Bei Anthropics Spitzenmodellen werden 30 Tage protokolliert, bei OpenAI nicht mehr

Wer KI-Funktionen in ein Produkt einbaut, hat sich die Frage nach der Datenspeicherung bisher einmal gestellt, mit dem Anbieter geklärt und dann abgehakt. Genau das funktioniert seit diesem Sommer nicht mehr. Innerhalb weniger Wochen haben die beiden größten Anbieter ihre Regeln in entgegengesetzte Richtungen bewegt, und zwar nicht auf Anbieterebene, sondern pro Modell.

Das ist die eigentliche Neuigkeit. Die Aufbewahrungsregel hängt nicht mehr am Vertrag, sondern daran, welches Modell im Code steht.

Was Anthropic seit Juni verlangt

Anthropic hat mit den Modellen Claude Fable 5 und Mythos 5 eine Kategorie eingeführt, die im eigenen Sprachgebrauch Covered Models heißt. Für diese Modelle gilt seit dem 9. Juni 2026 eine Aufbewahrungspflicht: Jeder Prompt und jede Ausgabe werden 30 Tage lang gespeichert.

Zwei Details daran sind wichtig. Erstens gibt es kein Opt-out, auch nicht für Unternehmenskunden, die zuvor eine Nulldatenspeicherung vertraglich vereinbart hatten. Zweitens dienen die Protokolle ausdrücklich der Missbrauchserkennung und nicht dem Modelltraining. Das ist ein bedeutsamer Unterschied, ändert aber nichts daran, dass Inhalte für einen definierten Zeitraum beim Anbieter liegen.

Für Teams in regulierten Bereichen ist genau das der Knackpunkt. Wer eine Datenschutz-Folgenabschätzung auf der Annahme aufgebaut hat, dass beim Dienstleister nichts liegen bleibt, muss diese Annahme für diese beiden Modelle streichen.

Entscheidend ist aber die Reichweite der Regel, und die wird in den meisten Berichten unterschlagen: Sie betrifft ausschließlich diese beiden Spitzenmodelle. Für Opus 5, Sonnet 5 und Haiku 4.5, also die Modelle, mit denen praktisch alle produktiven Anwendungen laufen, gilt sie nicht. Wer nicht ausdrücklich das leistungsfähigste verfügbare Modell braucht, ist von der Änderung schlicht nicht betroffen.

Foto: Cytonn Photography / Pexels

Was OpenAI am 19. August zugesagt hat

OpenAI hat in die andere Richtung nachgelegt und Zero Data Retention für berechtigte API-Kunden bei den Frontier-Modellen bestätigt. Anfragen und Ausgaben werden nach der Verarbeitung nicht aufbewahrt, Beschäftigte haben keinen Zugriff auf Kundeninhalte, und Unternehmensdaten fließen nicht ins Training, sofern der Kunde das nicht ausdrücklich freigibt.

Interessanter als die Zusage selbst ist der technische Weg dorthin. Denn beide Anbieter stehen vor demselben Problem: Missbrauch lässt sich am zuverlässigsten erkennen, wenn man Muster über mehrere Sitzungen hinweg sieht. Genau dafür braucht man normalerweise gespeicherte Inhalte. Anthropic löst das über die Aufbewahrung. OpenAI kündigt für diesen Zweck ein Verfahren namens Private Safety Processing an, bei dem automatisierte Systeme sitzungsübergreifende Muster erkennen sollen, ohne dass Mitarbeiter Zugriff auf die zugrundeliegenden Inhalte bekommen. Ein technisches Papier dazu ist für September 2026 angekündigt.

Ob das hält, was es verspricht, lässt sich vor Veröffentlichung dieses Papiers nicht beurteilen. Bis dahin steht auf der einen Seite eine dokumentierte Aufbewahrungspflicht und auf der anderen eine Zusage, deren technische Umsetzung noch aussteht. Beides gehört fair nebeneinandergestellt.

Foto: cottonbro studio / Pexels

Warum das mehr ist als eine Randnotiz

Der eigentliche Bruch liegt nicht in der einen oder anderen Regel, sondern in der neuen Zuständigkeit. Bisher war die Datenspeicherung eine Frage zwischen Unternehmen und Anbieter, geregelt in einem Vertrag, gültig für alles, was über die Schnittstelle lief. Jetzt kann derselbe Anbieter, unter demselben Vertrag, für zwei verschiedene Modelle zwei verschiedene Regeln haben.

Das hat praktische Folgen für die Art, wie man KI-Funktionen baut. Ein Wechsel des Modells in einer Konfigurationsdatei war bisher eine reine Leistungs- und Kostenentscheidung. Jetzt kann derselbe Handgriff die datenschutzrechtliche Bewertung der ganzen Anwendung verändern, ohne dass sich am Code sonst irgendetwas ändert. Und weil solche Modellwechsel oft nebenbei passieren, wenn ein neueres Modell erscheint, ist das eine Änderung, die leicht durchrutscht.

Dazu kommt ein zweiter Punkt: Bei Modellen mit erzwungener Protokollierung nützt es nichts, dass die Daten anschließend gelöscht werden. Für die Zeit der Aufbewahrung liegen sie beim Anbieter, und wenn dieser Anbieter in den USA sitzt, ist das ein Drittlandtransfer mit allem, was dazugehört.

Foto: Luis F Rodríguez Jiménez / Pexels

Was ich daraus für Projekte ableite

Drei Dinge haben sich bei mir als praktikabel erwiesen, und keines davon ist aufwendig.

Die Modellwahl gehört dokumentiert, nicht vorausgesetzt. In jedem Projekt mit KI-Funktionen sollte an einer Stelle stehen, welches Modell in welchem Arbeitsschritt aufgerufen wird. Das klingt banal, ist aber in der Praxis oft nicht der Fall, weil Modell-IDs verstreut in Konfigurationsdateien und Umgebungsvariablen liegen. Wer das einmal zusammenträgt, hat die Grundlage für jede weitere Bewertung.

Nicht jeder Arbeitsschritt sieht personenbezogene Daten. In den meisten Anwendungen, die ich baue, verarbeitet nur ein kleiner Teil der Aufrufe überhaupt echte Personendaten. Eine Zusammenfassung interner Dokumentation, eine Klassifizierung nach Themen, eine Formulierungshilfe für einen Textbaustein, all das kommt ohne aus. Wenn man diese Schritte sauber von denen trennt, die Kundendaten berühren, schrumpft die Menge der wirklich kritischen Aufrufe erheblich. Und nur für diese muss man dann das Modell nach Datenschutzkriterien wählen statt nach Leistung.

Zero Data Retention ist ein Baustein, keine Lösung. Auch mit Nulldatenspeicherung braucht es weiterhin einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, eine Rechtsgrundlage für die Verarbeitung und bei Anbietern außerhalb der EU eine Betrachtung des Drittlandtransfers. Die Aufbewahrungsregel beantwortet nur eine von mehreren Fragen. Genau deshalb ist es auch kein Drama, wenn ein einzelnes Modell sie anders beantwortet, solange man weiß, welches.

Unterm Strich ist die Entwicklung weniger dramatisch, als die Schlagzeilen nahelegen, aber sie verlangt eine Umstellung in der Denkweise. Die Frage lautet nicht mehr, welchem Anbieter man vertraut, sondern welches konkrete Modell an welcher Stelle läuft und welche Daten es dabei zu sehen bekommt.

Wenn du KI-Funktionen im Einsatz hast und nicht sicher bist, welche Modelle in deinen Abläufen tatsächlich aufgerufen werden und welche Daten dort ankommen, schaue ich mir das gerne an. Meist ist die Antwort unspektakulärer als befürchtet, und die wenigen kritischen Stellen lassen sich gezielt umbauen.