ML-Teams in Deutschland, Österreich und der Schweiz würden ihre Plattform gern mit externer Engineering-Kapazität ausbauen, zögern aber, weil die Trainingsdaten personenbezogen sind. Die Kernfrage lautet: Kann ein Team in Indien Pipelines auf Daten bauen und betreiben, die in der EU bleiben müssen? Die Antwort ist ja, allerdings nur, wenn Sie den Fernzugriff als das behandeln, was er rechtlich ist, nämlich eine Übermittlung in ein Drittland, und die Architektur so gestalten, dass diese Übermittlung minimal, dokumentiert und begründet ist. Dieser Leitfaden beschreibt die rechtliche Ausgangslage und vier Architekturmuster, geordnet nach zunehmender Datenexposition.

Datenschutz als praktische Grenze

Die Grenze ist real und wird breit wahrgenommen. In einer im September 2026 veröffentlichten Bitkom-Umfrage unter 605 Unternehmen gaben 50 Prozent an, dass der Datenschutz ihren KI-Einsatz behindert, und 42 Prozent haben aus Datenschutzgründen auf Produkte oder Lösungen aus Ländern außerhalb der EU verzichtet. Die KI-Nutzung breitet sich dennoch aus: Nach der Bitkom-Studie vom September 2026 nutzen 57 Prozent der Unternehmen ab 20 Beschäftigten KI, nach 36 Prozent im Jahr 2025. Die Plattformarbeit hinter diesem Wachstum braucht Fachkräfte, die der heimische Markt nicht vollständig bereitstellt: Bitkom zählte 2026 in Deutschland 79.000 unbesetzte IT-Stellen. Die indische Technologiebranche mit nach Schätzung von NASSCOM rund 5,8 Millionen Beschäftigten im Geschäftsjahr 2025 ist eine naheliegende Quelle für Kapazität. Deshalb muss die Übermittlungsfrage in der Architektur beantwortet werden, statt ihr auszuweichen.

Die rechtliche Ausgangslage in vier Punkten

  • Fernzugriff ist eine Übermittlung. Die Leitlinien 05/2021 des Europäischen Datenschutzausschusses zum Zusammenspiel von Art. 3 und Kapitel V DSGVO behandeln es als Übermittlung, wenn personenbezogene Daten einem Empfänger in einem Drittland zugänglich gemacht werden, auch per Fernzugriff. Eine Speicherung in Frankfurt hilft nicht, wenn Engineers in Bangalore die Daten lesen können.
  • Für Indien gibt es keinen Angemessenheitsbeschluss. Übermittlungen benötigen daher geeignete Garantien nach Art. 46 DSGVO. In der Praxis sind das die Standardvertragsklauseln nach dem Durchführungsbeschluss (EU) 2021/914, in der Regel Modul 2 (Verantwortlicher an Auftragsverarbeiter) oder Modul 3 (Auftragsverarbeiter an Auftragsverarbeiter).
  • Klauseln allein genügen nicht. Seit dem Urteil Schrems II (C-311/18) muss der Datenexporteur Recht und Praxis im Zielland bewerten (Transfer Impact Assessment) und bei Bedarf zusätzliche Maßnahmen ergreifen.
  • Auftragsverarbeitung ist gesondert zu regeln. Verarbeitet das externe Team personenbezogene Daten in Ihrem Auftrag, benötigen Sie zusätzlich einen Vertrag nach Art. 28 DSGVO. Standardvertragsklauseln und Auftragsverarbeitungsvertrag lassen sich kombinieren, beide Funktionen müssen aber abgedeckt sein.

Muster 1: Keine personenbezogenen Daten verlassen die EU-Umgebung

Das externe Team entwickelt und pflegt Code, Pipelines, Infrastrukturdefinitionen und Evaluations-Harnesses, sieht aber nie produktive Trainingsdaten. Gearbeitet wird mit synthetischen Daten oder schemagleichen Fixtures, die innerhalb der EU erzeugt werden. Trainingsjobs laufen auf EU-Rechenkapazität, ausgelöst durch die CI, und nur aggregierte Metriken und Modellartefakte fließen zurück.

Dieses Muster beseitigt die Übermittlungsfrage für die Daten selbst. Es eignet sich gut für Feature-Pipelines, Orchestrierung, Modellregister, Serving-Infrastruktur und Monitoring. Weniger geeignet ist es für Aufgaben, bei denen echte Stichproben betrachtet werden müssen, etwa Fehleranalyse, Prüfung der Labelqualität oder die Untersuchung eines Daten-Drifts.

Muster 2: Nur anonymisierte oder aggregierte Ergebnisse

Das Team erhält ausschließlich Ergebnisse, die im Sinne von Erwägungsgrund 26 DSGVO anonym sind, etwa aggregierte Statistiken, Konfusionsmatrizen oder auf Re-Identifizierungsrisiken geprüfte Embeddings. Anonyme Daten fallen nicht unter die DSGVO. Schwierig ist der Nachweis der Anonymität: Viele ML-Artefakte, darunter manche Embeddings und memorierende Modelle, können personenbezogene Daten preisgeben. Dokumentieren Sie den verwendeten Test und wiederholen Sie ihn bei Änderungen der Pipeline.

Muster 3: Pseudonymisierte Auszüge, Schlüssel bleibt in der EU

Direkte Identifikatoren werden durch Token ersetzt, die Zuordnungstabelle bleibt bei Ihnen in der EU. Für den Verantwortlichen bleiben pseudonymisierte Daten personenbezogen (Art. 4 Nr. 5 DSGVO). Der Gerichtshof der EU hat 2025 (C-413/23 P, EDSB gegen SRB) angedeutet, dass es für die Einordnung beim Empfänger darauf ankommen kann, ob dieser realistisch re-identifizieren kann. Diese Differenzierung hilft, sie hebt Ihre Pflichten als Verantwortlicher aber nicht auf und sollte nicht die einzige Grundlage Ihrer Übermittlungsbewertung sein. Behandeln Sie Muster 3 als Übermittlung auf Basis der Standardvertragsklauseln, mit Pseudonymisierung als zusätzlicher Maßnahme.

Muster 4: Kontrollierter Fernzugriff auf EU-Systeme

Die Engineers arbeiten über einen virtuellen Desktop oder Bastion-Host in einer EU-Umgebung, ohne Daten herunterladen zu können. Zwischenablage, Dateiübertragung und lokale Speicherung sind deaktiviert, Sitzungen werden protokolliert, Zugänge sind befristet. Auch das ist eine Übermittlung, weil Daten in Indien angezeigt werden. Es ist aber die am besten prüfbare Form und häufig die richtige Wahl für Incident Response und Fehleranalyse.

Entscheidungstabelle

AufgabeEmpfohlenes MusterHinweise
Pipeline-Code, Orchestrierung, CI/CD1Synthetische Fixtures müssen Schema und Randfälle abbilden
Modellregister, Serving, Autoscaling1Kein Datenzugriff nötig
Trainingsläufe und Hyperparametersuche1Jobs laufen in der EU, Metriken fließen ab
Evaluation und Fairness-Berichte2Nur Aggregate, kleine Zellgrößen prüfen
Fehleranalyse an falsch klassifizierten Beispielen4Zeitlich begrenzte, protokollierte Sitzungen
Prüfung der Labelqualität3 oder 4Bei Freitext und Personenbildern Muster 4 bevorzugen
Produktionsvorfall durch Daten-Drift4Notfallzugang mit Freigabe

Besondere Kategorien und der AI Act

Enthalten die Trainingsdaten besondere Kategorien nach Art. 9 DSGVO, etwa Gesundheitsdaten, steigen die Anforderungen deutlich, und Muster 1 sollte Standard sein. Für Hochrisiko-KI-Systeme ergänzt Art. 10 AI Act Anforderungen an die Daten-Governance. Art. 10 Abs. 5 erlaubt die Verarbeitung besonderer Kategorien zur Bias-Erkennung nur unter strengen Voraussetzungen, unter anderem dürfen die Daten nicht an Dritte übermittelt oder ihnen anderweitig zugänglich gemacht werden. Das ist mit einem Fernzugriff aus einem Drittland kaum vereinbar. Bias-Analysen auf solchen Daten sollten daher in Ihrer Umgebung laufen, und nur die Ergebnisse werden geteilt.

Checkliste zur Umsetzung

  1. Jeden Datensatz einordnen: personenbezogen, pseudonymisiert, anonym, besondere Kategorie.
  2. Das Muster je Aufgabe anhand der Tabelle festlegen und die Begründung dokumentieren.
  3. Standardvertragsklauseln (Beschluss 2021/914) und Vertrag nach Art. 28 DSGVO abschließen, bevor Zugänge vergeben werden.
  4. Transfer Impact Assessment durchführen und die zusätzlichen Maßnahmen benennen.
  5. Synthetische Fixtures innerhalb der EU erzeugen und mit dem Code versionieren.
  6. Die Fernzugriffsumgebung konfigurieren: kein Download, keine Zwischenablage, Sitzungsprotokollierung, personalisierte Konten, Ablaufdaten.
  7. Ein Notfallverfahren definieren, mit Freigabeberechtigtem und maximaler Dauer.
  8. Zugriffslisten monatlich prüfen und inaktive Konten entfernen.
  9. Das Verzeichnis von Verarbeitungstätigkeiten (Art. 30 DSGVO) aktualisieren.

Was das für die Besetzung einer ML-Plattform bedeutet

Der Großteil der MLOps-Arbeit besteht aus Infrastruktur und Code, und der Großteil davon passt zu Muster 1. Ein Remote-Team kann daher einen erheblichen Teil der Plattform tragen, ohne regelmäßig auf personenbezogene Daten zuzugreifen, sofern synthetische Fixtures und die Ausführung in der EU zuerst eingerichtet werden. Diese Einrichtung ist ein sinnvoller erster Sprint für jedes externe Team. Einen typischen Ablauf beschreibt unser 72-Stunden-Protokoll, das Zugriffsmodell ist auf unserer Seite zur Sicherheit dokumentiert.

Dieser Beitrag dient der allgemeinen Information und stellt keine Rechtsberatung dar. Lassen Sie die Übermittlungsbewertung für Ihre konkreten Datensätze von Ihrem Datenschutzbeauftragten oder einer qualifizierten Rechtsberatung prüfen.

Datenresidenz ist zuerst eine Architekturentscheidung und erst danach eine Personalentscheidung. Die Pods von niogod™ behandeln die Ausführungsumgebung in der EU und synthetische Fixtures als erstes Lieferergebnis im Werkvertrag, damit der Großteil der Plattformarbeit ohne regelmäßigen Zugriff auf personenbezogene Daten vorankommt. Ist für das kommende Jahr der Aufbau einer ML-Plattform geplant, lohnt sich das Gespräch, bevor der erste Datensatz geteilt wird.

Sprechen Sie mit niogod™

Sie planen Engineering-Kapazität in DACH? Vereinbaren Sie eine 30-minütige Konsultation mit dem niogod™-Team.

Konsultation vereinbaren
← Alle Insights