Anonymisierung und Pseudonymisierung bei KI-Nutzung: Was soziale Organisationen wissen sollten

Warum die Begriffe nicht verwechselt werden dürfen

In der Praxis werden Anonymisierung und Pseudonymisierung häufig durcheinandergebracht. Das ist riskant, weil daraus falsche Entscheidungen entstehen können: Ein Team entfernt Namen aus einer Fallnotiz, nennt den Text anonymisiert und gibt ihn in ein KI-Tool ein. Tatsächlich kann die Person vielleicht weiterhin über Wohnort, Alter, Familiensituation, Hilfeverlauf oder seltene Ereignisse erkennbar sein.

Anonymisierung ist kein einzelner Handgriff, sondern ein belastbares Ergebnis. Die Daten dürfen nicht mehr einer identifizierten oder identifizierbaren Person zugeordnet werden können. Dabei zählen auch indirekte Merkmale und Zusatzwissen, das vernünftigerweise genutzt werden könnte. Die DSGVO-Basis dafür liegt vor allem in Art. 4 Nr. 1 DSGVO zu personenbezogenen Daten und in Erwägungsgrund 26 DSGVO zur Identifizierbarkeit und anonymen Informationen.

Pseudonymisierung ist etwas anderes. Sie ersetzt unmittelbare Kennzeichen durch Pseudonyme, Codes oder neutrale Bezeichnungen. Die Verbindung zur Person bleibt aber über Zusatzinformationen möglich. Art. 4 Nr. 5 DSGVO beschreibt Pseudonymisierung deshalb als Verarbeitung personenbezogener Daten, bei der die Zuordnung ohne getrennt aufbewahrte Zusatzinformationen nicht mehr möglich ist. Genau deshalb ist Pseudonymisierung eine wichtige Schutzmaßnahme, aber keine automatische Aufhebung des Datenschutzbezugs.

Re-Identifikation in sozialen Fallkontexten

Soziale Arbeit, Jugendhilfe, Beratung, Pflege, Eingliederungshilfe und soziale Verwaltung arbeiten mit Kontexten, die oft sehr spezifisch sind. Einzelne Merkmale wirken harmlos. In Kombination können sie aber eine Person erkennbar machen: ein bestimmter Stadtteil, eine seltene Familiensituation, ein markanter Hilfeverlauf, ein Schulwechsel, eine Diagnose, eine Krise oder ein besonderes Ereignis.

Dieses Risiko steigt, wenn Personen innerhalb einer Organisation, eines Sozialraums oder eines Kooperationsnetzwerks über Hintergrundwissen verfügen. Auch KI-Systeme können Muster, Kombinationen und implizite Bezüge verarbeiten. Deshalb reicht die Frage "Steht der Name noch im Text" nicht aus.

Für den Arbeitsalltag ist eine einfache Leitfrage hilfreicher: Könnte jemand mit realistischem Zusatzwissen erkennen, um wen es geht Wenn die Antwort nicht klar nein ist, sollte der Inhalt nicht als anonym behandelt werden.

Was das für KI-Nutzung bedeutet

KI-Nutzung verändert den Risikokontext. Wer Informationen in ein externes oder nicht freigegebenes KI-Tool eingibt, übermittelt Daten an einen Dienst, dessen Verarbeitung, Speicherung, Trainingsnutzung, Zugriffsmöglichkeiten und Löschregeln vorher geprüft werden müssen. Das gilt besonders, wenn personenbezogene, pseudonymisierte oder sensible Daten betroffen sein könnten. In der Praxis stellen sich häufig Fragen wie: Welche personenbezogenen Daten dürfen in KI-Systeme eingegeben werden Wie sind Falldaten zu bewerten Und welche datenschutzrechtlichen Anforderungen gelten beispielsweise bei ChatGPT oder vergleichbaren Systemen

Pseudonymisierte Falldaten gehören deshalb nicht automatisch in KI-Tools. Sie können weiterhin personenbezogen sein und sensible Inhalte enthalten. Auch anonymisierte Beispiele sollten nicht unbedacht verwendet werden, wenn die Anonymisierung nur oberflächlich erfolgt ist oder der Kontext eine Re-Identifikation ermöglicht. Gerade bei Anonymisierung in der Jugendhilfe und bei Re-Identifikation im Datenschutz muss die Organisation den Einzelfallkontext mitdenken.

In der Praxis können Teams oft mit abstrahierten Musterfällen arbeiten. Statt reale Fallverläufe zu entschärfen, wird ein neutrales, künstliches Beispiel erstellt, das die fachliche Fragestellung abbildet, aber keine echten Personen oder Ereignisse enthält. Das ist für KI-Übungen, Schulungen und Konzeptarbeit häufig robuster als der Versuch, reale Falldaten nachträglich zu anonymisieren.

Rollen, Verantwortung und QM

Die Entscheidung, ob Daten tatsächlich wirksam anonymisiert oder nur pseudonymisiert sind, sollte nicht allein bei einzelnen Mitarbeitenden liegen. Gerade bei wiederkehrender KI-Nutzung ist ein abgestimmter Rahmen mit Leitung, Datenschutz, IT, Qualitätsmanagement und Fachpraxis sinnvoll.

Für Leitungen und Träger entsteht daraus die Aufgabe, klare organisatorische Regeln für KI-Nutzung festzulegen, statt die Verantwortung einzelnen Mitarbeitenden zu überlassen.

Leitung und Träger verantworten, dass es klare Regeln und freigegebene Wege gibt. Datenschutz bewertet Personenbezug, Rechtsgrundlagen, Schutzmaßnahmen und Verträge. IT prüft technische und organisatorische Aspekte des Tools. Qualitätsmanagement sorgt dafür, dass Regeln, Prüfschritte, Schulungen und Freigaben nachvollziehbar dokumentiert werden. Die Fachpraxis bringt ein, welche Details in einem konkreten Sozialraum oder Fallkontext identifizierend wirken können.

Eine KI-Brückenfunktion als mögliches Organisationsmodell – also eine Person, Rolle oder Arbeitsgruppe zwischen Fachpraxis, Datenschutz, Qualitätsmanagement, IT und Leitung – kann helfen, diese Perspektiven zu verbinden. Sie kann Vorlagen für anonymisierte Musterfälle entwickeln, Prüffragen sammeln, Rückmeldungen aus Teams aufnehmen und dafür sorgen, dass Datenschutz nicht abstrakt bleibt, sondern im Arbeitsalltag verstanden wird.

Praxisbeispiele

Fallnotiz in der Jugendhilfe

Eine Fachkraft möchte eine Fallnotiz mit KI in eine übersichtlichere Struktur bringen. Sie ersetzt die Namen durch "Mutter", "Kind A" und "Kind B". Im Text bleiben aber Alter, Schule, Stadtteil, Trennungssituation, Hilfeform, ein besonderer Vorfall und eine Diagnose enthalten. Das ist keine belastbare Anonymisierung. Die Daten sind weiterhin mindestens pseudonymisiert und können durch Kontextwissen re-identifizierbar sein. Für ein nicht freigegebenes externes KI-Tool sollte eine solche Nutzung ausgeschlossen werden.

SPFH und Entwicklungsbericht

Eine Fachkraft aus der sozialpädagogischen Familienhilfe möchte einen Entwicklungsbericht mit KI sprachlich überarbeiten lassen. Namen wurden entfernt, aber Hilfeverlauf, Familienkonstellation, Schule, Diagnose und besondere Ereignisse bleiben enthalten. Auch dann kann der Fall re-identifizierbar sein. Für die Praxis bedeutet das: Der Bericht enthält weiterhin sensible Falldaten und sollte ohne ausdrückliche Toolfreigabe, Zweckprüfung und Datenschutzbewertung nicht in ein externes KI-Tool eingegeben werden.

QM entwickelt Schulungsmaterial

Das Qualitätsmanagement möchte KI nutzen, um Schulungsfragen für Dokumentationsqualität zu formulieren. Statt echte Fälle zu anonymisieren, erstellt das Team drei künstliche Musterbeispiele mit erfundenen Personen, neutralen Orten und typischen, aber nicht realen Fallverläufen. Die KI wird nur mit diesen Musterbeispielen genutzt. Das senkt das Risiko deutlich, ersetzt aber nicht die fachliche Prüfung der Ergebnisse.

Weitere Fachimpulse und Begriffe im Zusammenhang

Den direkten Datenschutzrahmen vertieft KI und Datenschutz: Welche Daten gehören nicht ungeprüft in KI-Tools. Wie Organisationen Toolentscheidungen absichern, zeigt KI-Freigabeprozesse: Vom Tool-Wunsch zur verantwortlichen Nutzung. Warum oberflächliche Anonymisierung in SPFH-Fällen oft nicht reicht, vertieft KI in der ambulanten Familienhilfe. Für den organisatorischen Rahmen passen KI-Policy, KI-Leitbild oder KI-Leitlinien, KI-Risiken in der Sozialen Arbeit bewerten und KI-Brückenfunktion.

Wichtige Begriffe dazu sind Toolfreigabe, KI-Policy, KI-Risikoanalyse, KI-Governance und KI-Brückenfunktion.