Wie man eine DSGVO-konforme KI-Wissensbasis ausrollt

Warum das zählt

Ein kundenseitiger KI-Assistent verarbeitet personenbezogene Daten — mindestens das Gesprächs­transkript, oft die E-Mail des Kunden, seine Konto-ID und das Gerät, über das er sich beschwert. Damit landet er direkt unter der DSGVO (Pflichten als Verantwortlicher / Auftragsverarbeiter) und ab 2026 unter dem EU AI Act (Transparenz, Post-Market-Monitoring, Audit-Log). Die falsche Architektur bedeutet entweder, die Beschaffung nicht zu bestehen oder einen Mid-Year-Rebuild zu bezahlen. Die richtige Architektur bedeutet, schneller zu shippen als der Wettbewerb.

Dieser Leitfaden ist das End-to-End-Playbook, das helpcode beim Aufsetzen eines Knowledge-Base-Deployments für einen EU-Kunden befolgt.

Referenz-Architektur

Drei Ebenen, by design getrennt:

1. Ingestion-Layer — zieht Quelldokumente (Confluence, SharePoint, Drive, PDFs) und führt Chunking, OCR und Embedding aus. Pro-Tenant-Index — Cross-Tenant-Retrieval ist nicht einmal möglich.
2. Retrieval-Layer — Hybrid Retrieval über den Pro-Tenant-Index, Reranker-Pass, Top-K-Assembly. Alles in-region (Frankfurt).
3. Generation-Layer — der LLM-Call. Wählt einen Modell-Endpoint, der in der EU bleibt (Mistral Paris, Anthropic EU, OpenAI EU). Jede Antwort wird mit den verwendeten Zitaten protokolliert.

Die Trennung ist wichtig, weil jede Ebene ein anderes Threat-Model und eine andere Sub-Processor-Liste hat.

Datenfluss & Residenz

Zwei harte Regeln:

• Kein Kundendokument verlässt jemals die EU at rest. S3-Bucket in Frankfurt; Backups in Frankfurt.
• Der LLM-Call respektiert den regionalen Endpoint des Modell-Anbieters. Wenn ihr anthropic.eu wählt, reisen Prompt + abgerufene Snippets innerhalb der EU und die Antwort kommt innerhalb der EU zurück.

Dokumentiert alles im Anhang des DPA und haltet die Liste der Sub-Processors öffentlich — die Beschaffung eures Kunden wird sie prüfen.

Einwilligung & Transparenz

AI Act Art. 50 verlangt, dass der Nutzer weiß, dass er mit KI spricht. Zwei praktische Implementierungen:

• Chat-Widget: ein einzeiliger Disclaimer über dem Eingabefeld. Versteckt ihn nicht in einem Tooltip.
• Voice: ein Eröffnungssatz „Hi, hier ist der KI-Assistent von ACME — sagen Sie jederzeit 'Mensch', um weitergeleitet zu werden." in der Sprache des Nutzers gesprochen.

Trackt im Audit-Log, dass die Offenlegung gerendert wurde, damit ihr es später beweisen könnt.

Audit-Log & Nachvollziehbarkeit

AI Act Art. 12 erwartet, dass ihr jede Antwort rekonstruieren könnt. helpcode protokolliert pro Conversation-Turn:

• die Nutzernachricht
• die Retrieval-Ergebnisse mit ihren Relevanz-Scores
• die Reranker-Scores
• die LLM-Modellversion
• den finalen Prompt + die finale Antwort + die Zitate

CSV-Export und API-Zugriff on demand. Das ist es, was euer Auditor will — und was euer Engineering-Team braucht, um Eval-Verbesserungen auszuliefern.

Pre-Launch-Checkliste

• Pro-Tenant-Index, niemals geteilt
• EU-only Sub-Processor-Liste, öffentlich
• DPA unterzeichnet, SCCs annektiert
• KI-Offenlegung in jedem Turn gerendert + protokolliert
• Audit-Log-Retention ≥ 13 Monate
• Datenresidenz-Klausel im Hauptvertrag
• FRIA-Template für euer spezifisches Deployment ausgefüllt
• Human-Handoff-Pfad end-to-end getestet

Wenn alle acht bestehen, shipt ihr.