Warum KI im Büro nicht an Datenschutz scheitert – sondern an schlechter Vorbereitung 

KI Datenschutz im Büro: Warum gute KI nicht ohne gute Daten funktioniert

Stellen Sie sich eine Situation vor, die im Büro unspektakulär beginnt. Eine neue KI-Anwendung soll eingeführt werden. Vielleicht ein Tool für Protokolle, ein System zur E-Mail-Auswertung, ein Chatbot für interne Fragen oder eine Anwendung, die Dokumente schneller sortiert. Auf dem Papier klingt alles wunderbar: weniger Sucherei, schnellere Abläufe, bessere Entscheidungen. Und dann kommt die Frage, die plötzlich wie ein Stoppschild im Raum steht: Dürfen wir diese Daten dafür überhaupt verwenden?

Genau an diesem Punkt wird der Vortrag der re:publica 2026 spannend, obwohl er auf den ersten Blick aus einem ganz anderen Feld stammt. Es geht dort um innovative KI in der Medizin, um Patientendaten, Datenschutz und sogenannte KI-Reallabore. Doch der Kern betrifft nicht nur Kliniken und Forschungseinrichtungen. Er betrifft jede Organisation, die mit KI arbeiten will und dabei Daten nutzt, die nicht beliebig verfügbar sind.

Für Sekretärinnen, Office-Managerinnen und Verwaltungsmitarbeiterinnen liegt die Bedeutung dieses Themas deshalb nicht in der Medizin selbst. Die entscheidende Frage lautet: Wie bereiten Sie Informationen so vor, dass KI sinnvoll, rechtssicher und verantwortbar eingesetzt werden kann?

Warum ist ein Medizin-Vortrag für das Sekretariat relevant?

Im Vortrag beschreibt Prof. Felix Sahm ein konkretes Beispiel aus der Neuropathologie. Dort kann KI bei der Diagnose von Hirntumoren helfen. Laut Transkript lassen sich mithilfe von Bild-KI während einer Operation Einschätzungen treffen, die früher erst deutlich später durch weitere Verfahren möglich waren. Zugleich betont er: Für bessere KI braucht es mehr Daten, auch aus Archiven, die teils Jahre oder Jahrzehnte zurückreichen. Genau dort beginnt das Problem, weil frühere Behandlungsverträge solche KI-Nutzung nicht ausdrücklich vorgesehen haben.

Der medizinische Kontext ist besonders sensibel, aber die Struktur des Problems kennen Sie aus dem Büroalltag. Daten sind vorhanden, aber ihr späterer Verwendungszweck ist oft nicht sauber geklärt. Kontakte liegen in Outlook, Protokolle in OneNote, Bewerbungsunterlagen im Personalordner, Rechnungen im Postfach, Beschwerden im CRM, Krankmeldungen in der Verwaltung. Sobald KI ins Spiel kommt, reicht die Frage „Haben wir die Information?“ nicht mehr aus. Die bessere Frage lautet: „Dürfen, sollen und können wir diese Information für diesen Zweck verwenden?“

Im eingebetteten re:publica-Vortrag wird besonders deutlich, wie stark sich die Debatte über KI verschiebt. Es geht nicht mehr nur darum, ob KI technisch beeindruckend ist. Es geht darum, ob Organisationen die fachlichen, rechtlichen und organisatorischen Voraussetzungen schaffen, damit KI verantwortbar arbeiten kann.

Was ist das eigentliche Datenschutzdilemma?

Der Vortrag stellt selbst die Frage, ob überhaupt ein echtes Datenschutzdilemma vorliegt. Tobias Keber weist darauf hin, dass ein klassisches Dilemma bedeuten würde, dass es am Ende nur Verlierer gibt. Der bessere Ansatz bestehe darin, Forschung und Datenschutz gemeinsam zu gestalten. Datenschutz erscheint dadurch nicht als Bremsklotz, sondern als Gestaltungsaufgabe.

Diese Unterscheidung ist für das Büro enorm wichtig. In vielen Organisationen fällt bei KI schnell einer von zwei Sätzen: „Das dürfen wir bestimmt nicht“ oder „Das machen doch jetzt alle“. Beide Reaktionen sind bequem, aber schwach. Die erste blockiert Innovation ohne Prüfung, die zweite überspringt Verantwortung. Professionelles Büromanagement braucht eine dritte Haltung: prüfen, strukturieren, dokumentieren, zuständig machen.

Für Sekretärinnen bedeutet das nicht, dass sie juristische Gutachten schreiben sollen. Es bedeutet aber, dass sie Datenwege im Alltag erkennen. Wer erhält welche Information? Wo wird sie abgelegt? Wer darf darauf zugreifen? Welche Inhalte gehören nicht in ein KI-Tool? Welche Daten müssen anonymisiert, gelöscht oder besonders geschützt werden? Genau hier wird Assistenzarbeit zur digitalen Schaltstelle.

Wie helfen KI-Reallabore beim Umgang mit Unsicherheit?

Im Vortrag werden KI-Reallabore als kontrollierte Umgebungen beschrieben, die von zuständigen Behörden geschaffen werden. Dort können KI-Systeme für einen begrenzten Zeitraum unter realen Bedingungen entwickelt und validiert werden. Es geht also nicht um wildes Ausprobieren, sondern um Erprobung mit Plan, Aufsicht und klaren Regeln.

Für den Büroalltag lässt sich daraus eine einfache, aber starke Analogie ableiten: Auch Ihr Unternehmen oder Ihre Verwaltung braucht kleine interne „Reallabore“, bevor KI breit eingesetzt wird. Damit ist kein offizielles KI-Reallabor im rechtlichen Sinn gemeint. Gemeint ist ein kontrollierter Arbeitsmodus: ein begrenzter Anwendungsfall, freigegebene Daten, klare Zuständigkeiten, dokumentierte Ergebnisse und eine bewusste Entscheidung, ob der Einsatz ausgeweitet wird.

Ein Beispiel: Eine Teamassistenz testet KI nicht sofort mit echten Personalakten, Beschwerden oder Krankmeldungen. Sie beginnt mit neutralen, freigegebenen Texten, etwa mit öffentlich verfügbaren Informationen, anonymisierten Meetingnotizen oder selbst erstellten Beispieldokumenten. Danach prüft das Team: Wurde korrekt zusammengefasst? Gab es Fehler? Sind vertrauliche Informationen betroffen? Welche Regeln brauchen wir, bevor das Tool im Alltag eingesetzt wird?

Warum Datenqualität zur neuen Assistenzkompetenz wird

Ein Satz aus dem Vortrag lässt sich direkt in die Büroarbeit übertragen: Gute KI lebt von guten Daten. Im medizinischen Beispiel geht es um die Qualität und Verfügbarkeit von Forschungsdaten. Im Büro geht es um Adressdaten, Ablagestrukturen, Betreffzeilen, Protokolle, Aufgabenlisten, Dateinamen und Zuständigkeiten. Was unklar, doppelt, veraltet oder widersprüchlich ist, wird durch KI nicht automatisch besser.

KI wirkt an dieser Stelle wie ein Vergrößerungsglas. Sie zeigt, ob Ihre Informationsstruktur trägt oder wackelt. Wenn E-Mails ohne klare Betreffzeilen abgelegt werden, wenn Protokolle keine Entscheidungen enthalten, wenn Dateinamen nach persönlicher Tageslaune vergeben werden und wenn Zuständigkeiten nur im Kopf einzelner Kolleginnen existieren, kann KI daraus keine belastbare Ordnung zaubern. Sie kann Muster erkennen, aber keine fehlende Organisationsdisziplin ersetzen.

Für Sekretärinnen steckt darin eine große Chance. Wer Datenqualität versteht, wird nicht zur „Tool-Bedienerin“, sondern zur Qualitätswächterin der digitalen Organisation. Das klingt nüchtern, ist aber im Arbeitsalltag machtvoll. Denn KI-Projekte scheitern selten nur an der Software. Sie scheitern häufig an unklaren Daten, ungeklärten Zuständigkeiten und fehlenden Regeln.

Welche Denkfehler sollten Sekretärinnen vermeiden?

Ein erster Denkfehler lautet: Datenschutz verhindert Innovation. Der Vortrag zeigt eine differenziertere Sicht. Datenschutz soll nicht verhindern, dass sinnvolle KI-Anwendungen entstehen; er soll verhindern, dass sensible Daten zwecklos, unkontrolliert oder missbräuchlich verwendet werden. Genau dieser Unterschied ist wichtig, wenn im Büro neue KI-Anwendungen eingeführt werden.

Ein zweiter Denkfehler lautet: Wenn ein Tool verfügbar ist, darf es auch genutzt werden. Diese Annahme ist gefährlich. Viele KI-Systeme wirken im Alltag harmlos, weil sie eine freundliche Oberfläche haben. Doch sobald vertrauliche Inhalte eingegeben werden, entsteht eine Datenfrage. Wer im Sekretariat Texte, E-Mails oder Protokolle vorbereitet, arbeitet oft mit Informationen, die für Außenstehende nicht bestimmt sind.

Ein dritter Denkfehler lautet: Die IT-Abteilung wird sich schon kümmern. Natürlich braucht es IT, Datenschutz und Führung. Aber die alltäglichen Datenwege kennt häufig die Assistenz am besten. Sie sieht, welche Informationen wirklich fließen, welche Abkürzungen genutzt werden und wo aus Bequemlichkeit riskante Routinen entstehen. Genau deshalb gehört die Assistenz früh in KI-Projekte hinein.

Was bedeutet das konkret für Büro, Verwaltung und Assistenz?

Im Büro beginnt verantwortliche KI-Nutzung mit klarer Informationshygiene. Prüfen Sie, welche Datenarten in Ihrem Arbeitsbereich vorkommen. Unterscheiden Sie zwischen öffentlichen Informationen, internen Sachinformationen, personenbezogenen Daten und besonders sensiblen Daten. Diese Unterscheidung wirkt trocken, spart aber später Ärger, Unsicherheit und hektische Rückfragen.

In der Verwaltung kommt eine weitere Ebene hinzu. Dort arbeiten viele Sekretariate mit Bürgerdaten, Vorgängen, Anträgen, Beschlüssen und internen Abstimmungen. Wenn KI dort helfen soll, braucht es besonders klare Regeln. Welche Informationen dürfen verarbeitet werden? Welche Quellen sind offiziell? Welche Ergebnisse müssen überprüft werden? Welche Entscheidungen dürfen niemals automatisiert übernommen werden?

In KMUs liegt der Schwerpunkt oft anders. Dort fehlt nicht immer der Wille, sondern die Struktur. KI wird ausprobiert, bevor klare Zuständigkeiten feststehen. Die Assistenz kann hier zur ordnenden Instanz werden, indem sie aus spontanen Tests einen nachvollziehbaren Prozess macht: Zweck klären, Daten prüfen, Ergebnis kontrollieren, Regel ableiten.

Wie wird die Assistenz zur Übersetzerin zwischen Technik und Verantwortung?

Der Vortrag zeigt ein strukturelles Problem: Zwischen Forschung, Recht, Aufsicht und Praxis entstehen Unsicherheiten. An einer Stelle wird im Transkript sogar von einem Beratungsproblem und einem strukturellen Problem gesprochen, wenn Verantwortliche aus Unsicherheit zunächst ablehnen, obwohl möglicherweise ein geregelter Weg existiert.

Genau diese Lücke kennen viele Büros. Fachabteilungen wollen schneller arbeiten, Datenschutz möchte Risiken vermeiden, IT denkt in Systemen, Führung denkt in Ergebnissen, und die Assistenz sieht die Reibung im Alltag. Daraus entsteht eine neue Rolle: Übersetzen. Nicht im sprachlichen Sinn, sondern organisatorisch. Sie übersetzen Anforderungen in Routinen, Regeln in Checklisten und technische Möglichkeiten in sichere Arbeitsabläufe.

Das ist keine kleine Aufgabe. Es ist die Zukunft professioneller Assistenzarbeit. Wer KI versteht, muss nicht programmieren können. Aber sie sollte erkennen, wann ein Prozess reif für KI ist und wann erst Ordnung geschaffen werden muss.

Welche Handlungsempfehlungen ergeben sich daraus?

Beginnen Sie mit einer Datenlandkarte Ihres Arbeitsbereichs. Notieren Sie, welche Informationen regelmäßig bei Ihnen landen: E-Mails, Termindaten, Protokolle, Rechnungen, Kontaktdaten, Gesprächsnotizen, Personalinformationen, Bürgeranfragen oder Projektunterlagen. Markieren Sie anschließend, welche davon öffentlich, intern, vertraulich oder besonders sensibel sind.

Entwickeln Sie danach einfache KI-Regeln für Ihr Team. Diese Regeln sollten nicht aus zwanzig Seiten bestehen, sondern aus klaren Arbeitsentscheidungen. Erlaubt sind zum Beispiel Entwürfe mit anonymisierten Informationen, Zusammenfassungen öffentlicher Texte oder Formulierungshilfen für neutrale Inhalte. Nicht erlaubt sind ungeprüfte Eingaben von Personalakten, Gesundheitsdaten, vertraulichen Vertragsinformationen oder internen Konfliktmails.

Sorgen Sie außerdem dafür, dass KI-Ergebnisse nie ungeprüft weitergegeben werden. Gerade Sekretärinnen und Office-Managerinnen wissen, wie folgenreich ein falscher Name, ein falsches Datum oder eine ungenaue Formulierung sein kann. KI kann Vorarbeit leisten, aber die professionelle Verantwortung bleibt bei den Menschen, die den Vorgang kennen.

Schlussgedanke: KI braucht nicht nur Daten, sondern Urteilsvermögen

Der re:publica-Vortrag über KI in der Medizin zeigt ein Muster, das weit über Kliniken hinausreicht. KI kann helfen, wenn Daten gut, Zwecke klar und Schutzmaßnahmen ernst genommen werden. Sie kann aber auch neue Risiken schaffen, wenn Organisationen nur auf Geschwindigkeit setzen und die Grundlagen vernachlässigen.

Für Sekretärinnen liegt darin eine starke berufliche Perspektive. Die moderne Assistenz wird nicht dadurch wichtig, dass sie jedes KI-Tool kennt. Sie wird wichtig, weil sie erkennt, welche Informationen tragfähig sind, welche Daten geschützt werden müssen und welche Abläufe klare Regeln brauchen. Im digitalen Wandel zählt nicht nur, wer schneller klickt. Es zählt, wer klüger ordnet.