Die kurze Antwort
Auf seiner Plenarsitzung im Juli 2026 hat der Europäische Datenschutzausschuss (EDPB) die Leitlinien 03/2026 zum Web-Scraping im Kontext generativer KI verabschiedet — das erste EU-weite Rahmenwerk, das bestätigt, dass die DSGVO uneingeschränkt für personenbezogene Daten gilt, die zum Trainieren von KI-Modellen gescrapt werden, ohne Ausnahme für KI. Der Entwurf steht bis zum 30. Oktober 2026 zur öffentlichen Konsultation, doch er zeigt schon jetzt, wohin die Durchsetzung steuert.
Die zentralen Verschiebungen sind konkret: Einwilligung ist als Rechtsgrundlage für Scraping unwahrscheinlich, das berechtigte Interesse besteht nur nach einem dokumentierten dreistufigen Test, sensible Daten unterliegen einem Beinahe-Verbot, und — entscheidend — ist ein Modell erst trainiert, lassen sich personenbezogene Daten nicht ohne Weiteres daraus löschen. Das macht KI-Data-Governance zu einem vorgelagerten Engineering-Problem und zu einer akuten DSGVO-Frage, die Sie vor dem Training beantworten müssen, nicht nach dem Launch.
Was hat der EDPB tatsächlich veröffentlicht?
Der EDPB — das Gremium, das die nationalen Datenschutzbehörden in der gesamten EU koordiniert — hat auf seiner Plenarsitzung im Juli 2026 in Brüssel die Leitlinien 03/2026 zum Web-Scraping im Kontext generativer KI verabschiedet und Version 1.0 zur öffentlichen Konsultation freigegeben. Es ist das erste Mal, dass der Ausschuss in einem Dokument die spezifische Praxis adressiert, die im Zentrum moderner KI steht: das Extrahieren personenbezogener Daten aus dem offenen Internet, um große Sprachmodelle und andere generative Systeme zu trainieren.
Die Kernaussage ist trügerisch einfach. Die DSGVO gilt, sobald Web-Scraping Verarbeitungsvorgänge personenbezogener Daten umfasst — „Erhebung, Speicherung, Organisation und Abruf“ — und es gibt keine besondere Ausnahme, nur weil der Zweck das KI-Training ist. Jahrelang behandelten einige Labs das offene Web als frei verfügbaren Input. Die Leitlinien schließen diese Tür: Enthalten die Seiten, die Sie scrapen, personenbezogene Daten von Menschen in der EU, ist jeder dieser Verarbeitungsschritte reguliert — ob Sie im OpenAI-Maßstab arbeiten oder als Start-up ein offenes Modell auf einem Fachkorpus feinjustieren.
Das kam nicht aus dem Nichts. Italienische, irische, niederländische und französische Behörden hatten bereits Durchsetzungsmaßnahmen gegen KI-Unternehmen ergriffen — Anbieter mit Bußgeldern belegt, einen Chatbot am Training mit EU-Beiträgen gehindert und kleinere Entwickler wegen Scrapings ohne Rechtsgrundlage verfolgt — doch jede handelte nach ihrer eigenen Auslegung des Rechts. Die Leitlinien 03/2026 geben allen 27 nationalen Aufsichtsbehörden ein einheitliches Regelwerk an die Hand, und genau das macht sie für Teams wichtig, die KI- und Datenprodukte bauen oder in Auftrag geben: Der Maßstab ist nun im gesamten Staatenbund einheitlich.
Warum funktioniert Einwilligung beim Scraping nicht?
Die folgenreichste Klarstellung betrifft die Rechtsgrundlage. Nach der DSGVO benötigt jede Verarbeitung personenbezogener Daten eine von sechs Rechtsgrundlagen, und für Scraping kommen zwei in Frage: Einwilligung und berechtigtes Interesse. Der EDPB stellt unmissverständlich fest, dass die Einwilligung „höchstwahrscheinlich keine praktikable Rechtsgrundlage für Scraping darstellt“. Die Begründung ist praktisch: Ein Verantwortlicher, der Millionen Seiten scrapt, hat keine direkte Beziehung zu den Personen hinter diesen Daten und kann realistisch keine gültige, informierte, freiwillig erteilte Einwilligung von jeder Einzelnen einholen.
Der Ausschuss räumt auch mit einer bequemen Annahme auf. Wie er es formuliert: „Eine Person, die ihre Daten auf einer öffentlich zugänglichen Webseite bereitstellt, hat damit nicht eingewilligt, dass diese Daten für einen bestimmten Zweck wie das KI-Training gescrapt werden.“ Öffentliche Sichtbarkeit ist keine Erlaubnis. Dieser eine Satz zerlegt die informelle Rechtfertigung, auf die sich viele frühe Datensätze stützten — „es stand im offenen Web, also war es Freiwild“ — und er gilt für ein Frontier-Lab genauso wie für ein Team, das einen Retrieval-Korpus aus gescrapten Seiten zusammenstellt.
Da Einwilligung für großflächiges Scraping praktisch ausscheidet, wird das berechtigte Interesse zur realistischen Grundlage. Doch es ist kein Freibrief — es kommt mit einem Test, den Sie bestehen und dokumentieren müssen.
Berechtigtes Interesse und sein dreistufiger Test
Die Leitlinien fassen das berechtigte Interesse als Test aus drei Bedingungen, die alle drei erfüllt sein müssen. Erstens muss ein berechtigtes Interesse des Verantwortlichen oder eines Dritten vorliegen — der EDPB nennt Beispiele wie die Entwicklung von Konversationsagenten, das Erkennen betrügerischer Inhalte und die Verbesserung der Bedrohungserkennung. Zweitens muss die Verarbeitung zur Erreichung dieses Interesses erforderlich sein, das heißt, Sie können dasselbe Ziel nicht mit weniger personenbezogenen Daten erreichen. Drittens muss eine Abwägung bestätigen, dass die Rechte und Freiheiten der betroffenen Personen das Interesse des Verantwortlichen nicht überwiegen.
Für Engineering- und Produktteams ist das operative Wort dokumentiert. Eine Bewertung des berechtigten Interesses (LIA) ist nichts, was Sie nach einer Beschwerde rekonstruieren; sie muss existieren, bevor das Scraping beginnt, und sie muss Ihre Herleitung offenlegen — welches Interesse, warum diese Daten, welche Alternativen Sie verworfen haben, welche Schutzmaßnahmen Sie ergänzt haben und wie die Abwägung zugunsten des Fortfahrens ausfällt. Insbesondere die Erforderlichkeit drängt zur Datenminimierung: Eng für einen definierten Zweck zu erheben ist leichter zu verteidigen als alles „für den Fall der Fälle“ einzusaugen — was zugleich ein Warnsignal unter dem von den Leitlinien betonten Grundsatz der Zweckbindung ist.
Die Transparenz steht daneben. Der Ausschuss erkennt an, dass es unmöglich sein oder einen unverhältnismäßigen Aufwand erfordern kann, jede gescrapte Person einzeln zu informieren — doch wo diese Ausnahme greift, wird eine öffentlich verfügbare Datenschutzerklärung als Maßnahme beschrieben, die der Verantwortliche „stets ergreifen muss“ und die die Datenkategorien, die Rechtsgrundlage und die Quellen ausweist. Mit anderen Worten: Die Befreiung von der persönlichen Benachrichtigung ist keine Befreiung von der Transparenz.
Was ist mit Gesundheits- und Finanzdaten?
Großflächiges Scraping fängt unweigerlich sensibles Material mit ein, und hier sind die Leitlinien streng. Besondere Datenkategorien — darunter Gesundheitsdaten und Daten, die andere geschützte Merkmale offenbaren — sind nach Artikel 9 grundsätzlich von der Verarbeitung untersagt, und dieses Verbot aufzuheben erfordert sowohl eine Rechtsgrundlage nach Artikel 6 als auch eine spezifische Ausnahme nach Artikel 9 Absatz 2. Beim Scraping aus dem offenen Web greifen wenige dieser Ausnahmen realistisch, was die wahllose Erhebung sensibler Daten sehr schwer rechtfertigbar macht.
Gestützt auf die Argumentation des Gerichtshofs in GC u. a. (C‑136/17) akzeptiert der EDPB, dass eine gewisse beiläufige oder verbleibende Erhebung von Daten besonderer Kategorien geduldet werden kann, wenn ein Verantwortlicher sie im Voraus wirklich nicht erkennen kann — aber nur, wenn angemessene Schutzmaßnahmen bestehen und die Daten nach Identifizierung gelöscht werden. Die Pflicht ist in der Praxis Engineering-Arbeit: Klassifikatoren und Filter, die sensible Inhalte aus einem Trainingsset heraussieben, plus ein Löschpfad für alles, was durchrutscht. Für regulierte Bereiche wie HealthTech und FinTech ist „es war öffentlich verfügbar“ keinerlei Verteidigung — die Vermutung läuft umgekehrt, und von Ihnen wird erwartet, diese Daten aktiv fernzuhalten.
Warum „lösche meine Daten“ nach dem Training scheitert
Der technisch bedeutendste Punkt für Entwickler betrifft die Löschung. Der EDPB stellt fest, dass personenbezogene Daten aus einem einmal trainierten Modell nicht ohne Weiteres gelöscht werden können. Gewichte sind keine Datenbankzeile, die man verwerfen kann; die Informationen einer Person sind, einmal gelernt, so über die Parameter diffundiert, dass sie einer gezielten Entfernung widerstehen. Das kollidiert frontal mit DSGVO-Rechten wie Löschung und Berichtigung, die voraussetzen, dass Daten im Nachhinein auffindbar und behandelbar sind.
Die Compliance-Konsequenz ist unausweichlich: Ein Problem mit Trainingsdaten lässt sich nicht beheben, nachdem das Modell ausgeliefert ist — also muss die Governance vorgelagert werden. Kuratieren, minimieren und dokumentieren Sie den Datensatz vor dem Trainingslauf, denn die Alternativen — ein Neutraining aus einem sauberen Korpus oder die Verteidigung eines Modells, das Sie nicht sauber bereinigen können — sind teuer und langsam. Hier hört Compliance auf, eine juristische Formsache zu sein, und wird zu einer Architekturentscheidung, die unmittelbar an die Pflichten zu Risikomanagement und Dokumentation anschließt, denen Teams bereits nach der EU-KI-Verordnung unterliegen. Beide Regime konvergieren auf dieselbe Forderung: Wissen, was in Ihr Modell eingeflossen ist — und es beweisen können.
Was das für US- & EU-Softwareteams bedeutet
Streicht man die juristischen Details, bleiben drei praktische Signale. Erstens ist der Anwendungsbereich weit und extraterritorial: Wenn Sie generative KI bauen oder in Auftrag geben, die personenbezogene Daten von Menschen in der EU berührt — einschließlich US-Unternehmen, die EU-Nutzer bedienen —, erreichen Sie diese Erwartungen, unabhängig davon, wo Ihre Server stehen. „Wir haben es in den USA gescrapt“ stellt einen EU-bezogenen Datensatz nicht außerhalb der DSGVO.
Zweitens ist die Arbeit jetzt vorgelagert und belegbasiert. Vor einem Trainings- oder Fine-Tuning-Lauf brauchen Sie eine dokumentierte Rechtsgrundlage (in der Praxis eine Bewertung des berechtigten Interesses), eine Begründung zur Datenminimierung, eine öffentliche Transparenzerklärung und Filter, die Daten besonderer Kategorien mit einem Löschpfad für Durchrutscher fernhalten. Nichts davon ist exotisch — es ist dieselbe „Kenne deine Daten“-Disziplin, die gutes KI- und Data-Engineering ohnehin schätzt —, aber sie muss nun belegt und nicht angenommen sein. Teams, die einen gescrapten Korpus als Blackbox behandeln, werden ringen; Teams, die eine Datensatz-Herkunft vorweisen können, nicht.
Drittens ist dies die Marschrichtung, auch wenn es ein Entwurf ist. Die Konsultation läuft bis zum 30. Oktober 2026 und die Formulierungen können sich verschieben, doch die Kernpositionen — DSGVO gilt, Einwilligung funktioniert selten, berechtigtes Interesse braucht einen Test, sensible Daten sind beinahe verboten, Modelle lassen sich nicht „enttrainieren“ — decken sich mit dem Handeln europäischer Aufsichtsbehörden bereits jetzt. Der pragmatische Zug ist, schon heute dafür zu bauen, statt auf einen finalen Text zu warten, damit eine „künftige Regel“ nicht zum Launch-Blocker wird. Ordnen Sie den Datensatz einer verteidigbaren Grundlage zu, bewahren Sie die Herkunft und machen Sie Compliance zu einem Design-Input statt zu einer Audit-Überraschung — dasselbe Prinzip wenden wir auf LLM-Fine-Tuning-Projekte an.
Eine praktische Compliance-Checkliste
Nichts davon ist eine neue gesetzliche Frist. Es ist die Arbeit, die aus einer schnelllebigen KI-Datenlage eine Routineprüfung statt einer Überraschung im Audit macht:
- Wählen und dokumentieren Sie eine Rechtsgrundlage. Führen Sie für gescrapte Daten eine Bewertung des berechtigten Interesses durch und halten Sie sie fest — Interesse, Erforderlichkeit, Abwägung —, bevor die Erhebung beginnt. Verlassen Sie sich nicht auf Einwilligung.
- Minimieren Sie an der Quelle. Erheben Sie eng für einen definierten Zweck; breites „für alle Fälle“-Scraping scheitert an Erforderlichkeit und Zweckbindung.
- Filtern Sie Daten besonderer Kategorien heraus. Ergänzen Sie Klassifikatoren, die Gesundheits-, Finanz- und andere sensible Inhalte aussieben, plus einen Löschpfad für alles, was später erkannt wird.
- Veröffentlichen Sie eine Transparenzerklärung. Wo eine individuelle Benachrichtigung unpraktikabel ist, bleibt eine öffentliche Datenschutzerklärung mit Datenkategorien, Rechtsgrundlage und Quellen dennoch verpflichtend.
- Erfassen Sie die Datensatz-Herkunft. Verfolgen Sie, was erhoben wurde, von wo, wann und auf welcher Grundlage — inklusive Zeitstempeln und Validierung —, damit Sie einem Prüfer antworten können, ohne es neu herzuleiten.
- Governen Sie, bevor Sie trainieren. Gehen Sie davon aus, dass Sie eine Person nicht aus einem trainierten Modell löschen können; bringen Sie den Korpus vorab in Ordnung und bewahren Sie die Fähigkeit, aus einem sauberen, dokumentierten Datensatz neu zu trainieren.
Das ist keine Rechtsberatung, und der richtige Ansatz hängt von Ihren Daten, Ihren Märkten und Ihrem Modell ab. Doch das Signal aus den Leitlinien 03/2026 ist klar: Die Ära, das offene Web als unregulierten Input zu scrapen, geht in Europa zu Ende, und am schnellsten bewegen sich die Teams, die ihre Trainingsdaten von vornherein verteidigbar machen.
Häufig gestellte Fragen
Was hat der EDPB zum Web-Scraping für KI veröffentlicht?
Auf seiner Plenarsitzung im Juli 2026 hat der Europäische Datenschutzausschuss die Leitlinien 03/2026 zum Web-Scraping im Kontext generativer KI in Version 1.0 verabschiedet. Es ist das erste EU-weite Rahmenwerk, das die Erhebung personenbezogener Daten aus dem offenen Web zum Trainieren von KI-Modellen unmittelbar adressiert, und es bestätigt, dass die DSGVO uneingeschränkt gilt, sobald Scraping personenbezogene Daten von EU-Bürgern betrifft — ohne Ausnahme für das KI-Training. Der Entwurf steht bis zum 30. Oktober 2026 zur öffentlichen Konsultation.
Können wir uns auf Einwilligung stützen, um öffentliche Webdaten für das KI-Training zu scrapen?
In den meisten Fällen nein. Der EDPB kommt zu dem Schluss, dass die Einwilligung höchstwahrscheinlich keine praktikable Rechtsgrundlage für Scraping darstellt, weil ein Verantwortlicher keine direkte Beziehung zu den Personen hat, deren Daten auf öffentlichen Seiten erscheinen, und weil jemand, der seine Daten auf einer öffentlichen Webseite bereitstellt, damit nicht in deren Scraping für einen Zweck wie das KI-Training eingewilligt hat. Das berechtigte Interesse ist die realistischere Grundlage, aber erst nach einem dokumentierten dreistufigen Test.
Was ist der dreistufige Test des berechtigten Interesses?
Erstens: Identifizieren Sie ein berechtigtes Interesse des Verantwortlichen oder eines Dritten, etwa die Entwicklung eines Konversationsagenten oder die Verbesserung der Bedrohungserkennung. Zweitens: Zeigen Sie, dass die Verarbeitung zur Erreichung dieses Interesses erforderlich ist und nicht mit weniger Daten erreicht werden kann. Drittens: Führen Sie eine Abwägung durch, die bestätigt, dass die Rechte und Freiheiten der betroffenen Personen dieses Interesse nicht überwiegen. Die Bewertung muss dokumentiert sein, bevor das Scraping beginnt, nicht nach einem Vorfall rekonstruiert werden.
Wie behandeln die Regeln Gesundheits- und Finanzdaten in gescrapten Datensätzen?
Besondere Datenkategorien wie Gesundheitsdaten oder Daten, die finanzielle oder andere sensible Merkmale offenbaren, sind grundsätzlich von der Verarbeitung untersagt und erfordern sowohl eine Rechtsgrundlage nach Artikel 6 als auch eine Ausnahme nach Artikel 9 Absatz 2. Der EDPB akzeptiert, dass eine beiläufige oder verbleibende Erhebung solcher Daten beim großflächigen Scraping nur dort geduldet werden kann, wo die Erkennung wirklich schwierig ist und der Verantwortliche Schutzmaßnahmen anwendet und die Daten bei Entdeckung löscht. Für HealthTech- und FinTech-Teams bedeutet das aktive Filter- und Löschpipelines, keine pauschale Annahme, dass öffentlich gleich nutzbar heißt.
Können wir die Daten einer Person aus einem trainierten Modell löschen, wenn sie darum bittet?
Nicht ohne Weiteres. Der EDPB weist darauf hin, dass personenbezogene Daten aus einem einmal trainierten Modell nicht ohne Weiteres gelöscht werden können, was eine echte Grenze für DSGVO-Rechte wie die Löschung nach der Bereitstellung ist. Die praktische Konsequenz ist, dass die Data-Governance vorgelagert stattfinden muss: Filtern, minimieren und dokumentieren Sie Ihre Trainingsdaten vor dem Training, denn Compliance nachträglich in ein trainiertes Modell einzubauen ist weit schwieriger, als den Datensatz von Anfang an richtig zu gestalten.
Quellen
EDPB — EDPB sheds light on anonymisation and web scraping for generative AI (July 2026)
EDPB — Guidelines 03/2026 on web scraping in the context of generative AI (public consultation to 30 October 2026)
PPC Land — EDPB blocks AI firms from using consent as an excuse to scrape