Cloud-Transkription und Datenschutz: Was du vor dem Upload einer Aufnahme prüfen musst

Warum eine Aufnahme personenbezogene Daten enthält

Die Datenschutz-Grundverordnung gilt, sobald sich Informationen auf eine identifizierbare Person beziehen. Art. 4 Nr. 1 DSGVO definiert personenbezogene Daten als „alle Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person … beziehen“, wobei eine Person schon dann identifizierbar ist, wenn sie „direkt oder indirekt, insbesondere mittels Zuordnung zu einer Kennung wie einem Namen … oder zu einem oder mehreren besonderen Merkmalen“ erkannt werden kann. Eine Stimme ist ein solches Merkmal, ein genannter Name eine solche Kennung, und der Inhalt eines Gesprächs sagt meist genug über die Beteiligten aus (Einordnung).

Verarbeitung ist nach Art. 4 Nr. 2 DSGVO jeder Vorgang „wie das Erheben, das Erfassen, … die Speicherung, … die Verwendung, die Offenlegung durch Übermittlung“. Das Aufnehmen ist ein Erheben, der Upload eine Übermittlung, das Transkript eine Speicherung in neuer Form. Jeder Schritt braucht eine Rechtsgrundlage, und jeder Beteiligte am Datenweg bekommt eine Rolle. Das gilt auch für das reine Selbstdiktat, wenn es Mandanten, Patienten oder Mitarbeiter betrifft; die strafrechtliche Seite erklärt die Seite Darf ich ein Gespräch aufnehmen?.

Ein verbreiteter Irrtum ist, Personenbezug durch Weglassen von Namen zu vermeiden. Die Datenschutzkonferenz stellt in ihrer Orientierungshilfe zu KI und Datenschutz klar: „Um die Eingabe personenbezogener Daten zu vermeiden, reicht es regelmäßig nicht, Namen und Anschriften einer Eingabe zu entfernen.“ Eine Aufnahme, in der eine Person über ihren Fall spricht, bleibt personenbezogen, auch wenn der Name fehlt.

Der Anbieter als Auftragsverarbeiter: Art. 28 DSGVO

Lädst du eine Aufnahme zu einem Transkriptionsdienst hoch, verarbeitet dieser die Daten in deinem Auftrag und zu deinen Zwecken. Die Datenschutzkonferenz beschreibt diese Konstellation für KI-Anwendungen ausdrücklich: „Setzt eine Stelle zu eigenen Zwecken eine KI-Anwendung eines externen Anbieters zum Beispiel als Cloud-Lösung ein, agiert der externe Anbieter als verlängerter Arm im Auftrag des Verantwortlichen. Dann besteht zwischen dem Anbieter der Anwendung und dem Verantwortlichen häufig ein Auftragsverarbeitungsverhältnis gemäß Art. 28 f. DS-GVO mit der Folge, dass mit dem Anbieter eine Vereinbarung gemäß Art. 28 Abs. 3 DS-GVO abzuschließen ist.“

Drei Folgen für die Praxis (Einordnung): Du musst den Anbieter vor Vertragsschluss auf seine Garantien prüfen, mit ihm einen Vertrag zur Auftragsverarbeitung schließen und wissen, welche Unterauftragnehmer er einsetzt, etwa den Betreiber der Rechenzentren oder den Anbieter des Sprachmodells. Ob ein Dienst diesen Vertrag anbietet, entscheidet über seine Eignung; ein Tarif ohne einen solchen Vertrag ist für berufliche Aufnahmen über Dritte nicht geeignet. Ein Verstoß gegen Art. 28 ist nach Art. 83 Abs. 4 DSGVO bußgeldbewehrt.

Training mit deinen Aufnahmen

KI-Dienste verbessern ihre Modelle mit Daten, und naheliegend sind die Daten ihrer Nutzer. Die Datenschutzkonferenz bezieht dazu Position: „Datenschutzrechtlich vorzugswürdig sind daher Anwendungen, die die Ein- und Ausgabedaten nicht zu Trainingszwecken verwenden.“ Für dich als Verantwortlichen bedeutet das zweierlei. Erstens muss die Frage vor der Nutzung beantwortet sein, am besten im Vertrag zur Auftragsverarbeitung, denn Training ist ein eigener Zweck, der mit deinem Auftrag nichts zu tun hat. Zweitens musst du die aufgenommenen Personen informieren: „Handelt es sich bei den Eingabedaten um personenbezogene Daten, sind betroffene Personen über die Verwendung ihrer Daten transparent zu informieren.“

Ob ein Dienst Audio und Transkripte zum Training nutzt, steht in dessen Datenschutzerklärung oder Nutzungsbedingungen und gehört ausdrücklich in den Vertrag. Geräte und Apps, die die Spracherkennung vollständig auf dem Gerät ausführen, stellen die Frage gar nicht; die technischen Unterschiede erklärt die Seite On-Device oder Cloud.

Serverstandort außerhalb der EU: Art. 44 und 45 DSGVO

Viele Transkriptionsdienste betreiben ihre Server in den Vereinigten Staaten. Für die DSGVO ist das eine Übermittlung in ein Drittland. Art. 44 S. 1 bestimmt, dass eine solche Übermittlung „nur zulässig“ ist, „wenn der Verantwortliche und der Auftragsverarbeiter die in diesem Kapitel niedergelegten Bedingungen einhalten“. Der einfachste Weg ist ein Angemessenheitsbeschluss der Kommission nach Art. 45 Abs. 1: Hat die Kommission beschlossen, „dass das betreffende Drittland … ein angemessenes Schutzniveau bietet“, bedarf die Übermittlung „keiner besonderen Genehmigung“.

Für die USA gibt es einen solchen Beschluss: den Durchführungsbeschluss (EU) 2023/1795 vom 10.07.2023 zum Datenschutzrahmen EU-USA (Data Privacy Framework). Er gilt aber nicht für jedes US-Unternehmen. Nach Art. 1 gewährleisten die Vereinigten Staaten ein angemessenes Schutzniveau für Daten, die „an Organisationen in den Vereinigten Staaten übermittelt werden, die in der vom U.S. Department of Commerce (Handelsministerium) geführten und öffentlich zugänglichen ‚Data Privacy Framework List‘ … aufgeführt sind“. Ob dein Transkriptionsanbieter dort steht, musst du vor der Nutzung selbst prüfen; ist er nicht gelistet, braucht die Übermittlung ein anderes Instrument, etwa Standardvertragsklauseln, oder sie unterbleibt.

Der Beschluss ist gerichtlich noch nicht abschließend bestätigt. Das Gericht der Europäischen Union hat am 03.09.2025 in der Sache T-553/23 die Nichtigkeitsklage gegen den Beschluss abgewiesen; es hielt die Richter des neuen US-Überprüfungsgerichts für hinreichend unabhängig, weil sie „nur vom Generalstaatsanwalt aus triftigen Gründen abberufen werden“ können. Die Pressemitteilung betont allerdings, dass die USA das Schutzniveau „zum Zeitpunkt des Erlasses des angefochtenen Beschlusses“ gewährleisteten. Gegen das Urteil ist seit dem 31.10.2025 ein Rechtsmittel beim Gerichtshof anhängig (C-703/25 P). Stand 13.10.2026 gilt der Beschluss; eine Entscheidung des Gerichtshofs kann die Lage ändern. Wer sich auf ihn stützt, sollte den Stand des Verfahrens im Blick behalten.

Ist die Stimme ein biometrisches Datum?

Art. 9 Abs. 1 DSGVO untersagt die Verarbeitung „biometrischer Daten zur eindeutigen Identifizierung einer natürlichen Person“, sofern keine Ausnahme nach Abs. 2 greift. Biometrische Daten sind nach Art. 4 Nr. 14 „mit speziellen technischen Verfahren gewonnene personenbezogene Daten zu den physischen, physiologischen oder verhaltenstypischen Merkmalen einer natürlichen Person, die die eindeutige Identifizierung dieser natürlichen Person ermöglichen oder bestätigen“. Entscheidend ist also nicht, dass eine Stimme aufgenommen wird, sondern ob sie mit speziellen Verfahren zur Identifizierung ausgewertet wird.

Für Lichtbilder sagt Erwägungsgrund 51 der DSGVO genau das: Sie werden nur dann zu biometrischen Daten, „wenn sie mit speziellen technischen Mitteln verarbeitet werden, die die eindeutige Identifizierung oder Authentifizierung einer natürlichen Person ermöglichen“. Diese Logik lässt sich auf Tonaufnahmen übertragen (Einordnung): Die reine Transkription beantwortet die Frage „Was wurde gesagt?“ und macht die Stimme nicht zum Art.-9-Datum. Ein Stimmprofil, das eine Person eindeutig wiedererkennt oder authentifiziert, ist dagegen biometrisch. Die Datenschutzkonferenz zieht dieselbe Grenze für Telefonaufzeichnungen: Die Einwilligung in die Aufzeichnung „umfasst nicht eine biometrische Auswertung“.

Eine offene Frage bleibt die Sprecher-Diarisierung, also die Trennung eines Gesprächs in „Sprecher 1“ und „Sprecher 2“ ohne Namenszuordnung. Sie unterscheidet Stimmen, identifiziert aber keine Person; sobald ein gespeichertes Stimmprofil Namen zuordnet, liegt eine Identifizierung vor. Eine Behördenaussage zu dieser Zwischenstufe gibt es nach unserer Recherche nicht. Unabhängig davon können die Inhalte einer Aufnahme besondere Kategorien sein, etwa Gesundheitsdaten in einem Arztdiktat. Wie die Technik dahinter arbeitet, steht auf der Seite Sprechererkennung.

Was ein Anbieter veröffentlichen sollte

Aus den genannten Vorschriften ergibt sich eine Liste von Angaben, die ein Transkriptionsdienst öffentlich machen sollte, damit du deine Pflichten überhaupt erfüllen kannst. Fehlt eine Angabe, ist das eine Information über den Anbieter.

Tabelle seitlich scrollen, um alle Spalten zu sehen

Art. 5 und Art. 83 DSGVO sind hier als Anknüpfung genannt, aber nicht wörtlich zitiert. Welche Geräte den Serverstandort nennen, zeigt der Datensatz der KI-Diktiergeräte.

Die Angaben der Hersteller zu Verarbeitungsort, Verschlüsselung und Löschfristen haben wir für die besprochenen Geräte und Apps gesammelt; sie stehen im Datensatz KI-Diktiergeräte und im Gerätevergleich, jeweils als Herstellerangabe gekennzeichnet.

Prüfliste für die Anbieterwahl

Bevor die erste Aufnahme mit fremden Stimmen in einen Dienst wandert, lassen sich die Pflichten in acht Fragen prüfen. Sie fassen die Vorschriften dieser Seite zusammen und sind eine redaktionelle Arbeitshilfe.

1. Wo stehen die Server, und ist der Anbieter bei einem US-Standort in der Data Privacy Framework List eingetragen?
2. Bietet der Anbieter einen Vertrag zur Auftragsverarbeitung an, und enthält er Gegenstand, Dauer, Art, Zweck, Datenarten und Betroffenengruppen?
3. Welche Unterauftragsverarbeiter setzt er ein, und kannst du ihnen zustimmen oder widersprechen?
4. Schließt der Anbieter das Training mit deinen Ein- und Ausgabedaten aus, und ist das vertraglich festgehalten statt nur als Einstellung?
5. Nach welcher Frist löscht er Audio, Transkript und Zusammenfassung, und kannst du selbst löschen?
6. Welche technischen und organisatorischen Maßnahmen beschreibt er, und gibt es Prüfnachweise?
7. Bietet er Stimmprofile oder Emotionsanalysen an, und lassen sich diese Funktionen abschalten?
8. Bist du Berufsgeheimnisträger? Dann kommen § 203 StGB und die berufsrechtlichen Vorgaben hinzu, erläutert unter Berufsgeheimnis und Diktat.