Fraunhofer schützt Forschungsdaten mit FhGenie: Vier Datenklassen gegen den Abfluss in KI-Trainingsdaten

Deutsche Forschungseinrichtungen ziehen eine klare Grenze: Unveröffentlichte wissenschaftliche Erkenntnisse sollen nicht in den Trainingsdaten kommerzieller KI-Systeme landen. Wie das Wissenschaftsportal spektrum.de in einem Bericht vom 6. November 2026 darlegt, setzen die großen Organisationen des Landes verstärkt auf eigene Systeme und lokale Infrastrukturen, um sensibles Fachwissen zu schützen. Auslöser sind zwei internationale Kontroversen aus den vergangenen Wochen, bei denen Forschende vermuteten, dass ihre noch unveröffentlichten Arbeiten in die Ergebnisse von KI-Modellen eingeflossen sein könnten.

Im Mittelpunkt der deutschen Antwort stehen zwei unterschiedliche Wege. Die Fraunhofer-Gesellschaft bietet ihren rund 15.000 wissenschaftlichen Mitarbeitenden mit dem Chatbot FhGenie eine eigene Plattform an, die auf vier abgestufte Daten-Schutzklassen setzt. Die Helmholtz-Gemeinschaft geht mit ihren 48.000 Mitarbeitenden einen infrastrukturellen Weg und setzt vor allem auf lokal betriebene KI-Modelle, damit die Verarbeitung sensibler Daten auf eigenen Servern bleibt. Beide Ansätze verfolgen dasselbe Ziel: Forschende sollen moderne KI-Werkzeuge nutzen können, ohne dass ihr geistiges Eigentum den eigenen Haus verlässt.

Zwei Fälle, die Misstrauen ausgelöst haben

Ende September 2026 meldete das KI-Unternehmen Anthropic die Entdeckung einer neuen Enzymklasse namens ART, die mithilfe eigener Systeme gefunden worden sein soll. Rund zwei Wochen zuvor hatte der Konkurrent OpenAI einen Lösungsansatz für die mathematischen Navier-Stokes-Gleichungen öffentlich gemacht. Beide Veröffentlichungen stießen in der Wissenschaftsgemeinschaft auf Widerspruch, weil Forschende vermuteten, dass eigene, noch unveröffentlichte Arbeiten in die Modellergebnisse eingeflossen sein könnten.

Im Fall der ART-Enzyme hatte der Bioinformatiker Mario Rodríguez Mestre von der Universität Kopenhagen im Vorfeld eigene, noch unveröffentlichte Forschungsarbeiten zu genau diesen Enzymen in den Chatbot Claude hochgeladen. In der Folge stand der Verdacht im Raum, dass dieses Material in künftige Trainingsdaten eingeflossen sein könnte. Im Fall der Navier-Stokes-Gleichungen hatte der Mathematiker Tristan Buckmaster von der New York University das KI-Werkzeug Codex genutzt. Die beteiligten Technologieunternehmen wiesen die Vorwürfe zurück, doch die Diskussionen über die tatsächliche Datenherkunft gelten weiterhin als ungelöst.

OpenAI verwies bei der Lösung der Gleichungen auf einen eigenständigen KI-Ansatz, schloss jedoch zugleich nicht aus, dass de-identifizierte Nutzerdaten zur Verbesserung von Modellen beigetragen haben könnten. Anthropic bestritt seinerseits, unveröffentlichte Forschungsdaten für das Modelltraining herangezogen zu haben. Für die deutsche Forschungslandschaft reicht diese Lage aus, um präventiv zu handeln, auch wenn hierzulande bislang keine Verdachtsfälle eines unzulässigen Datenabflusses aktenkundig sind. Weder bei Helmholtz noch bei Leibniz, Fraunhofer oder Max-Planck wurden derartige Vorfälle registriert.

Fraunhofers Antwort: FhGenie mit vier Schutzklassen

Die Fraunhofer-Gesellschaft setzt auf eine eigene Plattform statt auf Verbote. Mit dem Chatbot FhGenie erhalten die rund 15.000 wissenschaftlichen Mitarbeitenden ein Werkzeug, das auf vier abgestufte Daten-Schutzklassen setzt, um vertrauliche Projektinhalte abzusichern. Das Prinzip ist einfach: Je sensibler die Daten, desto strenger die Regeln für ihre Verarbeitung. Forschende sollen einschätzen können, welche Inhalte sie in das System eingeben dürfen und welche nicht.

Der Ansatz löst ein praktisches Problem. Viele Forschende nutzen im Arbeitsalltag längst kommerzielle Chatbots, um Texte zu überarbeiten, Code zu prüfen oder Literatur zusammenzufassen. Ohne klare Regeln und ohne eigene Alternative bleibt dabei unklar, was mit den eingegebenen Inhalten geschieht. Eine eigene Plattform mit abgestuften Schutzklassen schafft hier Verbindlichkeit und gibt den Mitarbeitenden ein Werkzeug an die Hand, das sie ohne Bedenken nutzen können.

Helmholtz setzt auf lokale Modelle und eigene Server

Die Helmholtz-Gemeinschaft verfolgt einen anderen, infrastrukturellen Ansatz. Bei ihren 48.000 Mitarbeitenden setzt die Organisation vor allem auf lokal betriebene KI-Modelle, um die Verarbeitung sensibler Daten auf eigenen Servern zu halten und den Abfluss an externe Anbieter auszuschließen. Die Daten verlassen die eigene Infrastruktur gar nicht erst, sondern werden dort verarbeitet, wo sie entstehen.

Dieser Weg ist aufwendiger, weil eigene Rechenkapazität und eigenes Fachpersonal nötig sind. Dafür bietet er die stärkste Kontrolle über den Datenfluss. Für eine Organisation von der Größe der Helmholtz-Gemeinschaft, die von Klimaforschung über Medizin bis zur Energieforschung ein breites Themenspektrum abdeckt, ist das ein nachvollziehbarer Schritt. Auch hier gilt: Die Forschenden sollen moderne KI-Werkzeuge nutzen können, aber auf einer Infrastruktur, die die Organisation selbst kontrolliert.

Rechtliche Fragen rund um Fristen, Pflichten und Risikoklassen

Die rasante Entwicklung von KI-Technologien wirft für Organisationen komplexe rechtliche Fragen auf, die über den reinen Datenschutz hinausgehen. Es geht um Fristen, Pflichten und Risikoklassen, und auch die europäische KI-Verordnung spielt dabei eine Rolle. Forschungseinrichtungen müssen klären, welche Systeme sie einsetzen dürfen, welche Dokumentationspflichten bestehen und wie sie mit sensiblen Daten umgehen, wenn externe Anbieter im Spiel sind.

Gerade für Einrichtungen, die mit unveröffentlichten Erkenntnissen arbeiten, ist die Rechtslage sensibel. Ein Datensatz, der heute in einen kommerziellen Chatbot eingegeben wird, kann morgen Teil eines Modells sein, das weltweit genutzt wird. Der Schutz geistigen Eigentums beginnt deshalb nicht erst bei der Veröffentlichung, sondern schon bei der täglichen Arbeit mit KI-Werkzeugen. Die deutschen Organisationen reagieren darauf, indem sie eigene Strukturen schaffen, statt auf Zusagen externer Anbieter zu vertrauen.

Was das für Forschende und Unternehmen bedeutet

Die Debatte betrifft längst nicht mehr nur die Wissenschaft. Auch Unternehmen, die mit sensiblen Entwicklungsdaten, Prototypen oder Geschäftsgeheimnissen arbeiten, stehen vor derselben Frage: Dürfen Mitarbeitende kommerzielle Chatbots nutzen, und was geschieht mit den eingegebenen Inhalten? Die Antworten der deutschen Forschungsorganisationen zeigen zwei gangbare Wege. Der eine setzt auf eine eigene Plattform mit klaren Datenklassen, der andere auf lokale Infrastruktur und volle Kontrolle über die Server.

Für kleinere Organisationen ist der Fraunhofer-Weg leichter nachzuahmen, weil er weniger eigene Rechenkapazität verlangt. Der Helmholtz-Weg zeigt dagegen, was mit ausreichend Ressourcen möglich ist. Beide Wege haben gemeinsam, dass sie das Problem nicht den einzelnen Mitarbeitenden überlassen, sondern auf Ebene der Organisation lösen. Das ist der eigentliche Punkt der aktuellen Entwicklung: Der Schutz von Forschungsdaten wird zur Aufgabe der Institution, nicht zur Privatangelegenheit der Forschenden.

Die Vorfälle um die ART-Enzyme und die Navier-Stokes-Gleichungen bleiben vorerst ungelöst, und die beteiligten Unternehmen haben die Vorwürfe zurückgewiesen. Doch unabhängig davon, wie diese Einzelfälle ausgehen, hat die Debatte bereits Wirkung gezeigt. Deutsche Forschungseinrichtungen handeln präventiv, und andere Organisationen in Europa dürften genau hinschauen, welche der beiden Strategien sich im Alltag bewährt.

Frequently Asked Questions

Was ist FhGenie von Fraunhofer?

FhGenie ist der eigene Chatbot der Fraunhofer-Gesellschaft für ihre rund 15.000 wissenschaftlichen Mitarbeitenden. Die Plattform setzt auf vier abgestufte Daten-Schutzklassen, um vertrauliche Projektinhalte abzusichern und zu verhindern, dass sensible Forschungsdaten in kommerzielle KI-Systeme abfließen.

Warum warnen deutsche Forschungseinrichtungen vor kommerziellen Chatbots?

Auslöser sind zwei internationale Fälle aus dem Herbst 2026, in denen Forschende vermuteten, dass unveröffentlichte Arbeiten in KI-Modellergebnisse eingeflossen sein könnten. Die beteiligten Unternehmen wiesen die Vorwürfe zurück, doch die Diskussionen über die Datenherkunft gelten als ungelöst. Deutsche Einrichtungen handeln deshalb präventiv.

Wie schützt die Helmholtz-Gemeinschaft ihre Forschungsdaten?

Die Helmholtz-Gemeinschaft setzt mit ihren 48.000 Mitarbeitenden auf lokal betriebene KI-Modelle. Die Verarbeitung sensibler Daten findet auf eigenen Servern statt, sodass kein Abfluss an externe Anbieter entsteht.