Lieber zuhören? Klicken Sie auf Play für die KI-Sprachausgabe

Die meisten generativen KI-Modelle lernen aus Texten, Bildern und Audiodateien, die aus dem offenen Web gesammelt wurden: Blogs, Foren, Nachrichtenseiten, Social-Media-Profile und öffentliche Register. Ein großer Teil dieses Materials betrifft reale, identifizierbare Personen. Jahrelang lautete die informelle Annahme der Branche schlicht: Was öffentlich zugänglich ist, ist erlaubt.

Europäische Aufsichtsbehörden haben nun detailliert dargelegt, warum diese Annahme nicht trägt. Im Juli 2026 veröffentlichte der Europäische Datenschutzausschuss (EDSA) den Entwurf der Leitlinien 03/2026 zum Web Scraping im Kontext generativer KI; die öffentliche Konsultation endet am 30. Oktober 2026. Am 8. Oktober 2026 veröffentlichte die britische Datenschutzbehörde (Information Commissioner's Office, ICO) den Abschlussbericht ihrer zweijährigen Aufsicht über die größten Entwickler von Foundation-Modellen. Zusammen zeichnen sie das bisher klarste Bild davon, wie „rechtmäßiges Scraping“ aussieht und was Unternehmen künftig nachweisen müssen.

Das betrifft nicht nur KI-Labore. Wenn Sie einen Datensatz in Auftrag geben, bei einem Broker kaufen, ein Modell mit öffentlichen Beiträgen feintunen oder ein Lead-Tool bauen, das Profile sammelt, gelten diese Regeln auch für Sie.

30. Okt.
Frist für Stellungnahmen zum EDSA-Entwurf
10
KI-Entwickler, die nach ICO-Prüfung ihre Praxis geändert haben
3 %
Höchstbußgeld der KI-Verordnung bei Verstößen gegen die Trainingsdaten-Zusammenfassung (oder 15 Mio. €)
0
Digital-Omnibus-Änderungen, die heute gelten. Die DSGVO gilt uneingeschränkt

Warum Scraping jetzt im Fokus steht

Drei Entwicklungen sind innerhalb weniger Wochen zusammengekommen:

Die vorgeschlagenen DSGVO-Änderungen der EU für KI stecken unterdessen im Rat fest (dazu unten mehr). Vorerst zählen die geltenden Regeln.

„Öffentlich“ heißt nicht „frei nutzbar“

Der Ausgangspunkt des EDSA ist deutlich. Die DSGVO gilt für Web Scraping, sobald personenbezogene Daten betroffen sind – von der Extraktion über Bereinigung und Strukturierung bis zur Speicherung, gleichgültig ob die Daten jemanden direkt oder indirekt identifizieren. Zwei weitere Punkte sind festzuhalten:

Die ICO kommt aus einer anderen Richtung zum selben Ergebnis. Vage Angaben, ein Modell sei mit „öffentlich zugänglichen Informationen“ trainiert worden, seien für Transparenzzwecke „wahrscheinlich nicht ausreichend“.

Wer ist verantwortlich: der Scraper, der Entwickler oder beide?

In Scraping-Lieferketten sind oft mehrere Unternehmen beteiligt, und der EDSA verlangt, die Rollen im Einzelfall anhand der Tatsachen zu bestimmen. Seine allgemeinen Hinweise:

Die ICO ergänzt, Entwickler sollten dafür sorgen, dass alle Beteiligten ihrer Trainingsdaten-Lieferkette, einschließlich Datenbrokern, ihre Transparenzpflichten erfüllen.

Berechtigtes Interesse: der Drei-Stufen-Test beim Scraping

Die ICO nennt das berechtigte Interesse (Art. 6 Abs. 1 lit. f DSGVO) realistisch die einzige Rechtsgrundlage für das Training generativer KI mit gescrapten personenbezogenen Daten. Nach dem EDSA ist es die Grundlage, auf die sich private Unternehmen üblicherweise stützen, während die übrigen in der Regel weniger in Betracht kommen. Beide bestehen darauf, dass es sich durch einen dokumentierten Drei-Stufen-Test bewähren muss.

  1. Ein echtes, konkretes Interesse. Es muss rechtmäßig, klar formuliert sowie real und gegenwärtig sein. Die ICO ergänzt, dass weit gefasste Interessen wie „Entwicklung und Verbesserung unserer Produkte und Dienste“, „Training unserer Modelle“ oder „Nutzen für die Menschheit“ ohne Konkretisierung oder Begründung wahrscheinlich nicht genügen.
  2. Erforderlichkeit. Nach dem EDSA kann es entscheidend sein, die Erhebungskriterien einzugrenzen, statt „einen großen Teil des Internets zu scrapen“; pseudonymisierte oder synthetische Daten können weniger eingriffsintensive Alternativen sein. Die ICO erwartet, dass Entwickler erklären, warum andere Quellen, etwa lizenzierte Datensätze, nicht geeignet sind.
  3. Abwägung. Der EDSA nennt Risiken wie Kontrollverlust, einen „Abschreckungseffekt“ auf die Meinungsfreiheit, die Deanonymisierung von Personen, die anonym gepostet haben, und Deepfakes. Er weist zudem darauf hin, dass sich personenbezogene Daten mit heutiger Technik „nicht leicht aus einem trainierten Modell löschen“ lassen.

Die vernünftigen Erwartungen der Betroffenen haben großes Gewicht, und der EDSA knüpft sie eng an die Signale der Websites. Wer auf einer offenen Plattform postet, die Scraping erlaubt und dies auch sagt, darf vernünftigerweise damit rechnen, dass KI-Entwickler seine Inhalte erheben. Wer auf einer Plattform postet, die Scraper per robots.txt und CAPTCHA blockiert und KI-Training mit Nutzerdaten ausdrücklich nicht erlaubt, darf das nicht.

Der Entwurf zeigt auch, wo die Grenze verläuft. Eine Organisation, die öffentliche Sprachaufnahmen sammelt, um ein Sprachgenerierungstool zu verkaufen, und dabei keine Schutzmaßnahmen gegen böswillige Weiterverwendung trifft, „kann sich nicht“ auf das berechtigte Interesse berufen. Ein Textmodell, das nur mit frei zugänglichen Inhalten trainiert wird, die Menschen offensichtlich öffentlich gemacht haben, das Urheberrechtsvorbehalte respektiert und Schutzmaßnahmen gegen Memorisierung, einfache Betroffenenanfragen und eine öffentliche Quellenliste bietet, kann den Test im Allgemeinen bestehen.

Transparenz, wenn Sie nicht alle informieren können

Artikel 14 DSGVO verlangt, Personen zu informieren, deren Daten Sie nicht bei ihnen selbst erhoben haben. Wenn Sie Daten über Millionen von Menschen gescrapt haben, sind individuelle Mitteilungen oft unmöglich. Artikel 14 Abs. 5 lit. b erlaubt eine Ausnahme bei Unmöglichkeit oder unverhältnismäßigem Aufwand, doch der EDSA sagt, sie dürfe „nicht routinemäßig in Anspruch genommen werden“, und die ICO warnt davor, sie als „Pauschalausnahme“ zu nutzen.

Berufen Sie sich auf die Ausnahme, müssen Sie die Informationen nach Auffassung des EDSA zumindest öffentlich machen, etwa in einer eigenen Mitteilung auf Ihrer Website. Sie sollte die Datenkategorien, Zwecke und Rechtsgrundlage, die Rechte der Betroffenen und eine genaue Angabe der Quellen einschließlich der Merkmale des Crawlers enthalten. Als gute Praxis sollten die gescrapten Domains und URLs in durchsuchbarer Form mit dem Erhebungszeitraum aufgelistet werden.

Der Umfang spielt eine Rolle. Der EDSA stellt das Scraping von 20 Jahren Forenbeiträgen ohne direkte Kennungen, bei dem eine individuelle Information unverhältnismäßig wäre, dem Feintuning mit Beiträgen aus einer geschlossenen Gruppe von 5.000 identifizierbaren Personen gegenüber. Im zweiten Fall sollte jede Person einzeln informiert werden.

Das überschneidet sich mit der KI-Verordnung. Das Muster der Kommission verlangt von Anbietern von KI-Modellen mit allgemeinem Verwendungszweck, ihre Crawler zu benennen, den Erhebungszeitraum anzugeben und die obersten 10 % der gescrapten Domains aufzulisten (bei KMU die obersten 5 % oder 1.000 Domains, je nachdem, was niedriger ist). Ein gutes Quelleninventar kann beiden Gesetzen dienen.

🧭
GDPRGard Tool
Sie wissen nicht, welche DSGVO-Pflichten für Ihre Datenerhebung gelten?

Beantworten Sie ein paar Fragen in unserem DSGVO-Entscheidungsbaum und sehen Sie, welche Pflichten für einen konkreten Einsatz personenbezogener Daten oder KI gelten.

Entscheidungsbaum öffnen →

Datenminimierung und Richtigkeit: Entscheiden Sie, bevor Sie crawlen

Datenminimierung verbietet das Training mit großen Datenmengen nicht, betont der EDSA. Sie verbietet, personenbezogene Daten zu erheben, die Sie nicht brauchen, und diese Prüfung muss vor Beginn des Scrapings erfolgen:

Zur Richtigkeit empfiehlt der EDSA verlässliche Quellen wie amtliche Register, das Zeitstempeln der erhobenen Daten und Stichprobenkontrollen vor dem Training.

Sensible Daten: der „Suchmaschinen“-Weg und seine Grenzen

Besondere Kategorien personenbezogener Daten, etwa Gesundheit, politische Meinungen oder sexuelle Orientierung, benötigen eine Rechtsgrundlage nach Artikel 6 und eine Ausnahme nach Artikel 9 Abs. 2. Beim Scraping fallen fast zwangsläufig einige davon an.

Der Entwurf des EDSA schlägt einen schmalen Pfad für Daten vor, die trotz aller Vermeidungsbemühungen beiläufig und restweise erhoben werden. Er stützt sich auf das Urteil des Gerichtshofs in GC und andere (C-136/17, 24. September 2019), wonach Suchmaschinenbetreiber an die Vorschriften zu sensiblen Daten „im Rahmen ihrer Verantwortung, ihrer Befugnisse und ihrer Möglichkeiten“ gebunden sind. Nach dem EDSA kann diese Argumentation auf KI-Scraping übertragbar sein, wenn Sie nachweisen können, dass:

Diese Maßnahmen sind anspruchsvoll: Filter und Seitenausschlüsse vor der Erhebung, Löschung, sobald sensible Daten erkannt werden (auch auf plausiblen Hinweis), Extraktionstests und Ausgabefilter während der Entwicklung sowie kontinuierliche Überwachung der Ausgaben nach dem Start. Der Ausschuss stellt klar, dass dies keine allgemeine Ausnahme von Artikel 9 ist.

Die ICO ist skeptischer. Sie hält die Ausnahme „offensichtlich öffentlich gemacht“ bei durch Scraping erhobenen sensiblen Daten für unwahrscheinlich anwendbar, weil Entwickler nicht überprüfen können, ob die Person sie öffentlich machen wollte, und meint, die Bedingung der wissenschaftlichen Forschung dürfte nicht die gesamte Modellentwicklung abdecken. Die ICO räumt offen ein, dass dies „die Möglichkeiten der Entwickler einschränkt, ihre Modelle rechtmäßig mit besonderen Datenkategorien zu trainieren“, und bespricht das Thema mit der britischen Regierung.

Auch das Modell kann personenbezogene Daten enthalten

Die Scraping-Risiken enden nicht mit dem Abschluss des Trainings. Die ICO bekräftigt, dass Modelle personenbezogene Daten enthalten können, weil sich Trainingsdaten aus ihnen extrahieren lassen – eine Sicht, die mit der Stellungnahme 28/2024 des EDSA vereinbar ist. Sie warnt, dass aus dem Web stammende Trainingsdaten E-Mail-Signaturen, API-Schlüssel und Passwörter enthalten können, und erwartet, dass Entwickler Modelle auf „Herausgreifen“ (Singling-out) und „Verknüpfbarkeit“ testen. Sie hebt auch gute Praxis bei den Betroffenenrechten hervor: Apple etwa lässt jeden Webseiten melden, die nicht für das Training verwendet werden sollen, und erklärt Website-Betreibern, wie sie den Crawler für das Training blockieren und zugleich die Suchindexierung zulassen können.

Wohin sich das Recht entwickeln könnte

Der im November 2025 vorgestellte Digital-Omnibus der Kommission enthält DSGVO-Änderungen, die für das KI-Training relevant sind. Nach einem durchgesickerten Kompromisstext des Rates vom 3. September 2026 (Dokument 12535/26), über den GDPR Local und die Datenschutzorganisation noyb berichteten, würde ein Erwägungsgrund besagen, dass die Verarbeitung personenbezogener Daten zur Entwicklung und zum Einsatz von KI als berechtigtes Interesse „angesehen werden kann“, sofern nicht die Rechte der Person überwiegen. Ein weiterer Erwägungsgrund würde sensible Daten, die „beiläufig und restweise“ in Trainingsdatensätzen landen, in begrenzten Fällen zulassen. noyb lehnt den Vorschlag entschieden ab, und sein Vorsitzender Max Schrems nannte ihn „eine digitale Enteignung der Europäer“. Den Ratstext erläutern wir in unserem Artikel zum Digital-Omnibus und berechtigten Interesse für KI.

Die Sache ist noch lange nicht entschieden. Die EU-Botschafter konnten sich am 7. Oktober 2026 nicht auf eine Verhandlungsposition des Rates einigen, vor allem wegen Geschäftsgeheimnissen im Data-Act-Teil des Pakets. Laut MLex wurde der Punkt anschließend von der Tagesordnung ihrer Sitzung am 11. Oktober gestrichen, ohne neuen Termin. Das Europäische Parlament hatte im August rund 1.840 Änderungsanträge eingereicht. Stand 12. Oktober 2026 ist nichts davon geltendes Recht, und die DSGVO gilt uneingeschränkt.

Über die EU hinaus: Japan und Brasilien

Japan. Japan hat sein Datenschutzgesetz (APPI) so geändert, dass Daten, einschließlich öffentlich verfügbarer sensibler Daten, für Statistiken ohne Einwilligung genutzt werden dürfen – das kann KI-Entwicklung umfassen, die als Erstellung von Statistiken organisiert ist. Ein Entwurfspapier des Sekretariats der Aufsichtsbehörde vom 1. Oktober 2026 schlägt vor, dass Unternehmen, die sich auf diesen Weg stützen, die erforderlichen Angaben auf einer einzigen, für Crawler lesbaren Webseite veröffentlichen. Es ist ein Entwurf, keine endgültigen Regeln.

Brasilien. Das LGPD (Gesetz 13.709/2018) nennt das berechtigte Interesse unter seinen Rechtsgrundlagen, nicht aber in der Liste der Grundlagen für sensible Daten in Artikel 11. Bei einer Veranstaltung an der FGV Direito Rio am 29. April 2026 sagte Iagê Miola, Vorstandsmitglied der ANPD, die Behörde habe noch keine endgültige Position zum berechtigten Interesse für KI-Training. Die Beiträge zur Konsultation hätten es nicht als unzulässig angesehen, die Meinungen zum Scraping seien geteilt, und das Fehlen einer Grundlage des berechtigten Interesses für sensible Daten sei das Hauptproblem. Wenn es genutzt werde, brauche es belastbare Abwägungen und echte Transparenz. Brasilianische Unternehmen, die Waren oder Dienstleistungen für Personen in der EU anbieten, fallen über Artikel 3 Abs. 2 bereits unter die DSGVO, sodass die Leitlinien des EDSA unmittelbar für sie gelten.

Für globale Unternehmen wird „rechtmäßiges Scraping“ in verschiedenen Märkten Unterschiedliches bedeuten. Der strengere EU- und UK-Standard ist die sicherste Ausgangsbasis.

Praktische Checkliste für Unternehmen, die scrapen oder gescrapte Daten kaufen

Fazit

Die Botschaft aus Brüssel und London ist einheitlich: Das offene Web ist kein rechtsfreier Raum, aber auch nicht tabu. Das Scrapen personenbezogener Daten für KI-Training kann rechtmäßig sein, wenn es gezielt, minimiert und transparent erfolgt und durch Schutzmaßnahmen gestützt wird, deren Wirksamkeit Sie belegen können. Schwer tun werden sich Unternehmen, die nicht sagen können, woher ihre Daten stammen, wozu sie sie brauchten und was sie zum Schutz der betroffenen Menschen getan haben. Die Leitlinien des EDSA sind noch ein Entwurf, und der Digital-Omnibus kann die Debatte noch verschieben, doch Quellen erfassen, Daten filtern, Informationen veröffentlichen und Modelle testen zahlt sich unter jeder Fassung der Regeln aus.

Kostenlose Beratung mit GDPRGard buchen → – wir helfen Ihnen, Ihre Datenquellen und Trainingsdaten-Informationen zu prüfen.

Quellen

Diesen Artikel teilen

Auch lesenswert:

⚠️ Dieser Artikel dient ausschließlich zu Informationszwecken und stellt keine Rechtsberatung dar. Wenden Sie sich bei komplexen Compliance-Fragen an eine qualifizierte Datenschutzfachkraft. Die Anforderungen der DSGVO und des EU-KI-Gesetzes unterliegen laufenden regulatorischen Leitlinien — prüfen Sie Ihre aktuellen Pflichten mit Ihrem Rechtsberater.