Was ist Trainingsdaten?
Zuletzt aktualisiert am · Aidan Faes
Kurz gesagt
Trainingsdaten sind die Beispiele, aus denen ein Modell beim maschinellen Lernen seine Regeln ableitet. Für große Sprachmodelle bestehen sie überwiegend aus öffentlich verfügbaren Texten, die der Hersteller vor der Auslieferung verarbeitet hat. Für Unternehmen ist vor allem eine andere Frage wichtig: ob die eigenen Eingaben nachträglich zu Trainingsdaten werden.
Diese zweite Frage entscheidet über den Einsatz im Betrieb. Wenn Eingaben zum Training verwendet werden, könnten Formulierungen aus Ihren Verträgen oder Ihrem Angebot in irgendeiner Form in ein Modell einfließen, das auch andere nutzen. Geschäftliche Tarife schließen das in der Regel aus, private Zugänge oft nicht. Genau hier liegt der Unterschied zwischen einem privaten Konto und einer vom Arbeitgeber verwalteten Plattform.
Prüfen lässt sich das an drei Stellen: in den Vertragsbedingungen, im Auftragsverarbeitungsvertrag nach Art. 28 DSGVO und in der Beschreibung der eingesetzten Modellanbieter. Wichtig ist, dass die Zusage bis zum Ende der Kette reicht. Eine Plattform kann selbst nichts speichern und trotzdem einen Dienst aufrufen, der andere Regeln hat. Fragen Sie deshalb nicht nur den Vertragspartner, sondern nach der Kette.
Der typische Fehler ist, Trainingsdaten mit gespeicherten Daten zu verwechseln. Auch wenn nicht trainiert wird, werden Eingaben meist für eine gewisse Zeit protokolliert, etwa zur Missbrauchserkennung. Für Ihre Datenschutzdokumentation sind beide Punkte getrennt zu klären: Wird trainiert, und wie lange wird gespeichert? Anbieter beantworten die erste Frage oft prominent und die zweite gar nicht.
Wenn Ihre eigenen Daten für ein angepasstes Modell genutzt werden sollen, kommt eine dritte Aufgabe hinzu: Sie müssen sie aufbereiten. Aus zehn Jahren Belegablage wird nicht automatisch ein brauchbarer Trainingsbestand, weil Fehlbuchungen, Doppelablagen und alte Formularstände darin stecken. Rechnen Sie mit spürbarem Aufwand für Auswahl und Kontrolle und klären Sie vorab, wem die Ergebnisse dieses Trainings gehören.
Fragen an den Anbieter zum Umgang mit Ihren Eingaben
- Werden Eingaben zum Training eigener oder fremder Modelle verwendet? Wenn ja, wie widersprechen wir?
- Wie lange werden Eingaben gespeichert, und zu welchem Zweck?
- Gilt die Zusage auch für die eingesetzten Modellanbieter und weitere Dienstleister?
- Wem gehört ein Modell, das mit unseren Daten angepasst wurde, und was passiert damit bei Vertragsende?
Welche Begriffe hängen damit zusammen?
- Maschinelles Lernen: Verfahren, bei dem ein System Regeln aus Beispieldaten ableitet, statt sie programmiert zu bekommen.
- Modell: Die trainierte Datei, die die eigentliche Rechenleistung erbringt; die Software ringsherum macht sie nutzbar.
- Auftragsverarbeitungsvertrag: Der Vertrag nach Art. 28 DSGVO, der regelt, wie ein Anbieter personenbezogene Daten in Ihrem Auftrag verarbeitet.
Wo wird Trainingsdaten in der Auswahl konkret?
Begriffe helfen erst, wenn sie an einer Entscheidung hängen. Trainingsdaten spielt vor allem in KI-Assistenten & LLM-Plattformen eine Rolle. Dort sehen Sie, wie die geprüften Lösungen mit dem Punkt umgehen, jeweils mit Quelle und Stand-Datum.
Weiter im Glossar
Häufige Fragen
Kann ein Modell unsere Firmengeheimnisse ausplaudern?
Nur, wenn diese Inhalte tatsächlich ins Training gelangt sind. Bei geschäftlichen Tarifen mit ausdrücklichem Trainingsausschluss ist das nicht vorgesehen. Kritischer ist der Alltag: Mitarbeitende, die private Zugänge nutzen, umgehen jede vertragliche Zusage.
Müssen wir die Nutzung im Verzeichnis der Verarbeitungstätigkeiten führen?
Sobald personenbezogene Daten verarbeitet werden, ja. Die Verarbeitung durch den Anbieter gehört dann ebenso hinein wie die Speicherdauer. Lassen Sie die Einordnung für Ihren Fall datenschutzrechtlich prüfen.