Anonym ist nicht gleich anonym: die neuen EDSA-Leitlinien zu Anonymisierung und Web-Scraping

„Wir anonymisieren die Daten, dann ist die DSGVO raus." Diesen Satz hören wir in fast jedem KI-Projekt. Seit dem 8. Juli 2026 gibt es dafür einen neuen Maßstab: Der Europäische Datenschutzausschuss (EDSA) hat die Leitlinien 02/2026 zur Anonymisierung veröffentlicht, dazu eigene Leitlinien zum Web-Scraping für generative KI. Beide sind bis 30. Oktober in der Konsultation, beide zeigen aber schon jetzt, wie die Behörden prüfen werden.

Warum die alte Regel nicht mehr reichte

Der bisherige Maßstab stammte aus 2014, aus einer Zeit ohne Sprachmodelle. Der EDSA sagt es offen: KI, und besonders agentische KI, senkt Zeit und Kosten für eine Re-Identifizierung dramatisch. Was 2014 als praktisch unmöglich galt, ist heute ein Wochenend-Projekt.

Die drei Kriterien

Daten sind anonym, wenn drei Dinge gleichzeitig ausgeschlossen sind:

1. Herausgreifen. Niemand kann einen einzelnen Datensatz einer Person isolieren.
2. Verknüpfen. Niemand kann Datensätze derselben Person zusammenführen, auch nicht mit anderen Quellen.
3. Ableiten. Niemand kann aus den Daten mit hoher Wahrscheinlichkeit auf ein Merkmal einer Person schließen.

Fällt eines der drei, sind die Daten personenbezogen, und die DSGVO gilt vollständig.

Der Perspektivwechsel: anonym für wen?

Das Wichtigste an den neuen Leitlinien ist der relative Ansatz. Ob Daten anonym sind, hängt davon ab, wer sie hält und was diese Stelle realistisch tun kann. Derselbe Datensatz kann für Ihren Dienstleister anonym sein und für Sie, mit Ihrem CRM daneben, personenbezogen.

Der EDSA erlaubt zwei Wege: den kontextuellen Ansatz, bei dem Sie die Fähigkeiten aller beteiligten Stellen bewerten, und den vereinfachten Ansatz, bei dem Sie schlicht vom Schlimmsten ausgehen. Der zweite ist weniger Arbeit und hält vor der Behörde, kostet aber Nutzen, weil mehr Daten wegfallen.

Was das für KI im Mittelstand konkret heißt

Wissens-Bots und RAG. Wer Dokumente in eine Wissensbasis lädt, „anonymisiert" oft nur Namen. Das Verknüpfungskriterium fällt trotzdem, sobald Kundennummern, Projektbezeichnungen oder Freitext drinbleiben. Ehrlicher: als personenbezogen behandeln, Zugriff steuern, Löschfristen setzen.

Auswertungen und Trainingsdaten. Aggregierte Kennzahlen können anonym sein, Einzeldatensätze mit gelöschtem Namensfeld fast nie. Wer ein Modell auf eigenen Daten anpasst, sollte das als Verarbeitung personenbezogener Daten planen, mit Rechtsgrundlage und AVV.

Verträge mit Anbietern. „Wir nutzen nur anonymisierte Daten zur Verbesserung unseres Dienstes" ist nach diesen Leitlinien eine Behauptung, die der Anbieter belegen muss. Fragen Sie nach dem Verfahren, nicht nach dem Wort.

Web-Scraping: Trainingsdaten aus dem Netz

Die zweite Leitlinie betrifft alle, die Daten aus dem Netz für KI sammeln, sei es für ein eigenes Modell oder für eine Wettbewerbsanalyse:

• Die DSGVO gilt, sobald personenbezogene Daten gesammelt und gespeichert werden. Dass sie öffentlich sind, ändert daran nichts.
• Zweckbindung und Transparenz stehen vorn: Was gesammelt wird, muss vorher feststehen, und Betroffene müssen es erfahren können.
• Besondere Kategorien (Gesundheit, Religion, politische Meinung) sind grundsätzlich tabu, es sei denn, es gibt Rechtsgrundlage und Ausnahmetatbestand zugleich.
• Quellen sollen zuverlässig sein, Daten vor dem Training geprüft werden.

Für die Praxis heißt das: Öffentliche Firmendaten und Produktinformationen sind unkritisch. Personenprofile, Bewertungen mit Namen und Social-Media-Inhalte sind es nicht. Wie eine saubere Wettbewerbsbeobachtung aussieht, zeigt unser Praxis-Artikel zur Wettbewerbsbeobachtung mit KI.

Kurz gesagt: Anonymisierung ist keine Namens-Löschung, sondern ein Nachweis gegen drei Angriffe, bewertet aus Sicht dessen, der die Daten hält. Wer das ehrlich durchrechnet, landet meistens bei „personenbezogen", und das ist kein Beinbruch. Es heißt nur: Rechtsgrundlage, Vertrag, Zugriff, Löschung. Genau die Punkte aus unserer DSGVO-Checkliste.