Uncategorized – KoWima

Datentypen in der DSGVO

Wer in der Praxis mit Daten arbeitet, egal ob im Unternehmen oder in einem Forschungsprojekt, stößt schnell auf die Frage: Mit welchen Datentypen habe ich es zu tun und wieso ist diese Unterscheidung so wichtig?

Die Datenschutz-Grundverordnung (DSGVO) stellt klare Anforderungen an den Umgang mit Daten und differenziert zwischen verschiedenen Datentypen. Die Unterscheidung ist keinesfalls theoretisch: Sie hat Auswirkungen auf die Rechtsgrundlagen der Verarbeitung, Dokumentationspflichten, technische und organisatorische Maßnahmen (TOMs) und Bußgeldrisiken.

Eine saubere Datenklassifikation ist daher eine zentrale Voraussetzung für die rechtssichere Datenverarbeitung.

Personenbezogene Daten

Den Kern der DSGVO bilden die personenbezogen Daten (Art. 4 Nr. 1 DSGVO). Diese umfassen all solche Informationen, die sich auf eine identifizierte und identifizierbare natürliche Person beziehen. Beispiele für personenbezogene Daten sind unter anderem: Name, Adresse, Telefonnummer, Kundennummer oder Standortdaten.

Die Identifizierbarkeit der Person steht dabei im Fokus. Es ist auch ausreichend, wenn der Personenbezug über eine Kombination mehrerer Daten hergestellt werden kann.

Besondere Kategorien personenbezogener Daten

Ein sensibler Bereich der personenbezogenen Daten sind die besonderen Kategorien von personenbezogenen Daten (Art. 9 DSGVO). Diese Daten sind besonders schützenswert, da deren Verarbeitung in der Regel ein großes Risiko für die betroffene Person mit sich bringt. Beispiele für Daten dieser Kategorie sind unter anderem: Gesundheitsdaten, biometrische Daten, religiöse oder politische Überzeugungen und Daten zur sexuellen Orientierung.

Die Verarbeitung dieser sensiblen Daten ist grundsätzlich untersagt (Art. 9 I DSGVO).
Ausnahmen von dieser Regelung finden sich in Art. 9 II DSGVO. So kann die betroffene Person zum Beispiel in die Verarbeitung einwilligen oder eine gesetzliche Grundlage kann die Verarbeitung rechtfertigen.

Pseudonymisierte Daten

Bei der Pseudonymisierung (Art. 4 Nr. 5 DSGVO) werden personenbezogene Daten so verarbeitet, dass sie ohne zusätzliche Informationen keiner Person direkt zugeordnet werden können. Ein Beispiel dafür ist es, nur eine Kundennummer statt dem Namen der betroffenen Person zu verwenden.

Pseudonymisierte Daten gelten weiterhin als personenbezogene Daten, sofern eine Re-Identifikation der betroffenen Person weiterhin möglich ist.

Anonymisierte Daten

Bei anonymisierten Daten (Erwägungsgrund 26 DSGVO) ist im Gegensatz dazu keine Re-Identifikation der betroffenen Person möglich. Die Daten werden so verändert, dass selbst mit Zusatzwissen kein Personenbezug mehr hergestellt werden kann. Ein Bespiel für anonymisierte Daten sind statistische Auswertungen ohne Rückschlüsse auf Einzelpersonen.

Da keine identifizierbare Person bei der Verarbeitung von anonymisierten Daten betroffen ist, fallen diese Daten nicht in den Anwendungsbereich der DSGVO.

Fazit

Die DSGVO unterscheidet nicht einfach nur „Daten“ und „keine Daten“, sondern differenziert sehr genau nach Schutzbedarf und Identifizierbarkeit. Nur wer weiß, ob Daten personenbezogen, pseudonymisiert oder anonym sind, kann passende Maßnahmen wählen und Risiken richtig einschätzen.

Die Relevanz wird auch in der Praxis deutlich: Die Einordnung der Datentypen muss bereits zu Beginn eines Projektes erfolgen, weil sie alle weiteren Schritte, von der Rechtsgrundlage bis hin zu Schutzmaßnahmen, beeinflusst. Gerade bei der Verarbeitung von großen Datenmengen ist der Personenbezug nicht immer eindeutig. Es ist deswegen unerlässlich bereits frühzeitig eine saubere Datenklassifikation vorzunehmen, um eine sichere, strukturierte und verantwortungsvolle Datenverarbeitung zu gewährleisten.

Die Besonderheit im Projekt KoWima stellt die Verarbeitung von konversationsbasierten Daten aus E-Mails, Chatverläufen und anderen Kommunikationsformaten im Unternehmen dar. Solche Daten entstehen im Arbeitsalltag oft beiläufig, können jedoch zahlreiche (sensible) persönliche Daten enthalten.

Gerade hier ergeben sich datenschutzrechtlich viele Fragestellungen: In welchem Umfang enthalten die Kommunikationsdaten personenbezogene oder sogar besonders schützenswerte Informationen? Lassen sich diese eindeutig klassifizieren oder entstehen Personenbezüge erst durch Kontext, Schreibstil oder die Kombination einzelner Inhalte? Inwieweit ist eine vollständige Anonymisierung realistisch, wenn sich Identitäten möglicherweise ohne direkte Angaben erschließen lassen? Und wie kann sichergestellt werden, dass die Erwartungen und Rechte der betroffenen Personen angemessen berücksichtigt werden?

Ein bewusster und gezielter Umgang mit den erhobenen Daten kann dazu beitragen, das Vertrauen der Beteiligten zu stärken und die Nutzung der Daten verantwortungsvoll zu gestalten. Vor diesem Hintergrund wird deutlich, dass der Umgang mit konversationsbasierten Daten in diesem Forschungsprojekt besondere Aufmerksamkeit erfordert und kontinuierlich reflektiert werden sollte.

Quelle: Mit ChatGPT (OpenAI) generiertes Bild; erzeugt am 31. März 2026 auf Basis eines eigenen Prompts.

Wissensmanagement mit KI – zwischen Chancen und Herausforderungen

Künstliche Intelligenz verändert derzeit die Art und Weise, wie Unternehmen Wissen erfassen, teilen und weiterentwickeln. Doch effektives Wissensmanagement mit KI ist weit mehr als die Einführung neuer Tools – es betrifft die gesamte Organisation, ihre Prozesse und nicht zuletzt die Menschen, die mit dieser Technologie arbeiten.

Technische Möglichkeiten und organisatorische Realität

KI kann Wissen heute automatisch erfassen, strukturieren und zugänglich machen. Tools wie semantische Suchmaschinen, Chatbots oder Assistenzsysteme helfen, Informationen schneller zu finden und vorhandenes Wissen intelligenter zu verknüpfen. Doch die besten Systeme entfalten ihren Nutzen nur, wenn sie in eine offene Wissenskultur eingebettet sind – mit klaren Prozessen, Verantwortlichkeiten und Vertrauen in den Umgang mit Daten.

Soziale Dimension: Zusammenarbeit neu denken

Wo KI-Technologie Routineaufgaben übernimmt, verschiebt sich die Rolle der Mitarbeitenden: weg vom reinen Wissensträger hin zum Wissensgestalter. Das erfordert Lernbereitschaft, Kommunikationskompetenz und ein organisationales Klima, das Fehler zulässt und Lernen fördert.

Gleichzeitig stehen aktuell bei vielen Unternehmen einige grundlegende Fragen im Raum:

Ist das Wissen bei der Nutzung von KI geschützt?
Wie schafft man es eigentlich bei fehlender Zeit, Wissen zu sichern und aktuell zu halten?
Wie werden Mitarbeitende motiviert, ihr wertvolles Wissen zu teilen?
Wie muss die Strategie zu Wissensmanagement und KI aussehen?
Welches Tool ist das Passende?

– Einblicke aus der unserer ersten KoWima-Veranstaltung „Wissensmanagement mit KI in der Praxis – Tools, Talk & Austausch“.

Diese und weitere Themen standen im Mittelpunkt dieser Veranstaltung. Nach einem inhaltlichen Einstieg zum Thema „Wissensmanagement im Zeitalter der KI“ berichteten zwei Unternehmer in einem Praxis-Talk offen über ihre Erfahrungen – über Chancen, aber auch Stolpersteine mit digitalem Wissensmanagement. In kleinen Murmelrunden tauschten sich die Teilnehmenden intensiv über Herausforderungen und Bedarfe aus und teilten Erfahrungen. Zum Abschluss hatten die Teilnehmenden die Möglichkeit fünf praxisnahe, KI-basierte Tools kennenzulernen und auszuprobieren, die heute bereits für das Wissensmanagement genutzt werden können.

Das Fazit: KI kann das Wissensmanagement spürbar verbessern – aber nur, wenn Menschen, Technik und Organisation gemeinsam betrachtet werden. Es gelingt dort, wo Unternehmen technische Möglichkeiten mit einer offenen, lernorientierten Kultur verbinden und Ressourcen für die Umsetzung frei machen. Es braucht eine strategische, organisatorische und soziale Integration, nicht nur die nächste App.

Solche und weitere Angebote aus dem KoWima-Projekt werden noch folgen. Melden Sie sich bei Interesse an unseren Angeboten gerne bei Fatma Mendoza, mendoza@agenturmark.de.

Warum wir bei KoWima mitarbeiten – und was das für die Zukunft von KI-Wissensmanagement bedeutet

(English version below)

KoWima entwickelt konversationsbasierte KI-Systeme für den Mittelstand. Ziel ist es, Wissen aus fragmentierten Datenquellen intelligent zu verknüpfen und dort verfügbar zu machen, wo es gebraucht wird – ohne manuellen Dokumentationsaufwand.

Unsere Aufgabe als Technologiepartner: Wir entwickeln die KI-Infrastruktur, trainieren die Modelle und sorgen dafür, dass die Lösung DSGVO-konform und praxistauglich ist.

Die technische Herausforderung: RAG-Systeme, die wirklich funktionieren

Wir setzen auf Retrieval Augmented Generation (RAG). Das bedeutet: Generative KI wird direkt mit internen Datenquellen verknüpft – ERP-Systeme, Wissensdatenbanken, Messenger-Tools. Das Ergebnis sind präzise Antworten, die auf echtem Unternehmenswissen basieren.

Die Herausforderung liegt in der fragmentierten Wissenslandschaft. Informationen sind oft verstreut, unstrukturiert und schwer zugänglich. Unsere Aufgabe ist es, diese Datenquellen intelligent zu verknüpfen und das Wissen kontextbasiert verfügbar zu machen.

Der Mehrwert für den Mittelstand

Mitarbeitende finden schneller die richtigen Informationen. Einarbeitungszeiten verkürzen sich. Implizites Wissen geht nicht mehr verloren, wenn erfahrene Kolleg:innen das Unternehmen verlassen.

Ein Beispiel aus dem Projekt:Ein Anlagenführer in der Nachtschicht steht vor einem Maschinenstillstand. Statt lange in verschiedenen Systemen zu suchen, bekommt er sprachgesteuert eine fundierte Handlungsempfehlung auf sein mobiles Endgerät, basierend auf vorhandenem Wissen aus QM-Systemen, Betriebsdaten und Erfahrungswerten.

Das spart Zeit, reduziert Ausschuss und macht Wissen dort verfügbar, wo es gebraucht wird.

Unsere Rolle: Technologie, die in der Praxis funktioniert

Wir bringen unsere Expertise in semantischer Suche, KI-Modellentwicklung und RAG-Systemen ein. Wir entwickeln die technische Infrastruktur, trainieren die KI-Modelle und sorgen dafür, dass die Lösungen DSGVO-konform und sicher sind.

Aber das Wichtigste: Wir arbeiten partizipativ mit den Anwendungsunternehmen zusammen. Denn KI-Wissensmanagement funktioniert nur, wenn es auf echten Bedarfen aufbaut und in der Praxis genutzt wird.

Warum uns das so wichtig ist

KI im Mittelstand ist kein Hype. Es ist eine praxisnahe Lösung, die nachhaltigen Mehrwert schafft, wenn sie richtig gemacht wird.

Mit KoWima arbeiten wir an einer Zukunft, in der Wissensmanagement nicht mehr Zusatzaufwand bedeutet, sondern einfach funktioniert. Für Unternehmen, die ihre Wettbewerbsfähigkeit sichern wollen. Für Mitarbeitende, die endlich finden, was sie suchen.

Das ist unser Beitrag zur digitalen Transformation im Mittelstand.

Why we’re collaborating with KoWima — and what it means for the future of AI knowledge management

KoWima develops conversational AI systems for medium-sized businesses. The goal is to intelligently connect knowledge from fragmented data sources and make it available where it’s needed — without manual documentation effort. Our role as a technology partner: We develop the AI infrastructure, train the models, and ensure the solution is GDPR-compliant and practical.

The technical challenge: RAG systems that truly work

We rely on Retrieval Augmented Generation (RAG). This means generative AI is directly linked to internal data sources — ERP systems, knowledge bases, messenger tools. The result is precise answers based on real company knowledge. The challenge lies in the fragmented knowledge landscape. Information is often scattered, unstructured, and hard to access. Our task is to intelligently connect these data sources and make knowledge available in a context-aware manner.

The value for the mid-market

Employees find the right information faster. Onboarding times are reduced. Implicit knowledge is no longer lost when experienced colleagues leave the company. An example from the project: A plant operator on the night shift faces a machine downtime. Instead of searching across different systems for a long time, they receive a voice-driven, well-founded action recommendation on their mobile device, based on existing knowledge from QM systems, operational data, and practical experience. This saves time, reduces scrap, and makes knowledge available where it’s needed.

Our role: Technology that works in practice

We contribute our expertise in semantic search, AI model development, and RAG systems. We develop the technical infrastructure, train the AI models, and ensure the solutions are GDPR-compliant and secure. But most importantly: We work collaboratively with the user organizations. AI knowledge management only works if it’s built on real needs and is used in practice.

Why this matters to us

AI in the mid-market is not a hype. It’s a practical solution that creates sustainable value when done right. With KoWima, we’re working toward a future in which knowledge management is no longer an additional burden, but simply works. For companies that want to secure their competitiveness. For employees who can finally find what they’relooking for. This is our contribution to the digital transformation of the mid-market.