gemäß Art. 35 DSGVO und Art. 26 EU AI Act · Version 1.0 · Stand: März 2026
| Verantwortlicher | Riegel Advisory GmbH, Orleansstraße 34, 81677 München |
| Kontakt | joachim@riegel-advisory.de · +49 172 8664051 |
| System | KI-gestütztes Projektmanagement-Tool (SaaS, Self-Hosted) |
| KI-Anbieter | Anthropic PBC — Claude API (Modelle: Claude Sonnet 4.6, Claude Haiku 4.5) |
| Risikoklassifikation | Begrenztes Risiko (Limited Risk) nach EU AI Act Art. 50 — Entscheidungsunterstützungssystem, keine autonomen Entscheidungen |
Die Plattform nutzt künstliche Intelligenz als Beratungsschicht für das Projektmanagement. KI-Ergebnisse sind immer Empfehlungen — alle Entscheidungen werden von Menschen getroffen.
| KI-Agent | Zweck | Output |
|---|---|---|
| Priorisierung | Aufgaben nach Dringlichkeit und Wirkung bewerten | Score (0–100) mit Top-3 Faktoren |
| Risikoerkennung | Projektrisiken frühzeitig identifizieren | Signale mit Schweregrad, Erklärung, Evidenz |
| Empfehlungen | Konkrete Handlungsvorschläge generieren | Empfehlung mit Rationale, Konfidenz, Aktionsplan |
| Dokument-Parsing | Projektdokumente strukturiert extrahieren | Strukturierte Projektdaten (Aufgaben, Ziele, Risiken) |
| Aufgabengenerierung | Aus Impulsen und Wiki-Seiten Aufgaben ableiten | Aufgabenvorschläge zur manuellen Übernahme |
An Anthropic Claude übermittelt (anonymisiert):
Nicht an Anthropic übermittelt:
Speicherorte:
| Risiko | Eintritt | Schwere | Maßnahme |
|---|---|---|---|
| KI-Fehlpriorisierung führt zu falscher Ressourcenallokation | Mittel | Niedrig | Human-in-the-Loop: Alle KI-Scores sind Vorschläge. Nutzer setzen eigene Prioritäten. Top-3 Erklärfaktoren machen Bewertung nachvollziehbar. |
| Datenleck von Projektdaten an Dritte über Anthropic API | Niedrig | Mittel | Keine PII übermittelt. Auftragsverarbeitungsvertrag (DPA) mit Anthropic. Anthropic nutzt API-Daten nicht für Modelltraining. |
| Cross-Organisation Datenzugriff durch fehlerhafte Mandantentrennung | Niedrig | Hoch | Defense-in-Depth: Row Level Security (RLS) auf Datenbankebene PLUS explizite organization_id-Filter auf Anwendungsebene in allen Queries. |
| Mangelnde Transparenz: Nutzer erkennen KI-Outputs nicht als solche | Niedrig | Mittel | „KI-generiert“-Labels an allen KI-Outputs. Konfidenzwerte. Modellversion sichtbar. Erklärfaktoren bei jedem Score. |
| Fehlende Nachvollziehbarkeit von KI-Entscheidungen bei Audit | Niedrig | Mittel | Immutables Event-Log mit Modell, Tokens, Zeitstempel. Decision-Logs mit Akzeptanz/Ablehnung + Pflichtbegründung. Audit-Export (CSV/JSON) für externe Prüfer. |
| Abhängigkeit von externem KI-Anbieter (Vendor Lock-in, Ausfall) | Mittel | Niedrig | KI ist Beratungsschicht, nicht Kernfunktion. Plattform funktioniert vollständig ohne KI. Retry-Logik mit Exponential Backoff. Ergebnis-Cache (4h TTL) reduziert API-Abhängigkeit. |
| Prompt Injection: Manipulation der KI durch eingeschleuste Anweisungen | Niedrig | Niedrig | Prompts sind admin-kontrolliert, nicht nutzergeneriert. Projektdaten sind vertrauenswürdig (eigene Organisation). KI schreibt nie direkt in den Systemzustand. |
PII-Anonymisierung
Benutzernamen, E-Mail-Adressen und User-IDs werden vor der Übermittlung an die KI entfernt. Aufgaben werden mit anonymen Short-IDs (T01, T02…) referenziert.
Human-in-the-Loop
Alle KI-Outputs sind Empfehlungen. Kein KI-Agent kann den Systemzustand direkt ändern. Jede Änderung erfordert eine explizite menschliche Entscheidung (Annehmen/Ablehnen).
Erklärbarkeit
Jeder KI-Score enthält die Top-3 Einflussfaktoren. Empfehlungen enthalten eine Rationale und einen Konfidenzwert (0–100%). Risikosignale enthalten Erklärung und Evidenz.
Audit-Trail
Immutables Event-Log dokumentiert jeden KI-Aufruf (Modell, Token-Verbrauch, Zeitstempel). Decision-Logs protokollieren jede menschliche Entscheidung mit Pflichtbegründung bei Ablehnungen. Audit-Export als CSV/JSON verfügbar.
KI-Opt-Out
Organisationen können alle KI-Funktionen vollständig deaktivieren. Bei deaktivierter KI werden alle AI-API-Aufrufe mit 403 blockiert — auch für Super-Admins.
Mandantentrennung
Row Level Security (RLS) auf PostgreSQL-Ebene stellt sicher, dass Organisationen nur eigene Daten sehen. Zusätzlich explizite organization_id-Filter auf Anwendungsebene (Defense-in-Depth).
Rate-Limiting
Maximal 10 KI-Anfragen pro Minute pro Benutzer. Sliding-Window-Algorithmus mit automatischer Bereinigung. Retry-After-Header bei Überschreitung.
Fehlerbehandlung
Fehlermeldungen an Benutzer enthalten keine internen Systemdetails (keine Stack-Traces, keine rohen Datenbankfehler, keine KI-Modell-Interna). Detaillierte Fehler werden nur server-seitig protokolliert.
Da keine personenbezogenen Daten an die KI übermittelt werden, betrifft die KI-Verarbeitung die Betroffenenrechte nur mittelbar. Folgende Rechte werden dennoch gewährleistet:
Gesamtrisiko: Niedrig bis Mittel
Die identifizierten Risiken werden durch umfangreiche technische und organisatorische Maßnahmen auf ein akzeptables Niveau reduziert.
Wesentliche Risikomitigationsfaktoren:
Empfehlung: Die Verarbeitung kann unter den beschriebenen Maßnahmen fortgeführt werden. Eine erneute Bewertung ist bei wesentlichen Änderungen an den KI-Agenten, dem KI-Anbieter oder den Datenflüssen durchzuführen.
Erstellt von
Joachim Riegel, Geschäftsführer
Datenschutzbeauftragter
[bitte ergänzen, falls bestellt]
Nächste Überprüfung
Spätestens März 2027 oder bei wesentlichen Systemänderungen
Bayerisches Landesamt für Datenschutzaufsicht (BayLDA)
Promenade 18, 91522 Ansbach
www.lda.bayern.de