Ein Bericht vom 14. September 2026 beschreibt, dass mehrere Großunternehmen die Nutzung externer KI-Modelle wie Claude und Angeboten von OpenAI für bestimmte Aufgaben begrenzen oder an Bedingungen knüpfen. Der Grund ist kein einheitliches Verbot, sondern ein Bündel offener Fragen: Datenaufbewahrung, technische Nutzungsmetadaten, Schutz geistigen Eigentums und belastbare Zusagen zur Datenlöschung bei vertraulichen Arbeitslasten.
Unternehmen ziehen bei Claude und anderen KI-Modellen Grenzen
Die gemeldeten Maßnahmen reichen von Verboten für proprietäre Daten bis zur Trennung sensibler und nicht sensibler Aufgaben. Nvidia soll Fable für Arbeiten ohne Zugriff auf sensible Daten einsetzen und für vertraulichere Aufgaben ein internes KI-System nutzen. Novo Nordisk soll Claude für einzelne Aufgaben weiterverwenden, dem Modell aber keine proprietären Daten zuführen.
Auch radikalere Abgrenzung steht im Raum: Northrop Grumman soll Open-Source-Modelle auf eigenen, vom Netz getrennten Servern betreiben. Eine große, nicht namentlich genannte US-Versorgungsfirma soll einen geplanten Fable-Test verworfen haben, nachdem keine unwiderrufliche Zusage zur Zero Data Retention zustande kam.
Training, Speicherung und Metadaten sind nicht dasselbe
Hier wird es schnell verwirrend, weil drei Dinge gern in einen Topf geworfen werden. Modelltraining beschreibt, ob Inhalte zur Verbesserung eines Modells genutzt werden. Datenaufbewahrung meint, wie lange Eingaben und Antworten gespeichert bleiben. Technische Nutzungsmetadaten betreffen dagegen Informationen über die Verwendung eines Dienstes, etwa verbundene Anwendungen oder Aktivität zwischen Antworten.
OpenAI erklärt, Geschäftsdaten standardmäßig nicht für das Training seiner Modelle zu verwenden. Anthropic erklärt für Daten, die von einer Zero-Data-Retention-Vereinbarung erfasst sind, dass sie ohne ausdrückliche Erlaubnis nicht zum Modelltraining genutzt werden.
Das beantwortet jedoch nicht automatisch jede Frage zur Speicherung oder zu Metadaten. C Spire soll trotz Vertragsklauseln gegen das Training mit seinen Daten gerade wegen zulässiger technischer Nutzungsmetadaten Bedenken haben. Für Unternehmen mit Quellcode, Produktplänen oder Forschungsdaten ist diese Unterscheidung alles andere als akademisch: Ein Trainingsausschluss ist nicht dasselbe wie eine vollständige Abschottung des Workflows.
Welche Maßnahmen laut Bericht zum Einsatz kommen
Die berichteten Beispiele zeigen eine Art Sicherheitsarchitektur aus mehreren Schichten statt eines einzelnen Schalters:
- Aufgabentrennung: Externe Modelle bearbeiten weniger sensible Aufgaben; kritische Arbeitslasten bleiben in internen Systemen.
- Datenverbote: Mitarbeitende dürfen keine proprietären Informationen in bestimmte Modelle eingeben.
- Vertragliche Grenzen: Unternehmen verlangen Zusagen zur Zero Data Retention oder zu Ausschlüssen beim Modelltraining.
- Eigene Infrastruktur: Open-Source-Modelle laufen innerhalb einer isolierten, vom Netz getrennten Umgebung.
- Private Cloud-Umgebungen: Microsoft vermarktet isolierte Umgebungen auf privaten Servern, in denen Daten nicht an externe KI-Anbieter gesendet werden sollen.
Der gemeinsame Nenner: Nicht jedes Dokument, jeder Prompt und jede Schnittstelle bekommt dieselbe Risikostufe. Das ist deutlich nüchterner als „KI verbieten“ – und in der Praxis vermutlich auch wirksamer.
Warum Zero Data Retention kein Universalversprechen ist
Zero Data Retention, kurz ZDR, bedeutet bei berechtigten Workflows, dass Prompts und Modellantworten nach einer Anfrage nicht aufbewahrt werden. OpenAI bietet eine solche Zusage für berechtigte Kunden seiner APIs für Frontier-Modelle an.
Bei Anthropic gilt ZDR ebenfalls nicht pauschal für jedes Angebot. Die Dokumentation beschränkt entsprechende Vereinbarungen auf berechtigte Produkte und APIs. Ob ein konkreter Unternehmensworkflow darunter fällt, hängt damit vom genutzten Produkt und der jeweiligen Vereinbarung ab.
Wer fragt, ob ein Unternehmen seine Claude-Chats einsehen kann, bekommt deshalb keine universelle Antwort. Entscheidend sind Produkt, Kontotyp, Vertrag, gewählte Aufbewahrungseinstellungen und die internen Zugriffsregeln. Prompts und Antworten sind zudem nicht dasselbe wie technische Nutzungsmetadaten.
Externe Dienste, interne Modelle und isolierte Server im Vergleich
| Ansatz | Wo die Daten bleiben | Praktischer Vorteil | Operative Grenze |
| Externer Unternehmensdienst von Anthropic oder OpenAI | Beim Anbieter betrieben, mit vertraglichen Trainingsausschlüssen | Zugriff auf leistungsfähige gehostete Modelle und Unternehmensfunktionen | Aufbewahrung, Metadaten und vertragliche Ausnahmen müssen je Workflow geprüft werden |
| Workflow mit Zero Data Retention | Prompts und Antworten werden bei berechtigtem Produkt und Vertrag nicht aufbewahrt | Verringert das Risiko einer dauerhaften Speicherung | Gilt nicht automatisch für jedes Produkt, Modell oder jeden Ablauf |
| Internes KI-System | Sensible Arbeitslasten bleiben im eigenen System | Vertrauliche Informationen werden nicht an ein externes Modell gesendet | Erfordert eigene Modelle, Infrastruktur und Governance |
| Open-Source-Modell auf vom Netz getrennten Servern | Modell und Daten bleiben in einer isolierten Unternehmensumgebung | Starke Trennung von externen Anbietern | Höhere Kosten und Komplexität; die Modellleistung kann geringer ausfallen |
Die Entwicklung verschiebt die Diskussion damit weg von der Frage, ob ein Modell „sicher“ ist. Wichtiger ist, welche Daten in welchen Workflow gelangen, welche Zusagen für genau diesen Workflow gelten – und wann eine interne oder isolierte Umgebung die sinnvollere Grenze zieht.
