Datenschutz und Daten verstehen

Was du lernen wirst

Geschätzte Zeit: 30 Minuten

Am Ende dieser Lektion wirst du in der Lage sein:

Datenschutzbedenken zu artikulieren und AI-Tools anhand ihrer Datenbehandlungsrichtlinien zu bewerten
Datenqualitäts-Strategien zu praktizieren, um sicher mit sensiblen Informationen zu arbeiten

(10 Minuten)

Dieses Video behandelt eines der häufigsten Anliegen von Nonprofit-Fachleuten zu AI: Datenschutz. Du wirst erfahren, was tatsächlich mit Daten geschieht, die du mit AI-Tools teilst, wie du verschiedene Plattformen und Pläne anhand ihrer Datenschutzmaßnahmen bewertest, und wie du sensible Daten für sichere AI-Nutzung vorbereitest.

Wichtigste Erkenntnisse

AI führt neue Datenschutzüberlegungen ein – besonders rund um Training : Einige AI-Systeme nutzen deine Eingaben zum Training zukünftiger Modelle, was bedeutet, dass Muster aus deinen Daten zukünftige Ausgaben beeinflussen könnten.
Verschiedene Tools haben verschiedene Regeln : Die kostenlose AI, die du zum Brainstorming von Event-Themen nutzt, ist nicht dasselbe wie ein kostenpflichtiges Konto mit strikten Datenspeicherungsrichtlinien. Wähle dein Tool basierend auf deiner Aufgabe – Tools mit mehr Schutz ermöglichen sicheres Teilen von sensiblen Daten.
Sichere AI-Nutzung bedeutet nicht, sie zu vermeiden – es geht darum, sie verantwortungsvoll zu nutzen : Wende Problem Awareness und Platform Awareness an, bevor du ein neues Projekt startest. Oft kannst du den vollen Nutzen von AI erhalten, ohne sensible Informationen zu teilen, indem du Aufgaben in Komponenten aufteilst
Du kannst oft identifizierende Informationen vollständig entfernen : Für Musteranalysen brauchst du wahrscheinlich keine Namen, Kontaktdaten oder andere PII. Arbeite rückwärts von deinem tatsächlichen Ziel, um zu bestimmen, welche Daten wirklich notwendig sind
Wenn etwas schiefgeht, hast du Optionen : Lösche das Gespräch, fordere Datenlöschung über den Datenschutzprozess der Plattform an, und befolge die Protokolle deiner Organisation

Ein Hinweis zu Claude's Datenschutzeinstellungen

Für Claude kannst du detaillierte Datenschutzrichtlinien unter privacy. anthropic. com und trust. anthropic. com finden. Du kannst deine Datenschutzeinstellungen direkt in der Claude-App anpassen, einschließlich der Möglichkeit, dich abzumelden, wenn deine Gespräche zum Training verwendet werden. Andere AI-Anbieter sollten ähnliche Ressourcen haben – wenn nicht, könnte das ein Warnsignal sein.

Übung 1: Bewertung der Datensensibilität

Diese Übung hilft dir, ein Urteilsvermögen darüber zu entwickeln, welche Daten sicher mit AI-Tools geteilt werden können.

Teil I: Beispieldaten überprüfen

Wähle eines der folgenden Szenarien, das am meisten für deine Arbeit relevant ist:

Eine Tabelle mit Spendenverlauf mit Namen, Beträgen und Kontaktinformationen
Umfrageantworten von Programmteilnehmern einschließlich demografischer Details
Ein Zuschussbericht-Entwurf mit Begünstigtenstories und Ergebnisdaten

Teil II: Für Sensibilität annotieren

Für dein gewähltes Szenario identifiziere:

Welche Felder oder Abschnitte enthalten persönlich identifizierbare Informationen (PII)?
Welche Informationen sind für die Analyse, die du durchführen möchtest, wesentlich?
Welche Informationen könnten entfernt oder anonymisiert werden, ohne analytischen Wert zu verlieren?
Was ist das Worst-Case-Szenario, wenn diese Daten offengelegt würden?

Teil III: Plane deinen Ansatz

Was würdest du entfernen oder ändern, bevor du es mit AI teilst?
Welches Tool/Plan-Tier wäre für dieses Sensibilitätsniveau angemessen?
Welche Verifizierungsschritte würdest du nach Erhalt der AI-Analyse durchführen?

Übung 2: Datenqualitäts-Praktiken üben

Diese Übung führt dich durch die tatsächliche Vorbereitung sensibler Daten für sichere AI-Nutzung.

Teil I: Wähle dein Dokument

Wähle ein echtes Dokument aus deiner Arbeit, das einige sensible Informationen enthält (oder erstelle ein realistisches Beispiel). Dies könnte sein:

Ein Programmbericht mit Kundendetails
Ein Spender-Kommunikationsentwurf mit Referenzen zu spezifischen Spendensummen
Besprechungsnotizen, die Namen von Mitarbeitern oder Freiwilligen erwähnen

Teil II: Dokument bereinigen

Arbeite das Dokument durch und:

Ersetze Namen durch generische Bezeichner (Person A, Spender 1, etc. )
Entferne oder verallgemeinere Ortsangaben, wenn nicht wesentlich
Entferne Kontaktinformationen vollständig
Überlege, ob spezifische Dollarbeträge exakt sein müssen oder Bereiche sein könnten

Teil III: Mit AI testen

Teile dein bereinigtes Dokument mit AI und stelle eine Frage, die für deine Arbeit relevant ist. Reflektiere:

Hat das Entfernen identifizierender Informationen die Fähigkeit von AI zu helfen eingeschränkt?
Welchen zusätzlichen Kontext musstest du bereitstellen, um das auszugleichen?
Bist du mit dem Niveau der Informationen, die du geteilt hast, zufrieden?

Lektionsreflexion

Wie vergleicht sich das Nachdenken über AI-Datenschutz mit der Art, wie du bereits über andere Softwaretools (E-Mail, Cloud-Speicher, CRMs) nachdenkst?
Welche eine Änderung wirst du basierend auf dieser Lektion in deinem Ansatz zur Datenfreigabe mit AI vornehmen?

Was kommt als nächstes

In der nächsten Lektion werden wir diese Datenschutzpraktiken in die Tat umsetzen, während wir Datenanalyse mit AI erkunden – lernen, wie man Muster erkennt, Erkenntnisse generiert und deine Programme stärkt, während sensible Informationen geschützt bleiben.

Feedback

Während du den Kurs durcharbeitest, würden wir gerne von dir hören, wie du Konzepte aus dem Kurs in deiner Arbeit nutzt und welches Feedback du möglicherweise hast. Teile dein Feedback hier.

Danksagungen und Lizenz

Copyright 2025 Anthropic und Giving Tuesday. Basierend auf dem AI Fluency Framework, das von Prof. Rick Dakan (Ringling College of Art and Design) und Prof. Joseph Feller (University College Cork) entwickelt wurde. Veröffentlicht unter der CC BY-NC-SA 4. 0-Lizenz.