Datenschutzrechtliche Herausforderungen beim Training großer Sprachmodelle

Diese Untersuchung konzentriert sich auf die datenschutzrechtlichen Herausforderungen beim Training großer Sprachmodelle (Large Language Models, LLMs). Besonders berücksichtigt werden das berechtigte Interesse gemäß Art. 6 Abs. 1 lit. f DSGVO als Rechtsgrundlage sowie das Potenzial synthetischer Daten für ein datenschutzfreundliches Training großer Sprachmodelle. Ausgangspunkt sind die zunehmende Nutzung LLM-basierter KI-Systeme, der steigende Bedarf an Trainingsdaten und die damit verbundenen Spannungen mit zentralen Grundsätzen der DSGVO wie Zweckbindung, Datenminimierung und Transparenz. Die Arbeit beleuchtet die Funktionsweise von LLMs sowie die rechtlichen Unsicherheiten bei der Anwendung der DSGVO. Im Zentrum steht die Frage, ob typische Trainingsdaten einen Personenbezug im Sinne der DSGVO aufweisen und ob das Training von LLMs in den Anwendungsbereich der DSGVO fällt. Untersucht wird zudem, unter welchen Voraussetzungen das berechtigte Interesse eine tragfähige Rechtsgrundlage für das Training von LLMs darstellen kann. Dabei wird auch das Potenzial synthetischer Daten als möglicher Ausweg aus dem Spannungsverhältnis zwischen DSGVO und LLM-Training geprüft. Basierend auf einer interdisziplinären Methodik werden technische Grundlagen, rechtliche Rahmenbedingungen sowie Schutzmaßnahmen wie Differential Privacy evaluiert. Ziel ist es, praxisnahe Empfehlungen für ein datenschutzkonformes Training von LLMs zu entwickeln. Die Arbeit kommt zu dem Ergebnis, dass ein risikobasierter und kontextabhängiger Umgang mit den Anforderungen der DSGVO erforderlich ist, um technische Innovationen und Grundrechtsschutz in Einklang zu bringen.