Wichtigste Erkenntnisse
- Architektur ist Compliance: Lokale Open-Weight-LLMs eliminieren DSGVO Art. 44-Uebertragungsrisiken durch Design.
- Qwen 3.6 27B: Apache 2.0-Lizenz, 92,1% HumanEval, 16 GB VRAM — das qualitativ hochwertigste DSGVO-konforme Coding-Modell ab Mai 2026.
- DSGVO Art. 25, 32, 44: Lokales Deployment erfuellt Datenschutz durch Design (Art. 25), angemessene technische Massnahmen (Art. 32) und eliminiert grenzueberschreitende Uebertragungspflichten (Art. 44).
- EU KI-Gesetz 2026: GPAI-Anbieter-Anforderungen beguenstigen auditierbare lokale Deployments.
- Open Weights = pruefbares Modellverhalten — im Gegensatz zu Blackbox-Cloud-APIs.
Das Manifest
Diese Grundsaetze spiegeln die Position von PromptQuorum zu KI-Architektur und EU-Datengovernance wider. Sie sind als Ausgangspunkt fuer organisatorische KI-Richtlinien gedacht, nicht als Rechtsberatung.
- 1Daten, die Ihre Infrastruktur nicht verlassen, koennen nicht durch Drittsysteme kompromittiert werden
Why it matters: Angriffe auf die Lieferkette von KI-Anbietern sind eine neu entstehende Risikokategorie. Lokale LLMs eliminieren die API-Schicht als Angriffsflaeche. - 2DSGVO-Konformitaet durch Architektur ist staerker als DSGVO-Konformitaet durch Vertrag
Why it matters: [Standardvertragsklauseln (SCCs) nach DSGVO Art. 46](https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:31995L0046#d1e1789) legitimieren die Uebertragung und begruenden eine rechtliche Verantwortlichkeit zwischen Verantwortlichem und Empfaenger. Nach Schrems II muessen SCCs durch eine [Transfer Impact Assessment](https://edpb.europa.eu/our-work-tools/our-documents/recommendations/recommendations-012020-measures-supplement-transfer-tools_en) ergaenzt werden, die prueft, ob die Rechtsordnung des Empfaengers ein der DSGVO gleichwertiges Schutzniveau bietet. Ein lokales Deployment umgeht diesen gesamten Rahmen, indem es die Uebertragung von vornherein verhindert. - 3Open Weights ermoeglichen eine Auditierbarkeit, die geschlossene APIs nicht bieten koennen
Why it matters: Artikel 53 des EU-KI-Gesetzes verpflichtet Anbieter von KI-Modellen fuer allgemeine Zwecke zur Veroeffentlichung technischer Dokumentation. Open-Weight-Modelle ermoeglichen es Organisationen, Modellarchitektur, Trainingsdaten-Kartenblaetter und Verhaltensmuster unabhaengig zu pruefen. - 4Leistungsparitaet ist erreicht — lokale Modelle bedeuten nicht laenger einen Qualitaetsverzicht
Why it matters: Qwen 3.6 27B (92,1% HumanEval, 77,2% SWE-bench) und Mistral Devstral Small 24B zeigen, dass lokale Open-Weight-Modelle bei Coding-Aufgaben mit der Leistung von Cloud-Spitzenmodellen mithalten — Stand Mai 2026. Das Qualitaetsargument fuer Cloud-Exklusivitaet ist nicht mehr haltbar. - 5Datensouveraenitaet ist ein Wettbewerbsvorteil fuer EU-Organisationen
Why it matters: EU-Datenschutzstandards entwickeln sich zum globalen Massstab. Organisationen mit ausgereifter lokaler KI-Infrastruktur werden mit weniger regulatorischen Umstellungen konfrontiert sein, je mehr sich die internationale KI-Governance an EU-typische Anforderungen annaehert. - 6Lizenztransparenz ist eine Voraussetzung fuer verantwortungsvolle KI-Bereitstellung
Why it matters: Apache 2.0 (die meisten Qwen-3-Modelle) gewaehrt unwiderrufliche Rechte zur Nutzung, Aenderung und Verbreitung fuer jeden Zweck. Dies steht im Gegensatz zu proprietaeren API-Nutzungsbedingungen, die sich mit 30 Tagen Vorlauf aendern koennen und dadurch unvorhersehbare Compliance-Risiken schaffen. - 7Multi-Modell-Dispatch statt Bindung an ein einzelnes Modell ist die ausgereifte KI-Architektur
Why it matters: Kein einzelnes Modell optimiert gleichzeitig Kosten, Qualitaet, Latenz und Compliance. Aufgaben nach Typ zu routen — lokale Open Weights fuer DSGVO-sensible Daten, Cloud fuer unsensible Skalierungsaufgaben — ist eine dokumentierte Praxis in EU-KI-Governance-Rahmenwerken und reduziert die gesamte Compliance-Angriffsflaeche.
•Important: Dieses Manifest argumentiert nicht, dass Cloud-KI in der EU unbrauchbar sei. Es argumentiert, dass lokale Open-Weight-Modelle der Standard fuer datensensible Aufgaben sein sollten, waehrend Cloud-APIs eine Opt-in-Option fuer Aufgaben darstellen, bei denen DSGVO-Pflichten ausdruecklich geprueft und erfuellt wurden.
Das Problem geschlossener Modelle
Geschlossene Cloud-KI-Modelle stellen ein strukturelles DSGVO-Problem dar, das vertragliche Abhilfemassnahmen nicht vollstaendig loesen koennen. Wenn Sie einen Prompt an OpenAI, Anthropic oder Google senden, uebertragen Sie Daten an deren Server. Das Modell verarbeitet sie. Protokollierung, Missbrauchserkennung, Trainingsdaten-Pipelines und Sicherheitsueberwachung koennen diese Daten beruehren. Standardvertragsklauseln (SCCs) nach DSGVO Art. 46 legitimieren die Uebertragung und begruenden eine rechtliche Verantwortlichkeit zwischen Verantwortlichem und Empfaenger — verhindern jedoch nicht, dass die Datenuebertragung stattfindet.
Das Urteil des Gerichtshofs der Europaeischen Union (EuGH) in der Rechtssache Schrems II (C-311/18) stellte fest, dass SCCs allein fuer Uebertragungen in Rechtsordnungen ohne ein der DSGVO gleichwertiges Schutzniveau nicht ausreichen. Das Urteil betrifft insbesondere die Vereinigten Staaten, wo Ueberwachungsgesetze wie FISA 702 staatlichen Zugriff ohne angemessene Schutzmassnahmen erlauben. Nach Schrems II verlangen die EDPB-Empfehlungen 01/2020 von Organisationen, vor der Berufung auf SCCs eine Transfer Impact Assessment (TIA) durchzufuehren, die bewertet, ob die Rechtsordnung des Empfaengers einen "im Wesentlichen gleichwertigen" Schutz bietet. Diese Compliance-Pflicht ist zur Standardpraxis fuer jede Organisation geworden, die personenbezogene Daten an Cloud-KI-Anbieter sendet.
In den Jahren 2023–2024 erliessen mehrere EU-Datenschutzbehoerden Leitlinien oder Durchsetzungsmassnahmen im Zusammenhang mit Cloud-KI: die italienische Garante beschraenkte voruebergehend den Zugang zu ChatGPT, die polnische UODO leitete eine Untersuchung zum Umgang von ChatGPT mit Trainingsdaten ein, und die Hamburger Datenschutzaufsicht veroeffentlichte Leitlinien, die SCCs fuer die Nutzung von KI-APIs verlangen. Diese Faelle signalisieren, dass die DSGVO-Konformitaet von Cloud-KI aktiv geprueft wird und nicht einfach vorausgesetzt werden kann.
Ueber das regulatorische Risiko hinaus gibt es ein wirtschaftliches Argument: Jeder Prompt an eine Cloud-API ist eine Offenlegung der Wissensarbeit Ihrer Organisation an ein Drittsystem. Code, Kundenkommunikation, interne Dokumente und Produktplaene haben alle einen kommerziellen Wert. Die Frage lautet nicht nur "Ist das legal?", sondern "Ist das klug?"
📍 In einem Satz
Geschlossene Cloud-KI-Modelle schaffen strukturelle DSGVO-Uebertragungspflichten. Standardvertragsklauseln legitimieren Uebertragungen und begruenden Verantwortlichkeit nach Art. 46, muessen jedoch nach Schrems II durch eine Transfer Impact Assessment ergaenzt werden. Ein lokales Deployment verhindert die Uebertragung vollstaendig.
💬 In einfachen Worten
Wenn Sie einen Prompt in ein Cloud-KI-Tool eingeben, wird dieser Text an den Server des Anbieters in einem anderen Land gesendet. Rechtsvertraege (SCCs) bedeuten, dass Sie den Anbieter zur Verantwortung ziehen koennen, falls etwas schiefgeht, und schaffen eine Rechtsgrundlage fuer die Uebertragung — Ihre Daten reisen aber trotzdem dorthin. Nach dem Schrems-II-Urteil muessen diese Vertraege durch eine Transfer Impact Assessment gestuetzt werden, die bestaetigt, dass das Empfaengerland ein gleichwertiges Datenschutzniveau bietet. Lokale LLMs bedeuten, dass die Daten ueberhaupt nicht reisen.
Warum Open Weights wichtig sind
Open-Weight-Modelle veroeffentlichen die trainierten Modellparameter — die numerischen Werte, die das Verhalten des Modells definieren. Das unterscheidet sie von Open-Source-Modellen (die zusaetzlich den Trainingscode veroeffentlichen) und geschlossenen APIs (die weder das eine noch das andere veroeffentlichen). Die Qwen-3-Familie, Llama 3.3 und die Mistral-Modelle sind Open Weight: Jeder kann die Parameter herunterladen, Inferenz ausfuehren, fein abstimmen und die Architektur pruefen.
Auditierbarkeit ist der erste Vorteil. Ein CISO kann verifizieren, dass Qwen 3.6 27B exakt die von Alibaba Cloud (Tongyi Lab) veroeffentlichten Gewichte ausfuehrt, die Architektur pruefen und adversariale Tests am lokalen Deployment durchfuehren. Nichts davon ist mit einer Cloud-API moeglich.
Reproduzierbarkeit ist der zweite Vorteil. Open-Weight-Modelle aendern sich nicht zwischen API-Aufrufen. Wenn ein Cloud-Anbieter sein Modell aktualisiert (GPT-5.6 hatte mehrere stille Updates, Claude Sonnet durchlief mehrere Versionen), koennen Ihre fein abgestimmten Prompts, Testsuiten und erwarteten Ausgaben ohne Vorwarnung ausfallen. Ein lokales Open-Weight-Deployment bleibt auf der von Ihnen gewaehlten Version eingefroren.
Kommerzielle Freiheit ist der dritte Vorteil. Apache 2.0 gewaehrt dauerhafte, unwiderrufliche Rechte zur Nutzung von Qwen 3 fuer jeden Zweck. Bedingungen proprietaerer APIs koennen sich aendern. Anthropic, OpenAI und Google haben ihre Nutzungsrichtlinien, Preise und Modellverfuegbarkeit alle innerhalb von 12-Monats-Fenstern geaendert. Open-Weight-Modelle unter Apache 2.0 koennen nicht einseitig zurueckgezogen werden.
💡Tip: Die Modellpalette von DeepSeek entwickelt sich haeufig weiter. Pruefen Sie den aktuellen Modellnamen und Preis auf platform.deepseek.com vor dem Deployment. Die Zahlen spiegeln oeffentlich verfuegbare Daten von Mai 2026 wider.
Qwen-Lizenzlandschaft
Pruefen Sie die Lizenz stets auf der jeweiligen Hugging-Face-Seite des Modells, bevor Sie es produktiv einsetzen. Lizenzen koennen sich zwischen Modellversionen aendern. Diese Tabelle spiegelt die von QwenLM angegebene Richtlinie Stand Mai 2026 wider.
Lizenzbedingungen bestimmen, ob ein Modell kommerziell genutzt, verbreitet und fein abgestimmt werden kann. Pruefen Sie die relevante Lizenz vor dem Produktiv-Deployment. Verifizieren Sie alle Lizenzinformationen anhand der offiziellen Hugging-Face-Modellkarte.
| Qwen-Modellfamilie | Lizenz | Kommerzielle Nutzung |
|---|---|---|
| Alle Qwen 3.6 Open-Weight-Modelle | Apache 2.0 | ✅ Uneingeschraenkt |
| Alle Qwen 3.5 Open-Weight-Modelle | Apache 2.0 | ✅ Uneingeschraenkt |
| Aeltere Qwen-Varianten (vor 3.5) | Variiert — Modellkarte pruefen | ⚠️ Pruefen |
DSGVO Artikel-fuer-Artikel-Passung
Im Folgenden werden die fuer KI-Deployments unmittelbar relevantesten DSGVO-Artikel untersucht, mit einer Bewertung der Compliance-Haltung von lokalen Open Weights im Vergleich zur Cloud-API.
📍 In einem Satz
Ein lokales LLM-Deployment erfuellt DSGVO Art. 25 (Datenschutz durch Technikgestaltung) und eliminiert die Pflichten aus Art. 44 (grenzueberschreitende Uebertragung), da die Daten die von der EU kontrollierte Infrastruktur nie verlassen.
| DSGVO-Artikel | Haltung lokales LLM | Haltung Cloud-API |
|---|---|---|
| Art. 5 — Datenminimierung | ✅ Daten verlassen die Infrastruktur nie | ⚠️ Daten werden an den Anbieter uebertragen — Minimierung erfordert sorgfaeltiges Prompt-Design |
| Art. 25 — Datenschutz durch Technikgestaltung | ✅ Architektur verhindert Uebertragung durch Design | ⚠️ Erfordert vertragliche und technische Kontrollen, um sich einem Schutz auf Designebene anzunaehern |
| Art. 32 — Technische Massnahmen | ✅ Verschluesselung im Ruhezustand und bei der Uebertragung unter direkter Kontrolle der Organisation | ⚠️ Anbieter implementiert Massnahmen; Organisation muss verifizieren und dokumentieren |
| Art. 44 — Grenzueberschreitende Uebertragungen | ✅ Keine Uebertragung — Art. 44 findet keine Anwendung | ❌ Uebertragung findet statt — erfordert Angemessenheitsbeschluss, SCC oder BCR |
| Art. 28 — Pflichten des Auftragsverarbeiters | ✅ Kein Auftragsverarbeiter im Geltungsbereich — Organisation ist alleiniger Verantwortlicher | ⚠️ Anbieter ist Auftragsverarbeiter — Auftragsverarbeitungsvertrag (AVV) erforderlich |
EU-KI-Gesetz 2026
Das EU-KI-Gesetz (Verordnung 2024/1689) trat in Phasen zwischen 2025 und 2026 in Kraft. Stand Mai 2026 sind die Pflichten fuer Anbieter von KI-Modellen fuer allgemeine Zwecke (GPAI) nach Artikel 53 aktiv. Der Schwellenwert von 10^25 FLOP an Trainingsrechenleistung identifiziert speziell GPAI-Modelle mit "systemischem Risiko" nach Artikel 55, die zusaetzlichen Aufsichtsanforderungen unterliegen. Diese Unterscheidung ist entscheidend: Alle GPAI-Anbieter muessen Artikel 53 einhalten, aber nur Modelle mit systemischem Risiko tragen die volle Last von Artikel 55.
Artikel 53 gilt fuer alle GPAI-Anbieter und verlangt: technische Dokumentation, Offenlegung der Urheberrechtskonformitaet, Zusammenfassungen der Trainingsdaten und Protokolle zur Instruktions-Feinabstimmung. Artikel 55 gilt speziell fuer Modelle oberhalb von 10^25 FLOP und ergaenzt adversariale Tests, Vorfallmeldungen an das EU-Buero fuer Kuenstliche Intelligenz sowie Cybersicherheitsbewertungen. Cloud-Spitzenmodelle (GPT-5.6, Claude Sonnet, Gemini) naehern sich dem Schwellenwert fuer systemisches Risiko an oder ueberschreiten ihn. Open-Weight-Modelle im Bereich von 7B–72B bleiben darunter.
Das lokale Deployment von Open-Weight-Modellen unterhalb des Schwellenwerts fuer systemisches Risiko loest keine GPAI-Anbieterpflichten aus. Organisationen, die Qwen 3.6 27B lokal einsetzen, sind im Sinne des EU-KI-Gesetzes Nutzer, nicht Anbieter. Sie unterliegen weiterhin den Nutzerbestimmungen des Gesetzes (verbotene Anwendungsfaelle, Transparenz gegenueber Endnutzern), nicht jedoch der vollen Compliance-Last eines GPAI-Anbieters.
Praktisch bedeutet dies: Cloud-API-Anbieter sehen sich 2026–2027 aufgrund der Pflichten aus Artikel 53 und 55 einem wachsenden EU-Compliance-Aufwand gegenueber. Lokale Open-Weight-Deployments unterhalb des Schwellenwerts fuer systemisches Risiko bieten einen strukturell einfacheren Compliance-Pfad, solange die Bestimmungen zu verbotenen Nutzungen eingehalten werden.
📌Note: Die Unterscheidung zwischen GPAI (Artikel 53) und GPAI mit systemischem Risiko (Artikel 55, 10^25 FLOP) ist fuer die Compliance-Planung entscheidend. Verfolgen Sie die Leitlinien des EU-Buero fuer Kuenstliche Intelligenz zu Schwellenwert-Aktualisierungen und Modellklassifizierungen. Stand Mai 2026 liegen Qwen-3-Modelle bis 72B deutlich unter dem Schwellenwert von 10^25 FLOP fuer systemisches Risiko. Die genaue Trainingsrechenleistung von Cloud-Spitzenmodellen wird in der Regel nicht offengelegt; Schaetzungen deuten darauf hin, dass sie sich dem Schwellenwert annaehern oder ihn ueberschreiten.
Das Gegenargument
Das staerkste Gegenargument gegen lokale Open-Weight-LLMs fuer die EU-Compliance lautet: "Cloud-Anbieter bieten EU-Datenresidenz, SCCs und detaillierte AVVs — das sind rechtlich gueltige und operativ einfachere Optionen als die Verwaltung einer lokalen Inferenz-Infrastruktur."
Das ist zutreffend. Microsoft Azure, AWS und Google Cloud bieten alle Deployments in EU-Regionen an. Anthropic und OpenAI bieten Unternehmens-AVVs mit EU-SCCs an. Fuer viele Organisationen, insbesondere solche ohne dediziertes ML-Infrastrukturteam, ist Cloud-KI mit angemessenen vertraglichen Schutzmassnahmen eine legitime und konforme Wahl.
Die Position dieses Manifests lautet nicht "Cloud ist nicht konform" — sondern "lokale Open Weights sind aus Compliance-Sicht strukturell einfacher, und die Qualitaetsluecke ist inzwischen klein genug, dass sich dieser Kompromiss lohnt." Eine Organisation mit 5 Ingenieuren und ohne GPU-Budget sollte Cloud-KI mit angemessenen SCCs nutzen. Eine Organisation mit einem Infrastrukturteam, DSGVO-sensiblen Daten und einem 1.000-koepfigen Entwicklerteam, das Kundencode bearbeitet, hat ein starkes Argument fuer lokales Qwen 3.6 27B.
Die entscheidende Variable ist die Datensensibilitaet. Fuer allgemeine Aufgaben ohne personenbezogene Daten ist Cloud-KI operativ ueberlegen. Fuer Gesundheitswesen, Rechts- und Finanzdienstleistungen sowie jeden Prompt, der personenbezogene Daten in grossem Umfang enthaelt, stellen lokale Open-Weight-LLMs die risikoaermste Architektur dar.
Haeufig gestellte Fragen
Verbietet die DSGVO Cloud-KI fuer EU-Organisationen?
Nein. Die DSGVO verbietet Cloud-KI nicht. Sie verlangt, dass grenzueberschreitende Datenuebertragungen eine Rechtsgrundlage haben (Art. 44). Standardvertragsklauseln (SCCs) sind die gaengigste Rechtsgrundlage fuer EU-Organisationen, die US-basierte Cloud-KI-APIs nutzen. Cloud-KI ist mit geeigneten SCCs, Auftragsverarbeitungsvertraegen (AVVs) und Datenminimierungspraktiken rechtlich nutzbar. Lokale LLMs bieten eine strukturell einfachere Compliance-Haltung, da sie die Uebertragung vollstaendig eliminieren.
Ist DeepSeek R2 DSGVO-konform fuer personenbezogene Daten aus der EU?
Die Nutzung von DeepSeek R2 fuer personenbezogene Daten aus der EU ist aus DSGVO-Sicht hochriskant. DeepSeek AI ist in China ansaessig. Die EU-Kommission hat keinen Angemessenheitsbeschluss fuer China erlassen. Ohne Angemessenheitsbeschluss erfordern internationale Uebertragungen SCCs oder verbindliche interne Datenschutzvorschriften (BCRs). DeepSeek bietet derzeit keine SCCs nach EU-Standard an. Konsultieren Sie Ihren Datenschutzbeauftragten, bevor Sie DeepSeek R2 fuer personenbezogene Daten nutzen.
Gilt das EU-KI-Gesetz fuer lokale Qwen-Deployments?
Stand Mai 2026 macht Sie das lokale Deployment von Qwen 3.6 27B im Sinne des EU-KI-Gesetzes zu einem Nutzer, nicht zu einem Anbieter. Die GPAI-Anbieterpflichten (Dokumentation nach Artikel 53, adversariale Tests fuer Modelle mit systemischem Risiko) gelten fuer den Modellersteller (Alibaba) und fuer Organisationen, die Produkte auf Basis des Modells entwickeln und Dritten zur Verfuegung stellen. Der interne Einsatz fuer den Gebrauch der eigenen Organisation faellt nur unter die Nutzerbestimmungen (verbotene Anwendungsfaelle, Transparenz gegenueber Endnutzern, sofern zutreffend).
Ist Qwen 3.6 27B wirklich unter Apache 2.0 lizenziert?
Ja. Qwen 3.6 27B wird unter Apache 2.0 veroeffentlicht, was kommerzielle Nutzung, Aenderung und Weiterverbreitung ohne Lizenzgebuehren erlaubt. Pruefen Sie die aktuelle Lizenz jedes Modells auf dessen Hugging-Face-Modellkarte, bevor Sie es produktiv einsetzen.
Was ist der GPAI-Schwellenwert des EU-KI-Gesetzes?
Das EU-KI-Gesetz definiert KI-Modelle fuer allgemeine Zwecke, die mit mehr als 10^25 FLOP Rechenleistung trainiert wurden, als GPAI-Modelle mit "systemischem Risiko", die zusaetzliche Aufsicht erfordern. Spitzenmodelle (GPT-5.6, Claude Sonnet 5, Gemini 3.5 Pro) ueberschreiten diesen Schwellenwert. Open-Weight-Modelle im Bereich von 7B–72B, einschliesslich Qwen 3.6 27B, liegen Stand Mai 2026 deutlich darunter. Der Schwellenwert bezieht sich auf die Trainingsrechenleistung des Modells selbst — nicht auf die Inferenz-Rechenleistung in Ihrer Organisation.