Absolute Zero: Werden KI-Agenten in sensiblen Branchen DSGVO-konformer?

Absolute Zero soll das nächste große Ding im KI-Training sein: Modelle, die angeblich ganz ohne menschliche Trainingsdaten lernen. Innerhalb von 72 Stunden hat diese Meldung durch die KI-News-Kanäle gefeuert – und sofort die nächste Frage ausgelöst. Wenn Modelle wirklich ohne Daten trainieren, sind DSGVO-Probleme bei Enterprise-Agenten dann Geschichte? Seien wir ehrlich: Die Antwort ist komplizierter, als es die Schlagzeilen versprechen. Wer in den vergangenen Tagen die einschlägigen Foren, LinkedIn-Threads und Fachnewsletter verfolgt hat, konnte den Eindruck gewinnen, hier löse sich ein jahrelanges Rechtsproblem quasi über Nacht auf. Genau diese Erwartungshaltung lohnt es sich, gründlich zu prüfen, bevor Unternehmen ihre Compliance-Strategie darauf aufbauen.

Absolute Zero und das Versprechen vom datenfreien Training

Absolute Zero beschreibt einen Trainingsansatz, bei dem ein Modell sich seine eigenen Aufgaben stellt, sie löst und die Lösungen gegen überprüfbare Kriterien testet – etwa in Mathematik oder Programmierung, wo sich richtig und falsch technisch verifizieren lassen. Statt riesiger Mengen von Menschen kuratierter Beispiele generiert das System seinen eigenen Trainingsstoff im Selbstspiel. Das ist tatsächlich ein bemerkenswerter Fortschritt in der Forschung zu selbstüberwachtem Lernen.

Nur: „Ohne Daten“ ist journalistisch griffig, aber technisch unpräzise. Die Modelle, auf denen solche Verfahren aufsetzen, sind in aller Regel bereits auf gigantischen, menschlich erzeugten Textkorpora vortrainiert. Absolute Zero reduziert den Bedarf an zusätzlichen, gelabelten Trainingsdaten für bestimmte Nachtrainingsschritte – es ersetzt nicht die Grundlage, auf der das Modell überhaupt sprechen und denken gelernt hat.

Klartext: Zwischen „ohne externe Trainingsdaten“, „ohne Labels“ und „komplett selbstüberwacht“ liegen Welten. Wer diese Begriffe in einen Topf wirft, verspricht Unternehmen einen Datenschutz-Freifahrtschein, den es so nicht gibt. Diese begriffliche Unschärfe ist kein Zufall, sondern folgt einer bekannten Logik der Tech-Kommunikation: Je größer das Versprechen, desto mehr Aufmerksamkeit, desto mehr Reichweite. Für Entscheiderinnen und Entscheider in regulierten Branchen ist genau diese Verkürzung aber gefährlich, weil sie Erwartungen weckt, die im Ernstfall vor einer Aufsichtsbehörde nicht standhalten.

Klartext: Was „ohne Daten“ wirklich bedeutet

Für Compliance-Verantwortliche zählt eine einzige Frage: Wurden bei diesem Trainingsschritt personenbezogene Daten verarbeitet? Bei Absolute Zero und ähnlichen Selbstspiel-Verfahren lautet die Antwort für den konkreten Trainingsschritt oft: nein, weil die Aufgaben synthetisch generiert werden. Das ist der eigentliche Kern der Neuigkeit – nicht die Illusion eines komplett datenfreien Modells.

Genau hier liegt die reale Chance. Wenn Fine-Tuning-Schritte zunehmend mit synthetischen, nicht personenbezogenen Aufgaben stattfinden können, sinkt der Bedarf, echte Unternehmens- oder Kundendaten für Nachtraining einzuspeisen. Das ist relevant, weil genau dieser Punkt seit Jahren der datenschutzrechtliche Stolperstein bei Enterprise-KI ist. Gerade bei der Personalisierung im Onlinehandel zeigt sich diese Spannung besonders deutlich: Wer Empfehlungen, Suchergebnisse oder Preisanzeigen individuell zuschneiden will, kommt kaum ohne Verhaltensdaten realer Nutzerinnen und Nutzer aus – ein Spannungsfeld, das etwa im Beitrag zur Personalisierung im Webshop ausführlich beschrieben wird und das sich eins zu eins auf viele Enterprise-Agenten übertragen lässt.

Trotzdem bleibt die Basis des Modells ein Datenschutzthema. Ein vortrainiertes Sprachmodell ist nach Einschätzung des Europäischen Datenschutzausschusses nicht automatisch anonym, selbst wenn spätere Trainingsschritte datenfrei ablaufen. Diese Einordnung findet sich in der Stellungnahme des Europäischen Datenschutzausschusses zu KI-Modellen, die eine Einzelfallprüfung statt einer pauschalen Entwarnung fordert.

Der DSGVO-Knackpunkt bei Enterprise-Agenten

Warum diese Debatte gerade jetzt Fahrt aufnimmt, hat einen einfachen Grund. Enterprise-Agenten, die in Medizin, Finanzservices oder Rechtsberatung selbstständig arbeiten, verarbeiten in aller Regel hochsensible personenbezogene Daten. Genau für die Übermittlung solcher Daten an einen KI-Anbieter zum Zweck des Modelltrainings gibt es nach aktueller Rechtslage kaum eine tragfähige Rechtsgrundlage – weder Einwilligung noch berechtigtes Interesse greifen ohne Weiteres.

Die harte Wahrheit: Genau dieses Rechtsgrundlagen-Loch treibt Unternehmen seit Jahren in die Vorsicht. Wer heute einen KI-Agenten für Patientendaten, Kontobewegungen oder Mandantenakten einsetzt, muss belegen können, mit welcher Rechtsgrundlage, welcher Speicherdauer und welcher Transparenz gegenüber Betroffenen die Daten verarbeitet werden. Diese rechtliche Einschätzung deckt sich mit der Analyse von Dr. Datenschutz zu KI-Training und rechtlichen Grenzen, die genau auf diese Lücke hinweist.

Meine persönliche Einschätzung: Absolute Zero wird diese Rechtsgrundlagen-Frage nicht lösen, aber es verschiebt die Debatte in eine produktivere Richtung. Statt über die Frage zu streiten, ob Trainingsdaten irgendwie anonymisiert werden können, rückt die Frage in den Fokus, ob überhaupt noch trainiert werden muss. Das ist ein Unterschied, der in der Praxis zählt.

Zero-Training als Betriebsmodus – nicht als Trainingsmethode

Hier braucht es eine scharfe Trennung, die in der aktuellen Berichterstattung oft verschwimmt. Absolute Zero ist eine Trainingsmethode für die Modellentwicklung selbst. Der „Zero-Training-Modus“, den Enterprise-Kunden von Cloud-Anbietern kennen, ist etwas völlig anderes: ein Betriebsmodus, bei dem Ein- und Ausgaben eines bereits fertigen Modells nicht für künftiges Nachtraining verwendet werden.

Beide Konzepte werden in Marketing-Sprache gerne vermischt, weil beide mit „Zero“ werben. Für Compliance-Teams ist aber nur der Betriebsmodus unmittelbar relevant. Die Datenschutzkonferenz fordert genau das: Unternehmen sollen prüfen, ob Ein- und Ausgabedaten für Training verwendet werden, und die Möglichkeit erhalten, diese Nutzung per Opt-out auszuschließen.

Ein DSGVO-Agenten-Setup, das diesen Opt-out nicht anbietet, ist für hochsensible Domänen schlicht ungeeignet – unabhängig davon, mit welcher innovativen Trainingsmethode das darunterliegende Modell gebaut wurde. Datenschutz-Automatisierung beginnt nicht bei der Modellarchitektur, sondern bei der vertraglichen und technischen Kontrolle darüber, was mit den Daten im laufenden Betrieb passiert.

Schluss damit, Trainingsinnovation und Betriebssicherheit als dasselbe zu verkaufen. Ein selbstlernendes Modell kann in der Entwicklung komplett synthetisch trainiert worden sein und trotzdem im produktiven Einsatz jede Kundenanfrage protokollieren und weiterverarbeiten. Diese Realität übersehen viele Meldungen der letzten 72 Stunden komplett. Wer sich intensiver mit den organisatorischen Voraussetzungen für autonom handelnde Systeme in Unternehmen beschäftigt, findet dazu weiterführende Einordnungen im Beitrag über Agentic AI in Unternehmen, der genau diese Lücke zwischen Trainingsversprechen und Betriebsrealität aufgreift.

Gegenargumente: Wo Skepsis angebracht bleibt

So verlockend die Idee eines datensparsamen Trainings ist, es gibt gute Gründe, nicht vorschnell Entwarnung zu geben. Erstens: Selbst wenn ein Anbieter glaubhaft versichert, im Nachtraining komplett auf synthetische Aufgaben zu setzen, bleibt die Frage offen, wie das Basismodell ursprünglich entstanden ist. Viele der aktuell diskutierten Modelle stammen aus Forschungslaboren, die ihre ursprünglichen Trainingskorpora nicht vollständig offenlegen. Ohne diese Transparenz lässt sich die Anonymitätsfrage aus der Stellungnahme des Europäischen Datenschutzausschusses gar nicht abschließend beantworten.

Zweitens: Selbstspiel-Verfahren wie Absolute Zero funktionieren besonders gut in Domänen mit klar verifizierbaren Ergebnissen, etwa Mathematik oder Code. Für viele Enterprise-Anwendungsfälle – etwa das Verstehen medizinischer Freitextbefunde oder die Einschätzung juristischer Grauzonen – gibt es keine derart eindeutige Erfolgsmetrik. Es ist also keineswegs sicher, dass sich der datensparsame Ansatz eins zu eins auf genau jene Domänen übertragen lässt, in denen DSGVO-Risiken am größten sind. Die Selbstlern-Methode könnte in der Breite der Enterprise-Anwendungen also deutlich weniger Wirkung entfalten, als es die aktuelle Aufmerksamkeit suggeriert.

Drittens bleibt ein strukturelles Problem: Anbieter haben ein wirtschaftliches Interesse daran, ihre Trainingsmethoden als besonders datenschutzfreundlich zu positionieren, weil das den Verkauf an regulierte Branchen erleichtert. Eine gesunde Skepsis gegenüber Selbstauskünften der Hersteller ist deshalb kein Misstrauen um seiner selbst willen, sondern gute Compliance-Praxis. Wer eine Vertragsklausel zum Zero-Training-Modus unterschreibt, sollte sich unabhängig bestätigen lassen, dass diese Klausel auch technisch umgesetzt wird – etwa durch Audit-Rechte oder Zertifizierungen, nicht nur durch Marketingtext auf der Anbieter-Website.

Medizin, Finanzen, Recht: Wo es wirklich brennt

Drei Domänen stehen im Zentrum der Debatte, und alle drei haben ihre eigene Risikologik. In der Medizin geht es um Diagnosedaten, Befunde und genetische Informationen – besondere Kategorien personenbezogener Daten nach Art. 9 DSGVO, für die noch strengere Anforderungen gelten als für gewöhnliche Kundendaten. Ein Agent, der Anamnesen zusammenfasst oder Befunde vorstrukturiert, darf diese Daten im Idealfall nicht dauerhaft für Modellverbesserung speichern.

Im Finanzsektor sind es Kontobewegungen, Bonitätsdaten und Betrugsmuster. Hier kollidiert die DSGVO zusätzlich mit branchenspezifischen Aufsichtsanforderungen, etwa zur Nachvollziehbarkeit automatisierter Entscheidungen. Ein Kreditscoring-Agent, der auf einem Modell läuft, dessen Trainingshistorie niemand mehr lückenlos erklären kann, wird für interne Revision und Bankenaufsicht zum Problem.

In der Rechtsberatung schließlich geht es um Mandantengeheimnisse und Vertragsentwürfe, die naturgemäß hochsensibel sind. Wer hier einen Agenten einsetzt, der Verträge analysiert oder Schriftsätze vorbereitet, braucht Gewissheit, dass keine Mandantendaten in ein fremdes Trainingskorpus abfließen. Genau diese drei Domänen erklären, warum die Absolute-Zero-Debatte gerade jetzt so viel Aufmerksamkeit bekommt: Sie sind die Bereiche, in denen ein datensparsameres Training den größten Compliance-Hebel hätte – wenn es denn tatsächlich bis in den produktiven Betrieb durchschlägt.

Ähnliche Governance-Anforderungen kennt man bereits aus anderen Enterprise-Automatisierungsprojekten, etwa bei ERP-Agenten mit strikten Freigabeprozessen oder bei Plattform-Agenten, die vor dem produktiven Einsatz eine dokumentierte Datenschutz-Folgenabschätzung durchlaufen müssen. Datenschutz-Automatisierung ohne diese Absicherung bleibt Stückwerk, egal wie fortschrittlich das zugrunde liegende Modell trainiert wurde.

Praxisszenario: Drei Beispiele aus dem Alltag

Um die abstrakte Debatte greifbarer zu machen, helfen drei vorsichtig formulierte Szenarien, wie sich die Absolute-Zero-Diskussion in der Praxis auswirken könnte – ohne dass daraus bereits belastbare Erfahrungswerte abgeleitet werden können, denn die Technologie steht noch am Anfang ihrer Enterprise-Erprobung.

Szenario eins, ein mittelständisches Klinikum: Die IT-Abteilung prüft einen neuen Dokumentations-Agenten, der Arztbriefe vorstrukturiert. Der Anbieter wirbt mit einem auf Absolute-Zero-Methodik basierenden Modell und einem separaten Zero-Training-Modus für den Betrieb. Die Datenschutzbeauftragte des Klinikums würde in diesem Fall vermutlich trotzdem eine vollständige Datenschutz-Folgenabschätzung verlangen und auf einer vertraglichen Zusicherung bestehen, dass Patientendaten weder für Training noch für Debugging-Zwecke außerhalb der EU verarbeitet werden. Das Trainingsversprechen allein würde die Freigabe nicht ersetzen.

Szenario zwei, eine Regionalbank: Ein Kreditscoring-Agent soll Vorprüfungen automatisieren. Hier dürfte die interne Revision weniger an der Trainingsmethode interessiert sein als an der Nachvollziehbarkeit einzelner Entscheidungen – ein Punkt, den Absolute Zero gar nicht adressiert, weil es um Trainingsdaten geht, nicht um Erklärbarkeit von Einzelentscheidungen. Die Bank müsste also unabhängig von der Trainingsdebatte zusätzliche Erklärmechanismen einführen.

Szenario drei, eine mittelgroße Kanzlei: Ein Vertragsanalyse-Agent soll Fristen und Risikoklauseln markieren. Auch hier wäre die entscheidende Frage nicht, wie das Modell ursprünglich trainiert wurde, sondern ob hochgeladene Mandantenverträge in Logs landen, die der Anbieter später einsehen oder auswerten könnte. Ein glaubwürdiger Zero-Training-Modus mit vertraglich fixierter Löschfrist würde hier mehr Vertrauen schaffen als jede Trainingsmethoden-Ankündigung.

Was Aufsichtsbehörden schon heute verlangen

Die Behörden warten nicht auf die nächste Trainingsrevolution. Die Datenschutzkonferenz hat bereits eine Orientierungshilfe veröffentlicht, die konkrete Prüfpflichten für den KI-Einsatz formuliert: Dokumentation der Trainingsdatenquellen, Nachweis der Rechtsgrundlage, und wo möglich ein Opt-out aus dem Training. Diese Anforderungen gelten unabhängig davon, ob ein Anbieter mit „Zero Training“ wirbt oder nicht. Nachzulesen ist das in der Orientierungshilfe der Datenschutzkonferenz zu KI und Datenschutz.

Parallel verlangt der EU AI Act für Hochrisiko-Systeme zusätzlich eine Grundrechts-Folgenabschätzung – ein zweites Prüfregime neben der klassischen Datenschutz-Folgenabschätzung nach Art. 35 DSGVO. Für Agenten in Medizin, Finanzen und Recht dürfte diese doppelte Prüfpflicht in den kommenden Jahren zum Standardverfahren werden, ganz gleich, welche Trainingsmethode im Hintergrund steht.

Die harte Wahrheit für alle, die auf technische Wunder hoffen: Kein Trainingsverfahren nimmt Unternehmen die Pflicht ab, selbst zu dokumentieren, was mit den Daten ihrer Kunden, Patientinnen oder Mandanten passiert. Absolute Zero könnte die Trainingsseite entschärfen. Die Betriebsseite bleibt trotzdem in der Verantwortung des Unternehmens, das den Agenten einsetzt. Diese doppelte Verantwortung – für die Auswahl eines geeigneten Modells und für die Gestaltung des laufenden Betriebs – lässt sich nicht outsourcen, auch nicht an den überzeugendsten Trainingsansatz.

Kostenfrage und Marktdynamik: Ein Blick auf die Infrastruktur

Ein Aspekt, der in der Absolute-Zero-Debatte bislang zu kurz kommt, ist die Infrastrukturseite. Agenten, die in Medizin, Finanzen oder Recht produktiv laufen, müssen oft auf externe Datenquellen zugreifen – etwa aktuelle Rechtsprechung, Marktdaten oder Leitlinien. Je günstiger und zuverlässiger solche Such- und Abfrage-Schnittstellen werden, desto eher lohnt sich der produktive Einsatz von Agenten auch in stark regulierten Branchen, weil sich Betriebskosten und Compliance-Aufwand gegeneinander aufwiegen lassen. Wie sich diese Kostenstruktur entwickelt und ab welchem Punkt Agenten für Unternehmen wirklich rentabel werden, wird ausführlich im Beitrag zu günstigeren Websearch-APIs und dem Weg zu echten Enterprise-Agenten beleuchtet. Die Trainingsmethode ist also nur ein Baustein von mehreren, die gemeinsam entscheiden, ob ein DSGVO-konformer Agent am Ende auch wirtschaftlich tragfähig ist.

Praktische Schritte für Unternehmen

Wer jetzt handeln will, sollte nicht auf die nächste Presseerklärung eines KI-Labors warten. Fünf Schritte lassen sich schon heute umsetzen, unabhängig davon, wie sich Absolute Zero am Ende technisch durchsetzt.

• Vertraglich fixieren, dass Ein- und Ausgabedaten nicht für Modelltraining verwendet werden – schriftlich, nicht nur als Marketingaussage im Prospekt.
• Prüfen, ob der Anbieter Logs speichert und wie lange. Ein Zero-Training-Versprechen ohne klare Löschfrist ist wertlos.
• Für hochsensible Domänen synthetische oder pseudonymisierte Testdaten für interne Evaluierungen nutzen, statt echte Patienten- oder Mandantendaten in Testumgebungen zu spiegeln.
• Eine Datenschutz-Folgenabschätzung nicht erst nach dem Rollout, sondern vor der Pilotphase durchführen – Privacy by Design heißt, früh zu fragen, nicht spät zu reparieren.
• Betriebsräte und Datenschutzbeauftragte einbeziehen, bevor der Agent produktiv geht, nicht danach. Genau diese Reihenfolge entscheidet in der Praxis, ob ein Projekt scheitert oder skaliert.

Ergänzend lohnt sich ein sechster, oft unterschätzter Schritt: die interne Kommunikation. Mitarbeitende, die einen neuen Agenten nutzen sollen, müssen verstehen, welche Daten der Agent verarbeitet und welche nicht. Nur so lässt sich verhindern, dass aus Bequemlichkeit sensible Informationen in Freitextfelder eingegeben werden, die eigentlich nicht für diesen Zweck vorgesehen sind. Schulung und klare Nutzungsrichtlinien sind damit kein bürokratisches Beiwerk, sondern ein zentraler Baustein jeder Datenschutz-Automatisierung.

Was bleibt?

Absolute Zero ist ein echter Fortschritt in der Forschung zu selbstüberwachtem Lernen – und trotzdem kein Freifahrtschein für DSGVO-Agenten in Medizin, Finanzen oder Recht. Die Trainingsmethode kann die Datenpipeline auf der Entwicklerseite entschärfen. Die Betriebspflichten auf der Unternehmensseite bleiben bestehen: Rechtsgrundlage, Transparenz, Opt-out, Folgenabschätzung.

Ist das enttäuschend? Vielleicht. Aber Enterprise-Compliance war nie eine Frage der Trainingsmethode allein, sondern immer eine Frage der Kontrolle über den laufenden Betrieb. Wer das ignoriert, baut sich seinen nächsten Datenschutzskandal selbst. Wer es ernst nimmt, kann Zero-Training-Modi schon heute als echten Baustein für DSGVO-konforme Automatisierung nutzen – ganz ohne auf die nächste Forschungsschlagzeile zu warten. Die eigentliche Aufgabe für Unternehmen besteht darin, technische Innovation und rechtliche Sorgfalt nicht gegeneinander auszuspielen, sondern beides parallel zu denken: die Chancen neuer Trainingsverfahren nutzen, ohne die bewährten Kontrollmechanismen der Datenschutz-Folgenabschätzung, der vertraglichen Absicherung und der internen Schulung zu vernachlässigen.