Am 8. Juli 2026 nahm der Europäische Datenschutzausschuss (EDPB) auf seiner Plenarsitzung in Brüssel die „Leitlinien 03/2026 zum Web-Scraping im Kontext von generativer KI“ an – das erste europäische Dokument, das direkt auf die Frage antwortet, die seit Jahren über der gesamten Datenbeschaffungsindustrie schwebt: Fällt Web-Scraping unter die DSGVO, wenn die Daten öffentlich zugänglich sind? Die Antwort des EDPB ist eindeutig und für viele unangenehm: Ja, es fällt darunter – und „öffentlich“ bedeutet nicht mehr „frei verfügbar“. Das Dokument ist bis zum 30. Oktober 2026 für öffentliche Konsultationen geöffnet, aber bereits jetzt setzt es den Rahmen, nach dem europäische Aufsichtsbehörden jede Erhebung personenbezogener Daten bewerten werden.
Was genau entschied der EDPB
Die Hauptaussage der Leitlinien ist einfach. Die DSGVO gilt immer dann, wenn Web-Scraping personenbezogene Daten betrifft – also jede Operation zur Erhebung, Speicherung, Organisation und Extraktion von Informationen, anhand derer eine Person direkt oder indirekt identifiziert werden kann. Und – der entscheidende Punkt – es spielt keine Rolle, ob diese Informationen öffentlich sichtbar waren. Der EDPB weist die in der Branche verbreitete Annahme zurück, dass „wenn Daten in einem öffentlichen Profil liegen, sie außerhalb der Regulierung sind“. Organisationen sollten nicht erwarten, dass europäische Behörden solche Daten als von der DSGVO ausgenommen betrachten.
Dies verändert die gewohnte Logik. Viele Jahre lang stützten sich Datenbeschaffer auf die Kombination „öffentlich zugänglich + Residential Proxy = technisch möglich, rechtlich tolerierbar“. Der EDPB trennt zwei Fragen, die zuvor zu einer verschmolzen waren: Technische Verfügbarkeit von Daten und rechtliche Grundlage für deren Verarbeitung – das ist nicht dasselbe. Erstere wird durch die Infrastruktur geregelt. Letztere – nur durch das Gesetz.
Test auf „rechtliches Interesse“: nicht mehr standardmäßig
Die meisten Scraper personenbezogener Daten rechtfertigen die Verarbeitung mit „rechtlichem Interesse“ (legitimate interest, Art. 6 Abs. 1 lit. f DSGVO). Der EDPB bestätigt, dass diese Grundlage grundsätzlich für Scraping zur Schulung von KI anwendbar ist, stellt jedoch strenge Bedingungen auf. Es kann keine „pauschale“ Bewertung geben – der Test wird für jeden Einzelfall durchgeführt und besteht aus drei Schritten:
- Echtes Interesse. Es muss ein konkretes, rechtmäßiges und aktuelles Interesse formuliert werden – kein abstraktes „wir brauchen Daten“.
- Notwendigkeit. Es muss nachgewiesen werden, dass das Ziel nicht auf weniger aufdringliche Weise erreicht werden kann als durch die massenhafte Erhebung personenbezogener Daten.
- Abwägung. Das eigene Interesse muss gegen die Grundrechte und berechtigten Erwartungen der Personen, deren Daten gesammelt werden, abgewogen werden – und es muss gezeigt werden, dass es diese nicht überwiegt.
Das Dokument muss im Voraus existieren und nicht nachträglich erstellt werden. Wie Brian Hengesbo, globaler Leiter der Praxis für Daten und Cyber bei Baker McKenzie, anmerkt, wird die Aufsichtsbehörde bei der Untersuchung einer Beschwerde in erster Linie die Bewertung des rechtlichen Interesses und die unterstützende Dokumentation anfordern. Keine Unterlagen – kein Schutz.
Datenminimierung: Vor der Erhebung filtern, nicht danach
Der EDPB fordert, den Datenschutz bereits in der Entwurfsphase zu integrieren, noch bevor die erste Anfrage gestellt wird. Der Verantwortliche muss:
- Präzise Erhebungskriterien festlegen und nicht alles wahllos sammeln;
- Filter anwenden, die sensible Datenkategorien ausschließen;
- Bestimmte Websites ausschließen – insbesondere Ressourcen, die sich an Minderjährige richten, und Websites, die einen Schutz gegen Scraping haben;
- Nach der Erhebung eine Nachbearbeitung durchführen: syntaktische Filterung und Anonymisierung.
Der Punkt über „Websites mit Schutz gegen Scraping“ sollte zweimal gelesen werden. Der EDPB sagt faktisch: Wenn eine Ressource ausdrücklich Anti-Bot-Barrieren aufgestellt hat, ist das Umgehen dieser ein Signal, dass Sie gegen den Willen des Eigentümers und die berechtigten Erwartungen der Nutzer handeln. Es geht nicht um den CFAA oder Hacking, sondern um das Gleichgewicht der Interessen innerhalb der DSGVO.
Besondere Kategorien von Daten – fast tabu
Gesundheitsdaten, politische Ansichten, Religion, sexuelle Orientierung (Art. 9 DSGVO) sind beim Scraping grundsätzlich verboten zu erheben – und selbst unabsichtliche Erfassung (zum Beispiel aus einem öffentlichen Beitrag in sozialen Netzwerken) löst ein strenges Verbot aus. Für eine rechtmäßige Verarbeitung sind sowohl eine Grundlage nach Art. 6 als auch eine Ausnahme nach Art. 9 Abs. 2 erforderlich, die ein massenhafter Scraper in der Regel nicht hat. Der EDPB verlangt Kontrolle über den gesamten Lebenszyklus – bis hin zu Filtern am Ausgang des Modells und Einschränkungen bei den Prompts nach der Bereitstellung.
Warum das einheitliche Dokument gerade jetzt erschienen ist
Bisher reagierte Europa auf Scraping für KI uneinheitlich, durch nationale Behörden – und die Ergebnisse waren widersprüchlich. Die italienische Garante verhängte im Dezember 2024 eine Geldstrafe von 15 Millionen Euro gegen OpenAI, weil ChatGPT ohne angemessene rechtliche Grundlage und unter Verstoß gegen Transparenzanforderungen trainiert wurde. Doch im März 2026 hob das römische Gericht diese Sanktion auf – ein anschauliches Beispiel dafür, wie unsicher die rechtliche Grundlage war. Die irische DPC erreichte 2024 durch einen Antrag beim High Court, dass X für immer aufhört, den Chatbot Grok auf öffentlichen Beiträgen europäischer Nutzer im Zeitraum vom 7. Mai bis 1. August 2024 zu trainieren. Hinzu kommen einzelne Maßnahmen niederländischer und französischer Regulierungsbehörden.
Diese Flickenteppichlandschaft schuf Unsicherheit sowohl für Unternehmen als auch für Bürger. Die Leitlinien 03/2026 entwickeln die frühere „Stellungnahme 28/2024“ zur KI weiter und setzen erstmals einen einheitlichen Standard für alle 27 Länder. Am selben Tag verabschiedete der EDPB auch begleitende Leitlinien zur Anonymisierung, in denen er das Kriterium aus drei Bedingungen festlegte: Daten gelten nur dann als anonym, wenn weder eine spezifische Aufzeichnung herausgefiltert noch Aufzeichnungen miteinander verknüpft oder neue Informationen über eine Person abgeleitet werden können. Wie die Vorsitzende des EDPB, Anu Talus, ausdrückte, „setzen die Dokumente klare Standards, die die Nutzung von Daten erleichtern und gleichzeitig die Grundrechte der Menschen schützen“.
Was das für Datenbeschaffer bedeutet
Erstens und vor allem: Es geht um den territorialen Geltungsbereich der DSGVO. Wenn in Ihrer Stichprobe personenbezogene Daten von EU-Bürgern enthalten sind, gilt die Verordnung unabhängig davon, wo Sie sich befinden. Und das betrifft nicht nur LLM-Labore: Unter die Anforderungen fällt jede Organisation, die Daten direkt oder über Auftragnehmer scrapt – sei es zur Nachschulung eines Modells oder zur Sentiment-Analyse.
Zweitens verläuft die praktische Trennlinie nach Datenart und nicht nach Zugangsweise:
- Nicht-personenbezogene Daten – Preise, Verfügbarkeit von Produkten, Merkmale, öffentliche Texte ohne Bezug zur Person, Marktanalysen – bleiben im Niedrigrisiko-Bereich. Preisüberwachung, Katalog-Parsen, das Sammeln von SERP-Strukturen unter DSGVO für personenbezogene Daten ist nicht betroffen.
- Personenbezogene Daten – Profile, Kontakte, Verhalten spezifischer Personen – fallen nun vollständig unter die DSGVO, selbst wenn sie öffentlich zugänglich sind. Hier sind eine rechtliche Grundlage, ein dokumentierter Test auf rechtliches Interesse, Minimierung und frühzeitige Anonymisierung erforderlich.
Drittens – die Datensammlungshygiene, die der EDPB faktisch zur Pflicht gemacht hat: enge Auswahlkriterien, Filterung personenbezogener und sensibler Daten beim Eingang, Anonymisierung so früh wie möglich, Respekt vor Anti-Scraping-Barrieren und Websites für Minderjährige, öffentliche Datenschutzrichtlinien mit einer Beschreibung des Scraping.
Wo hier Proxys sind – und wo nicht
Es ist wichtig, zwei Ebenen zu unterscheiden, die der EDPB zuerst getrennt hat. Die Wahl der Infrastruktur – Residential, mobile oder Datacenter-Proxys – bestimmt die Zuverlässigkeit, Geolokalisierung und Erfolgsquote der Anfragen, also die technische Seite der Erhebung. Aber sie ändert nicht Ihre rechtliche Grundlage. Eine Residential-IP verwandelt die illegale Verarbeitung personenbezogener Daten nicht in eine legale – Compliance hängt davon ab, was Sie sammeln und weshalb, nicht davon, von welcher Adresse die Anfrage kommt. Das ist übrigens eine gute Nachricht für ehrliche Projekte: Wenn Sie nicht-personenbezogene Daten scrapen oder personenbezogene Daten sorgfältig filtern und anonymisieren, löst eine qualitativ hochwertige Proxy-Infrastruktur das technische Problem, während Sie rechtlich im Rahmen bleiben.
Die gleiche Logik gilt für agentenbasiertes Scraping, bei dem KI-Agenten selbst Parser schreiben: Das Werkzeug ist intelligenter geworden, aber die Regeln für die Datenverarbeitung haben sich dadurch nicht gelockert – im Gegenteil, der EDPB dehnt die Anforderungen auch auf solche Pipelines aus.
Fazit
Die Leitlinien 03/2026 verbieten Web-Scraping nicht – sie schließen die bequeme Illusion aus, dass die Offenheit von Daten die Frage ihrer Verarbeitung aufhebt. In der EU ist die Ära „öffentlich bedeutet kostenlos“ für personenbezogene Daten am 8. Juli 2026 zu Ende gegangen. Für Datenbeschaffer ist dies kein Todesurteil, sondern ein Disziplinwechsel: personenbezogene und nicht-personenbezogene Daten trennen, beim Eingang filtern, früh anonymisieren, das rechtliche Interesse vor der Anfrage des Regulators dokumentieren. Die Technik wird nach wie vor durch Proxys und Anti-Detection gelöst; die Rechtmäßigkeit wird nun durch das bestimmt, was genau Sie in Ihre Datenbank legen.