Spenderdaten sind Gold wert, aber auch hochsensibel. Wer als Non-Profit-Organisation (NPO) KI für die Analyse von Spenderdaten einsetzen will, muss klären: Wie lässt sich das Potenzial moderner KI-Werkzeuge nutzen, ohne gegen die Datenschutz-Grundverordnung (DSGVO) zu verstoßen? Die gute Nachricht: Es gibt heute mehrere praktikable Wege dorthin. Und neben den Risiken gibt es vor allem eine große Chance: Wer seine Spenderdaten endlich systematisch nutzt, erkennt Potenziale, die sonst unentdeckt bleiben.
Der rechtliche Rahmen kurz erklärt
Spenderdaten sind personenbezogene Daten. Wer sie analysiert, etwa um Spenderpotenziale zu erkennen oder Churn vorherzusagen, muss einige Begriffe kennen:
DSGVO: Die europäische Grundlage für jeden Umgang mit personenbezogenen Daten von EU-Bürgerinnen und Bürgern. Sie gilt auch, wenn der Anbieter außerhalb der EU sitzt.
AV-Vertrag (AVV): Pflicht, sobald ein externer Dienstleister Daten in eurem Auftrag verarbeitet, auch eine KI-Plattform. Ohne AVV ist die Verarbeitung unzulässig.
TOMS (Technische und organisatorische Maßnahmen): Der Auftragsverarbeiter muss nachweisen, wie er Daten schützt, etwa durch Verschlüsselung und Zugriffskontrollen. Das gehört vertraglich dokumentiert.
DPA (Data Processing Agreement): Der international gebräuchliche Begriff für den AVV, häufig bei US-Anbietern nach US-Standards formuliert, was juristisch problematisch sein kann.
US CLOUD Act: US-Anbieter wie Microsoft, Google oder OpenAI unterliegen diesem Gesetz. Es erlaubt US-Behörden unter Umständen Zugriff auf Daten, selbst wenn sie physisch in Europa liegen. Das EU-US Data Privacy Framework soll das abmildern, steht juristisch aber auf wackeligem Fundament, wie schon seine Vorgänger Privacy Shield und Safe Harbor.
Drei Wege zur DSGVO-konformen KI
1. Agnostische europäische Plattformen
Der einfachste Einstieg ist eine europäische, anbieterunabhängige KI-Plattform wie Langdock. Verschiedene Sprachmodelle (ChatGPT, Claude, Mistral,…) werden genutzt, ohne dass Daten für deren Training verwendet werden. Verarbeitung findet auf europäischer Infrastruktur statt, AVV und TOMS liegen vor.
Vorteile: schneller Einstieg ohne technisches Setup, europäische Rechtsgrundlage, flexible Modellauswahl, Wartung übernimmt der Anbieter. Nachteile: Daten verlassen dennoch das eigene Haus, Abhängigkeit vom Anbieter, weniger Detailkontrolle.
Ich bin selbst Langdock-Partner und zeige eurer Organisation bei Interesse gerne unverbindlich, wie die Plattform im Fundraising konkret eingesetzt werden kann. Meldet euch einfach.
2. Eigene Lösung auf eigenem oder gehostetem Server
Wer mehr Kontrolle will, betreibt eine eigene KI-Infrastruktur. Ollama mit dem Open-Source-Modell Mistral ermöglicht Sprachmodelle ganz ohne externen Datentransfer. Open WebUI liefert dazu eine vertraute Bedienoberfläche, n8n selbst gehostet automatisiert Workflows wie CRM-Analysen oder Reports.
Vorteile: maximale Datenkontrolle, keine US-Abhängigkeit, langfristig günstiger. Nachteile: höherer Setup-Aufwand, technisches Know-how nötig, Wartung liegt bei euch.
Wer diesen Weg gehen möchte: Im Dezember zeige ich in meinem Kurs KI-Assistenten und Automatisierung für Vereine und Non-Profit-Organisationen bei der NPO-Akademie, wie man das praktisch umsetzt.
3. Vollständig lokal auf dem eigenen Rechner
Der sicherste Weg: Alle Daten und Modelle laufen ausschließlich lokal. Kein AVV nötig, da kein externer Auftragsverarbeiter beteiligt ist.
KNIME Analytics Platform eignet sich hervorragend für Spendersegmentierung, Churnprognosen oder Potenzialanalysen, visuell und ohne tiefe Programmierkenntnisse. Wer lieber selbst programmiert, kann Predictive-Analytics-Modelle auch direkt in Python lokal entwickeln, etwa mit Bibliotheken wie scikit-learn, komplett unter eigener Kontrolle und ohne zusätzliche Software. AnythingLLM oder GPT4All wiederum bringen einen lokalen KI-Assistenten für eigene Dokumente wie Spendenberichte oder Förderunterlagen.
Vorteile: höchste Datensouveränität, kein AVV nötig, keine laufenden Kosten. Nachteile: schwächere Modelle auf Consumer-Hardware, kein einfaches kollaboratives Arbeiten, Pflege liegt komplett bei euch.
Wer KNIME im Fundraising-Kontext lernen möchte: Im Oktober biete ich bei der NPO-Akademie den Kurs Predictive Analytics im Fundraising für Vereine und NPO an.
Auf einen Blick
| Kriterium | Europ. Plattform | Eigener Server | Lokal |
| Datenkontrolle | Mittel | Hoch | Sehr hoch |
| Aufwand | Gering | Mittel bis hoch | Gering bis mittel |
| Kosten | Laufende Lizenz | Setup und Hosting | Kostenlos bis gering |
| CLOUD Act Risiko | Gering | Sehr gering | Keines |
Nicht vergessen
Verzeichnis der Verarbeitungstätigkeiten aktualisieren, den AVV genau lesen (wo werden Daten verarbeitet, welche Subauftragsverarbeiter gibt es), TOMS schriftlich bestätigen lassen und Mitarbeitende schulen.
Fazit: Chancen erkennen statt nur Risiken fürchten
DSGVO und KI schließen sich nicht aus. Wer heute in eine datenschutzkonforme KI-Infrastruktur investiert, gewinnt nicht nur rechtliche Sicherheit, sondern vor allem neue Erkenntnisse über die eigenen Spenderinnen und Spender: bessere Potenzialerkennung, treffsicherere Ansprache, effizientere Prozesse. Ob europäische Plattform, eigener Server oder lokale Lösung: Für jede NPO gibt es einen passenden Weg. Der erste Schritt lohnt sich, und er ist einfacher als gedacht.
Ich bin Datenanalyst und Fundraising-Berater mit über 16 Jahren Erfahrung im Umgang mit Daten und mehr als 11 Jahren speziell im Fundraising. Ich unterstütze Non-Profit-Organisationen dabei, ihre Daten wirklich zu nutzen.