Löst lokales DeepSeek das China-Datenproblem? 2026

DeepSeek existiert als zwei trennbare Dinge: ein aus China betriebener gehosteter Dienst (App, Web, API) und ein Satz offener Modellgewichte, die Sie überall herunterladen und betreiben können. Fast jede „DeepSeek-Datenschutz"-Debatte wirft diese beiden zusammen, weshalb die Antworten unklar werden. Halten Sie sie auseinander, und das Bild ist eindeutig.

Beim gehosteten Dienst liegt das Datenschutzproblem. Wenn Sie in die DeepSeek-App tippen oder ihre API aufrufen, gelangt Ihre Eingabe an die Server von DeepSeek, und die Datenschutzrichtlinie des Unternehmens gibt an, dass Daten in der Volksrepublik China gespeichert werden. Das ist ein grenzüberschreitender Datenfluss mit realen regulatorischen Folgen in der EU.

Die offenen Gewichte sind ein völlig anderes Objekt. Die DeepSeek-R1-Distillationen sind Dateien, die Sie aus einer Modellregistry herunterladen und mit Ollama oder LM Studio auf Ihrer eigenen Hardware betreiben. Sie enthalten keinen Netzwerkcode und keine Telemetrie – ihr Betrieb sendet nichts an DeepSeek. Die Datenschutzfrage für die Gewichte lautet nicht „Wohin gehen meine Daten" (nirgendwohin), sondern eine separate Frage zum Verhalten des Modells, die weiter unten behandelt wird.

Der gehostete DeepSeek-Dienst speichert Nutzerdaten in China und erhebt sie direkt, was europäische Aufsichtsbehörden als ernstes grenzüberschreitendes Datenschutzproblem behandelt haben. Dies ist in der Datenschutzrichtlinie von DeepSeek selbst dokumentiert und spiegelt sich in konkreten regulatorischen Maßnahmen wider – es ist keine Spekulation.

Die Fakten, neutral dargestellt:

Wenn Sie ein offenes DeepSeek-Modell selbst betreiben, ist kein DeepSeek-Server in der Schleife, also gibt es keinen grenzüberschreitenden Datenfluss nach China – Ihre Eingaben und Ausgaben verlassen niemals Ihren Rechner. Dies ist die eine Änderung, die das Datenschutzproblem löst: Sie haben den Dienst entfernt, der Daten im Ausland gespeichert hat.

Sie müssen das nicht auf Vertrauen hinnehmen. Da die Modelle keine Telemetrie enthalten, können Sie das Fehlen von Datenabfluss direkt überprüfen: Betreiben Sie das Modell mit überwachtem Netzwerk und bestätigen Sie, dass während der Inferenz keine ausgehenden Verbindungen bestehen. Eine einfache Firewall-Regel oder ein Paketmitschnitt während einer Sitzung genügt zum Nachweis.

Für das praktische, vollständig offline laufende Setup – einschließlich der Überprüfung von „wirklich offline" per Datenverkehrsüberwachung – siehe DeepSeek offline betreiben 2026: Setup im Selbstbetrieb. Zur Auswahl der zu betreibenden Distillation siehe Bestes lokales Reasoning-Modell 2026.

Der Selbstbetrieb löst das Datenfluss-Problem, aber nicht jedes Bedenken: Manche Sicherheitsforschende benennen Probleme auf Ebene der Modellgewichte – Jailbreak-Anfälligkeit und narrative Ausrichtung der Ausgaben –, die unabhängig davon bestehen, wo das Modell läuft. Es ist wichtig, dies klar zu sagen und beide Seiten darzustellen, statt zu suggerieren, lokal bedeute risikofrei.

Das Bedenken, fair dargestellt: Forschende haben berichtet, dass DeepSeek-Modelle vergleichsweise anfällig für Jailbreaks sein können und dass bei bestimmten politisch sensiblen Themen die Ausgaben eine bestimmte narrative Ausrichtung widerspiegeln. Dies sind Eigenschaften der Gewichte selbst, daher ändert der lokale Betrieb sie nicht.

Der Gegenpunkt, ebenso fair dargestellt: Jedes offene Modell trägt eine gewisse Jailbreak-Angriffsfläche, und narrative Ausrichtung besteht in Modellen jeglicher Herkunft, geprägt durch Trainingsdaten und Tuning-Entscheidungen. Für Mathematik, Logik, Programmierung und die meisten geschäftlichen Reasoning-Aufgaben – die Aufgaben, für die Menschen R1-Distillationen tatsächlich selbst betreiben – sind diese Bedenken weitgehend orthogonal zur Arbeit.

Die praktische Schlussfolgerung lautet, die beiden Fragen zu trennen. „Werden meine Daten preisgegeben?" ist beantwortet (nein, beim verifizierten Selbstbetrieb). „Vertraue ich den Ausgaben dieses Modells bei sensiblen Themen?" ist eine Frage der Modellauswahl, die Sie nach ihren Verdiensten beantworten sollten, genauso wie bei jedem Modell. Für einen fokussierten Blick auf die Compliance-Frage siehe Ist DeepSeek DSGVO-konform?.

Nach der DSGVO wirft der gehostete DeepSeek-Dienst ein Problem der grenzüberschreitenden Übermittlung auf; ein Selbstbetrieb auf EU-Infrastruktur umgeht es weitgehend, weil keine personenbezogenen Daten außerhalb Ihrer Kontrolle übermittelt werden. Chinas Datensicherheitsgesetz (DSL) und das Gesetz zum Schutz personenbezogener Informationen (PIPL) regeln die Seite des gehosteten Dienstes; die DSGVO regelt Ihre.

Der Mechanismus ist entscheidend. Die DSGVO beschränkt die Übermittlung personenbezogener EU-Daten in Drittländer ohne angemessene Garantien. Eingaben an eine in China gehostete API zu senden ist eine solche Übermittlung; die offenen Gewichte auf einem von Ihnen kontrollierten Server in der EU zu betreiben, ist überhaupt keine Übermittlung – die Daten verlassen nie Ihre Verarbeitungsumgebung.

Deshalb ist „die offenen Gewichte nutzen, nicht die gehostete API" die übliche Datenschutz-Engineering-Antwort für EU-Teams. Sie verwandelt eine schwierige Compliance-Frage zur grenzüberschreitenden Übermittlung in eine gewöhnliche Frage der On-Premises-Datenverarbeitung, die Sie bereits zu erfüllen wissen.

Ein datenschutzsauberes DeepSeek-Setup besteht aus drei Entscheidungen: eine offene Distillation wählen, sie auf von Ihnen kontrollierter Hardware betreiben und das Fehlen von Datenabfluss verifizieren. Nichts davon berührt den gehosteten Dienst.

Betreiben Sie es selbst, wenn Sie das Reasoning von DeepSeek ohne den Datenpfad des gehosteten Dienstes möchten; meiden Sie DeepSeek nur dann ganz, wenn die Bedenken zu den Modellgewichten seine Stärken für Ihre konkrete Arbeit überwiegen.