KI und Löschen: Trainingsdaten, Modell und Wissensspeicher auseinanderhalten
Löschen ist bei KI keine einzelne technische Operation. Entscheidend ist, welche Daten im Training, Modell oder Wissensspeicher verarbeitet werden.
Redaktioneller Stand:
Hintergrund & Quellenbefund
Der Europäische Datenschutzausschuss behandelt in seiner Stellungnahme 28/2024 den Personenbezug von KI-Modellen. Ob ein Modell als anonym gelten kann, ist nach den dort beschriebenen Kriterien im Einzelfall zu beurteilen. Ein Training mit personenbezogenen Daten führt weder automatisch zur Anonymität noch automatisch zu derselben rechtlichen Bewertung jedes Modells. [1]
Für die technische Planung müssen ursprüngliche Datensätze, im Modell gelernte Informationen und später zugeschaltete Dokumentenspeicher unterschieden werden. Eine Datei aus einer Wissenssuche zu entfernen ist eine andere Aufgabe als nachzuweisen, dass ein trainiertes Modell bestimmte Informationen nicht mehr zugänglich macht. [1]
Einordnung & Grenzen
Die Behauptung, Machine Unlearning sei pauschal mathematisch ungelöst, wird nicht übernommen. Ebenso folgt keine allgemeine Pflicht, in jedem Löschfall das gesamte Modell zu vernichten.
Einfach erklärt
Vereinfacht gibt es mehrere Orte: das ursprüngliche Lehrmaterial, die daraus entstandene Fähigkeit und den später daneben aufgestellten Aktenschrank. Eine Änderung an einem Ort wirkt nicht automatisch an allen anderen.
Empfehlungen für die Praxis
Unsere Empfehlung: Dokumentieren Sie schon vor dem Einsatz, an welchen Stellen personenbezogene Daten eingehen und gespeichert werden. Planen Sie Bearbeitungswege für Berichtigung und Löschung. Fragen Sie einen Anbieter konkret, welche Datenebenen eine zugesagte Löschung erfasst und wie dies nachgewiesen wird. Unterscheiden Sie eine technische Maßnahme von der rechtlichen Entscheidung, ob ein bestimmter Anspruch besteht. Vermeiden Sie Versprechen wie vollständig vergessen, solange der damit gemeinte Prüfmaßstab nicht feststeht.