Stellen Sie sich eine Steuerberatung mit 24 Mitarbeitern vor. Die Geschäftsführerin hat im Frühjahr Microsoft 365 Copilot eingeführt. Alle Mitarbeitenden dürfen ihn nutzen. Er greift auf SharePoint zu. Im Juli fragt eine Sachbearbeiterin: „Wie war noch mal die Gehaltsstruktur bei uns?“ Der Copilot antwortet. Ausführlich. Mit Zahlen. Aus einer Personalakte, die in einem Ordner lag, für den sie formal Leserechte hatte, ohne dass es jemandem aufgefallen war.
Das ist kein KI-Problem. Das ist ein Datenproblem, das die KI nur sichtbar gemacht hat. Und es ist der häufigste Stolperstein bei KI-Einführungen im Mittelstand. In diesem Artikel klären wir, warum Datenklassifizierung die Grundlage jeder seriösen KI-Nutzung ist, wie ein praxistaugliches Modell für KMU aussieht und was die Einführung realistisch kostet.
Was Datenklassifizierung ist – kurz erklärt
Datenklassifizierung bedeutet: Unternehmensdaten werden nach ihrem Schutzbedarf eingeordnet. Nicht alle Daten werden gleich behandelt, sondern sensible Informationen bekommen den Schutz, den sie brauchen – und weniger sensible bleiben leicht zugänglich.
Für KMU hat sich ein Vier-Stufen-Modell bewährt:
- Öffentlich. Kann jeder sehen – Website-Inhalte, Broschüren, Pressemitteilungen.
- Intern. Für alle Mitarbeitenden, aber nicht für außen – Urlaubsregelungen, interne Anleitungen, Organigramme.
- Vertraulich. Nur für definierte Rollen – Angebote, Kalkulationen, Kundenverträge, technische Dokumentation.
- Streng vertraulich. Nur für einzelne Personen – Personalakten, Gehaltsdaten, Mandantenakten, Gesundheitsdaten, strategische Unterlagen.
Der rechtliche Rahmen dahinter ist nicht neu: Artikel 32 DSGVO verlangt risikoangemessene Maßnahmen. Das setzt voraus, dass man weiß, welche Daten welchen Schutzbedarf haben. Das BSI-Grundschutz-Kompendium arbeitet mit drei Schutzbedarfsstufen (normal, hoch, sehr hoch), aus denen sich ein KMU-taugliches Modell ableiten lässt.
Warum KI die Frage plötzlich dringlich macht
Vor der KI war eine unsaubere Berechtigungsstruktur ein latentes Risiko. Theoretisch hätte jemand in den falschen Ordner schauen können. Praktisch tat es niemand, weil niemand wusste, dass er da ist.
KI-Assistenten ändern das grundlegend. Sie durchsuchen alles, worauf ein Nutzer formal Zugriff hat – und fassen es hilfsbereit zusammen. Was jahrelang unbemerkt in einem falsch berechtigten Ordner lag, wird auf einmal auf Zuruf beantwortet.
Dazu kommt der regulatorische Druck: Seit dem 2. August 2026 gelten für Anbieter und Betreiber von Hochrisiko-KI-Systemen die vollen Anforderungen des EU AI Act – Dokumentation, Transparenz, menschliche Aufsicht. Wer nicht sagen kann, welche Datenkategorien in welchem KI-System verarbeitet werden, kann diese Nachweise nicht erbringen.
Die KI-Freigabematrix: Datenklassen mal Use Cases
Der praktische Ansatz, der sich 2026 durchsetzt, ist keine pauschale Tool-Freigabe, sondern eine Matrix: Welche Datenklasse darf in welches System?
Ein Beispiel für eine Steuerberatung:
- Öffentlich und Intern: Freigabe für alle KI-Tools, auch ChatGPT-Team oder Gemini. Marketing-Texte, allgemeine Recherche, interne Anleitungen.
- Vertraulich: Nur in Systemen mit EU-Hosting und Datenverarbeitungsvertrag – etwa Microsoft 365 Copilot innerhalb der Service-Boundary oder ein selbst gehostetes RAG-System.
- Streng vertraulich: Keine KI-Verarbeitung ohne ausdrückliche Einzelfreigabe. Mandantenakten und Personaldaten gehören in dieser Kategorie standardmäßig nicht in ein Sprachmodell.
Diese Matrix passt auf eine Seite. Sie ist der praktisch wirksamste Teil einer [AI-Governance](https://bavaria-informatics.com/services/#engineering) – und der Teil, den Mitarbeitende tatsächlich lesen.
Was die Einführung realistisch kostet
Für einen Betrieb mit 20 bis 100 Mitarbeitenden dauert die Einführung einer grundlegenden Datenklassifizierung typischerweise vier bis acht Wochen. Der Ablauf sieht meist so aus:
- Woche 1 bis 2: Bestandsaufnahme. Welche Datenquellen gibt es? SharePoint, Dateiserver, ERP, CRM, DATEV, E-Mail-Archiv. Wo liegt was?
- Woche 2 bis 3: Stufen definieren und mit der Geschäftsführung abstimmen. Vier Stufen, klare Beispiele, keine akademische Debatte.
- Woche 3 bis 6: Zuordnung der wichtigsten Ablagen. Nicht jede Datei einzeln – Ordnerstrukturen und Systeme werden klassifiziert, nicht Einzeldokumente.
- Woche 6 bis 8: Berechtigungen anpassen und Mitarbeitende schulen. Eine 30-Minuten-Unterweisung reicht, wenn die Matrix klar ist.
Der Aufwand klingt hoch. Er ist aber eine Investition, die mehrfach zahlt: Sie ist Voraussetzung für KI-Einführung, liefert DSGVO-Nachweise nach Artikel 32, erfüllt NIS-2-Anforderungen an das Zugriffsmanagement und ist bei Cyber-Versicherungs-Anträgen ein Pluspunkt.
Der häufigste Fehler: zu fein klassifizieren
Ein Hinweis aus der Praxis: Der häufigste Grund für gescheiterte Klassifizierungs-Projekte ist zu viel Detailtiefe. Wer sieben Stufen definiert und jedes Dokument einzeln einordnen will, produziert ein Projekt, das nie fertig wird.
Vier Stufen. Ordner statt Einzeldateien. Die 20 Prozent der Daten, die wirklich sensibel sind, sauber einordnen – der Rest darf „intern“ heißen. Das ist unelegant, aber es funktioniert. Und ein funktionierendes grobes Modell schlägt ein perfektes, das nie eingeführt wird.
Fazit
Datenklassifizierung ist kein Selbstzweck und kein Bürokratie-Projekt. Sie ist die Voraussetzung dafür, KI im Betrieb verantwortbar einzusetzen. Ohne sie kann niemand entscheiden, welches Tool welche Daten sehen darf – und die KI beantwortet Fragen, die sie nicht beantworten sollte.
Vier Stufen, eine Freigabematrix auf einer Seite, vier bis acht Wochen Einführung. Das ist der realistische Rahmen für einen Mittelständler. Wer diesen Schritt macht, hat gleichzeitig einen erheblichen Teil der DSGVO-, NIS-2- und AI-Act-Nachweise erledigt.
Wenn Sie wissen wollen, wie eine pragmatische Datenklassifizierung für Ihren Betrieb aussieht und wo die größten Risiken in Ihrer aktuellen Struktur liegen, sprechen Sie uns an. Wir analysieren Ihre Situation in einem Erstgespräch – kostenfrei und ohne Fachchinesisch.
