aiMOOC

Datenschutz – Vom Problem zur datenschutzfreundlichen Lösung

QR-Code

Datenschutz – Vom Problem zur datenschutzfreundlichen Lösung

Einleitung

Datenschutz beginnt in der Schule nicht mit einem Verbot, sondern mit einer Frage: Was wollen wir erreichen – und wie geht das mit möglichst wenigen personenbezogenen Daten? Genau darum geht es in diesem Lernkurs.

Du startest bei typischen schulischen Bedürfnissen: schnell kommunizieren, Lernfortschritte begleiten, Fotos teilen, gemeinsam arbeiten oder KI nutzen. Danach entwickelst Du eine datenschutzfreundliche Lösung. Der rote Faden lautet:

Bedarf
  ↓
Zweck klären
  ↓
nur notwendige Daten
  ↓
Rechtsgrundlage und Verantwortung prüfen
  ↓
Zugriffe begrenzen
  ↓
sicheren Kanal und geeignete Technik wählen
  ↓
Speicherung und Löschung festlegen
  ↓
Risiken prüfen, testen und verbessern

Kernidee: Datenschutz und Innovation sind keine Gegensätze. Gute Lösungen entstehen, wenn Datenschutz schon beim Entwurf mitgedacht wird.

Lernpfade für die gesamte Schulgemeinschaft

Lernpfad	Dein Fokus	Empfohlene Route
Schülerinnen und Schüler	Eigene und fremde Daten schützen, sichere Prompts, Rechte verstehen	Bedürfnisse → Datenminimierung → sichere Kommunikation → KI-Fallgeschichte → Quiz
Lehrkräfte und pädagogisches Personal	Werkzeuge auswählen, Lernprozesse datensparsam gestalten, KI-Ergebnisse prüfen	Lösungsprozess → Zugriffsrechte → Fallgeschichten → KI-Vergleich → Feedback
Eltern und Erziehungsberechtigte	Transparenz, Kommunikation, Fotos, Rechte und Ansprechpartner	Schulische Bedürfnisse → sichere Kommunikation → Fallgeschichten → Lernkontrolle
Schulleitung, Verwaltung, IT und Datenschutz	Verantwortlichkeit, Rollen, technische und organisatorische Maßnahmen, Beschaffung	Rechtskompass → Datenfluss → Rollenmodell → Technikvergleich → KI/RAG → Transferaufgaben

Was ist überhaupt ein personenbezogenes Datum?

Fehler beim Erstellen des Vorschaubildes:

Personenbezogene Daten sind Informationen, die sich auf eine identifizierte oder identifizierbare Person beziehen. Im Schulalltag gehören dazu zum Beispiel Namen, Kontaktdaten, Fotos, Leistungsdaten, Gerätekennungen oder Angaben über Abwesenheiten.

Wichtig: Auch ein scheinbar harmloser Datensatz kann personenbezogen sein, wenn eine Person über Kombinationen wieder erkennbar wird.

Form	Beispiel	Datenschutzrechtliche Bedeutung
Direkt personenbezogen	Name mit Note	Person ist unmittelbar erkennbar
Pseudonymisiert	Schüler-ID statt Name, Zuordnung getrennt gespeichert	Bleibt grundsätzlich personenbezogen
Anonym	Keine Person kann mit vertretbaren Mitteln identifiziert werden	Fällt bei echter Anonymität nicht mehr unter die DSGVO

Bei KI-Modellen ist die Frage der Anonymität nicht pauschal zu beantworten. Der Europäische Datenschutzausschuss verlangt eine Prüfung im Einzelfall.

Vom Problem zur Lösung

Schritt 1: Mit dem schulischen Bedarf beginnen

Nicht das Tool steht am Anfang, sondern die Aufgabe.

Schulisches Bedürfnis	Riskante Abkürzung	Datenschutzfreundliche Leitfrage
Eltern schnell informieren	Private Kontaktdaten in einen offenen Gruppenchat übernehmen	Welcher schulisch freigegebene Kanal erreicht nur die zuständigen Personen?
Lernfortschritt erkennen	Möglichst viele Nutzungsdaten dauerhaft speichern	Welche wenigen Daten sind für die pädagogische Entscheidung wirklich nötig?
Klassenfoto teilen	Öffentlichen Link ohne Ablaufdatum versenden	Wer soll das Bild sehen, auf welcher Grundlage und wie lange?
Krankheit melden	Diagnose an einen großen Verteiler schicken	Welche Information braucht die Schule tatsächlich?
KI-Feedback nutzen	Vollständige Schülerarbeiten mit Namen in einen beliebigen Chatbot kopieren	Kann die Aufgabe mit weniger Daten, Pseudonymisierung oder einer kontrollierten KI gelöst werden?

Schritt 2: Daten minimieren

Datenminimierung bedeutet: Nur Daten verarbeiten, die für den festgelegten Zweck erforderlich sind.

Prüffrage: Würde die schulische Aufgabe auch funktionieren, wenn ein Datenfeld entfällt, gröber erfasst oder pseudonymisiert wird? Wenn ja, spricht viel dafür, diese datensparsamere Variante zu wählen.

"Alles sammeln, vielleicht brauchen wir es später"
                    ↓
Zweck festlegen → notwendige Daten bestimmen → Rest weglassen

Schritt 3: Zugriffsrechte nach Aufgaben verteilen

Ein gutes Rollenmodell folgt dem Need-to-know-Prinzip: Menschen erhalten nur die Rechte, die sie für ihre Aufgabe benötigen.

Rolle	Sinnvoller Zugriff	Unnötiger Zugriff
Fachlehrkraft	Eigene Kurse und erforderliche Leistungsdaten	Vollständige Verwaltungsakten aller Lernenden
Sekretariat	Verwaltungsdaten für die jeweilige Aufgabe	Pädagogische Notizen ohne Verwaltungsbezug
Eltern	Informationen zum eigenen Kind	Leistungsdaten der gesamten Klasse
IT-Administration	Technische Administration soweit erforderlich	Inhaltliche Einsicht ohne technischen Grund

Zusätzliche Schutzmaßnahmen sind zum Beispiel Zwei-Faktor-Authentisierung, Protokollierung sicherheitsrelevanter Zugriffe und regelmäßige Überprüfung von Berechtigungen.

Schritt 4: Sicher kommunizieren

Datei:Encryption.svg

Nicht jede Information braucht denselben Schutz. Entscheidend ist das Risiko.

Information
   ↓
Wie sensibel ist sie?
   ↓
Wer darf sie erhalten?
   ↓
Welcher freigegebene Kanal schützt Inhalt, Empfänger und Zugang ausreichend?

Bei E-Mail ist ein risikobasierter Ansatz sinnvoll. Transportverschlüsselung schützt den Übertragungsweg; Ende-zu-Ende-Verschlüsselung kann den Inhalt stärker schützen. Reicht ein Kommunikationskanal für das Risiko nicht aus, sollte ein geeigneterer schulischer Kanal verwendet werden.

Datei:Public key encryption keys.svg

Schritt 5: Technik und Verarbeitung kontrollierbar machen

Datei:Server icon CC0.svg

Lokale oder schulisch kontrollierte Verarbeitung kann externe Datenübermittlungen reduzieren. Sie ist aber nicht automatisch datenschutzkonform. Auch eine lokale Lösung braucht sichere Konfiguration, Rollen, Updates, Protokollierung, Backups, Löschregeln und klare Verantwortlichkeiten.

Variante	Möglicher Vorteil	Prüffragen
Öffentlicher Onlinedienst	Schnell verfügbar	Welche Daten fließen wohin? Werden Eingaben gespeichert oder zum Training genutzt? Gibt es eine schulische Freigabe?
Vertraglich kontrollierter Cloud-Dienst	Zentrale Verwaltung und Skalierung	Welche Auftragsverarbeitung, Unterauftragnehmer, Zugriffsrechte, Speicherorte und Löschregeln gelten?
Schulisch betriebene oder lokale Lösung	Mehr technische Kontrolle und weniger externe Übertragung möglich	Wer betreibt, aktualisiert und absichert das System? Wer darf auf Daten und Modelle zugreifen?

Rechtskompass – Stand 7. Oktober 2026

Die wichtigsten Grundsätze ergeben sich aus der DSGVO. Für konkrete schulische Verfahren kommen zusätzlich landesrechtliche Schulregelungen, Vorgaben des Schulträgers und Entscheidungen der jeweils Verantwortlichen hinzu.

Regel	Bedeutung für die Lösung
DSGVO Art. 5	Rechtmäßigkeit, Transparenz, Zweckbindung, Datenminimierung, Richtigkeit, Speicherbegrenzung, Integrität, Vertraulichkeit und Rechenschaftspflicht
DSGVO Art. 25	Datenschutz durch Technikgestaltung und datenschutzfreundliche Voreinstellungen
DSGVO Art. 32	Angemessene technische und organisatorische Sicherheitsmaßnahmen
DSGVO Art. 35	Datenschutz-Folgenabschätzung bei voraussichtlich hohem Risiko
EU-KI-Verordnung Art. 4	Anbieter und Betreiber müssen Maßnahmen für ausreichende KI-Kompetenz der beteiligten Personen treffen
EU-KI-Verordnung Art. 5	Das Ableiten von Emotionen mit KI in Bildungseinrichtungen ist grundsätzlich verboten; Ausnahmen bestehen für medizinische oder sicherheitsbezogene Gründe

Die EU-KI-Verordnung gilt seit dem 2. August 2026 grundsätzlich; einzelne Pflichten und Übergangsfristen haben abweichende Zeitpunkte. Die Pflicht zur Förderung von KI-Kompetenz gilt bereits seit dem 2. Februar 2025. Für Beschaffung und Betrieb muss deshalb immer die aktuell konsolidierte Fassung geprüft werden.

Merksatz: Datenschutz ist kein einmaliger Haken, sondern ein Prozess aus Planen, Begrenzen, Absichern, Dokumentieren und Verbessern.

Fallgeschichten

Fallgeschichte 1: Krankmeldung im Klassenchat

Situation: Ein Elternteil schreibt in einen großen Klassenchat, dass ein Kind wegen einer bestimmten Diagnose fehlt.

Problem: Gesundheitsinformationen sind besonders sensibel. Der große Verteiler braucht die Diagnose in der Regel nicht.

Datenschutzfreundliche Lösung: Die Abwesenheit wird über den vorgesehenen schulischen Kanal an die zuständige Stelle gemeldet. Es werden nur die Informationen übermittelt, die für den schulischen Zweck erforderlich sind.

Begründetes Feedback: Die Lösung minimiert Daten, begrenzt Empfänger und nutzt einen definierten Prozess. Die konkrete Rechtsgrundlage und erforderliche Information richten sich nach dem jeweiligen schulischen Verfahren.

Fallgeschichte 2: Klassenfoto über einen öffentlichen Link

Situation: Ein Klassenfoto liegt in einem Cloud-Ordner. Der Link ist öffentlich und läuft nie ab.

Problem: Der Empfängerkreis ist nicht kontrolliert. Das Foto kann weitergegeben und länger als nötig verfügbar bleiben.

Datenschutzfreundliche Lösung: Vor der Veröffentlichung werden Zweck und Rechtsgrundlage geklärt. Falls ein digitaler Abruf erforderlich ist, wird ein zugriffsbeschränkter, möglichst zeitlich begrenzter und schulisch freigegebener Weg gewählt.

Begründetes Feedback: Die Lösung reduziert Reichweite und Speicherdauer. Sie ersetzt aber nicht die Prüfung, ob das Foto überhaupt verarbeitet oder veröffentlicht werden darf.

Fallgeschichte 3: KI gibt Feedback zu Aufsätzen

Situation: Eine Lehrkraft möchte 30 Aufsätze automatisch zusammenfassen und Rückmeldungen vorbereiten lassen.

Riskante Variante:

Name + Klasse + vollständiger Aufsatz
          ↓
beliebiger öffentlicher KI-Dienst
          ↓
unklare Speicherung / unklare Weiternutzung

Datenschutzfreundlicher Lösungsweg:

pädagogischer Zweck
      ↓
Datenbedarf prüfen
      ↓
Namen und unnötige Identifikatoren entfernen
      ↓
nur freigegebene KI-Architektur verwenden
      ↓
Ausgabe fachlich und pädagogisch durch Menschen prüfen
      ↓
nur notwendige Ergebnisse speichern / Rest löschen

Begründetes Feedback: KI kann Arbeit unterstützen, wenn Datenfluss, Zweck, Rechtsgrundlage, Anbieterbeziehungen, Zugriffe, Speicherregeln und Risiken beherrscht werden. Pseudonymisierung hilft, macht Daten aber nicht automatisch anonym.

Fallgeschichte 4: Lernplattform misst alles

Situation: Eine Lernplattform protokolliert Seitenaufrufe, Klickpfade, Nutzungszeiten, Geräteinformationen und detaillierte Aktivitätsprofile, obwohl nur der Bearbeitungsstand gebraucht wird.

Problem: Die Datenmenge ist größer als für den Zweck erforderlich.

Datenschutzfreundliche Lösung: Nicht benötigte Tracking-Funktionen werden abgeschaltet oder gar nicht erst beschafft. Lehrkräfte sehen nur die Informationen, die für den pädagogischen Zweck vorgesehen sind. Speicherfristen und Rollen werden festgelegt.

Begründetes Feedback: Mehr Daten bedeuten nicht automatisch bessere Pädagogik. Ein kleiner, erklärbarer Datensatz kann die Aufgabe erfüllen und zugleich Risiken reduzieren.

KI: Datenschutz und Innovation gemeinsam denken

Die zentrale Frage lautet nicht: „Dürfen wir KI?“ Sondern: „Welche KI für welchen Zweck, mit welchen Daten, unter welcher Kontrolle?“

Drei Lösungsarchitekturen im Vergleich

Architektur	Datenschutzchance	Typisches Risiko	Geeignet, wenn …
Öffentlicher allgemeiner Chatbot	Niedrige Einstiegshürde	Datenfluss, Speicherung und Weiternutzung können für den schulischen Zweck ungeeignet sein	keine personenbezogenen Daten eingegeben werden und schulische Regeln die Nutzung erlauben
Schulisch freigegebener Cloud-KI-Dienst	Vertragliche und administrative Kontrolle möglich	Fehlkonfiguration, zu breite Rechte, ungeklärte Unterauftragnehmer oder Logs	Verantwortlichkeiten, Verträge, Rollen, Speicherregeln und Sicherheit geprüft sind
Lokal oder schulisch kontrolliert betriebene KI	Externe Datenübermittlung kann stark reduziert werden	Betrieb, Updates, Zugriffsschutz und Modellrisiken liegen stärker bei der Schule oder dem Betreiber	ausreichende technische, organisatorische und personelle Kontrolle vorhanden ist

Keine Variante ist allein wegen ihres Standorts automatisch richtig oder falsch. Die bessere Lösung ist die, deren Datenfluss, Rechtsgrundlage, Zugriffe, Sicherheit und Löschung zum Zweck passen.

RAG: KI mit freigegebenen Schulquellen verbinden

Retrieval-Augmented Generation, RAG kann eine KI-Antwort mit ausgewählten Referenzdokumenten anreichern.

freigegebene Schuldokumente
          ↓
Rechte und Datenbestand prüfen
          ↓
Suchindex / Vektordatenbank
          ↓
Retriever findet nur erlaubte Ausschnitte
          ↓
lokales oder kontrolliertes Sprachmodell
          ↓
Antwort mit nachvollziehbaren Quellen
          ↓
menschliche Prüfung

RAG kann externe Datenübertragungen verringern und Aktualisierung oder Löschung von Referenzinhalten erleichtern. Es löst aber nicht jedes Datenschutzproblem: Zugriffsrechte im Suchindex müssen stimmen, sensible Inhalte dürfen nicht unkontrolliert in Antworten auftauchen und ein ungeeignet oder rechtswidrig trainiertes Basismodell wird durch RAG nicht automatisch unproblematisch.

Sichere KI-Eingaben

Problematischer Prompt	Datenschutzfreundlichere Umformulierung
„Bewerte den Aufsatz von Lena Müller aus 8b und berücksichtige ihre Diagnose.“	„Bewerte diesen pseudonymisierten Aufsatz anhand der folgenden fachlichen Kriterien. Verwende keine Informationen außerhalb des Textes.“
„Fasse alle Konflikte zwischen Schüler A und seinen Eltern zusammen.“	„Formuliere allgemeine Gesprächsfragen zu einem schulischen Konflikt, ohne personenbezogene Falldaten.“
„Analysiere die komplette Schülerakte und sag, wer gefährdet ist.“	„Entwickle allgemeine Kriterien für Unterstützungsbedarf. Eine konkrete Entscheidung trifft das zuständige pädagogische Team auf zulässiger Datengrundlage.“

Datenflussdiagramme als Denkwerkzeug

Beispiel: Digitale Elternkommunikation

Lehrkraft
   ↓
schulischer Kommunikationsdienst
   ↓
authentifizierter Elternzugang
   ↓
Nachricht
   ↓
definierte Speicherdauer / Löschung

Prüfe an jeder Kante: Welche Daten? Wer kann zugreifen? Wie ist der Transport geschützt? Wo wird gespeichert? Wann wird gelöscht?

Beispiel: KI-gestützte Rückmeldung

Schülerarbeit
   ↓
Minimierung / Pseudonymisierung
   ↓
freigegebene KI
   ↓
Entwurf der Rückmeldung
   ↓
menschliche Fachprüfung
   ↓
pädagogische Entscheidung

Die KI liefert einen Entwurf. Verantwortung und Bewertung werden nicht einfach an ein Modell abgegeben.

Lösungsvergleich: Nicht „Tool gegen Tool“, sondern „Datenfluss gegen Datenfluss“

Kriterium	Lösung A	Lösung B	Begründungsfrage
Datenmenge	viele Pflichtfelder	nur notwendige Felder	Welche Felder braucht der Zweck wirklich?
Zugriff	gemeinsamer Account	persönliche Rollen und Rechte	Wer muss was sehen?
Kommunikation	ungeschützter oder ungeeigneter Kanal	freigegebener risikogerechter Kanal	Wie sensibel ist die Information?
Speicherung	unbegrenzt	definierte Frist	Wann entfällt der Zweck?
KI	unkontrollierte externe Eingabe	minimierte Daten in kontrollierter Architektur	Wer erhält die Eingabe und was geschieht danach?
Kontrolle	keine Protokollierung oder Review	angemessene Nachvollziehbarkeit und menschliche Prüfung	Wie erkennen und korrigieren wir Fehler?

Begründetes Feedback

Gutes Feedback sagt nicht nur „datenschutzfreundlich“ oder „nicht erlaubt“. Es zeigt die Begründung.

1. Entscheidung: Welche Variante wählst Du?
2. Datenfluss: Welche Daten gehen von wo nach wo?
3. Risiko: Was kann schiefgehen?
4. Maßnahme: Wie reduzierst Du das Risiko?
5. Restproblem: Was bleibt offen?
6. Begründung: Warum ist die Lösung für den Zweck angemessen?

Beispiel: „Ich wähle einen schulisch freigegebenen Messenger statt eines offenen Gruppenlinks, weil der Empfängerkreis authentifiziert und begrenzt werden kann. Zusätzlich werden nur notwendige Informationen verschickt. Offen bleibt, welche Speicherfrist und welche administrativen Zugriffe der Dienst vorsieht; das muss vor der Nutzung geklärt werden.“

Technische Schutzbausteine

Baustein	Wirkung
Datenminimierung	reduziert die Datenmenge und damit mögliche Schäden
Rollen und Rechte	begrenzen den Zugriff auf erforderliche Personen
Mehrfaktor-Authentisierung	erschwert Kontoübernahmen
Verschlüsselung	schützt Daten bei Übertragung oder Speicherung
Updates und Patchmanagement	schließen bekannte technische Schwachstellen
Backups	helfen gegen Datenverlust und Erpressung
Löschkonzept	verhindert unnötig lange Speicherung
Protokollierung	kann Sicherheitsvorfälle nachvollziehbar machen, muss selbst datensparsam gestaltet sein
Pseudonymisierung	trennt direkte Identifikatoren von der Verarbeitung, ohne echte Anonymität vorzutäuschen

Quellen- und Mediencheck

Quellenstand: 7. Oktober 2026. Für konkrete Entscheidungen sind die jeweils aktuelle konsolidierte Rechtslage, landesrechtliche Schulvorgaben, Vorgaben des Schulträgers und die zuständigen Datenschutzstellen zu prüfen.

Offizielle Quelle	Relevanz
Datenschutz-Grundverordnung auf EUR-Lex	Art. 5, 25, 32 und 35: Grundsätze, Datenschutz durch Technikgestaltung, Sicherheit und Datenschutz-Folgenabschätzung
EU-KI-Verordnung auf EUR-Lex	KI-Kompetenz, verbotene Praktiken, Hochrisiko-Systeme und weitere Pflichten
Stellungnahme 28/2024 des Europäischen Datenschutzausschusses	Datenschutzfragen bei KI-Modellen, Anonymität und berechtigtem Interesse
DSK: Orientierungshilfe KI und Datenschutz	Auswahl, Implementierung und Nutzung von KI-Anwendungen
DSK: Technische und organisatorische Maßnahmen bei KI-Systemen	Privacy by Design, Datenminimierung, Zugriffe, Lebenszyklus und Risikoanalyse
DSK: Datenschutz bei Retrieval-Augmented Generation	Datenschutzchancen und Risiken von RAG, On-Premise-Betrieb, Rechte und Referenzdaten
DSK: E-Mail-Verschlüsselung	risikobasierte Auswahl angemessener Kommunikationssicherheit
DSK: Online-Lernplattformen im Schulunterricht	Datenminimierung, Rollen, Verantwortlichkeit und schulische Freigabe; ältere Orientierung, daher mit aktueller Landeslage abgleichen
BSI: Sicher im digitalen Schulalltag	Sicherheitsmaterial zu Passwörtern, Updates, E-Mail, Backups und weiteren Schutzmaßnahmen

Medienrechte

Die folgenden Wikimedia-Commons-Dateien wurden wegen ihrer offenen oder gemeinfreien Lizenz ausgewählt. Lizenzdetails und Namensnennung sind auf den jeweiligen Dateibeschreibungsseiten maßgeblich.

Medium	Lizenzhinweis
Fehler beim Erstellen des Vorschaubildes:	PICOL, CC BY 3.0
Fehler beim Erstellen des Vorschaubildes:	CC0 1.0
	Gregor Cresnar, CC BY 3.0
Fehler beim Erstellen des Vorschaubildes:	CC0
Datei:Server icon CC0.svg	CC0
Datei:Encryption.svg	gemeinfrei
Datei:Public key encryption keys.svg	CC BY-SA 3.0
Fehler beim Erstellen des Vorschaubildes:	CC BY-SA 4.0
Fehler beim Erstellen des Vorschaubildes:	QuantuMechaniX8, CC0 1.0

Die eingebetteten Videos stammen von offiziellen Kanälen der Europäischen Kommission beziehungsweise des Bundesamts für Sicherheit in der Informationstechnik. Für sie wird keine offene Lizenz behauptet; sie werden über den offiziellen YouTube-Player eingebettet. Beim Abruf eines YouTube-Embeds können Daten an YouTube übertragen werden. Das ist selbst ein gutes Beispiel dafür, dass auch Lernmedien einen Datenfluss erzeugen, der bei schulischem Einsatz mitgedacht werden muss.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welcher Schritt sollte vor der Auswahl eines digitalen Tools stehen? (Zweck und notwendige Daten klären) (!Möglichst viele Funktionen aktivieren) (!Zuerst alle verfügbaren Daten importieren) (!Die längste Speicherfrist auswählen)

Was bedeutet Datenminimierung? (Nur für den Zweck notwendige Daten verarbeiten) (!Alle Daten vorsorglich dauerhaft speichern) (!Nur Daten aus Papierakten verwenden) (!Personenbezogene Daten immer öffentlich machen)

Was gilt für pseudonymisierte Daten grundsätzlich? (Sie bleiben personenbezogene Daten) (!Sie sind automatisch anonym) (!Sie dürfen immer ohne Zweck verarbeitet werden) (!Sie brauchen keine Schutzmaßnahmen)

Was beschreibt das Need-to-know-Prinzip? (Zugriff nur für Personen die ihn für ihre Aufgabe brauchen) (!Alle Beschäftigten erhalten dieselben Rechte) (!Jede Person darf alle Daten der Schule sehen) (!Zugriffe werden nie überprüft)

Was ist bei sensiblen schulischen Nachrichten sinnvoll? (Einen dem Risiko angemessen geschützten Kanal nutzen) (!Immer einen öffentlichen Gruppenlink verwenden) (!Sensible Daten grundsätzlich unverschlüsselt versenden) (!Die Nachricht an möglichst viele Personen schicken)

Welche Aussage zu lokal betriebenen KI-Systemen ist richtig? (Sie können externe Datenübermittlungen verringern müssen aber trotzdem abgesichert werden) (!Sie sind automatisch rechtskonform) (!Sie brauchen keine Updates) (!Sie benötigen keine Zugriffsrechte)

Was ist bei KI-Eingaben zu beachten? (Auch Prompts können personenbezogene Daten enthalten) (!Prompts sind immer anonym) (!Texteingaben werden nie gespeichert) (!KI kann keine sensiblen Informationen verarbeiten)

Welche KI-Nutzung ist in Bildungseinrichtungen nach der EU-KI-Verordnung grundsätzlich verboten? (KI zur Ableitung von Emotionen außer für medizinische oder Sicherheitsgründe) (!Rechtschreibprüfung) (!Pseudonymisierte Textzusammenfassung) (!Lokale Suche in freigegebenen Dokumenten)

Wann ist eine Datenschutz-Folgenabschätzung nach der DSGVO erforderlich? (Wenn eine Verarbeitung voraussichtlich ein hohes Risiko birgt) (!Bei jeder handschriftlichen Notiz) (!Nur wenn gar keine Daten verarbeitet werden) (!Ausschließlich bei gedruckten Schulbüchern)

Was kann RAG bei einem KI-System leisten? (Antworten mit freigegebenen Referenzdokumenten anreichern und kontrollierbarer machen) (!Jede Rechtsgrundlage ersetzen) (!Ein Sprachmodell automatisch fehlerfrei machen) (!Alle personenbezogenen Daten automatisch anonymisieren)

Memory

Datenminimierung	nur notwendige Daten
Zweckbindung	klar festgelegter Zweck
Need-to-know	Zugriff nur bei Aufgabenbezug
Pseudonymisierung	direkte Kennzeichen ersetzen oder trennen
Verschlüsselung	Daten ohne passenden Schlüssel unlesbar machen
Löschkonzept	Speicherfristen und Löschung festlegen
RAG	KI mit freigegebenen Referenzquellen ergänzen

Drag and Drop

Ordne die richtigen Begriffe zu.	Datenschutzfreundliche Lösung
Daten reduzieren	Nur notwendige Felder
Zugriffe staffeln	Rollen und Rechte
Sicher kommunizieren	Passender Schutzkanal
KI kontrollieren	Freigegebene Architektur
Speicherung begrenzen	Löschfristen
Risiko prüfen	Datenschutz-Folgenabschätzung

...

Kreuzworträtsel

Datenminimierung	Welcher Grundsatz verlangt nur erforderliche Daten zu verarbeiten?
Zweckbindung	Wie heißt der Grundsatz der Verarbeitung für festgelegte Zwecke?
Verschlüsselung	Welche Technik schützt Daten durch eine ohne Schlüssel unlesbare Darstellung?
Pseudonymisierung	Wie heißt das Ersetzen oder Trennen direkter Identifikatoren?
Rollenmodell	Wie heißt ein Konzept das Zugriffsrechte nach Aufgaben verteilt?
Löschkonzept	Wie heißt ein Plan für Speicherfristen und das Entfernen nicht mehr benötigter Daten?

LearningApps

Lückentext

Am Anfang einer datenschutzfreundlichen Lösung steht ein klar bestimmter

. Die DSGVO verlangt, nur die dafür notwendigen Daten zu verarbeiten; dieser Grundsatz heißt

. Ein Rollenmodell begrenzt den

. Für sensible Kommunikation kann eine geeignete

den Schutz erhöhen. Das Ersetzen direkter Identifikatoren kann eine

sein. Eine schulisch betriebene KI kann die Verarbeitung stärker

halten. Die zentralen europäischen Datenschutzregeln stehen in der

. Bei einer voraussichtlich risikoreichen Verarbeitung kann eine

nötig sein. Das Ergänzen eines Sprachmodells um ausgewählte Referenzdokumente wird oft als

bezeichnet. KI-Ausgaben brauchen in schulischen Entscheidungen eine

.

Offene Aufgaben

Leicht

Dateninventur: Wähle einen Schulprozess wie Krankmeldung, Ausleihe oder Elternbrief. Notiere nur die Daten, die für den Zweck wirklich erforderlich sind, und streiche alles Überflüssige.
Prompt-Werkstatt: Formuliere einen personenbezogenen KI-Prompt so um, dass er ohne Namen und ohne unnötige Falldetails auskommt. Begründe jede Entfernung.
Kommunikationsampel: Entwickle eine Ampel für drei Arten schulischer Nachrichten. Begründe, welcher Kanal für welche Sensibilität geeignet ist.
Rolleninterview: Befrage eine Person aus Schule oder Verwaltung dazu, welche Informationen sie für ihre Aufgabe benötigt und welche ausdrücklich nicht.

Standard

Datenflussdiagramm: Zeichne den Datenfluss für das Teilen eines Klassenfotos und markiere mindestens vier Stellen, an denen Datenschutz verbessert werden kann.
KI-Lösungsvergleich: Vergleiche einen öffentlichen Chatbot, einen schulisch freigegebenen Cloud-Dienst und eine lokale KI anhand von Datenfluss, Zugriff, Speicherung, Betrieb und Rest-Risiko.
Berechtigungskonzept: Entwirf ein kleines Rollenmodell für eine Lernplattform mit Lernenden, Lehrkräften, Eltern, Sekretariat und Administration.
Löschkonzept: Erstelle für einen ausgewählten Schulprozess eine Tabelle mit Datenarten, Zweck, verantwortlicher Rolle, Speicherbedarf und Löschzeitpunkt.

Schwer

Privacy by Design: Entwirf einen Prototyp für einen schulischen KI-Assistenten. Beginne mit Zweck und Datenminimierung, nicht mit der Modellwahl.
Datenschutz-Folgenabschätzung: Erstelle eine vereinfachte Risikoanalyse für ein hypothetisches Learning-Analytics-System. Beschreibe Risiken für Lernende, Schutzmaßnahmen und verbleibende Risiken.
RAG-Konzept: Plane eine lokale oder schulisch kontrollierte RAG-Lösung für Schulordnungen und interne Handreichungen. Lege Quellenbestand, Rollen, Aktualisierung, Löschung und Antwortkontrolle fest.
Schulrichtlinie: Entwickle gemeinsam mit anderen eine kurze Richtlinie für datenschutzfreundliche KI-Nutzung und lasse sie von mindestens zwei anderen Rollen der Schulgemeinschaft mit dem Schema Entscheidung – Datenfluss – Risiko – Maßnahme – Restproblem – Begründung prüfen.

Lernkontrolle

App-Prüfung: Eine neue Schul-App verlangt Geburtsdatum, Standort, private Telefonnummer und Zugriff auf Kontakte. Entscheide für jedes Datum, ob es für einen angenommenen Stundenplan-Zweck erforderlich ist, und begründe Deine Entscheidung.
KI-Neudesign: Eine Lehrkraft möchte vollständige Schülerakten in ein KI-System laden, um Förderideen zu erhalten. Entwickle einen datensparsameren Prozess und erkläre, welche Entscheidungen beim Menschen bleiben müssen.
Cloud oder lokal: Vergleiche eine lokale und eine vertraglich kontrollierte Cloud-Lösung. Zeige, warum keine der beiden allein durch ihren Speicherort automatisch datenschutzfreundlich ist.
Rechtekonflikt: In einem Portal können Eltern versehentlich die Noten der ganzen Klasse sehen. Entwickle ein Rollen- und Rechtekonzept, das den Fehler strukturell verhindert.
Kommunikationswechsel: Eine Schule verschickt besonders sensible Unterlagen über einen Kanal, dessen Schutz nicht ausreicht. Entwickle einen alternativen Prozess und begründe die Wahl anhand des Risikos.
RAG-Qualität: Ein RAG-System greift auf veraltete und falsch berechtigte Dokumente zu. Erkläre, welche Datenschutz- und Qualitätsprobleme entstehen und wie Quellenbestand, Rechte und Review verbessert werden müssen.

Lernnachweis

Für einen Lernnachweis solltest Du zeigen, dass Du Datenschutz als Lösungsprozess anwenden kannst.

Du kannst einen schulischen Bedarf in Zweck, Datenfluss und notwendige Daten übersetzen.
Du kannst personenbezogene, pseudonymisierte und anonyme Daten unterscheiden.
Du kannst Datenminimierung begründen und unnötige Datenfelder erkennen.
Du kannst ein Rollen- und Rechtekonzept nach Aufgaben entwerfen.
Du kannst für unterschiedliche Risiken geeignete Kommunikations- und Sicherheitsmaßnahmen auswählen.
Du kannst lokale, schulisch kontrollierte und Cloud-basierte Lösungen anhand konkreter Datenflüsse vergleichen.
Du kannst bei KI-Systemen Eingaben minimieren, menschliche Kontrolle vorsehen und Rest-Risiken erklären.
Du kannst eine Entscheidung mit dem Schema Entscheidung – Datenfluss – Risiko – Maßnahme – Restproblem – Begründung nachvollziehbar vertreten.