Widerspruch gegen das digitale Kundenbild

Kurzfassung: Unternehmen können korrekte Kundendaten speichern und daraus trotzdem ein falsches Bild einer Person ableiten. Entscheidend wird dann, ob Betroffene die Zuschreibung und ihre Folgen überprüfen lassen können. Der EuGH hat 2025 am Beispiel automatisierter Bonitätsbeurteilungen konkretisiert, was eine verständliche Erläuterung leisten soll. Für das Management folgt daraus eine Serviceaufgabe: Auskunft, fachliche Neubewertung und Korrektur einer Entscheidung miteinander verbinden.

Zehn Euro im Monat sollte ein Mobilfunkvertrag kosten. Der Anbieter lehnte die Kundin ab, weil ihre Bonität nicht ausreiche. Grundlage war eine automatisierte Beurteilung von Dun & Bradstreet Austria. Der anschließende Rechtsstreit führte bis zum Europäischen Gerichtshof. Ein kleiner Vertrag machte eine große Frage sichtbar: Wie widerspricht man einem Kundenbild, das ein System über einen gebildet hat?

Die Frage reicht über klassische Bonitätsscores hinaus. Wo Unternehmen aus Verhalten, bisherigen Vorgängen oder statistischen Zusammenhängen persönliche Merkmale ableiten, entsteht eine zusätzliche Ebene zwischen Datensatz und Entscheidung. Eine Adresse ist ein gespeicherter Wert. Eine Einschätzung des Zahlungsausfallrisikos ist eine daraus und aus weiteren Informationen abgeleitete Bewertung. Die Ablehnung eines Vertrags ist wiederum eine Handlung mit Folgen. Wer nur die erste Ebene zeigt, erklärt die beiden anderen noch nicht.

Was der Gerichtshof an einer Erklärung verlangt

In seiner Mitteilung zum Urteil C-203/22 vom 27. Februar 2025 erläutert der EuGH den Maßstab: Der Verantwortliche muss das konkret angewandte Verfahren und seine Grundsätze so beschreiben, dass die betroffene Person nachvollziehen kann, welche ihrer Daten auf welche Art verwendet wurden. Die Erläuterung soll es ihr ermöglichen, die automatisierte Entscheidung zu verstehen und anzufechten.

Eine bloße Übermittlung des Algorithmus genügt dafür nicht. Als möglichen verständlichen Zugang nennt der Gerichtshof die Information, in welchem Maße eine Abweichung bei den berücksichtigten Daten ein anderes Ergebnis bewirkt hätte. Das ist keine Pflicht, jede Entscheidung auf eine beliebige Wunschkonstellation umzurechnen. Es verdeutlicht vielmehr den Unterschied zwischen technischer Offenlegung und einer Erklärung, mit der eine Person tatsächlich etwas anfangen kann.

Auch Geschäftsgeheimnisse erlauben keinen pauschalen Ausschluss des betreffenden Auskunftsrechts. Bei einem Konflikt sollen die angeblich geschützten Informationen der zuständigen Aufsichtsbehörde oder dem Gericht vorgelegt werden; dort sind die betroffenen Rechte und Interessen abzuwägen. Daraus folgt ebenso wenig, dass jedes Modell vollständig öffentlich werden müsste.

Das Urteil ist kein neues Ereignis vom Oktober 2026. Es liefert einen bestehenden Maßstab für eine heute relevante Gestaltungsfrage: Wenn eine KI persönliche Bewertungen in zusätzliche Kundenprozesse trägt, muss der Zugang zur Erklärung mitwachsen.

Rohdaten, Bewertung und Entscheidung sind verschiedene Streitpunkte

Die DSGVO trennt Rechte, die im Kundendienst leicht in einem einzigen „Datenschutzfall“ verschwinden. Artikel 16 betrifft die Berichtigung unrichtiger personenbezogener Daten und die Vervollständigung unvollständiger Daten. Artikel 22 betrifft bestimmte ausschließlich automatisierte Entscheidungen, die rechtliche Wirkung entfalten oder eine Person ähnlich erheblich beeinträchtigen. Der Gesetzestext ist etwa in der Textsammlung der Bundesdatenschutzbeauftragten nachzulesen.

Artikel 22 enthält Ausnahmen, unter anderem für vertragliche Erforderlichkeit, ausdrückliche Einwilligung und entsprechend ausgestaltete Rechtsvorschriften. Für die ersten beiden Fälle nennt Absatz 3 mindestens das Eingreifen einer Person seitens des Verantwortlichen, die Darlegung des eigenen Standpunkts und die Anfechtung der Entscheidung. Nicht jedes Profil und nicht jede personalisierte Empfehlung fällt deshalb automatisch unter dieselbe Regel. Die konkrete Anwendung verlangt eine rechtliche Prüfung.

Ebenso begründet ein Berichtigungsrecht keinen freien Anspruch, einen ungünstigen Score durch einen bevorzugten zu ersetzen. Ein falsches Geburtsdatum, eine bestrittene Risikozuschreibung und eine Vertragsablehnung sind unterschiedliche Gegenstände. Sie benötigen unterschiedliche Prüfungen. Ein Unternehmen kann einen Dateneintrag berichtigen und dennoch versäumen, die darauf beruhende Bewertung und deren Folge neu zu behandeln.

Genau dort liegt die organisatorische Lücke: Der Datenschutzservice hat die Datei korrigiert, während das Vertriebssystem weiterhin die alte Ablehnung zeigt.

Ein Widerspruch sollte bis zur wirksamen Folge reichen

Ein gedachtes Beispiel aus dem B2B-Vertrieb zeigt das Problem. Ein Einzelunternehmer erhält nach einer automatisierten Bonitätsprüfung nur noch Vorkasse angeboten. Er weist nach, dass ein berücksichtigter Zahlungsvorgang falsch zugeordnet wurde. Der Kundendienst ändert den Eintrag. Die bereits gespeicherte Risikoklasse bleibt jedoch unverändert und steuert die nächste Bestellung erneut auf Vorkasse.

Das Beispiel beschreibt keinen hier nachgewiesenen Anbieterfehler. Es zeigt, weshalb eine technisch erfolgreiche Datenkorrektur noch keinen abgeschlossenen Kundenfall darstellt. Der Betrieb sollte erkennen können, welche Bewertung von dem Eintrag abhing, wer eine neue Prüfung auslöst und wie deren Ergebnis in die tatsächlich verwendete Zahlungskondition gelangt. Eine Neubewertung muss nicht zwangsläufig zu besseren Konditionen führen. Sie muss aber den korrigierten Sachverhalt berücksichtigen und ein nachvollziehbares Ergebnis liefern.

Dafür braucht der zuständige Bearbeiter mehr als einen Beschwerdeknopf. Er benötigt Zugriff auf die maßgeblichen Eingaben und den damaligen Bewertungsstand, eine verständliche Beschreibung der ausschlaggebenden Faktoren und die Befugnis, eine fachliche Prüfung anzustoßen. Welche Verarbeitung während eines Streits eingeschränkt werden muss oder darf, ist gesondert nach dem jeweiligen Fall zu beurteilen. Ein pauschaler Stopp aller Kundenvorgänge wäre keine allgemeingültige Lösung.

Die dafür nötige Dokumentation sollte begrenzt und zweckgebunden bleiben. Ein Unternehmen muss nicht sämtliche Interaktionen dauerhaft speichern, um eine Entscheidung erklären zu können. Es sollte festlegen, welche Informationen für die Nachvollziehbarkeit erforderlich sind, wer sie einsehen darf und wann sie gelöscht werden.

Der Kundendienst kauft eine überprüfbare Entscheidungskette

Für Führung und Einkauf verändert sich damit der Leistungsumfang eines KI-gestützten Bewertungssystems. Neben Trefferquote und Bearbeitungsgeschwindigkeit zählt, ob sich ein konkreter Fall später verständlich rekonstruieren und fachlich neu entscheiden lässt. Das gilt auch dann, wenn Bewertung und Kundenentscheidung von verschiedenen Unternehmen stammen. Ein Verweis auf den externen Dienstleister löst den Fall nicht automatisch.

Eine überschaubare erste Probe ist möglich: Einen zulässigen Testfall mit bewusst falscher Eingabe durch das System führen, den vorgesehenen Korrekturweg nutzen und anschließend prüfen, ob die relevante Bewertung und ihre Folge tatsächlich neu behandelt wurden. Danach einen Fall mit korrekten Eingaben, aber bestrittener Bewertung betrachten. Erreicht dieser eine fachlich zuständige Person oder endet er nur bei einem erneuten Datenexport? Das sind redaktionelle Umsetzungsempfehlungen, keine gesetzlich vorgeschriebene Testmethode.

Der Erfolg lässt sich an einem konkreten Kundenfall besser beurteilen als an der Zahl beantworteter Auskunftsanfragen. Kann die betroffene Person verstehen, was ausschlaggebend war? Kann sie einen relevanten Einwand vorbringen? Und kommt das Ergebnis der Prüfung dort an, wo über Vertrag oder Kondition entschieden wird?

Persönliche KI kann den Umgang mit Kunden genauer machen. Sie kann Menschen aber auch auf ein einmal erzeugtes Bild festlegen. Ein guter Korrekturweg hält dieses Bild offen für begründeten Widerspruch — bis hinein in die Entscheidung, die daraus folgt.