Datenschutz bei der KI-Nutzung

Diese Seite ist für Datenschutzverantwortliche, IT und Fachbereiche gedacht. Sie beschreibt, was passiert, wenn eine Person in CLYE AI einen Prompt sendet, welche Daten dabei die Plattform, das Unternehmen und einen KI-Anbieter erreichen, und wie sich das ändert, sobald Werkzeuge über MCP angebunden sind.

Sie ersetzt keine Datenschutz-Folgenabschätzung und kein Verzeichnis von Verarbeitungstätigkeiten. Sie gibt die Eckdaten, die ein deutsches Unternehmen für diese Bewertung braucht.

Verwandte Seiten: Übersicht · Datenmaskierung · Serverstandort · KI-Modelle · MCP-Registrierung

Rollen

Rolle	Was sie ist	Wofür sie verantwortlich bleibt
Unternehmen (Kunde)	Bestimmt Zwecke, Assistenten, freigegebene Modelle, angebundene Systeme und interne Richtlinien	Rechtsgrundlage, Informationspflichten, Auftragsverarbeitung mit CLYE, Freigabe von Tools und Datenquellen
Mitarbeitende	Senden Prompts, laden Dateien hoch, lösen Tool-Aufrufe aus	Nur das eingeben, was die interne KI-Richtlinie erlaubt
CLYE (Plattform)	Speichert Konten, Spaces, Chats und Konfiguration; stellt Assistenten, Berechtigungen und die Verbindung zum LLM Gateway bereit	Sicherheit der Plattform, Zugriffskontrolle, EU-Betrieb der eigenen Infrastruktur, Weisungsgebundenheit als Auftragsverarbeiter
LLM Gateway	Nimmt die Modellanfrage entgegen, prüft Berechtigung und Budget, maskiert konfigurierte Muster, leitet an den gewählten Anbieter weiter	Keine Speicherung von Prompt- und Antworttexten im Gateway-Protokoll
KI-Anbieter	Verarbeitet den übermittelten Prompt, um eine Antwort zu erzeugen	Eigene Vertragsbedingungen (kein Training auf API-Daten, Region, Aufbewahrung). Das Unternehmen wählt den Anbieter
MCP-Server	Führt ein Werkzeug aus: Datenbank, Dateisystem, REST, HTTP-Dienst oder lokaler Prozess	Der Betreiber dieses Servers. Das kann das Unternehmen selbst, ein Dritter oder ein Prozess auf dem Arbeitsplatz sein

Was ein Prompt auslöst

Ein Prompt ist der Text, den eine Person an den Assistenten sendet, inklusive angehängter Dateien und des bisherigen Chatverlaufs, den das Modell für die Antwort braucht.

1. Die Person ist in einem Space angemeldet. Die Plattform prüft Konto, Rolle und ob der Assistent für diese Person freigegeben ist.
2. CLYE baut die Modellanfrage: Systemanweisung des Assistenten, relevanter Unternehmenskontext, der Chatverlauf und der neue Prompt.
3. Die Anfrage geht an den LLM Gateway in der EU, nicht direkt vom Browser an OpenAI, Anthropic oder einen anderen Anbieter.
4. Der Gateway prüft API-Schlüssel, Modellfreigabe und Budget. Konfigurierte Maskierung ersetzt erkannte Muster (etwa E-Mail-Adressen oder Kundennummern), bevor der Text den Anbieter erreicht.
5. Der gewählte Anbieter erhält den (gegebenenfalls maskierten) Prompt und erzeugt die Antwort. Er erhält dabei nicht das CLYE-Benutzerkonto als Identität des Unternehmensmitarbeiters.
6. Die Antwort kommt über den Gateway zurück in den Chat.

Wo der Inhalt liegen bleibt

Ort	Prompt- und Antworttext	Was sonst anfällt
CLYE-Plattform (Chat im Space)	Ja, damit die Unterhaltung fortgesetzt, geteilt oder geprüft werden kann. Zugriff nur für berechtigte Personen im Space	Konto, Space, Zeit, genutzter Assistent
LLM Gateway	Nein. Das Protokoll enthält Nutzungsmetadaten: Zeitpunkt, Modell, Token, Kosten, Erfolg oder Fehler	Kein Wortlaut des Gesprächs
KI-Anbieter	Ja, für die Dauer der Inferenz. Ob und wie lange der Anbieter Inhalte danach vorhält, steht im Vertrag des gewählten Anbieters (API-Nutzung, Region, Zero-Retention, sofern vereinbart)	Kein CLYE-Benutzerprofil
Browser der Person	Der sichtbare Chat, solange die Sitzung läuft	Cookie- und Analyseentscheidung getrennt vom Prompt, siehe KI-Modelle

Der Gateway ist damit die Kontrollstelle für die Weitergabe an Modellanbieter. Die Plattform ist der Ort, an dem das Unternehmen die Unterhaltung für den Arbeitszweck behält. Beides ist personenbezogen, sobald der Prompt Namen, Kontakte, Personaldaten oder andere Angaben enthält, die sich auf eine identifizierbare Person beziehen.

Was das für das Unternehmen bedeutet

• Der Prompt ist eine eigene Verarbeitung des Kunden. CLYE verarbeitet ihn im Auftrag, damit der Assistent antworten kann.
• Wer ein Modell außerhalb der EU wählt, löst einen Drittlandtransfer der übermittelten Inhalte aus. EU-Regionen (etwa Azure OpenAI in der EU oder ein europäischer Anbieter) vermeiden das. Die Modellfreigabe liegt beim Unternehmen.
• Interne Richtlinien sollten festlegen, welche Datenkategorien in Prompts erlaubt sind: Kundenakten, Gesundheitsdaten, Beschäftigtendaten, Geschäftsgeheimnisse.
• Budget- und Modellfreigaben begrenzen, wie viel Text überhaupt an einen Anbieter gehen kann. Sie ersetzen keine inhaltliche Prüfung.
• Administratoren sehen in der Nutzungsauswertung Mengen, Modelle und Kosten. Den Gesprächsinhalt sehen sie dort nicht.

MCP: wo das Werkzeug läuft

MCP (Model Context Protocol) ist die Schnittstelle, über die ein Assistent Werkzeuge aufruft: eine Datenbank abfragen, eine Datei lesen, eine REST-Schnittstelle bedienen. Die Plattform spricht MCP selbst. Die CLI ist dafür kein Voraussetzung, sondern ein zusätzlicher Weg, wenn der Prozess auf einem Rechner des Unternehmens liegen soll.

Datenschutz und Sicherheit hängen davon ab, wo der Server ausgeführt wird und wer den Host betreibt. Zwei Anbindungen sind direkt in CLYE vorgesehen. Die CLI kommt danach als dritte, optionale Form.

1. HTTP-MCP, direkt in der Plattform

Unter Einstellungen → MCP-Server verbindet ihr einen gehosteten Server per URL (Streamable HTTP). Die Plattform ruft diesen Endpunkt aus der CLYE-Infrastruktur auf. Dafür braucht es keine CLI und keinen Prozess auf dem Arbeitsplatz.

Dann gilt:

• Jeder Tool-Aufruf sendet Argumente an diesen Host (Abfrage, Filter, Fachdaten, die das Werkzeug braucht).
• Der Server antwortet mit dem Ergebnis. Dieses Ergebnis liegt im Chat und kann im nächsten Prompt an den KI-Anbieter gehen.
• Der Betreiber der URL ist ein eigener Empfänger. Ein Server im Rechenzentrum des Unternehmens bleibt in dessen Verantwortung. Ein Server bei einem SaaS-Anbieter ist ein weiterer Dienstleister, mit eigenem Vertrag und Standort.
• Anmeldung läuft über die Plattform: keine Anmeldung, API-Schlüssel oder OAuth des Anbieters. Tokens liegen in CLYE, nicht im Browser der einzelnen Person, sofern nicht „Jeder Nutzer meldet sich selbst an“ gesetzt ist.
• Die Verbindung gehört über TLS. Zugangsdaten gehören in Header oder in die hinterlegte Anmeldung, nicht in die URL.

Eine HTTP-URL auf localhost erreicht nur den Rechner, der den Aufruf absetzt. In der Plattform ist das die CLYE-Umgebung, nicht der Laptop der Person. Erreichbar für die Plattform sind Adressen, die von der CLYE-Infrastruktur aus erreichbar sind.

2. stdio-MCP in der Sandbox der Plattform

Ein stdio-Server spricht über die Standardein- und -ausgabe mit dem Programm, das ihn gestartet hat. In CLYE startet die Sandbox diesen Prozess. Er läuft in der isolierten Umgebung der Plattform, nicht auf dem Gerät der Person und nicht als frei erreichbarer Dienst im Internet.

Für die Bewertung:

• Tool-Argumente und Tool-Ergebnisse bleiben in der CLYE-Verarbeitung. Es gibt keinen zusätzlichen externen Host, solange der Prozess selbst nichts nach außen ruft.
• Die Sandbox ist vom Dateisystem des Hosts getrennt. Standardmäßig hat sie keinen Netzwerkzugriff. Damit kann der Prozess Unternehmensdaten nicht von sich aus an eine beliebige Adresse senden.
• Wird Netzwerk für eine Sandbox oder einen Server geöffnet, wird derselbe Prozess zu einem möglichen Ausgang. Das ist eine bewusste Freigabe und gehört in die Bewertung.
• Ohne laufende Sandbox lässt sich ein stdio-Server in der Oberfläche nicht sinnvoll anlegen oder betreiben. Die Sandbox ist die Ausführungsumgebung, nicht nur ein Schalter für Code.
• Code und Kommandos in der Sandbox sind eine eigene Fähigkeit. Sie sollte nur aktiv sein, wenn der Assistent sie braucht. Jede aktive Ausführung vergrößert die Angriffsfläche innerhalb der Plattform.

stdio in der Sandbox ist damit plattformlokal: die Daten verlassen die CLYE-Infrastruktur nicht allein dadurch, dass das Protokoll stdio heißt. Sie verlassen sie, wenn das Ergebnis in den Modell-Prompt geht oder der Prozess Netz freigegeben hat.

3. CLYE CLI, wenn der Prozess im Unternehmen bleiben soll

clye mcp ist die Brücke, wenn ein Server nicht in der Sandbox und nicht als von CLYE aus erreichbare URL laufen soll, sondern auf einem Rechner, den das Unternehmen betreibt (Arbeitsplatz, Server, Container).

Befehl	Wo die Ausführung liegt	Was die Plattform sieht
clye mcp clye postgres-connector …	Der Prozess läuft auf diesem Rechner (stdio). Die CLI hält nur die Verbindung zum Hub	Den einzelnen Tool-Aufruf und das Ergebnis, damit der Assistent das Werkzeug nutzen kann
clye mcp https://…/mcp	Der Prozess liegt unter der URL. Die CLI reicht den Aufruf per HTTP weiter	Dieselben Aufrufe und Ergebnisse, zusätzlich der Betreiber der URL

Ohne clye mcp bleibt ein Connector auf dem Gerät unsichtbar für den Assistenten. Mit der Brücke werden Aufruf und Rückgabe Teil des Chats. Übertragen wird nicht die ganze Datenbank oder Festplatte, sondern das, was der konkrete Aufruf anfordert und der Server zurückgibt. Pfad, Schema und Allowlist begrenzen das.

Die CLI ist der richtige Weg, wenn Quellsysteme das Unternehmensnetz nicht Richtung Plattform öffnen sollen und die Ausführung beim Unternehmen bleiben muss. HTTP direkt in der Plattform ist der richtige Weg, wenn der MCP-Dienst ohnehin als erreichbarer Endpunkt betrieben wird. stdio in der Sandbox ist der richtige Weg, wenn das Werkzeug nur innerhalb von CLYE laufen soll.

Nutzerkontext an MCP-Server

Optional kann CLYE bei einem Tool-Aufruf einen Nutzerkontext mitschicken (sendUserMetaToMcpTools). Darin können E-Mail und eine Space-Kennung stehen. Das ist personenbezogen. Die Option bleibt aus, solange der MCP-Server die Person nicht für Berechtigungen oder ein Audit braucht. Für eine rein technische Zuordnung reicht meist die Space-Kennung. Details stehen bei den externen MCP-Servern.

Was dadurch zum KI-Anbieter gelangt

MCP-Ergebnisse sind nach dem Aufruf Inhalt des Chats. Der nächste Modellaufruf kann sie enthalten, genau wie einen von Hand geschriebenen Prompt. Maskierung im Gateway wirkt auch auf diesen Text, soweit die Muster konfiguriert sind. Sie erkennt keine Geschäftsgeheimnisse allein daran, dass sie aus einer Datenbank stammen.

Deshalb:

• Werkzeuge so eng wie möglich freigeben (Pfad, Datenbank, Allowlist).
• Assistenten, die interne Systeme lesen, nur Personen geben, die diese Daten ohnehin verarbeiten dürfen.
• Für besonders schützenswerte Abrufe ein Modell in der EU wählen.

Kurzüberblick für die Bewertung im Unternehmen

Frage	Einordnung
Verlässt der Prompt den Browser direkt zum Modellanbieter?	Nein. Er läuft über CLYE und den LLM Gateway.
Speichert der Gateway den Prompt?	Nein, nur Nutzungsmetadaten.
Speichert CLYE den Chat?	Ja, im Space, für die berechtigten Personen.
Sieht der Modellanbieter Name und Konto der Person?	Nein. Er sieht den übermittelten Text.
Kann der Anbieter die Inhalte zum Training verwenden?	Nur nach dem Vertrag, den das Unternehmen mit diesem Anbieter hat. API-Verträge der unterstützten Anbieter schließen Training in der Regel aus; das ist je Anbieter zu bestätigen.
Braucht HTTP-MCP die CLI?	Nein. Die Plattform bindet die URL direkt an.
Wo läuft stdio-MCP in der Oberfläche?	In der Sandbox der Plattform, nicht auf dem Arbeitsplatz.
Verlässt stdio in der Sandbox die CLYE-Infrastruktur?	Nicht allein durch den Aufruf. Wohl aber, wenn das Ergebnis in den Modell-Prompt geht oder die Sandbox Netz erhält.
Wen erreicht ein direkt angebundener HTTP-MCP?	Den Betreiber der URL, aufgerufen aus der CLYE-Infrastruktur.
Wann ist die CLI nötig?	Wenn der Prozess auf einem Rechner des Unternehmens laufen soll und nur Aufruf und Ergebnis in den Hub sollen.
Liegt die Infrastruktur von CLYE und dem Gateway in der EU?	Ja. Siehe Serverstandort.
Wer entscheidet über Modell, Tools und Datenquellen?	Das Unternehmen.

Praktische Leitlinien

• Prompts wie jede andere Übermittlung an einen Dienstleister behandeln: zweckgebunden, auf das nötige Maß beschränkt, keine Daten „zum Ausprobieren“.
• Interne KI-Richtlinie und diese Seite gemeinsam an Fachbereiche geben.
• MCP-Server nach Ausführungsort inventarisieren: HTTP direkt in der Plattform, stdio in der Sandbox, Prozess auf eigenem Rechner über die CLI.
• Für jeden direkt angebundenen HTTP-MCP Betreiber, Standort und Vertrag festhalten, bevor der Assistent das Werkzeug nutzen darf.
• Sandbox und Netzwerkfreigabe nur aktivieren, wenn der Assistent sie braucht. stdio in der Sandbox ohne Netz bleibt in der Plattform.
• Zugangsdaten der CLI (AI_HUB_API_KEY) wie persönliche Zugangsschlüssel behandeln. Wer den Schlüssel hat, kann Server mit dem Hub verbinden.
• Änderungen an Modellregion oder neuen MCP-Servern in der eigenen Verarbeitung dokumentieren.