Schlaglicht 3: EDPB, Leitlinien 03/2026 v. 7. Juli 2026 – Der rechtmäßige KI-Datensatz beginnt vor dem ersten Crawl

• Parnijan Tina Ehtechami
• Yakin Surjadi

Das Training generativer KI benötigt große Datenmengen. Diese stammen häufig aus öffentlich zugänglichen Internetquellen, die automatisiert ausgelesen, bereinigt und zu Trainingsdatensätzen zusammengeführt werden. Die datenschutzrechtliche Diskussion darüber verlief bislang oft in zwei entgegengesetzte Richtungen. Auf der einen Seite stand die Annahme, öffentlich einsehbare Inhalte könnten grundsätzlich auch für das KI-Training verwendet werden. Auf der anderen Seite wurde das massenhafte Web Scraping wegen seiner Reichweite und fehlenden Transparenz nahezu zwangsläufig als unzulässig eingeordnet. Mit den Leitlinien 03/2026 versucht der EDPB nun, einen Mittelweg zwischen diesen Positionen aufzuzeigen.