In vielen Unternehmen zeigt sich derzeit ein ähnliches Muster: Mitarbeitende möchten generative KI produktiv einsetzen, stossen jedoch auf stark eingeschränkte interne Lösungen. Häufig fehlen Datei-Uploads, leistungsfähige Modelle, Datenanbindungen oder Funktionen, die öffentliche Angebote bereits bereitstellen.

Die Absicht dahinter ist nachvollziehbar. Unternehmen wollen Datenschutz, Informationssicherheit und regulatorische Anforderungen einhalten. Problematisch wird es jedoch, wenn die eingeführte Lösung technisch so stark eingeschränkt ist, dass sie für den Arbeitsalltag kaum noch einen Mehrwert bietet.

Dann entsteht ein zweites Problem: Mitarbeitende weichen auf private Accounts oder nicht freigegebene Tools aus. Damit verlagert sich das Risiko lediglich in einen weniger kontrollierbaren Bereich.

Die entscheidende Frage lautet deshalb nicht, ob Unternehmen KI zulassen sollen. Sie lautet vielmehr, wie eine sichere und gleichzeitig praktikable Nutzung aussehen kann.

Können Unternehmen OpenAI, Microsoft, Google oder Anthropic nutzen?

Grundsätzlich ja.

Weder das Schweizer Datenschutzgesetz noch die DSGVO verbieten den Einsatz von Cloud-basierten KI-Systemen. Entscheidend ist, wie ein Dienst eingesetzt wird, welche Daten verarbeitet werden und welche vertraglichen und technischen Schutzmassnahmen bestehen.

Wenn ein Anbieter Personendaten im Auftrag eines Unternehmens verarbeitet, muss diese Auftragsbearbeitung vertraglich geregelt sein. In der Praxis erfolgt dies über einen Data Processing Agreement, kurz DPA, beziehungsweise einen Auftragsverarbeitungsvertrag.

Der EDÖB weist bei Cloud-Diensten darauf hin, dass Unternehmen trotz Outsourcing für die Datenbearbeitung verantwortlich bleiben. Sie müssen insbesondere den Anbieter prüfen, den Zweck der Bearbeitung festlegen, angemessene Sicherheitsmassnahmen sicherstellen und internationale Datenübermittlungen berücksichtigen.

Ein DPA ist deshalb eine wichtige Voraussetzung. Er allein reicht jedoch nicht aus.

Was Unternehmen vor der Freigabe prüfen sollten

Vor der Einführung eines KI-Dienstes sollten Unternehmen mindestens folgende Punkte klären:

  • Geschäftliche Lizenz: Für Unternehmensdaten sollte eine Business-, Team- oder Enterprise-Version eingesetzt werden. Private und kostenlose Konten sind davon klar zu trennen.
  • DPA oder Auftragsverarbeitungsvertrag: Es muss geregelt sein, wie der Anbieter Personendaten im Auftrag des Unternehmens verarbeitet.
  • Nutzung der Daten für Training: Das Unternehmen muss wissen, ob Eingaben, Dateien und Ausgaben zur Verbesserung oder zum Training allgemeiner Modelle verwendet werden.
  • Speicherung und Löschung: Es muss bekannt sein, wie lange Daten gespeichert werden und welche Lösch- und Retention-Möglichkeiten bestehen.
  • Datenstandort und Auslandtransfers: Relevant ist nicht nur, wo Daten gespeichert werden, sondern auch, wo sie verarbeitet werden und welche Unterauftragsbearbeiter beteiligt sind.
  • Benutzerverwaltung: Je nach Risiko und Unternehmensgrösse sollten SSO, MFA, Rollen, Berechtigungen, Logging und gegebenenfalls DLP zur Verfügung stehen.
  • Datenklassifikation: Mitarbeitende müssen wissen, welche öffentlichen, internen, vertraulichen oder besonders schützenswerten Daten in welchem System verarbeitet werden dürfen.
  • Anwendungsfall: Ein Schreibassistent ist anders zu beurteilen als ein System, das Personalentscheide, Kreditentscheide oder andere sensible Prozesse unterstützt.
  • AI Literacy: Mitarbeitende müssen verstehen, welche Daten sie verwenden dürfen, wie Ergebnisse überprüft werden und wo die Grenzen des Systems liegen.

Damit entsteht ein kontrollierbarer Rahmen, ohne die Nutzung unnötig einzuschränken.

Was Unternehmen befürchten und was tatsächlich möglich ist

Viele Vorbehalte gegenüber Cloud-KI drehen sich um dieselben Fragen: Können vertrauliche Daten beim Anbieter landen? Werden Eingaben für das Training verwendet? Greifen ausländische Behörden auf Daten zu? Können Mitarbeitende unkontrolliert Informationen hochladen? Und verliert das Unternehmen die Kontrolle über seine Daten?

Diese Bedenken sind grundsätzlich berechtigt. Sie führen jedoch nicht automatisch dazu, dass Cloud-KI ausgeschlossen werden muss.

Entscheidend ist die konkrete Ausgestaltung.

OpenAI

Bei OpenAI muss zwischen Consumer-Angeboten und Business-Angeboten unterschieden werden.

ChatGPT Business und Enterprise sind für den geschäftlichen Einsatz konzipiert. Unternehmensdaten werden nach Angaben von OpenAI standardmässig nicht zum Training der allgemeinen Modelle verwendet. Für Unternehmenskunden stehen zudem vertragliche und administrative Funktionen zur Verfügung.

Für den Einsatz mit Unternehmensdaten sollten Unternehmen insbesondere DPA, Datenaufbewahrung, Benutzerverwaltung, Datenresidenz und die verwendeten Funktionen prüfen.

Rechtlich entscheidend ist nicht, dass OpenAI ein US-Unternehmen ist, sondern ob Datenbearbeitung und internationale Datenübermittlung auf einer zulässigen Grundlage erfolgen.

Microsoft

Microsoft Copilot ist besonders naheliegend, wenn ein Unternehmen bereits Microsoft 365 nutzt.

Ein wesentlicher Vorteil besteht darin, dass Copilot auf bestehende Benutzerrechte und Unternehmensdaten zugreifen kann. Genau darin liegt gleichzeitig ein Risiko: Sind SharePoint-, Teams- oder Dateiberechtigungen historisch zu grosszügig gesetzt, kann KI diese bestehenden Berechtigungen sichtbar machen.

Vor einer Einführung sollte deshalb nicht nur Copilot geprüft werden. Auch die bestehende Informationsarchitektur und Rechteverwaltung müssen sauber sein.

Datenschutzrechtlich erfolgt die geschäftliche Nutzung innerhalb des Microsoft-Vertragswerks und des entsprechenden DPA.

Google

Für Unternehmen mit Google Workspace bietet Gemini eine ähnlich integrierte Lösung.

Auch hier muss klar zwischen geschäftlichen Workspace-Angeboten und privaten Gemini-Konten unterschieden werden. Für die Unternehmensversionen gelten spezifische Datenschutz- und Vertragsbedingungen.

Unternehmen sollten insbesondere prüfen, welche Workspace-Version eingesetzt wird, welche Administrationsmöglichkeiten bestehen und wie Datenaufbewahrung, Training und Datenübertragung geregelt sind.

Anthropic und Claude

Claude kann insbesondere bei Dokumentenanalyse, längeren Kontexten und Entwicklungsaufgaben interessant sein.

Auch bei Anthropic ist die Unterscheidung zwischen Consumer- und kommerziellen Produkten wesentlich. Für geschäftliche Daten sollten Unternehmen Claude for Work oder entsprechende API- beziehungsweise Enterprise-Angebote einsetzen.

DPA, Unterauftragsbearbeiter, Datenaufbewahrung und Training sollten dabei wie bei den anderen Anbietern geprüft werden.

Schweizer Anbieter

Schweizer Anbieter können zusätzliche Vorteile bieten, wenn Datenhaltung in der Schweiz oder ein lokaler Vertragspartner wichtig sind.

Allerdings sollte «Swiss hosted» nicht automatisch mit «vollständig Schweizer KI» gleichgesetzt werden.

Relevant sind unter anderem folgende Fragen: Welche Modelle werden eingesetzt? Wo läuft die Inferenz? Werden externe APIs genutzt? Gibt es Websuche oder andere Drittanbieter? Welche Unterauftragsbearbeiter sind eingebunden? Und unter welchen Bedingungen werden Daten gespeichert?

Eine Übersicht entsprechender Angebote findest du bei swissAI unter Schweizer KI-Chats.

Die Anbieterfrage lässt sich deshalb nicht mit einem einfachen «sicher» oder «unsicher» beantworten. Microsoft, OpenAI, Google, Anthropic und Schweizer Anbieter können grundsätzlich in einer datenschutzkonformen Unternehmensarchitektur eingesetzt werden. Voraussetzung ist, dass Vertrag, Produkt, Konfiguration, Daten und konkreter Einsatzzweck zusammenpassen.

KI-Lizenzen kosten nicht für alle Nutzer gleich viel

Auch bei den Kosten lohnt sich eine differenzierte Betrachtung. Nicht jeder Mitarbeitende benötigt dieselben Funktionen und Nutzungslimits.

  • Büroanwender, ca. CHF/USD 20 bis 30 pro Monat: Texte, Zusammenfassungen, einfache Datei-Analyse, gelegentliche Recherche.
  • Intensiver Nutzer, ca. CHF/USD 50 bis 100 pro Monat: häufige Recherche, grössere Dokumente, komplexere Analysen, Agents.
  • Power-User, Entwickler und Analysten, ca. CHF/USD 100 bis 200 und mehr pro Monat: hohe Nutzung, Coding, grosse Datenmengen, mehrere Modelle und spezialisierte Funktionen.

Eine Staffelung nach tatsächlichem Bedarf ist meist sinnvoller, als allen Mitarbeitenden dieselbe Lizenz zuzuweisen.

Gleichzeitig sollte ein Power-User nicht künstlich auf ein sehr kleines Nutzungskontingent beschränkt werden. Wenn die Arbeit regelmässig durch Limits unterbrochen wird, sinkt der Nutzen der gesamten Einführung.

Warum häufig mehr als ein KI-Tool sinnvoll ist

Auch eine reine Single-Tool-Strategie muss nicht für jedes Unternehmen optimal sein.

Microsoft Copilot hat seine Stärken innerhalb des Microsoft-Ökosystems. ChatGPT bietet andere Möglichkeiten bei Recherche, Analyse, multimodaler Verarbeitung und Agents. Claude kann für bestimmte Dokument- und Entwicklungsaufgaben Vorteile haben. Weitere spezialisierte Systeme kommen je nach Fachbereich hinzu.

Hinzu kommt, dass sich die Leistungsfähigkeit der Modelle laufend verändert.

Ein praktikables Modell kann deshalb darin bestehen, ein freigegebenes Standardtool für die Mehrheit der Mitarbeitenden anzubieten und bestimmten Nutzergruppen zusätzliche Werkzeuge oder leistungsfähigere Lizenzen zur Verfügung zu stellen.

Welche Modelle sich für unterschiedliche Aufgaben eignen, zeigt die Übersicht von swissAI unter KI-Modelle im Vergleich.

Eigenlösung oder bestehende Plattform: Nutzen, Aufwand und Kosten

Eine eigene interne KI-Plattform kann sinnvoll sein, insbesondere wenn spezifische Prozesse, besondere regulatorische Anforderungen oder strategisch wichtige interne Datenquellen integriert werden müssen.

Sie sollte jedoch nicht automatisch als sicherere oder günstigere Variante betrachtet werden.

Eine interne KI-Plattform ist kein einmaliges Entwicklungsprojekt. Sie muss dauerhaft betrieben und weiterentwickelt werden.

Modelle ändern sich, APIs werden angepasst, neue Funktionen entstehen, Sicherheitsupdates müssen eingespielt werden und bestehende Integrationen können durch Änderungen externer Systeme beeinträchtigt werden. Gleichzeitig müssen Authentifizierung, Datei-Uploads, Datenzugriffe, Rollen, Monitoring, Logging und Benutzeroberfläche gepflegt werden.

Dafür braucht es nicht nur technische Entwicklung. Typischerweise sind mehrere Funktionen beteiligt:

  • AI Engineering und technische Architektur
  • Frontend und Benutzerführung
  • Integration interner Systeme
  • Security und Datenschutz
  • Testing und Qualitätssicherung
  • Product Ownership
  • Business-Anforderungen
  • Projektleitung
  • Support und Schulung

Eine schlank betriebene interne Plattform kann deshalb bereits folgende jährliche Kosten verursachen:

  • AI Engineer oder Platform Owner, 80 bis 100 Prozent: CHF 130'000 bis 170'000
  • Frontend und Integrationen, 10 bis 20 Prozent: CHF 15'000 bis 30'000
  • Product Owner, Business und Projektleitung, 10 bis 20 Prozent: CHF 15'000 bis 30'000
  • Security, Datenschutz und Testing: CHF 10'000 bis 20'000
  • Hosting, APIs, Monitoring und Tools: CHF 15'000 bis 40'000
  • Gesamt: ca. CHF 185'000 bis 290'000 pro Jahr

CHF 150'000 bis 200'000 pro Jahr sind damit eher bei einer sehr schlanken Struktur realistisch, bei der verschiedene Aufgaben zusätzlich von bestehenden Mitarbeitenden übernommen werden.

Bei einer unternehmenskritischen Plattform mit mehreren Integrationen, hohen Sicherheitsanforderungen und laufender Weiterentwicklung können die Kosten deutlich höher liegen.

Demgegenüber liegen die Kosten einer externen Business-Plattform für 100 Mitarbeitende häufig im tiefen bis mittleren fünfstelligen Bereich pro Jahr, selbst wenn eine kleinere Gruppe zusätzliche Premium-Lizenzen erhält.

Die wirtschaftlich sinnvolle Frage lautet deshalb nicht pauschal «Eigenbau oder Cloud».

Sinnvoll ist eine Eigenlösung vor allem dort, wo sie einen spezifischen Unternehmensvorteil schafft oder Anforderungen erfüllt, die bestehende Plattformen nicht abdecken.

Für den allgemeinen Zugang zu leistungsfähiger KI ist es häufig effizienter, eine etablierte Business-Plattform zu nutzen und nur die spezifischen Unternehmensfunktionen selbst zu entwickeln.

Die interne IT kann sich dann auf Datenanbindung, Rechte, Sicherheit, Prozesse und die wirklich differenzierenden Anwendungen konzentrieren.

Was gute AI Governance konkret braucht

Governance sollte einen sicheren und verständlichen Rahmen für die Nutzung schaffen. Dazu gehören insbesondere:

  • Freigegebene Business-Tools: Mitarbeitende wissen, welche Systeme offiziell genutzt werden dürfen.
  • DPA und Vertragsprüfung: Datenschutz und Auftragsbearbeitung sind vertraglich geregelt.
  • Datenklassifikation: Es ist klar definiert, welche Daten in welchem Tool verwendet werden dürfen.
  • Identitäts- und Rechteverwaltung: Benutzer, Rollen und Zugriffe werden zentral gesteuert.
  • Regeln für sensible Anwendungen: Für HR, Finanzen, Gesundheit oder andere sensible Bereiche gelten zusätzliche Anforderungen.
  • Unterschiedliche Lizenzstufen: Gelegenheitsnutzer und Power-User erhalten passende Zugänge.
  • AI Literacy: Mitarbeitende werden im sicheren und sinnvollen Umgang mit KI geschult.
  • Kontinuierliche Überprüfung: Anbieter, Modelle und Funktionen verändern sich. Die Governance muss deshalb regelmässig aktualisiert werden.
  • Kontrollierte Alternativen zu Shadow AI: Wenn zusätzliche Tools benötigt werden, sollte es einen geregelten Prüf- und Freigabeprozess geben.

Damit wird Governance nicht zu einer Sammlung von Verboten, sondern zu einem Instrument, das eine kontrollierte Nutzung überhaupt erst ermöglicht.

Fazit

Unternehmen müssen sich nicht zwischen leistungsfähiger KI und Datenschutz entscheiden.

OpenAI, Microsoft, Google, Anthropic und auch Schweizer Anbieter können grundsätzlich für geschäftliche Anwendungen eingesetzt werden. Voraussetzung ist jedoch, dass die richtige Produktversion gewählt wird und DPA, Datenverarbeitung, Training, Speicherung, internationale Transfers, Berechtigungen und der konkrete Anwendungsfall geprüft werden.

Für viele Unternehmen dürfte ein gestuftes Modell sinnvoll sein: ein freigegebenes Business-Tool für die breite Nutzung, stärkere Lizenzen oder zusätzliche Systeme für Power-User und gezielte Eigenentwicklungen dort, wo sie einen echten fachlichen oder strategischen Mehrwert schaffen.

Eine vollständige interne Plattform kann sinnvoll sein, verursacht jedoch erhebliche laufende Kosten und benötigt dauerhaft technische und organisatorische Ressourcen. Bei einem jährlichen Aufwand von ungefähr CHF 185'000 bis 290'000 sollte deshalb genau geprüft werden, ob ein vollständiger Eigenbau tatsächlich notwendig ist oder ob bestehende Plattformen einen grossen Teil der Anforderungen bereits erfüllen.

Gleichzeitig sollte die offizielle Lösung leistungsfähig genug sein, dass Mitarbeitende sie tatsächlich verwenden. Eine sehr restriktive interne Plattform reduziert Shadow AI nicht automatisch. Wenn wichtige Funktionen fehlen, steigt vielmehr das Risiko, dass Mitarbeitende auf private oder nicht freigegebene Angebote ausweichen.

Die zentrale Aufgabe von AI Governance besteht deshalb darin, Sicherheit, Datenschutz und praktische Nutzbarkeit miteinander zu verbinden.

Kurz zusammengefasst:

  • Cloud-KI ist unter nDSG und DSGVO nicht grundsätzlich verboten.
  • Für Unternehmensdaten braucht es geeignete Business-Angebote und einen geprüften DPA.
  • OpenAI, Microsoft, Google, Anthropic und Schweizer Anbieter müssen anhand derselben grundlegenden Kriterien beurteilt werden.
  • Nicht alle Mitarbeitenden benötigen dieselbe Lizenz oder dieselben Kosten.
  • Mehrere freigegebene Tools können sinnvoller sein als eine starre Single-Tool-Strategie.
  • Eine Eigenlösung kann sinnvoll sein, ist aber im Betrieb deutlich aufwendiger, als es bei der Einführung häufig erscheint.
  • Gute Governance definiert klare Leitplanken und ermöglicht innerhalb dieser Leitplanken eine leistungsfähige Nutzung.

Stand: 22. September 2026. Die konkrete datenschutzrechtliche Beurteilung hängt immer vom jeweiligen Anwendungsfall, den verarbeiteten Daten und den abgeschlossenen Verträgen ab.