI-Antworten vorkommen möchte, erlaubt die Such-Crawler und sperrt die Trainings-Crawler, das lässt sich getrennt einstellen; wer gar nicht gelesen werden will, sperrt beide und ergänzt den Rechtsvorbehalt in den Nutzungsbedingungen. Persönliche Daten, die nicht auf die Website gehören, entfernen Sie unabhängig davon: Ein Crawler nimmt mit, was er findet. Der Prüfbereich Daten und Recht führt jeden fremden Server, den Ihre Website vor der Einwilligung kontaktiert, im Inventar; einen KI-Anbieter, den er nicht kennt, nennt er mit dem Servernamen. Ob die Datenschutzerklärung ihn nennt, gleicht der Prüfbereich für bekannte Tracker und soziale Netzwerke ab; für einen unbekannten KI-Dienst bleibt das Ihre Aufgabe.

Was ein Chat-Fenster außer der IP-Adresse mitbekommt

Mit jeder Anfrage an einen fremden Server schickt der Browser die Adresse der Seite mit, von der sie kommt, den sogenannten Referer. Wie viel davon, regelt die Referrer-Policy Ihrer Website; ohne eigene Angabe gilt nach der Browser-Dokumentation von MDN die Einstellung strict-origin-when-cross-origin, und fremde Server bekommen nur den Ursprung, also Protokoll und Domain. Steht in der Adresse einer Formularseite Persönliches, etwa eine E-Mail-Adresse oder ein Schlüssel zum Zurücksetzen des Passworts, und gibt die Website mit einer Einstellung wie unsafe-url die volle Adresse weiter, erfährt der KI-Anbieter das beim Laden seines Skripts, ohne dass jemand etwas eingegeben hat. Der Prüfbereich Daten und Recht misst genau das auf Seiten mit Passwort-, E-Mail- oder Kartenfeldern. Für den Chat selbst gilt: Was der Besucher schreibt, verlässt Ihre Website. Begrenzen Sie, was der Dienst sieht: kein Chat auf Seiten mit Kundendaten, ein Hinweis vor dem ersten Satz, wer das Gespräch verarbeitet, und die Datenschutzerklärung des Anbieters auf Löschfristen und Trainingsnutzung lesen, bevor der Vertrag unterschrieben ist.

Was KI-Crawler von Ihrer Website mitnehmen

KI-Anbieter lesen Websites mit eigenen Crawlern. OpenAI beschreibt drei: GPTBot sammelt Inhalte, die für das Training der Sprachmodelle genutzt werden können, OAI-SearchBot macht Websites in der Suche von ChatGPT auffindbar, und ChatGPT-User ruft eine Seite ab, wenn ein Nutzer im Gespräch danach fragt; für diesen dritten schreibt OpenAI, dass die Regeln der robots.txt womöglich nicht gelten, weil ein Mensch die Abfrage auslöst. Die Einstellungen sind laut OpenAI unabhängig voneinander: Wer GPTBot sperrt, bleibt in der ChatGPT-Suche sichtbar, solange OAI-SearchBot erlaubt ist. Google steuert das Training seiner Gemini-Modelle über das robots.txt-Token Google-Extended, das nach Googles Dokumentation weder die Aufnahme in die Google-Suche noch das Ranking beeinflusst. Am 30. Oktober 2026 hat Google angekündigt, 2027 zusammen mit anderen KI-Anbietern ein gemeinsames Signal gegen KI-Training in der robots.txt zu unterstützen, das aus der Arbeit der IETF-Gruppe AIPREF stammt. Cloudflare, ein großer Anbieter von Netzinfrastruktur, blockiert seit dem 1. Juli 2025 KI-Crawler standardmäßig; jede neue Domain wird gefragt, ob sie KI-Crawler zulassen will, und ein Bezahlmodell für Crawler ist in Erprobung. Was die Crawler mitnehmen, sind auch die persönlichen Daten auf Ihrer Website: Namen und Fotos Ihrer Mitarbeiter, Kundenstimmen mit Namen, Angaben im Impressum.

Welche Regeln für KI-Anbieter seit 2025 gelten

Die KI-Verordnung der EU verpflichtet Anbieter von Sprachmodellen seit dem 2. August 2025 (Art. 53 Abs. 1), eine Strategie zur Einhaltung des Urheberrechts zu haben und dabei mit dem Stand der Technik einen Rechtsvorbehalt nach Art. 4 Abs. 3 der Urheberrechts-Richtlinie 2019/790 zu erkennen und zu beachten; außerdem müssen sie eine hinreichend ausführliche Zusammenfassung der Trainingsinhalte veröffentlichen. Für die persönlichen Daten auf Ihrer Website gilt die Datenschutz-Grundverordnung auch gegenüber dem KI-Anbieter. Der Europäische Datenschutzausschuss hat am 8. Juli 2026 Leitlinien zum Web Scraping für generative KI zur öffentlichen Konsultation angenommen, die bis 30. Oktober 2026 lief: Das Sammeln braucht eine Rechtsgrundlage, in der Regel das berechtigte Interesse mit Abwägung; besondere Kategorien wie Gesundheitsdaten sind grundsätzlich verboten, auch eine zufällige Miterfassung braucht Schutzmaßnahmen und eine Einzelfallprüfung; verlangt werden verlässliche Quellen, Zeitstempel und eine Prüfung der Daten vor dem Training. Ob nach der Konsultation eine geänderte Fassung erschienen ist, wurde für diesen Artikel nicht geprüft. Für Sie als Betreiber heißt das: Ein ausdrücklicher Vorbehalt in der robots.txt und in den Nutzungsbedingungen ist das Signal, das Anbieter nach der KI-Verordnung beachten müssen.

Tipps aus der Praxis

• Eine Sperre von GPTBot nimmt Ihre Website laut OpenAI nicht aus der ChatGPT-Suche; dafür zählt OAI-SearchBot. Wer Reichweite will und Training nicht, trennt die beiden.
• Der Abruf durch ChatGPT-User auf Wunsch eines Nutzers folgt der robots.txt nach OpenAIs eigener Angabe womöglich nicht. Was öffentlich auf der Seite steht, ist für einen Nutzer mit KI erreichbar.
• Google-Extended hat nach Googles Dokumentation keinen eigenen Crawler-Namen im Serverprotokoll; Google crawlt mit seinen bestehenden Kennungen. Die Sperre wirkt für Gemini und lässt die Google-Suche unberührt.
• Setzen Sie die Referrer-Policy Ihrer Website auf strict-origin-when-cross-origin. Dann erfährt kein fremder Server, auch kein KI-Dienst, die volle Adresse einer Formularseite.