Sicherheit, Datenschutz und Data Controls

# Sicherheit, Datenschutz und Data Controls

In dem Moment, in dem Sie einen Google-Drive-Connector verbinden oder eine Kundentabelle in Advanced Data Analysis hochladen, haben Sie die Daten Ihres Unternehmens in ein fremdes System verschoben, und die Regeln für diese Daten sind nicht für jedes Konto gleich. In dieser Lektion geht es darum, genau zu wissen, welche Regeln für Sie gelten, was für Training verwendet wird und wie Sie ChatGPT so aufsetzen, dass Sie Actions und Connectors bei der Arbeit nutzen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, ohne etwas preiszugeben.

Die Grenze, auf die es wirklich ankommt: Wer kontrolliert das Training

Vergessen Sie die Marketing-Tarife für einen Moment. Die mit Abstand wichtigste Unterscheidung ist, ob Ihre Inhalte standardmäßig zum Training der Modelle von OpenAI verwendet werden dürfen.

Consumer-Pläne (Free, Plus, Pro): Standardmäßig *kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen* Ihre Konversationen und Uploads zur Verbesserung der Modelle genutzt werden. Sie kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen das abschalten. In den Einstellungen steuert Data Controls → Modell für alle verbessern diese Option. Das Abschalten deaktiviert in manchen Fällen auch die Synchronisierung des Chatverlaufs, aber Ihre Daten fließen nicht mehr ins Training.

Business-Pläne (Team, Enterprise, Edu) und die API: Business-Inhalte werden standardmäßig nicht zum Training der Modelle von OpenAI verwendet. Das ist eine vertragliche Zusage, kein Schalter, den Sie umlegen müssen. Team-, Enterprise- und Edu-Workspaces schließen Ihre Daten von Haus aus vom Training aus, und dasselbe gilt für die OpenAI API.

Das einfachste mentale Modell also:

• Persönliches Konto, Standardeinstellungen: Gehen Sie davon aus, dass trainiert wird. Opt-out, wenn es Ihnen wichtig ist.
• Team / Enterprise / API: trainiert nicht auf Ihren Daten, Punkt.

Die offizielle, aktuelle Aussage steht auf der Enterprise-Privacy-Seite und in den API-Datennutzungs-Docs. Lesen Sie sie einmal; sie ändern sich selten, sind aber die mamaEinsatz von Software, um wiederkehrende Marketingaufgaben und Kampagnen zu automatisieren und Personalisierung in großem Maßstab über Kanäle wie E-Mail, Web und Social zu ermöglichen.Vollständige Definition ansehen →ßgebliche Quelle.

„Nicht für Training verwendet“ heißt nicht „nicht gespeichert“

Auch wenn Ihre Daten vom Training ausgeschlossen sind, laufen sie trotzdem durch und werden in der Regel für ein begrenztes Zeitfenster zur Missbrauchskontrolle und für den Betrieb aufbewahrt. Bei der APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → liegt die Standardaufbewahrung bei rund 30 Tagen, danach Löschung, es sei denn, Sie qualifizieren sich für Zero Data Retention (ZDR), das OpenAI für geeignete Enterprise-Anwendungsfälle gewährt, sodass nach Abschluss der Anfrage nichts gespeichert wird.

Die Erkenntnis: „Wird nicht trainiert“ beantwortet die IP-Frage. „Wie lange wird es gespeichert und wer kann es sehen“ ist eine separate Frage, die Sie über Retention-Einstellungen und ZDR beantworten.

Wohin Daten tatsächlich fließen, wenn Sie Actions und Connectors nutzen

Hier werden viele überrascht. ChatGPT ist keine geschlossene Box mehr, sobald Sie Tools hinzufügen.

Connectors

Ein Connector (Google Drive, SharePoint, GitHub, Box und andere) gibt ChatGPT eingegrenzten, lesenden Zugriff auf ein externes System, um Kontext in einen Chat zu ziehen oder Deep Research zu speisen. Zwei Dinge sollten Sie verinnerlichen:

1. Die Daten fließen zum Abfragezeitpunkt in beide Richtungen. Wenn ChatGPT Ihr Drive durchsucht, um eine Frage zu beantworten, gelangen Ausschnitte dieser Dateien in die Konversation. Sie unterliegen jetzt der Datenrichtlinie *Ihres Kontos*, nicht der des Quellsystems.

2. Admins steuern, welche Connectors existieren. In Enterprise- und Team-Workspaces aktiviert ein Workspace-Admin Connectors zentral. Wenn Sie das für ein Team aufsetzen, beschränken Sie Connectors auf die Systeme, die Sie tatsächlich geprüft haben.

Die aktuelle Liste und das Verhalten finden Sie in den ChatGPT-Connectors-Hilfedocs.

GPT Actions

Eine Action erlaubt einem Custom GPT, eine externe APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → aufzurufen, die Sie per OpenAPI-SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen → definieren. Das ist die riskanteste Fläche, weil *Sie* den Datenpfad verdrahten. Wenn ein Nutzer mit Ihrem GPT spricht, kann ChatGPT Konversationsinhalte an den Endpunkt senden, auf den Ihre Action zeigt.

Drei Kontrollen sind wichtig:

• Auth: Nutzen Sie OAuth oder APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →-Key-Auth in der Action-Konfiguration, hardcoden Sie niemals ein Secret in die Instructions.
• Scope: Der Endpunkt sollte nur das tun, was der GPT braucht. Eine Action „Bestellstatus abfragen“ sollte keine Route „Kunde löschen“ freilegen.
• Datenminimierung: Ihre Action erhält alles, was das Modell zu senden entscheidet. Validieren und bereinigen Sie auf Ihrem Server.

Hier ein minimales, sicheres Fragment eines Action-Schemas. Beachten Sie die explizite Auth und den lesenden Einzelzweck:

openapi: 3.1.0
info:
  title: Order Status
  version: "1.0"
servers:
  - url: https://api.example.com
paths:
  /orders/{id}/status:
    get:
      operationId: getOrderStatus
      summary: Return shipping status for one order
      parameters:
        - name: id
          in: path
          required: true
          schema: { type: string, pattern: "^[A-Z0-9]{8,12}$" }
      responses:
        "200":
          description: Status found
          content:
            application/json:
              schema:
                type: object
                properties:
                  status: { type: string }
                  eta: { type: string, format: date }

Die pattern-Einschränkung ist eine kleine, aber echte Kontrolle: Sie verhindert, dass das Modell fehlerhafte oder injizierte IDs an Ihr Backend schickt.

Der ChatGPT-Agent, Codex und geplante Tasks

Der ChatGPT-Agent kann in Ihrem Namen browsen, klicken und Aktionen ausführen, das heißt, ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → kann Formulare abschicken und Daten eigenständig bewegen. Codex arbeitet auf Code-Repositories. Geplante Tasks führen Prompts zeitgesteuert aus, teils während Sie abwesend sind.

Mit der Autonomie steigt das Risikoprofil. Ein Agent, der auf einem verbundenen System handeln kann, lässt sich über Prompt Injection steuern: schädlicher Text, versteckt in einer Webseite oder einem Dokument, der die Instructions des Agenten kapern will. Behandeln Sie jeden autonomen Lauf, der sensible Systeme berührt, als etwas, das einen menschlichen Freigabeschritt braucht, und bevorzugen Sie lesenden Zugriff für alles Experimentelle.

Eine Anmerkung zu Memory, Custom Instructions und Projects

Diese drei Funktionen speichern still und leise Daten über Chats hinweg, sie verdienen also einen Security-Check.

• Memory speichert Fakten, die das Modell über Sie lernt, über Konversationen hinweg. Wenn Sie Daten eines Kunden in einen Chat einfügen, kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnte Memory eine Zusammenfassung davon behalten. Prüfen und löschen Sie Memory unter Einstellungen → Personalisierung → Memory. In Enterprise-Workspaces kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen Admins das steuern.
• Custom Instructions werden mit jeder Nachricht mitgesendet. Schreiben Sie dort keine Secrets oder vollständigen Kundennamen hinein.
• Projects halten Dateien und Chats auf einen Arbeitsbereich begrenzt. Das ist tatsächlich eine *gute* Kontrolle: Es hält die Dokumente eines Kunden in einem Project, statt sie über Ihren gesamten Verlauf zu streuen. Nutzen Sie Projects als Eingrenzungsgrenzen.

Die Exponierung durch Custom GPTs und den GPT Store

Wenn Sie einen Custom GPT im GPT Store veröffentlichen, denken Sie daran, was geteilt wird und was nicht.

• Ihre Instructions und Konfiguration kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen von hartnäckigen Nutzern teilweise abgeleitet werden; behandeln Sie den System-Prompt nicht als Tresor.
• Hochgeladene Knowledge-Dateien, die an einen GPT angehängt sind, kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen von Nutzern manchmal durch geschicktes PromptingPromptingPrompt Engineering ist die Praxis, Texteingaben so zu gestalten und zu verfeinern, dass große Sprachmodelle präzise, relevante und verlässliche Ergebnisse liefern.Vollständige Definition ansehen → extrahiert werden. Hängen Sie an einen öffentlichen GPT nie eine Datei an, die Sie nicht auch einem Fremden in die Hand geben würden.
• Konversationen, die Nutzer mit Ihrem GPT führen, unterliegen *deren* Kontoeinstellungen und den Richtlinien von OpenAI, nicht Ihren.

Stellen Sie bei rein internen GPTs das Teilen auf „Nur Personen in meinem Workspace“ statt auf öffentlich. Diese eine Einstellung ist der Unterschied zwischen einem privaten und einem öffentlichen Tool.

Eine einfache Regel für den sicheren Einsatz bei der Arbeit

Sie brauchen keine 40-seitige Policy. Sie brauchen eine Regel, die unter Druck hält:

> Wenn die Daten reguliert, geheim oder die von jemand anderem sind, gehören sie ausschließlich in einen Workspace, der Training vertraglich ausschließt und von einem Admin kontrolliert wird. Alles andere kann in Ihr persönliches Konto.

Aufgeschlüsselt:

• Reguliert: Gesundheits-, Finanz- und personenbezogene Daten, die unter DSGVO oder HIPAA-artige Regeln fallen. Nur Business-Workspace, und prüfen Sie Ihren AVV.
• Geheim: unveröffentlichte Produkte, Quellcode, Strategie, Zugangsdaten. Business-Workspace, und nie in Custom Instructions oder öffentlichen GPTs.
• Von jemand anderem: Kundendaten, Partnerdaten, alles, zu dessen Schutz Sie vertraglich verpflichtet sind. Business-Workspace, idealerweise auf ein Project begrenzt.

Wenn keiner dieser drei Punkte zutrifft (Sie entwerfen einen Blogpost, lernen ein Konzept, fassen einen öffentlichen Artikel zusammen), ist Ihr persönliches Konto in Ordnung.

Die Regel auf die APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → angewandt

Bei der APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → gilt dasselbe Prinzip, zusätzlich besitzen Sie den System-Prompt und die Retention-Konfiguration. Nutzen Sie Structured Outputs, um einzugrenzen, was das Modell zurückgibt, damit ein nachgelagertes System nie freien Text erhält, mit dem es falsch umgehen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnte. So sieht eine Anfrage aus, die ein striktes SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen → erzwingt:

from openai import OpenAI

client = OpenAI()

resp = client.responses.create(
    model="gpt-4.1",
    input="Extract the order ID and status from: 'Order AB12CD34 shipped today.'",
    text={
        "format": {
            "type": "json_schema",
            "name": "order",
            "strict": True,
            "schema": {
                "type": "object",
                "properties": {
                    "order_id": {"type": "string"},
                    "status": {"type": "string"},
                },
                "required": ["order_id", "status"],
                "additionalProperties": False,
            },
        }
    },
)

print(resp.output_text)

strict: True plus additionalProperties: False garantiert, dass das Modell keine zusätzlichen Felder in Ihre PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen → einschleusen kann. Das ist ebenso eine Datenschutz- wie eine Korrektheitskontrolle: Es begrenzt exakt, welche Daten Ihre Systemgrenze überschreiten.

Wenn Sie Agenten bauen

Wenn Sie Function Calling oder das Agents SDK nutzen, um einem Modell Tools zu geben, ist jedes Tool ein Datenausgang. Wenden Sie auf jede Funktion Least Privilege an, genau wie bei der YAML-Action oben: enger Scope, validierte Eingaben und ein menschlicher Checkpoint vor jeder unumkehrbaren oder sensiblen Aktion. Dass das Modell entscheidet, *wann* ein Tool aufgerufen wird, entbindet Ihren Code nicht davon zu validieren, *womit* es das Tool aufruft.

Kurze Admin-Checkliste für ein Team-Rollout

Wenn Sie derjenige sind, der ChatGPT für Kollegen freischaltet:

1. Nutzen Sie einen Team- oder Enterprise-Workspace, damit der Trainingsausschluss vertraglich ist und nicht pro Nutzer.

2. Aktivieren Sie nur geprüfte Connectors, und bevorzugen Sie lesende Scopes.

3. Setzen Sie die Sharing-Defaults für Custom GPTs auf nur Workspace.

4. Legen Sie Ihre Haltung zu Memory und Retention fest, und fragen Sie nach ZDR, wenn Sie regulierte Daten verarbeiten.

5. Verteilen Sie die Ein-Satz-Regel von oben an jeden Nutzer. Einfachheit ist das, was eine Policy wirklich befolgbar macht.

Wichtigste Erkenntnisse

• Der Tarif bestimmt das Training per Default. Persönliche Konten kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen auf Ihren Daten trainieren, sofern Sie kein Opt-out setzen; Team, Enterprise, Edu und die APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → schließen das vertraglich aus. Prüfen Sie es auf der Enterprise-Privacy-Seite.
• „Nicht trainiert“ ist nicht „nicht gespeichert“. Fragen Sie bei sensiblen Daten separat nach Aufbewahrungsfristen und Zero Data Retention.
• Actions und Connectors sind Datenausgänge. Geben Sie jedem einen engen Scope, echte Auth und validierte Eingaben; behandeln Sie autonome Agenten und geplante Tasks als höheres Risiko und ergänzen Sie eine menschliche Freigabe.
• Nutzen Sie Projects und Workspace-only-Sharing zur Eingrenzung. Sie verhindern, dass die Dateien eines Kunden über Ihren Verlauf oder in den öffentlichen GPT Store gelangen.
• Merken Sie sich eine Regel: regulierte, geheime oder fremde Daten gehören ausschließlich in einen admin-kontrollierten Workspace, der Training ausschließt. Alles andere ist in Ihrem persönlichen Konto in Ordnung.