ISO/IEC 27091: Der vollständige Leitfaden zum Datenschutz in der KI (Status, Geltungsbereich, Anwendung)
ai-governance
data-protection-privacy
regulatory-updates

ISO/IEC 27091: Der vollständige Leitfaden zum Datenschutz in der KI (Status, Geltungsbereich, Anwendung)

Die ISO/IEC 27091 ist in der Schlussabstimmung; die Veröffentlichung wird für Februar 2027 geschätzt. Leitlinien, kein Zertifikat: Geltungsbereich, Bedrohungen, Anwendung.

Alexis HIRSCHHORN
Alexis HIRSCHHORN
16 min read

Über den Autor

Verfasst von Alexis Hirschhorn, Trainer bei Abilene Academy. Zertifiziert als ISO/IEC 42001 Lead Implementer, Certified Artificial Intelligence Professional, CISSP, CISM, CISA, ISO/IEC 27001 Lead Auditor und PECB Certified Trainer. Rund 25 Jahre praktische Erfahrung in Informationssicherheit, Cloud-Sicherheit und KI-Governance bei multinationalen Unternehmen, Behörden und internationalen Organisationen. Profil: https://www.abileneacademy.ch/de/about/team/alexis-hirschhorn

Stand 18. November 2026 befindet sich die ISO/IEC 27091 auf Stufe 50.20 (FDIS-Abstimmung); die Veröffentlichung wird für Februar 2027 geschätzt. Sie ist eine Leitliniennorm: Eine Zertifizierung nach ihr ist nicht möglich.

Methodik

Grundlage sind der ISO-Katalog und der Entwurf der Internationalen Norm (DIS); wir prüfen den Inhalt erneut am veröffentlichten Text und dokumentieren Änderungen unten.

1. Das Wichtigste in Kürze

Die ISO/IEC 27091 ist eine neue, nicht zertifizierbare Leitliniennorm zu Datenschutzrisiken in KI-Systemen. Sie befindet sich in der abschließenden Genehmigungsabstimmung. Diese fünf Punkte sollten die meisten Teams heute kennen.

  • 3. Februar 2023: Das Projekt wurde bei ISO/IEC JTC 1/SC 27 registriert. Es handelt sich um Ausgabe 1, eine völlig neue Norm, die nichts ersetzt: Kein Zertifikat ist betroffen, und es gibt keinen Übergang.
  • 2. November 2026: Die ISO/IEC FDIS 27091 ist in ihre achtwöchige Schlussabstimmung gegangen (Stufe 50.20). Das Ende der Abstimmung wird um den 28. Dezember 2026 geschätzt.
  • Februar 2027 (Schätzung): Die Veröffentlichung erfolgt am wahrscheinlichsten im Februar 2027, in einer geschätzten Spanne von Mitte Januar bis April 2027.
  • 14. Oktober 2026: Die Schwesternorm ISO/IEC 27090:2026 zu Sicherheitsbedrohungen für KI wurde veröffentlicht. Sie verweist für den Datenschutz auf die 27091.
  • Stand 18. November 2026: Es gibt keine 27091-Zertifizierung, keinen 27091-Auditor, keine Übergangsfrist, und eine „27091:2025“ existiert nicht. Nutzen Sie die Norm innerhalb eines KI-Managementsystems nach ISO/IEC 42001 oder eines PIMS nach ISO/IEC 27701:2025.

2. Status-Tracker

Die ISO/IEC 27091 hat die Umfragephase (DIS) hinter sich und wird nun als Schlussentwurf einer Internationalen Norm (FDIS) abgestimmt. Die Tabelle trennt, was die ISO bestätigt hat, von dem, was wir schätzen.

Stufe: 20.00

BedeutungNeues Projekt im Arbeitsprogramm des SC 27 registriert
Datum3. Feb. 2023
Bestätigt/GeschätztBestätigt

Stufe: 40.20

BedeutungBeginn der DIS-Abstimmung (Umfrage bei den nationalen Normungsorganisationen)
Datum3. Dez. 2025
Bestätigt/GeschätztBestätigt

Stufe: 40.60

BedeutungEnde der DIS-Abstimmung
Datum26. Feb. 2026
Bestätigt/GeschätztBestätigt

Stufe: 50.00

BedeutungFDIS zur formellen Genehmigung registriert
Datum13. Juli 2026
Bestätigt/GeschätztBestätigt

Stufe: 50.20

BedeutungBeginn der FDIS-Abstimmung (8 Wochen)
Datum2. Nov. 2026
Bestätigt/GeschätztBestätigt

Stufe: 50.60

BedeutungEnde der FDIS-Abstimmung
DatumUm den 28. Dez. 2026
Bestätigt/GeschätztGeschätzt

Stufe: 60.60

BedeutungVeröffentlichung der Internationalen Norm
DatumFebruar 2027 (Spanne Mitte Jan. bis Apr. 2027)
Bestätigt/GeschätztGeschätzt

Wie es weitergeht. Die nationalen Normungsorganisationen stimmen über den FDIS ab, bis die Abstimmung endet; wir schätzen das Ende auf um den 28. Dezember 2026. Die ISO/IEC 27090 wurde acht Wochen nach dem Ende ihrer Abstimmung veröffentlicht. Wir schätzen daher, dass die 27091 im Februar 2027 erscheint, in einer geschätzten Spanne von Mitte Januar bis April 2027. Im seltenen Fall einer Rückverweisung an das Komitee schätzen wir, dass sich die Veröffentlichung in das zweite Halbjahr 2027 verschiebt. Der FDIS ist nicht käuflich: Erwerben Sie die veröffentlichte Norm bei der ISO oder Ihrer nationalen Normungsorganisation.

Zuletzt im ISO-Katalog geprüft: 18. November 2026

Widget

Anzeige der ISO/IEC 27091 auf der ISO-Stufenskala von 00 bis 60, Stand 18. November 2026. Aktuelle Stufe 50.20: FDIS-Abstimmung seit dem 2. November 2026, Tag 16 von 56. Bestätigte Meilensteine: 20.00 Registrierung des Projekts am 3. Februar 2023; 40.20 Beginn der DIS-Abstimmung am 3. Dezember 2025; 40.60 Ende der DIS-Abstimmung am 26. Februar 2026; 50.00 Registrierung des FDIS am 13. Juli 2026; 50.20 Beginn der FDIS-Abstimmung am 2. November 2026. Schätzungen: 50.60 Ende der Abstimmung um den 28. Dezember 2026; 60.60 Veröffentlichung im Februar 2027 (Spanne Mitte Januar bis April 2027). Bei Rückverweisung an das Komitee verschöbe sich die Veröffentlichung in das zweite Halbjahr 2027 (Schätzung).

3. Was die ISO/IEC 27091 ist und was nicht

Die ISO/IEC 27091, Cybersecurity and Privacy - Artificial Intelligence - Privacy protection (Ausgabe 1, JTC 1/SC 27), ist eine Leitliniennorm. Sie hilft Organisationen, Datenschutzrisiken zu erkennen und zu behandeln, die für KI-Systeme und Modelle des maschinellen Lernens spezifisch sind. Sie ist keine Managementsystemnorm: Niemand kann Sie, Ihr Produkt oder Ihre Mitarbeitenden danach zertifizieren.

Die öffentliche Zusammenfassung der ISO hält auf Englisch fest, dass die Norm „provides guidance for organizations to address privacy risks in artificial intelligence (AI) systems and machine learning (ML) models“ (ISO, Katalogeintrag ISO/IEC FDIS 27091). Der FDIS umfasst 35 Seiten. Zuständig ist das Komitee ISO/IEC JTC 1/SC 27; das britische Spiegelgremium ist BSI IST/33/5.

Die ISO/IEC 27091 ist: Eine Sammlung von Leitlinien (Empfehlungen mit „should“)

Die ISO/IEC 27091 ist nichtEine auditierbare Anforderungsnorm

Die ISO/IEC 27091 ist: Eine Methode zur Analyse von KI-Datenschutzrisiken

Die ISO/IEC 27091 ist nichtEin Managementsystem (das leisten die ISO/IEC 42001 oder die 27701)

Die ISO/IEC 27091 ist: Ein Katalog KI-spezifischer Bedrohungen und Maßnahmen

Die ISO/IEC 27091 ist nichtEine harmonisierte Norm nach der KI-Verordnung

Die ISO/IEC 27091 ist: Für Organisationen jeder Größe und Branche nutzbar, die KI entwickeln oder einsetzen

Die ISO/IEC 27091 ist nichtEin Ersatz für eine DSFA, eine Rechtsgrundlage oder eine Rechtsberatung
Widget

Steckbrief der ISO/IEC 27091, Ausgabe 1, im Stadium des Schlussentwurfs (FDIS). Offizieller Titel: Cybersecurity and Privacy - Artificial Intelligence - Privacy protection. Komitee ISO/IEC JTC 1/SC 27, britisches Spiegelgremium BSI IST/33/5. 35 Seiten. Leitliniennorm, keine Managementsystemnorm, nicht zertifizierbar. Sie ersetzt nichts: kein Übergang, keine Zertifikate betroffen. Für Organisationen jeder Größe und Branche, die KI entwickeln oder nutzen. Einsatz: KI-Datenschutzrisiken erkennen und behandeln, die ISO/IEC 42001 oder ISO/IEC 27701:2025 speisen, DSFA und Dokumentation zur KI-Verordnung stützen. Sie ist keine harmonisierte Norm, kein Ersatz für eine DSFA oder Rechtsberatung und keine Entscheidungshilfe, ob KI eingesetzt werden soll. Es gibt keine 27091-Zertifizierung, keine Übergangsfrist und keine ISO/IEC 27091:2025.

Für wen sie gedacht ist. Für Organisationen jeder Größe und Branche, die KI-Systeme mit personenbezogenen Daten entwickeln, einkaufen, feintunen, einsetzen oder betreiben, vom Start-up mit einer Empfehlungsmaschine bis zur Bank, die ein Kreditscoring-Modell beschafft. Die wichtigsten Leserinnen und Leser werden Datenschutzbeauftragte (DSB), Privacy Engineers, CISOs, Verantwortliche für KI-Governance, ML-Engineers und ihre Beraterinnen und Berater sein.

Was sie offenlässt. Die Norm sagt nicht, ob Sie KI einsetzen sollten. Diese Geschäftsentscheidung liegt bei Ihnen, ebenso die Frage der Rechtmäßigkeit.

„Nutzen Sie die 27091 als Lupe, nicht als Zertifikat. Sie hilft, die Fragen zu stellen, die ein Auditor vielleicht nicht stellt: Lässt sich dieses Modell per Prompt dazu bringen, Trainingsdaten preiszugeben? Machen seine Ausgaben jemanden identifizierbar? Kann eine falsche Aussage über eine Person erzeugt und verbreitet werden?“ Alexis Hirschhorn

Eine kurze Antwort auf die häufigste Frage finden Sie unter Ist die ISO/IEC 27091 zertifizierbar?.

4. Warum es sie gibt

Die ISO/IEC 27091 gibt es, weil KI-Systeme Datenschutzrisiken erzeugen, für deren Erkennung klassische Methoden nicht gebaut wurden. Personenbezogene Daten können in einem Modell stecken, aus seinen Ausgaben erschlossen oder von ihm erfunden werden.

Die klassische Analyse von Datenschutzrisiken, etwa nach dem Ansatz der ISO/IEC 29100 und der ISO/IEC 27557, geht davon aus, dass personenbezogene Daten an Orten liegen, die man erfassen, minimieren, schützen und löschen kann. KI stellt diese Annahme auf vier Arten infrage (einen Überblick gibt der Beitrag was KI-Risikomanagement vom klassischen IT-Risikomanagement unterscheidet).

„Eine klassische Datenbank ist wie ein abgeschlossener Aktenschrank: Sie wissen, in welcher Schublade die Akte welcher Person liegt. Ein KI-Modell gleicht eher jemandem, der Tausende Akten gelesen hat und dem man Fragen stellen kann. Selbst wenn Sie den Schrank entfernen, kann sich das Modell noch an Bruchstücke erinnern, fehlende Details erschließen oder Fakten so kombinieren, wie es niemand vorhergesehen hat.“ Alexis Hirschhorn

Memorisierung. Große Modelle können Bruchstücke ihrer Trainingsdaten behalten, etwa Namen, Kontaktdaten oder seltene Datensätze. Diese Daten sind über die Parameter des Modells verteilt statt in einer Datenbank gespeichert, und ein geschickt formulierter Prompt kann sie hervorholen.

Inferenz. Ein Modell kann Fakten ableiten, die ihm niemand gegeben hat, etwa einen Gesundheitszustand aus einer Kaufhistorie. Ein Angreifer kann ableiten, ob der Datensatz einer Person im Trainingsdatensatz enthalten war.

Re-Identifizierung. Daten, die vor dem Training pseudonymisiert oder „anonymisiert“ wurden, lassen sich mitunter über Ausgaben, Embeddings oder andere Quellen wieder Personen zuordnen. Deshalb akzeptieren die europäischen Behörden nicht mehr, dass ein Modell anonym ist, nur weil sein Entwickler das sagt (siehe Abschnitt 10).

Halluzinierte personenbezogene Daten. Generative Systeme können mit großer Sicherheit falsche Aussagen über reale Personen erzeugen, etwa eine erfundene Verurteilung. Das ist ein Fehlverhalten und kein Angriff, wirft aber dennoch Fragen der Richtigkeit, des Schadens und der Berichtigung auf.

5. Aufbau der Norm

Nach dem DIS besteht der Kern der ISO/IEC 27091 aus drei Klauseln (ein Rahmen für die Datenschutzanalyse, Datenschutz auf Modellebene und Datenschutz über den Lebenszyklus) und zwei Anhängen. Es handelt sich um unsere Umschreibung von Expertenanalysen des DIS; den verbindlichen Wortlaut finden Sie in der veröffentlichten Norm.

Widget

Konzentrisches Diagramm der ISO/IEC 27091 nach dem DIS. Äußerer Ring, Klausel 5: der Analysezyklus für Datenschutzrisiken (identifizieren, analysieren, bewerten, behandeln, wiederholen). Mittlerer Ring, Klausel 7: der Lebenszyklus des KI-Systems (Design, Entwicklung, Betrieb). Kern, Klausel 6: das KI-Modell und seine Bedrohungen (Mitgliedschaftsinferenz, Extraktion von Trainingsdaten, Modellinversion, Datenvergiftung, Insider-Bedrohung) mit Maßnahmen wie Zugriffsbeschränkung, Pseudonymisierung sowie Filterung von Ein- und Ausgaben. Anhang A stützt die Datenschutzanalyse; Anhang B ist eine Vorlage für KI-Anwendungsfälle.

Klausel 5: ein Rahmen für die Datenschutzanalyse von KI-Systemen

Klausel 5 sieht einen Ablauf in vier Schritten vor: Datenschutzrisiken identifizieren, analysieren, bewerten und behandeln. Wer die ISO/IEC 27557 kennt, wird die Logik wiedererkennen. Ihr Wert liegt darin, jeden Schritt an KI anzupassen: wo personenbezogene Daten hineingelangen (Training, Feintuning, Retrieval, Prompts, Logs), was das Modell offenlegen oder ableiten könnte und wer das ausnutzen könnte.

Klausel 6: Datenschutz von KI-Modellen

Klausel 6 betrachtet das Modell selbst als Quelle von Datenschutzrisiken: Mitgliedschaftsinferenz, Extraktion von Trainingsdaten, Modellinversion, Datenvergiftung und Insider-Bedrohung. Die Maßnahmen fallen in allgemeine Kategorien: Zugriffsbeschränkungen, Anonymisierung oder Pseudonymisierung der Trainingsdaten sowie Filterung von Ein- und Ausgaben.

Klausel 7: Datenschutz über den Lebenszyklus des KI-Systems

Klausel 7 deckt das System als Ganzes ab, von Design über Entwicklung bis Betrieb: Zweck und Datenbedarf im Design; Erhebung, Annotation, Training und Tests in der Entwicklung; Interaktionen, Protokollierung, Überwachung und Updates im Betrieb. Hier wird Datenschutz durch Technikgestaltung für KI-Teams konkret.

Anhänge A und B

Anhang A stützt die Analyse nach Klausel 5, und Anhang B liefert eine Vorlage zur Beschreibung eines KI-Anwendungsfalls. Wir geben sie nicht wieder; Abschnitt 12 zeigt, wie Sie ein Profil des Anwendungsfalls in Ihrem eigenen Format erstellen.

Über Angriffe hinaus: Fehlverhalten und KI für den Datenschutz

Der DIS behandelt Fehlverhalten wie halluzinierte personenbezogene Daten als Datenschutzthema, gleichrangig mit Angriffen. Er befasst sich außerdem mit KI im Dienst des Datenschutzes: Einwilligungsmanagement, datenschutzfördernde Technologien (PETs), Sicherheit beim föderierten Lernen und Sprachverarbeitung zur Analyse von Datenschutzerklärungen.

6. Der Katalog der Datenschutzbedrohungen, verständlich erklärt

Nach dem DIS nennt die ISO/IEC 27091 rund acht KI-bezogene Datenschutzbedrohungen. Hier sind die sechs, die in Expertenanalysen am häufigsten diskutiert werden, jeweils mit einem Beispiel und in unseren eigenen Worten statt im Wortlaut der Norm.

Die Szenarien sind ein Support-Chatbot, der mit früheren Chatverläufen feingetunt wurde, ein Modell zur Bewerbervorauswahl, das mit historischen Rekrutierungsdaten trainiert wurde, und ein RAG-Assistent, der eine Vektordatenbank aus CRM-Datensätzen und E-Mails abfragt.

Widget

Karte eines KI-Systems: Trainings- und Feintuning-Daten speisen das Modell; eine Wissensbasis speist es per Retrieval (RAG); Nutzer senden Anfragen und erhalten Antworten; Prompts, Logs und Vektordatenbank werden gespeichert. Sechs nummerierte Bedrohungen sitzen dort, wo sie zuschlagen. 1 Mitgliedschaftsinferenz bei den Anfragen (Beispiel: Bewerbervorauswahl); 2 Extraktion von Trainingsdaten in den Antworten (Chatbot); 3 Modellinversion bei den Anfragen (Bewerbervorauswahl); 4 Vergiftung der Trainingsdaten und der Wissensbasis (RAG-Assistent); 5 Insider-Bedrohung bei Logs und Vektordatenbank (RAG-Assistent); 6 halluzinierte personenbezogene Daten in den Antworten, ein Fehlverhalten und kein Angriff (Chatbot). Zu jeder Bedrohung ist ein Behandlungsansatz angegeben.

Mitgliedschaftsinferenz

Was passiert: Jemand ermittelt, ob die Daten einer bestimmten Person zum Training eines Modells verwendet wurden, meist anhand der Sicherheit, mit der das Modell auf den Datensatz dieser Person reagiert.

Beispiel (Bewerbervorauswahl): Ein früherer Bewerber fragt das Modell mit seinem eigenen Profil ab, und die Scores zeigen, dass seine Akte trotz zugesagter Löschung in den Trainingsdaten steckt.

Behandlungsansatz: Begrenzen, wer das Modell wie oft abfragen darf, Overfitting reduzieren und den Einfluss jedes einzelnen Datensatzes beschränken.

Extraktion von Trainingsdaten

Was passiert: Ein Modell gibt bei passendem Prompt Passagen seiner Trainingsdaten wörtlich wieder.

Beispiel (Chatbot): Auf die Bitte um „ein Beispiel für eine Beschwerde wegen einer verspäteten Rückerstattung“ gibt der Bot nahezu wörtlich einen alten Chatverlauf mit Namen und Telefonnummer eines anderen Kunden wieder.

Behandlungsansatz: Direkte Identifikatoren vor dem Feintuning entfernen oder pseudonymisieren, Trainingsdaten deduplizieren und Ausgaben auf Muster personenbezogener Daten filtern.

„Wenn Ihr Chatbot mit echten Kundengesprächen feingetunt wurde, gehen Sie davon aus, dass ein entschlossener Nutzer versuchen wird, ihn eines davon wiederholen zu lassen. Die Frage ist nicht, ob Ihr Modell perfekt ist, sondern ob Sie zeigen können, was Sie gegen wörtliche Datenabflüsse unternommen haben.“ Alexis Hirschhorn

Modellinversion

Was passiert: Ein Angreifer nutzt die Ausgaben eines Modells, um sensible Merkmale oder typische Eigenschaften der Personen in seinen Trainingsdaten zu rekonstruieren.

Beispiel (Bewerbervorauswahl): Durch Abfragen mit synthetischen Profilen rekonstruiert ein Analyst die Merkmale, die zu einer Absage führen, und legt Stellvertretermerkmale für Gesundheit oder ethnische Herkunft in den historischen Daten offen.

Behandlungsansatz: Den Zugang zu detaillierten Scores und Konfidenzwerten einschränken, wo möglich gröbere Ausgaben liefern und vor dem Go-live auf Attributlecks testen.

Datenvergiftung

Was passiert: Jemand schleust manipulierte Daten in einen Trainingsdatensatz oder eine Wissensbasis ein, damit sich das System so verhält, dass es Personen schadet oder ihre Daten preisgibt.

Beispiel (RAG auf Kundendaten): Eine präparierte E-Mail in der Wissensbasis enthält versteckte Anweisungen, die den Assistenten dazu bringen, die Kontaktdaten anderer Kunden in seine Antworten aufzunehmen.

Behandlungsansatz: Kontrollieren und validieren, was in Trainingsdatensätze und Wissensbasen gelangt, die Herkunft der Daten nachverfolgen und Ausgaben auf Auffälligkeiten überwachen.

Insider-Bedrohung

Was passiert: Personen mit legitimem Zugriff auf Modelle, Trainingsdaten, Embeddings oder Logs missbrauchen diesen Zugriff.

Beispiel (RAG auf Kundendaten): Ein Engineer mit Administratorrechten durchsucht die Vektordatenbank und die Prompt-Logs nach Informationen über einen bekannten Kunden.

Behandlungsansatz: Least Privilege für Modellartefakte und Logs anwenden, Aufgaben trennen, Administratoraktivitäten protokollieren und Aufbewahrungsfristen festlegen.

Halluzinierte personenbezogene Daten

Was passiert: Das System erzeugt falsche, aber plausible Informationen über eine reale, identifizierbare Person.

Beispiel (Chatbot): Der Bot erzählt einem Kunden, ein namentlich genannter Mitarbeiter sei „wegen Misswirtschaft bei Kundenkonten entlassen worden“, was erfunden ist.

Behandlungsansatz: Antworten in geprüften Quellen verankern, Aussagen über Personen außerhalb definierter Anwendungsfälle blockieren und einen Prozess für Berichtigungs- und Löschanträge zu Modellausgaben vorsehen.

„Bei generativer KI ist Richtigkeit eine Datenschutzmaßnahme. Ein System, das Aussagen über Personen erfindet, verdient dieselbe Sorgfalt wie eines, das personenbezogene Daten falsch verarbeitet: Verankerung in Quellen, Einschränkung der Ausgaben, menschliche Prüfung und ein Weg, auf dem Betroffene anfechten können, was über sie gesagt wurde.“ Henri Haenni

Die übrigen Bedrohungen und ihre offiziellen Definitionen stehen in der Norm. Den Katalog aus Sicherheitsperspektive finden Sie in unserem Leitfaden zur ISO/IEC 27090:2026.

7. Die 27091 in einem KI-Managementsystem nach ISO/IEC 42001 nutzen

Wenn Sie ein KI-Managementsystem (AIMS) nach ISO/IEC 42001:2023 betreiben oder aufbauen, liefert Ihnen die ISO/IEC 27091 datenschutzspezifischen Input für Ihre KI-Risikobewertung, Ihre Auswirkungsbewertung von KI-Systemen und Ihre Datenkontrollen. Die 42001 verlangt, dass Sie KI-Risiken und -Auswirkungen bewerten; die 27091 hilft Ihnen, den Datenschutzteil richtig zu machen.

Die ISO/IEC 42001:2023 ist zertifizierbar, geht aber nicht in die Tiefe bei Bedrohungen wie Memorisierung oder Mitgliedschaftsinferenz. Die 27091 schließt diese Lücke, ohne den Geltungsbereich Ihrer Zertifizierung zu verändern.

Widget

Sternförmiges Diagramm mit der ISO/IEC 27091 im Zentrum, einer nicht zertifizierbaren Leitliniennorm. Durchgezogene Linien: Sie speist das KI-Managementsystem nach ISO/IEC 42001:2023 (zertifizierbar; KI-Risiko- und Auswirkungsbewertung, Datenkontrollen) und das PIMS nach ISO/IEC 27701:2025 (zertifizierbar; Risikobewertung und Erklärung zur Anwendbarkeit; Zertifikate nach 27701:2019 enden Ende Oktober 2028). Gestrichelte Linie: Sie stützt Nachweise nach der DSGVO und der Stellungnahme 28/2024 des EDSA (Anonymitätsprüfung von Modellen im Einzelfall, Input für die DSFA). Gepunktete Linie: Sie stützt die Dokumentation zu Daten und Risiken nach der KI-Verordnung, ohne Konformitätsvermutung. Sie verweist auf die Schwesternorm ISO/IEC 27090:2026 zur KI-Sicherheit (veröffentlicht am 14. Oktober 2026); verwandte Leitlinien: ISO/IEC 23894, 42005, 29100 und 27557.

Element der ISO/IEC 42001: KI-Risikobewertung (Abschnitt 6.1.2)

Beitrag der 27091KI-spezifische Datenschutzbedrohungen statt einer allgemeinen Zeile „Datenpanne“

Element der ISO/IEC 42001: KI-Risikobehandlung (Abschnitt 6.1.3)

Beitrag der 27091Kategorien von Maßnahmen, die zu begründen sind, etwa Zugriffsgrenzen, Pseudonymisierung und Ausgabefilterung

Element der ISO/IEC 42001: Auswirkungsbewertung von KI-Systemen (Abschnitt 6.1.4; Anhang A.5)

Beitrag der 27091Folgen für Betroffene, einschließlich Inferenz und halluzinierter personenbezogener Daten

Element der ISO/IEC 42001: Daten für KI-Systeme (Anhang A.7)

Beitrag der 27091Datenschutz bei Beschaffung, Qualität, Herkunft und Aufbereitung von Daten

Element der ISO/IEC 42001: Lebenszyklus von KI-Systemen (Anhang A.6)

Beitrag der 27091Klausel 7 korrespondiert mit den Kontrollen für Design, Entwicklung und Betrieb

Praxistipps. Nennen Sie die 27091 in Ihrer Methodik zur Risikobewertung als Leitlinie, nicht als Anforderung, und führen Sie ein einziges KI-Risikoregister, in dem Datenschutzbedrohungen gekennzeichnet sind. Auditoren prüfen Sie gegen die 42001, nicht gegen die 27091.

„Ein einfacher Test: Wenn Ihre KI-Risikobewertung gleich bliebe, nachdem Sie das KI-System durch eine klassische Datenbank ersetzt haben, ist es wahrscheinlich keine KI-Risikobewertung. Die 27091 bringt Teams über diesen Punkt hinaus.“ Alexis Hirschhorn

Einen Überblick über die Umsetzung gibt unser Praxis-Playbook zur ISO 42001, und was Auditoren sehen wollen, beschreibt unser Beitrag zu den Nachweisen im ISO-42001-Audit. Für Umsetzungskompetenzen siehe ISO 42001 Lead Implementer. Für die Auditperspektive siehe ISO 42001 Lead Auditor.

8. Die 27091 in einem PIMS nach ISO/IEC 27701:2025 nutzen

In einem Datenschutz-Managementsystem (PIMS) nach ISO/IEC 27701:2025 liefert die ISO/IEC 27091 die KI-spezifischen Datenschutzrisiken für Ihre Risikobewertung und für die Begründung Ihrer Entscheidungen in der Erklärung zur Anwendbarkeit (SoA) bei KI-Verarbeitungen. Sie fügt keine Kontrollen hinzu, nach denen Sie zertifiziert werden müssten.

Die ISO/IEC 27701:2025 ist inzwischen eine eigenständige, zertifizierbare Norm und setzt die ISO/IEC 27001 nicht mehr voraus. Sobald KI-Systeme Teil Ihrer Verarbeitungen sind, reichen allgemeine Datenschutzrisiken nicht mehr aus. Die 27091 hilft an drei Stellen:

  1. Risikoidentifizierung. Ergänzen Sie für jede Verarbeitung mit KI-Beteiligung KI-spezifische Risiken wie Extraktion, Inferenz und halluzinierte personenbezogene Daten.
  2. Begründungen in der SoA. Nutzen Sie die 27091 als anerkannte Referenz für Kontrollen wie Ausgabefilterung oder die Pseudonymisierung von Feintuning-Daten.
  3. Rollen von Verantwortlichem und Auftragsverarbeiter. Zeigen Sie, welche Partei (Modellanbieter, Hoster oder Betreiber) welches Risiko behandeln kann, und bilden Sie das in den Verträgen ab.

Der 27701-Übergang. Er ist etwas anderes als die 27091, auch wenn beides oft verwechselt wird. Zertifikate nach ISO/IEC 27701:2019 laufen Ende Oktober 2028 aus: Planen Sie den Wechsel auf die Ausgabe 2025 mit Ihrer Zertifizierungsstelle. KI-Risiken auf Basis der 27091 dabei mit aufzunehmen, ist effizient, aber freiwillig. Für die 27091 gibt es keinen Übergang, da sie nichts ersetzt.

Was sich zwischen den Ausgaben geändert hat, zeigen die wesentlichen Unterschiede zwischen ISO/IEC 27701:2019 und 2025. Den vollständigen Überblick über die neue Ausgabe gibt unser Leitfaden zur ISO/IEC 27701:2025.

9. ISO/IEC 27090 oder 27091

Die ISO/IEC 27090 behandelt Sicherheitsbedrohungen gegen KI-Systeme, die ISO/IEC 27091 die Datenschutzrisiken, die solche Systeme mit sich bringen. Die meisten Organisationen werden beide brauchen.

Kriterium: Gegenstand

ISO/IEC 27090:2026Sicherheitsbedrohungen gegen KI-Systeme und wie man ihnen begegnet
ISO/IEC 27091Datenschutzrisiken in KI-Systemen und ML-Modellen und wie man ihnen begegnet

Kriterium: Bedrohungen

ISO/IEC 27090:202613 Bedrohungen im Entwurf (veröffentlichten Text prüfen)
ISO/IEC 27091Rund 8 Bedrohungen laut DIS, darunter Fehlverhalten wie halluzinierte personenbezogene Daten

Kriterium: Hauptzielgruppe

ISO/IEC 27090:2026CISOs, Sicherheitsarchitekten, ML-Security-Engineers
ISO/IEC 27091DSB, Privacy Engineers, Verantwortliche für KI-Governance, ML-Engineers

Kriterium: Status (18. Nov. 2026)

ISO/IEC 27090:2026Veröffentlicht am 14. Okt. 2026
ISO/IEC 27091FDIS-Abstimmung (Stufe 50.20); Veröffentlichung geschätzt für Feb. 2027

Kriterium: Zertifizierbar?

ISO/IEC 27090:2026Nein, Leitlinien
ISO/IEC 27091Nein, Leitlinien

Kriterium: Verhältnis

ISO/IEC 27090:2026Verweist für den Datenschutz auf die 27091
ISO/IEC 27091Ergänzt die 27090; einige Bedrohungen wie die Datenvergiftung betreffen beide
Widget

Venn-Diagramm. ISO/IEC 27090:2026, KI-Sicherheit: Sicherheitsbedrohungen für KI-Systeme, 13 Bedrohungen im Entwurf, für CISOs und Sicherheitsarchitekten, veröffentlicht am 14. Oktober 2026. ISO/IEC 27091, KI-Datenschutz: Datenschutzrisiken in KI-Systemen und Modellen, rund 8 Bedrohungen im DIS, darunter halluzinierte personenbezogene Daten, für Datenschutzbeauftragte und Privacy Engineers, im FDIS-Stadium mit geschätzter Veröffentlichung im Februar 2027. Gemeinsam: zwei nicht zertifizierbare Leitliniennormen des ISO/IEC JTC 1/SC 27; Datenvergiftung betrifft beide, und sie verweisen aufeinander.

Gemeinsam nutzen. Führen Sie eine einzige KI-Bedrohungsanalyse durch. Taucht eine Bedrohung in beiden Normen auf, etwa die Datenvergiftung, erfassen Sie sie einmal und bewerten sowohl die Auswirkung auf die Sicherheit als auch auf den Datenschutz. Einen detaillierten Vergleich finden Sie unter ISO/IEC 27090 vs. 27091: die Unterschiede.

10. DSGVO und Stellungnahme 28/2024 des EDSA

Die ISO/IEC 27091 ist für sich genommen kein Werkzeug zur DSGVO-Compliance. Ihre Bedrohungen auf Modellebene sind aber die technische Seite einer Frage, die die europäischen Behörden inzwischen direkt stellen: Ist Ihr KI-Modell wirklich anonym? Die Stellungnahme 28/2024 des Europäischen Datenschutzausschusses (EDSA) vom 17. Dezember 2024 hält fest, dass KI-Modelle, die mit personenbezogenen Daten trainiert wurden, nicht in allen Fällen als anonym gelten können und dass die Anonymität im Einzelfall zu beurteilen ist.

Ein Verantwortlicher, der sich auf Anonymität beruft, muss zeigen, dass personenbezogene Daten mit Mitteln, deren Einsatz vernünftigerweise zu erwarten ist, weder aus dem Modell extrahiert noch durch Abfragen gewonnen werden können. Mitgliedschaftsinferenz, Extraktion und Modellinversion sind genau diese Wege, und eine Analyse im Stil der 27091 bietet eine strukturierte Möglichkeit, sie zu testen und zu dokumentieren.

„Nach europäischem Datenschutzverständnis ist Anonymität kein Etikett, das man vor dem Training anbringt. Sie ist eine Eigenschaft, die man nach dem Training belegen können muss, durch Tests, Zugriffskontrollen und den Nachweis, dass personenbezogene Daten vernünftigerweise nicht extrahiert oder abgeleitet werden können.“ Marc Bouvier

Die 27091 unterstützt auch weitere Pflichten der DSGVO:

  • Datenschutz-Folgenabschätzungen (Artikel 35). Die Bedrohungsanalyse und die Lebenszyklussicht können in den Risikoteil einer DSFA für ein KI-System einfließen. Unsere Antwort zur Durchführung einer DSFA für ein KI-System zeigt eine mögliche Struktur.
  • Datenschutz durch Technikgestaltung und datenschutzfreundliche Voreinstellungen (Artikel 25). Der Lebenszyklusansatz der Klausel 7 übersetzt diese Pflicht in konkrete Entscheidungen in Design, Entwicklung und Betrieb.
  • Richtigkeit (Artikel 5 Absatz 1 Buchstabe d) und Betroffenenrechte. Wer halluzinierte personenbezogene Daten als Datenschutzrisiko behandelt, kann planen, wie Berichtigungs- und Löschanträge zu Modellausgaben bearbeitet werden.

Wenn Sie ein PIMS nach ISO/IEC 27701 betreiben, strukturiert es bereits einen Großteil dieser Nachweise; siehe wie die ISO 27701 die DSGVO-Konformität unterstützt.

Was sie nicht leistet. Sie begründet keine Rechtsgrundlage, ist kein Zertifizierungsverfahren im Sinne der DSGVO und ersetzt nicht die Einzelfallbeurteilung, die der EDSA erwartet.

11. Zeitplan der KI-Verordnung: wo die 27091 hilft und wo nicht

Die ISO/IEC 27091 kann Ihre Dokumentation zu Daten-Governance und Risiken nach der KI-Verordnung (AI Act) stützen. Sie ist jedoch keine harmonisierte Norm und begründet keine Konformitätsvermutung. Betrachten Sie sie als Nachweis guter Praxis, nicht als Konformitätsweg.

Die KI-Verordnung (Verordnung (EU) 2024/1689, geändert durch den Digitalen Omnibus, Verordnung (EU) 2026/1744) gilt schrittweise.

Datum: 2. Dez. 2026

Was giltNeue Verbote treten in Kraft
Nutzen der 27091Gering. Die 27091 bestimmt nicht, ob eine Praxis verboten ist.

Datum: 2. Dez. 2027

Was giltPflichten für Hochrisiko-KI-Systeme nach Anhang III
Nutzen der 27091Stützt Daten-Governance und den Datenschutzteil des Risikomanagements

Datum: 2. Aug. 2028

Was giltPflichten für Hochrisiko-KI-Systeme nach Anhang I (Produktrecht)
Nutzen der 27091Dasselbe, im Rahmen der Konformitätsbewertung von Produkten
Widget

Maßstabsgetreue Zeitleiste von Mitte 2024 bis 2028 mit dem heutigen Datum, 18. November 2026. Vergangen: Stellungnahme 28/2024 des EDSA am 17. Dezember 2024; Veröffentlichung der ISO/IEC 27090 am 14. Oktober 2026; Beginn der FDIS-Abstimmung zur ISO/IEC 27091 am 2. November 2026. Bevorstehend: neue Verbote der KI-Verordnung am 2. Dezember 2026; geschätzte Veröffentlichung der ISO/IEC 27091 im Februar 2027; Hochrisiko-Pflichten nach Anhang III der KI-Verordnung am 2. Dezember 2027, rund zehn Monate nach der geschätzten Veröffentlichung; Hochrisiko-Pflichten nach Anhang I am 2. August 2028; Ende der Zertifikate nach ISO/IEC 27701:2019 Ende Oktober 2028.

Wo die 27091 hilft.

  • Daten-Governance und Risikomanagement. Ihre Analyse der Risiken rund um Trainingsdaten, Datenherkunft und Pseudonymisierung stützt die Dokumentation der Anbieter, und Betreiber können sie als Datenschutz-Input für ihre Grundrechte-Folgenabschätzungen nutzen.

Wo sie nicht hilft.

  • Sie begründet keine Konformitätsvermutung. Das tun nur harmonisierte Normen, deren Fundstellen im Amtsblatt veröffentlicht sind, etwa die EN 18286:2026 für das Qualitätsmanagement nach der KI-Verordnung.
  • Sie deckt weder Transparenzpflichten noch menschliche Aufsicht, Registrierung oder die Pflichten für KI mit allgemeinem Verwendungszweck ab.
„Bei Hochrisiko-KI-Systemen kann die Norm helfen, den Datenschutzteil des Risikomanagements zu dokumentieren. Sie wird Ihr System aber nicht einstufen, keine Konformitätsbewertung ersetzen und nicht die Frage beantworten, die Behörden letztlich interessiert: Welchen Schaden könnte dieses System anrichten, und was haben Sie unternommen, um ihn zu verhindern?“ Tania Postil

Alle Anwendungsdaten finden Sie im Zeitplan der KI-Verordnung. Betreiber mit Grundrechtspflichten sollten auch lesen, was eine Grundrechte-Folgenabschätzung umfasst, und Leserinnen und Leser in der Schweiz unseren vollständigen Leitfaden zur KI-Verordnung, der ihre extraterritoriale Reichweite behandelt. Die Entwicklung der KI-Verordnung verfolgen Sie auf unserer Seite zum EU AI Act.

12. Ein Startplan für 90 Tage

Einen funktionierenden Prozess für KI-Datenschutzrisiken können Sie in rund 90 Tagen aufbauen, ohne auf die Veröffentlichung zu warten: Beginnen Sie mit der Struktur, die der DIS beschreibt, und richten Sie sich später am finalen Text aus. Der Plan geht von einer mittelgroßen Organisation mit einigen KI-Anwendungsfällen aus.

Widget

13-Wochen-Plan für KI-Datenschutz, rund 90 Tage, in fünf maßstabsgetreuen Phasen. Wochen 1 bis 2: Inventar aller KI-Systeme, personenbezogene Daten markiert. Wochen 3 bis 4: Datenschutzprofil je priorisiertem Anwendungsfall. Wochen 5 bis 8, die längste Phase: Bewertung der Datenschutzrisiken mit Einträgen im Risikoregister, verknüpft mit der DSFA. Wochen 9 bis 11: Behandlungsplan mit Verantwortlichen und Terminen. Wochen 12 bis 13: Überwachungsplan und Prüfkalender. Wiederholen, wenn sich ein Modell, ein Datensatz oder ein Anwendungsfall ändert.

Wochen: 1–2

PhaseKI-Inventar
Wichtigste AktivitätenErfassen Sie jedes KI-System, das Sie entwickeln, einkaufen oder einbetten, einschließlich der KI-Funktionen von SaaS-Werkzeugen. Halten Sie Owner, Zweck und die Nutzung personenbezogener Daten fest.
ErgebnisKI-Inventar mit markierten personenbezogenen Daten

Wochen: 3–4

PhaseDatenschutzprofil der Anwendungsfälle
Wichtigste AktivitätenBeschreiben Sie jedes System mit personenbezogenen Daten in einem einheitlichen Format: betroffene Personen und Datenkategorien, Quellen, Modelltyp, wer es abfragen kann, Ausgaben und Aufbewahrung. Priorisieren Sie nach Sensibilität.
ErgebnisEin Datenschutzprofil je priorisiertem Anwendungsfall

Wochen: 5–8

PhaseBewertung der Datenschutzrisiken
Wichtigste AktivitätenIdentifizieren, analysieren und bewerten Sie die Risiken auf Modell- und Lebenszyklusebene für jeden priorisierten Anwendungsfall, mit Ihren bestehenden Risikokriterien.
ErgebnisEinträge im Register der KI-Datenschutzrisiken, verknüpft mit der DSFA, wo diese erforderlich ist

Wochen: 9–11

PhaseBehandlung
Wichtigste AktivitätenWählen Sie die Behandlungen: Zugriffsgrenzen, Pseudonymisierung, Ausgabefilterung, Aufbewahrungsfristen, Verankerung in Quellen. Benennen Sie Verantwortliche für Restrisiken und aktualisieren Sie DSFA, Verträge und gegebenenfalls Behandlungspläne und SoA nach 42001 oder 27701.
ErgebnisBehandlungsplan mit Verantwortlichen und Terminen

Wochen: 12–13

PhaseÜberwachung
Wichtigste AktivitätenÜberwachen Sie personenbezogene Daten in Ausgaben, ungewöhnliche Abfragen und Berichtigungsanträge. Legen Sie Auslöser für Überprüfungen fest, etwa ein neues Modell oder einen neuen Datensatz, und prüfen Sie den Plan erneut gegen die veröffentlichte 27091.
ErgebnisÜberwachungsplan und Prüfkalender

Testen Sie mindestens Ihr risikoreichstes Modell mit einfachen Extraktions-Prompts, bevor Sie es bewerten. Die allgemeine Methode für die Wochen 5 bis 13 beschreiben wie Sie KI-spezifische Risiken identifizieren, die Strategien zur Behandlung von KI-Risiken und die Überwachung von KI-Risiken im Betrieb.

„Ein 90-Tage-Programm muss Entscheidungen hervorbringen, nicht nur Dokumentation. Am Ende sollten Sie wissen, welche Modelle Ausgabefilter brauchen, welche Trainingsdatensätze pseudonymisiert werden müssen, welche Logs kürzer aufbewahrt werden sollten und wer welches Restrisiko trägt.“ Henri Haenni

Ein Startpunkt für die Wochen 5 bis 8

Laden Sie unser Register für KI-Datenschutzrisiken herunter (Zugang nach Registrierung), vorstrukturiert für KI-spezifische Bedrohungen und mit den Feldern von DSFA und SoA verknüpft.

13. Kompetenzen und Weiterbildungswege

Keine Schulung kann Sie „27091-zertifiziert“ machen, denn diese Zertifizierung gibt es nicht. Wählen Sie danach, ob Sie ein Managementsystem aufbauen, es auditieren oder KI-Governance im weiteren Sinne verantworten.

Weg: ISO/IEC 42001 Lead Implementer

GegenstandEin KI-Managementsystem konzipieren und betreiben
Für wenVerantwortliche für KI-Governance und Beratende, die ein AIMS aufbauen
Was er nicht abdecktVertieftes Privacy Engineering; Besonderheiten der DSGVO

Weg: ISO/IEC 42001 Lead Auditor

GegenstandEin AIMS gegen die 42001 auditieren
Für wenInterne Auditoren, Auditoren von Zertifizierungsstellen und Beratende
Was er nicht abdecktGestaltung der Umsetzung; vertiefte Analyse der Datenschutzbedrohungen

Weg: ISO/IEC 27701 (2025) Lead Implementer / Lead Auditor

GegenstandEin Datenschutz-Managementsystem aufbauen oder auditieren
Für wenDSB, Datenschutzverantwortliche und Auditoren
Was er nicht abdecktKI-spezifische Bedrohungen, sofern die Schulung sie nicht ergänzt

Weg: IAPP AIGP (Artificial Intelligence Governance Professional)

GegenstandKI-Governance, -Recht und -Risiken im weiteren Sinne, ohne Bindung an eine bestimmte ISO-Norm
Für wenJuristinnen und Juristen sowie Datenschutz- und Governance-Fachleute, die einen übergreifenden Blick suchen
Was er nicht abdecktUmsetzung oder Audit von ISO-Managementsystemen

Weg: KI-Zertifizierungen von PECB (z. B. Lead AI Risk Manager, Certified EU AI Governance Professional, Certified AI Security Professional)

GegenstandAn ISO-Normen ausgerichtete KI-Zertifizierungen einer Zertifizierungsstelle
Für wenFachleute, die eine ISO-orientierte Zertifizierung in KI-Risiko, -Governance oder -Sicherheit anstreben
Was er nicht abdecktPrüfen Sie, wie tief jedes Programm den Datenschutz behandelt

Wo die 27091 hineinpasst. Kenntnisse der 27091 sind eine spezialisierte Ergänzung zu jedem dieser Wege. Eine kurze, gezielte Schulung zur 27090 und 27091 führt in der Regel zu einer Teilnahmebestätigung und zu Weiterbildungsstunden (CPD), nicht zu einer Zertifizierung.

Schulungsseiten: ISO 42001 Lead Implementer · ISO 42001 Lead Auditor · ISO 27701 Lead Implementer · Lead AI Risk Manager

Änderungsprotokoll

  • 2026-11-18: Status geprüft, Stufe 50.20 (FDIS-Abstimmung seit 2026-11-02). Geschätzte Veröffentlichung: Feb. 2027 (Spanne Jan.–Apr. 2027).

Hinweis zum Urheberrecht: Dieser Leitfaden zitiert nur den öffentlichen Titel und die öffentliche Zusammenfassung der ISO, mit Quellenangabe. Alles Übrige ist unsere eigene Erläuterung. Den verbindlichen Text erwerben Sie nach der Veröffentlichung bei der ISO oder Ihrer nationalen Normungsorganisation.

Frequently Asked Questions

Nein. Stand 18. November 2026 ist die ISO/IEC 27091 ein Schlussentwurf einer Internationalen Norm in der formellen Genehmigungsabstimmung (Stufe 50.20), die am 2. November 2026 begonnen hat. Sie ist noch keine veröffentlichte Internationale Norm.

Die Veröffentlichung wird für Februar 2027 geschätzt, in einer geschätzten Spanne von Mitte Januar bis April 2027. Die Schätzung beruht auf einem Ende der FDIS-Abstimmung um den 28. Dezember 2026 (geschätzt) und auf der ISO/IEC 27090, die acht Wochen nach dem Ende ihrer Abstimmung erschien. Würde der Entwurf an das Komitee zurückverwiesen, was selten ist, schätzen wir eine Verschiebung in das zweite Halbjahr 2027.

Nein. Sie ist eine Leitliniennorm, keine Managementsystemnorm: Es gibt kein Zertifizierungsschema, keinen akkreditierten 27091-Auditor und keine Übergangsfrist. Begegnen Sie Angeboten einer „27091-Zertifizierung“ mit Vorsicht.

Der Preis der veröffentlichten Norm ist noch nicht bekannt. Der DIS kostete rund 65 bis 67 CHF, der FDIS ist nicht käuflich. Den endgültigen Preis legen die ISO und Ihre nationale Normungsorganisation bei der Veröffentlichung fest.

Die ISO/IEC 27090:2026 behandelt Sicherheitsbedrohungen gegen KI-Systeme und wurde am 14. Oktober 2026 veröffentlicht. Die ISO/IEC 27091 behandelt Datenschutzrisiken in KI-Systemen und ML-Modellen, und die 27090 verweist für den Datenschutz auf sie. Beide sind Leitlinien, und keine ist zertifizierbar.

Sie erfüllen unterschiedliche Aufgaben. Die ISO/IEC 42001 (KI-Management) und die ISO/IEC 27701:2025 (Datenschutzmanagement) sind zertifizierbare Managementsysteme. Die 27091 ist eine Sammlung von Leitlinien, die Sie in beiden nutzen, um KI-Datenschutzrisiken genauer zu bewerten. Wenn Sie ein Zertifikat wollen, brauchen Sie die 42001 oder die 27701; wenn Sie eine bessere Bewertung von KI-Datenschutzrisiken wollen, hilft die 27091 in beiden Fällen.

Teilweise. Sie stützt die Dokumentation zu Daten-Governance und Risikomanagement für Hochrisiko-KI-Systeme, deren Pflichten nach Anhang III ab dem 2. Dezember 2027 gelten. Sie ist jedoch keine harmonisierte Norm und begründet keine Konformitätsvermutung.

Laut DIS ja, in allgemeiner Form. Sie behandelt Bedrohungen auf Modellebene wie die Extraktion von Trainingsdaten, die für große Sprachmodelle besonders relevant sind. Sie behandelt auch Fehlverhalten wie halluzinierte personenbezogene Daten als Datenschutzrisiko, nicht nur gezielte Angriffe. Sie beschreibt allgemeine Maßnahmen statt produktspezifischer Einstellungen.

Nach der Veröffentlichung ist sie im ISO Store oder bei Ihrer nationalen Normungsorganisation erhältlich, etwa bei der SNV in der Schweiz, beim DIN in Deutschland oder bei Austrian Standards in Österreich. Der FDIS ist nicht käuflich: Warten Sie auf die veröffentlichte Ausgabe.

Eine zertifizierende 27091-Schulung gibt es nicht, da die Norm nicht zertifizierbar ist. Kurze Schulungen zu KI-Datenschutzrisiken auf Basis der ISO/IEC 27090 und 27091 vermitteln praktische Kompetenzen, eine Teilnahmebestätigung und Weiterbildungsstunden (CPD). Unser Modul „AI Privacy Risk with ISO/IEC 27090 & 27091“ ist ein Beispiel dafür.

Related Training

Courses referenced in this article

ISO 42001 Lead Implementer

Der Kurs ISO/IEC 42001 Lead Implementer befähigt Fachleute, ein KI-Managementsystem zu gestalten und einzuführen, das regulatorischer, ethischer und operativer Prüfung standhält.

View Course

ISO 27701 Lead Implementer

Diese Schulung ISO/IEC 27701 Lead Implementer richtet sich an Fachleute, die ein Datenschutz-Managementsystem (PIMS) konzipieren, einführen und betreiben müssen, das in der Praxis funktioniert und nicht nur auf dem Papier.

View Course

Lead AI Risk Manager

Die Schulung Lead AI Risk Manager befähigt Fachleute, ein KI-Risikomanagementprogramm im Einklang mit regulatorischen und Governance-Erwartungen zu gestalten, zu betreiben und zu vertreten. Der Kurs konzentriert sich auf praktische Risikoerkennung, Entscheidungsnachvollziehbarkeit und belastbare Minderungsstrategien über den KI-Lebenszyklus.

View Course

GDPR Certified Data Protection Officer

Dieser fünftägige Kurs bereitet die Teilnehmenden darauf vor, die vollständige operative Rolle einer oder eines Datenschutzbeauftragten wahrzunehmen, vom Aufbau eines DSGVO-Compliance-Programms bis zur Steuerung der Reaktion auf Datenschutzvorfälle. Die europäische Durchsetzung hat sich seit 2023 verschärft; Aufsichtsbehörden haben Bussgelder von kumuliert über 4,2 Milliarden Euro verhängt, wodurch eine formelle DPO-Kompetenz zu einer messbaren organisatorischen Risikosteuerung wird. Organisationen benennen häufig Beauftragte, denen eine dokumentierte Methodik für Verarbeitungsverzeichnisse, Auslöser von Folgenabschätzungen oder die Behandlung von Nichtkonformitäten fehlt. Die Referierenden von Abilene führen aktive DPO-Mandate und bringen echte Vorfalldossiers in jede Sitzung ein. Konzipiert für Compliance-Verantwortliche, Datenschutzberatende, Verantwortliche für Informationssicherheit und Fachleute, die formell in die DPO-Funktion wechseln.

View Course

Related Questions

Expert answers referenced in this article

Ist die ISO/IEC 27091 zertifizierbar?

Nein. Die ISO/IEC 27091 ist eine Leitliniennorm zu Datenschutzrisiken in der KI, keine Managementsystemnorm. Es gibt kein Zertifizierungsschema, keinen akkreditierten Auditor und keine Übergangsfrist. Organisationen lassen sich nach ISO/IEC 42001 oder ISO/IEC 27701:2025 zertifizieren und nutzen die 27091 innerhalb dieses Geltungsbereichs.

Read answer

Was ist der Unterschied zwischen ISO/IEC 27090 und ISO/IEC 27091?

Die ISO/IEC 27090:2026 gibt Leitlinien zu Sicherheitsbedrohungen gegen KI-Systeme und wurde am 14. Oktober 2026 veröffentlicht. Die ISO/IEC 27091 gibt Leitlinien zu Datenschutzrisiken in KI-Systemen und ML-Modellen; ihre Veröffentlichung wird für Februar 2027 geschätzt. Keine ist zertifizierbar, und beide sind für den gemeinsamen Einsatz gedacht.

Read answer

Wie führt man eine DSFA für ein KI-System durch?

Decken Sie die vier Elemente ab, die Artikel 35 DSGVO verlangt: Verarbeitung beschreiben, Notwendigkeit und Verhältnismäßigkeit bewerten, Risiken für die Betroffenen bewerten und Abhilfemaßnahmen festlegen. Ergänzen Sie dann die KI-spezifische Ebene: wo personenbezogene Daten in das Modell gelangen, was es preisgeben oder ableiten kann, ob eine Anonymitätsbehauptung trägt und wie Sie mit halluzinierten personenbezogenen Daten umgehen.

Read answer

Wie sieht der Anwendungszeitplan der EU-KI-Verordnung aus?

Die EU-KI-Verordnung (Verordnung (EU) 2024/1689) trat am 1. August 2024 in Kraft, und ihre Bestimmungen gelten stufenweise gemäss Artikel 113, geändert durch den Digital Omnibus zur KI (Verordnung (EU) 2026/1744). Wichtige Meilensteine: Verbote am 2. Februar 2025, Pflichten für KI-Modelle mit allgemeinem Verwendungszweck am 2. August 2025, allgemeine Geltung am 2. August 2026, Hochrisikosysteme nach Anhang III am 2. Dezember 2027 und nach Anhang I am 2. August 2028.

Read answer

Wie unterstützt ISO 27701 die DSGVO-Konformität und behördliche Audits?

ISO 27701 unterstützt die DSGVO-Konformität, indem es ein strukturiertes, auditierbares Managementsystem für Datenschutzkontrollen, Rollen und Rechenschaftspflicht bereitstellt. Es hilft Organisationen, die Rechenschaftspflicht nach Artikel 5 Absatz 2 DSGVO durch dokumentierte, überwachte und kontinuierlich verbesserte Prozesse nachzuweisen.

Read answer

Wie identifiziere ich KI-spezifische Risiken wie Bias, Drift und adversariale Bedrohungen?

Identifizieren Sie KI-Risiken über eine Lebenszyklusanalyse: Datenrisiken (Bias, Datenqualität), Modellrisiken (Drift, Overfitting), Einsatzrisiken (adversariale Angriffe, Missbrauch) und Betriebsrisiken (Rückkopplungsschleifen, unbeabsichtigte Auswirkungen).

Read answer

Was ist eine Grundrechte-Folgenabschätzung nach dem EU AI Act?

Die Grundrechte-Folgenabschätzung (FRIA) ist eine dokumentierte Bewertung, wie ein Hochrisiko-KI-System die Grundrechte von Personen vor dem Einsatz beeinträchtigen könnte. Nach Artikel 27 gilt sie für bestimmte Betreiber, darunter öffentliche Stellen und private Einrichtungen, die öffentliche Dienste erbringen.

Read answer

Get Certified

ISO 27001, NIS2, AI governance & more. Join 2,500+ professionals.

View Courses
Ask our AI Assistant

Related Articles

Continue exploring topics that matter to your organization