Noch vor wenigen Jahren schien sich digitale Selbstbestimmung an kleinen Kästchen zu entscheiden. Eine Website wollte Cookies setzen, der Browser fragte nach dem Standort, eine App verlangte Zugriff auf Kontakte oder Fotos. Wir lernten, misstrauisch zu werden. «Alle ablehnen» wurde zu einer kleinen Verteidigungshandlung gegen eine digitale Wirtschaft, die immer mehr über uns wissen wollte.
Dann kam generative KI.
Heute laden Menschen Arbeitsverträge in ChatGPT, lassen persönliche E-Mails analysieren, sprechen über Konflikte am Arbeitsplatz, finanzielle Sorgen, Beziehungen oder gesundheitliche Fragen. Unternehmen verbinden KI-Assistenten mit internen Dokumenten und Kommunikation. Mit jedem zusätzlichen Stück relevanten Kontexts werden die Systeme nützlicher. Informationen, deren Erfassung durch gewöhnliche Websites jahrelang Misstrauen ausgelöst hat, werden plötzlich freiwillig in ein Eingabefeld geschrieben.
Man könnte darin schlicht menschliche Inkonsequenz sehen. Datenschutz ist uns wichtig, bis Bequemlichkeit wichtiger wird. Diese Erklärung ist nicht falsch, aber sie bleibt an der Oberfläche. Interessanter ist die Frage, was sich zwischen dem Cookie-Banner und dem KI-Assistenten verändert hat.
Es sind weniger die Menschen als das Angebot.
Privatsphäre war nie unbezahlbar
Die Vorstellung, Menschen hätten entweder ein starkes oder ein schwaches Bedürfnis nach Privatsphäre, passt schlecht zu unserem tatsächlichen Verhalten. Wir geben einer Bank Informationen, die wir einem Onlineshop niemals überlassen würden. Ein Arzt erfährt Dinge, die selbst enge Bekannte nicht wissen. Ein Navigationsdienst erhält unseren Standort, weil er uns damit den Weg vom tatsächlichen Ausgangspunkt zeigen kann.
Privatsphäre ist damit kein Gut mit einem festen Preis. Ihre Bewertung verändert sich mit dem Kontext. Wer fragt? Was wird verlangt? Wozu wird die Information gebraucht? Was kann damit passieren? Und vor allem: Was bekomme ich dafür?
Die Forschung beschäftigt sich seit Jahren mit diesem scheinbaren Widerspruch. Unter dem Begriff «Privacy Paradox» wird untersucht, weshalb Menschen grosse Sorgen um ihre Privatsphäre äussern und dennoch persönliche Informationen offenlegen. Ein verwandtes Erklärungsmodell ist der «Privacy Calculus»: Menschen wägen erwarteten Nutzen gegen wahrgenommenes Risiko ab. Eine systematische Literaturübersicht von Susanne Barth und Menno de Jong unterscheidet dabei zwischen einer Nutzen-Risiko-Abwägung und Entscheidungen, bei denen der Nutzen im Vordergrund steht und Risiken kaum berücksichtigt werden. Gewohnheit, unmittelbare Belohnung und unvollständiges Wissen beeinflussen die Rechnung.
Damit bekommt Datenschutz eine ökonomische Dimension. Wir behandeln persönliche Informationen ähnlich wie andere knappe Ressourcen: Wir geben sie eher her, wenn uns die Gegenleistung den Preis wert erscheint. Daran lässt sich verstehen, weshalb das klassische Tracking so viel Widerstand erzeugte.
Der Cookie war ein schlechtes Angebot
Als ich 2025 über Cookie-Banner als Symbol einer gescheiterten Datenschutzkultur schrieb, interessierte mich vor allem die Absurdität der Einwilligungskultur. Websites beginnen die Beziehung zu ihren Besuchern mit einem juristischen Dialog, den kaum jemand lesen möchte. Die formal freie Entscheidung wird durch Gestaltung beeinflusst, nach unzähligen Wiederholungen entsteht Consent-Müdigkeit, und aus einem Instrument der Selbstbestimmung wird ein Reflex: wegklicken und weiterlesen.
Heute erscheint mir noch ein anderer Teil dieses Problems wichtig. Viele dieser Systeme machten dem Nutzer ein ausgesprochen schwaches Angebot.
Natürlich erhielt er nicht buchstäblich nichts. Werbefinanzierung ermöglichte kostenlose Inhalte und Dienste, und Nutzungsdaten können Produkte verbessern. Nur war diese Gegenleistung häufig weit vom eigentlichen Moment der Datenfreigabe entfernt. Der Besucher sah sehr deutlich, was die Website von ihm wollte. Was er persönlich dafür erhielt, blieb wesentlich undeutlicher.
Das ist wirtschaftlich ein bemerkenswert schlechtes Verkaufsgespräch. Ein Unternehmen sagt sinngemäss: Lass uns dein Verhalten beobachten, damit wir dich besser einordnen, vermarkten oder unsere Kennzahlen präzisieren können. Vielleicht finanziert das einen Teil des Angebots. Vielleicht verbessert es etwas. Der Nutzen für den Betreiber ist jedenfalls offensichtlich, der Nutzen für den einzelnen Besucher wesentlich weniger.
Cookie-Banner machten diese Schieflage auch noch sichtbar. Sie unterbrachen die Nutzung, um Zustimmung für eine Datenverarbeitung einzuholen, deren Wert für das Unternehmen oft leichter zu erklären war als ihr Wert für den Menschen, der zustimmen sollte.
Generative KI hat dieses Verhältnis verändert.
Wenn persönliche Daten plötzlich für ihren Besitzer arbeiten
Eine KI kann allgemeine Fragen mit allgemeinem Wissen beantworten. Wirklich interessant wird sie häufig erst, wenn sie den konkreten Zusammenhang kennt.
Gib ihr einen beliebigen Arbeitsvertrag, und sie kann typische Klauseln erklären. Gib ihr deinen Arbeitsvertrag, und sie kann sich mit deinen tatsächlichen Bedingungen beschäftigen. Ohne deine finanziellen Zahlen kann sie erläutern, wie eine Haushaltsrechnung funktioniert. Mit deinen Zahlen kann sie eine berechnen. Ohne deine E-Mails kennt sie Methoden zur Aufarbeitung einer langen Korrespondenz. Mit den E-Mails kann sie die Korrespondenz selbst aufarbeiten.
Damit verändert sich die Rolle persönlicher Informationen. Im klassischen Werbemodell waren Daten vor allem ein Produktionsmittel des Anbieters. Bei einem KI-Assistenten werden sie zusätzlich zum Produktionsmittel einer Leistung für den Nutzer selbst.
Der Lebenslauf, den ich einem System gebe, ermöglicht eine auf mich zugeschnittene Bewerbung. Meine Dokumente ermöglichen die Suche in meinen Dokumenten. Mein Kalender ermöglicht eine Planung meines Tages. Je mehr relevante Zusammenhänge das System kennt, desto weniger muss ich sie bei jeder Aufgabe neu erklären und desto persönlicher kann die Hilfe werden. Persönliche Daten werden unmittelbar für denjenigen produktiv, dem sie gehören.
Aktuelle Forschung deutet darauf hin, wie weit diese Offenheit bereits reicht. Eine 2026 veröffentlichte Preprint-Analyse von ChatGPT-Verläufen untersuchte mehr als 1,2 Millionen Nutzernachrichten aus freiwillig bereitgestellten Gesprächsverläufen von über 1’000 Personen in Brasilien, Indien, Nigeria und Pakistan. Nach der verwendeten Klassifikation enthielten 34,5 Prozent der Nachrichten persönliche Informationen. Die Stichprobe ist nicht weltweit repräsentativ und die Klassifikation erfolgte automatisiert. Die Zahl beschreibt diese Untersuchung, keine allgemeine Quote sämtlicher ChatGPT-Nutzer. Bemerkenswert bleibt, wie selbstverständlich persönliche Informationen in diesen Gesprächen vorkamen.
Ein Experiment aus dem Jahr 2025 zur Selbstoffenlegung gegenüber KI und Menschen deutet auf eine weitere Verschiebung hin: Bei der Auswahl vorgegebener Aussagen waren die Teilnehmenden ähnlich bereit, persönliche Informationen für die Auswertung durch eine KI wie durch einen menschlichen Forschenden offenzulegen. Untersucht wurden überwiegend oberflächliche persönliche Angaben. Schon hier schuf die Maschine jedoch nicht automatisch jene soziale Distanz, die man bei einem technischen System erwarten könnte.
Ein Gespräch fühlt sich nicht wie Datenerhebung an
Dazu kommt die Form der Interaktion. Ein klassisches Formular erinnert uns mit jedem Feld daran, dass gerade Daten gesammelt werden. Name. Adresse. Geburtsdatum. Einkommen. Familienstand. Die Kategorien liegen offen vor uns und machen die Offenlegung sichtbar.
Ein Gespräch funktioniert anders. Wer schreibt, dass er eine Wohnung kaufen möchte, 120’000 Franken Eigenkapital besitzt, mit seiner Partnerin zwei Kinder hat und sich wegen eines unsicheren Einkommens Sorgen um die Tragbarkeit macht, erlebt sich vermutlich nicht als Person, die gerade einen Datensatz ausfüllt. Er erklärt ein Problem. Für das System entsteht trotzdem ein ziemlich detailreiches Bild.
Das ist bei KI besonders wichtig, weil gute Hilfe Kontext verlangt. Menschen erzählen mehr, wenn sie verstanden werden möchten. Je komplexer die Frage, desto mehr Hintergrund erscheint relevant. Gerade die Eigenschaft, die einen KI-Assistenten nützlich macht, erzeugt einen natürlichen Anreiz, ihm immer mehr über sich zu erzählen.
Der alte Datenschutzdialog fragte: «Darf dieser Dienst meine Daten haben?» Der neue Dialog beginnt viel harmloser: «Kannst du mir helfen?»
Psychologisch sind das völlig verschiedene Situationen, obwohl am Ende in beiden Fällen persönliche Informationen verarbeitet werden.
Die Belohnung kommt heute, das Risiko vielleicht irgendwann
Dass Menschen Risiken gegen unmittelbare Vorteile eintauschen, ist keine Erfindung der KI. Bereits 2004 berichteten die Organisatoren der Infosecurity Europe über eine Strassenbefragung am Londoner Bahnhof Liverpool Street: Von 172 befragten Büroangestellten seien 71 Prozent bereit gewesen, gegen einen Schokoriegel ein Passwort zu nennen. Bei einem Teil wurde mit Fragen nach Haustieren oder Kindern nachgeholfen. Die publicityträchtige Aktion war kein kontrolliertes Experiment und belegte nicht, ob die genannten Passwörter echt waren.
Als Illustration hat die Geschichte trotzdem überlebt. Die Schokolade liegt in der Hand. Der mögliche Missbrauch eines Passworts existiert irgendwo in einer unbestimmten Zukunft.
Bei KI kann die Gegenleistung weit über eine kleine Belohnung hinausgehen. Eine gesparte Stunde Buchhaltung ist real. Eine verständliche Erklärung eines schwierigen Dokuments ist real. Die Vorbereitung einer Bewerbung, die Strukturierung eines Projekts oder die Suche in Hunderten Dateien spart Zeit und Mühe.
Das Risiko sieht anders aus. Vielleicht passiert nie etwas. Vielleicht wird eine Information später auf eine Weise genutzt, die heute noch niemand vorgesehen hat. Vielleicht entsteht durch die Kombination vieler scheinbar harmloser Angaben ein Profil, das viel aussagekräftiger ist als jede einzelne Information. Vielleicht ändert sich der Anbieter, seine Technik, sein Geschäftsmodell oder die Rechtslage.
Die Forschung zum Privacy Paradox beschreibt diese zeitliche Verzerrung seit Langem: Konkrete, unmittelbare Vorteile können abstrakte und zukünftige Datenschutzrisiken in der Entscheidung überlagern. KI liefert dafür ein fast ideales Umfeld. Der Nutzen erscheint innerhalb von Sekunden auf dem Bildschirm, während die Kosten häufig nur als Möglichkeit existieren.
Schweden und der Gegenwert des Vertrauens
Es wäre trotzdem zu einfach, jede grosszügige Datenfreigabe als Leichtsinn zu behandeln. Menschen können einer Institution sehr viele Informationen anvertrauen und damit durchaus vernünftig handeln, wenn sie gute Gründe haben, dieser Institution zu vertrauen.
Schweden ist dafür ein interessantes Beispiel. Der schwedische Staat verfügt über umfangreiche Informationen über Einkommen und persönliche Verhältnisse. Ein Teil der festgestellten Steuerinformationen ist sogar öffentlich zugänglich. Die Steuerbehörde unterscheidet dabei zwischen vertraulichen Angaben und öffentlichen Steuerentscheiden. Öffentlich ist unter anderem die festgestellte Erwerbseinkommenssumme; der grösste Teil steuerbezogener Informationen bleibt vertraulich.
Auf der anderen Seite steht ein Verwaltungsapparat, der einen beträchtlichen Teil der Arbeit bereits erledigt. Arbeitgeber, Banken und andere Stellen melden viele Angaben direkt an die Steuerbehörde, die sie in der Steuererklärung zusammenführt. Wer nichts ändern muss, kann die vorausgefüllte Erklärung elektronisch bestätigen, unter bestimmten Voraussetzungen sogar per SMS oder Telefon.
Auch das institutionelle Umfeld ist relevant. In der OECD-Vertrauensbefragung von 2025 gaben 42 Prozent der Befragten in Schweden hohes oder moderat hohes Vertrauen in die nationale Regierung an, gegenüber 40 Prozent im OECD-Durchschnitt. 71 Prozent der Nutzer administrativer Dienstleistungen waren damit zufrieden. Das Vertrauen variiert allerdings deutlich zwischen Institutionen und Bevölkerungsgruppen.
Diese Zahlen beweisen keinen Tausch von öffentlichem Einkommen gegen bequeme Steuererklärungen. Sie zeigen das Umfeld, in dem Menschen Datenverarbeitung beurteilen. Neben der Frage, welche Informationen eine Institution besitzt, steht die Erfahrung, was sie daraus macht und wie verlässlich sie handelt.
Vertrauen ist damit selbst ein Teil des Gegenwerts. Eine Organisation, die nachvollziehbare Regeln besitzt, Kontrolle ermöglicht und aus vorhandenen Informationen funktionierende Dienstleistungen baut, verändert die subjektive Rechnung. Derselbe Datensatz kann sich bei einer vertrauenswürdigen Institution vernünftig und bei einer dubiosen App völlig unvertretbar anfühlen.
Daten sind ein seltsames Zahlungsmittel
Die Metapher vom Preis der Privatsphäre hat allerdings eine Grenze. Persönliche Daten funktionieren nicht wie Geld.
Wenn ich hundert Franken bezahle, habe ich hundert Franken weniger. Wenn ich jemandem meine Steuererklärung gebe, verliere ich die Steuererklärung nicht. Ich verliere einen Teil der Kontrolle darüber, wer ihren Inhalt kennt, kopieren kann oder später mit anderen Informationen verbindet. Daten werden durch ihre Weitergabe nicht knapper. Sie vermehren sich.
Das macht die Transaktion schwerer zu bewerten. Beim Kauf eines Produkts kenne ich den Preis heute ziemlich gut. Bei einer Datenfreigabe kenne ich den zukünftigen Wert des Preisgegebenen möglicherweise überhaupt nicht. Eine unscheinbare Information kann später durch neue Analysemethoden, andere Datenquellen oder einen veränderten Zusammenhang erheblich aussagekräftiger werden.
Die erwähnte Untersuchung von ChatGPT-Verläufen zeigt dieses Problem in zugespitzter Form. Für einen weiteren Analyseschritt wählten die Forschenden Personen aus, in deren Gesprächen ein automatisierter Filter keine ausdrücklichen demografischen Selbstangaben erkannt hatte. Trotzdem konnte ein Sprachmodell Altersgruppe, Geschlecht und Land mit hoher Treffergüte ableiten. Auch dieser Befund ist an Stichprobe und Verfahren gebunden. Er zeigt, dass der Informationsgehalt eines Gesprächs über das hinausgehen kann, was jemand bewusst als persönliche Angabe erkennt.
Wir können also etwas preisgeben, ohne den vollständigen Preis zu kennen. Hier wird aus einem gewöhnlichen Tauschgeschäft eine Informationsasymmetrie. Der Anbieter verfügt möglicherweise über bessere Möglichkeiten, den zukünftigen Wert und die Verknüpfbarkeit der Daten einzuschätzen als der einzelne Nutzer. Dieser wiederum kennt den unmittelbaren Wert der Dienstleistung sehr gut, weil er ihn gerade erlebt.
Freiwilligkeit allein macht diesen Handel noch nicht fair.
Die Lektion für Unternehmen ist verführerisch
Unternehmen könnten aus all dem eine sehr einfache Lehre ziehen: Wer Daten will, muss den Menschen bloss genügend Komfort anbieten. Das wäre eine erstaunlich kurzsichtige Interpretation.
Die weiterführende Frage lautet, weshalb ein Kunde wollen sollte, dass dieses Unternehmen eine bestimmte Information besitzt.
Diese Frage verändert die Produktentwicklung. Ein Zugriff auf den Kalender lässt sich rechtfertigen, wenn das Produkt Termine organisieren soll. Der Zugriff auf Kontakte ergibt Sinn, wenn eine gewünschte Funktion sie benötigt. Finanzdaten können einen erheblichen Nutzen erzeugen, wenn daraus eine hilfreiche Analyse entsteht. Sobald sich der Vorteil nur noch mit den Interessen des Anbieters erklären lässt, verändert sich auch die Qualität des Tauschgeschäfts.
Viele Unternehmen haben Datenschutz lange als nachgelagerte Rechtsfrage behandelt. Das Produkt möchte Daten, die Rechtsabteilung formuliert einen Text dafür und das Interface besorgt die Zustimmung. Der Cookie-Banner wurde zum sichtbaren Endpunkt dieses Denkens.
Eine bessere Reihenfolge beginnt früher. Welche Information wird für die Leistung wirklich benötigt? Was verbessert sich dadurch für den Kunden? Kann derselbe Nutzen mit weniger Daten entstehen? Wie lange muss der Anbieter sie besitzen? Welche Kontrolle bleibt beim Menschen?
Das klingt nach Datenschutz. Es ist ebenso sehr Produktstrategie. Ein Unternehmen, das seinen Kunden einen überzeugenden Gegenwert bietet, muss die Datenfreigabe weniger erzwingen. Und wer mit weniger Informationen dieselbe Leistung erbringen kann, besitzt einen Vertrauensvorteil, den Konkurrenten mit maximaler Datensammlung erst einmal wieder aufholen müssen.
Das gute Angebot ist auch die eigentliche Gefahr
Gerade erfolgreiche KI-Produkte machen diese Überlegung dringlicher. Ein aussergewöhnlich hilfreicher Assistent kann sehr viel Vertrauen und sehr persönliche Daten erhalten, freiwillig und möglicherweise sogar mit Begeisterung. Seine Nützlichkeit senkt die psychologische Schwelle zur Offenlegung.
Die grösste Datenschutzgefahr muss nicht von einem Unternehmen ausgehen, das Menschen offensichtlich täuscht. Sie kann ebenso bei einem Produkt entstehen, das so nützlich ist, dass seine Nutzer immer wieder vernünftige Gründe finden, ihm noch etwas mehr anzuvertrauen.
Heute den Kalender, weil Terminplanung mühsam ist. Morgen die E-Mails, weil die Antworten besser werden. Dann Dokumente, Finanzen, Kontakte oder persönliche Erinnerungen, weil ein Assistent mit vollständigem Kontext mehr Arbeit übernehmen kann. Jede einzelne Entscheidung kann plausibel sein. Erst ihre Summe zeigt, wie umfassend das Bild geworden ist.
Das ist eine schwierigere Datenschutzfrage als das alte Cookie-Banner. Ein manipulativer Button lässt sich verbieten oder neu gestalten. Bei einer tatsächlich hilfreichen Funktion würde dieselbe Antwort zu kurz greifen, denn der Mensch möchte ihren Nutzen haben.
Die entscheidende Grenze liegt bei der Architektur dieser Beziehung: Welche Daten braucht die Leistung wirklich, was bleibt lokal, was wird gespeichert, wie lange besteht der Zugriff, wie transparent sind Ableitungen und Verknüpfungen, und kann der Nutzer seine Entscheidung später wirksam ändern? Ein Klick auf «Ja» beantwortet keine dieser Fragen.
Ein gutes Produkt darf durchaus viel über seinen Nutzer wissen, wenn dieses Wissen die gewünschte Leistung ermöglicht. Je persönlicher dieses Wissen wird, desto weniger genügt allerdings die bequeme Erklärung, der Nutzer habe es freiwillig geliefert.
Der Marktpreis der Privatsphäre
Der scheinbare Widerspruch unserer Zeit löst sich damit zumindest teilweise auf. Menschen haben jahrelang Tracking abgelehnt und geben heute KI-Systemen Informationen, die erheblich persönlicher sein können. Daraus folgt nicht zwingend, dass ihnen Datenschutz plötzlich gleichgültig geworden ist. Das Angebot hat sich verändert.
Marktwirtschaftlich ist daran wenig rätselhaft. Wer etwas Wertvolles vom Kunden möchte, muss etwas anbieten, das dieser ebenfalls für wertvoll hält. Persönliche Informationen bilden keine Ausnahme. Zeitgewinn, Unterstützung und Vertrauen können eine Gegenleistung sein, für die Menschen ihre Zurückhaltung aufgeben.
Datenschutzpolitisch ist dieselbe Erkenntnis wesentlich unbequemer. Ein hoher Gegenwert kann Menschen dazu bringen, Risiken zu akzeptieren, deren Umfang sie kaum beurteilen können. Je besser digitale Systeme werden, desto überzeugender wird dieses Angebot. Die Zukunft der Privatsphäre entscheidet sich damit auch daran, welche Gegenleistung stark genug ist, unsere Zurückhaltung zu überwinden, und welche Regeln gelten, nachdem sie es getan hat.
Vielleicht haben wir unsere Privatsphäre nie so absolut verteidigt, wie wir gerne glaubten. Wir warteten nur lange auf ein besseres Angebot.
KI hat dieses Angebot gemacht.
Und erst jetzt beginnen wir herauszufinden, was es uns tatsächlich kostet.