WIESBADEN / LONDON (IT BOLTWISE) – Eine offenbar getrennte Schattendatenbank bei der Schufa soll Datensätze von rund 68 Millionen Menschen umfassen, teils bis zu zehn Jahre alt. Kritiker sehen darin einen Bruch mit dem Auskunftsrecht aus der DSGVO, weil die historischen Bestände in der regulären Datenauskunft nach Selbstauskunft nicht auftauchen. Gleichzeitig wird die Speicherung mit Test- und Kontrollzwecken für ein neues Score-Modell begründet. Während Datenschutzbehörden prüfen, verschärft der Fall die Debatte, wie lange Finanz- und Bonitätsdaten tatsächlich zulässig sind.
Die Diskussion um die Schufa bekommt mit dem Fund einer offenbar separaten historischen Datenbank eine neue Schärfe: Medienberichte machen geltend, dass das Unternehmen Datensätze von rund 68 Millionen Menschen vorhält, von denen ein Teil bis zu zehn Jahre alt sein soll. Damit kollidiert die Praxis nach Ansicht von Verbraucherschützern mit dem Vertrauen, das die Schufa erst im März 2026 durch eine „Transparenzoffensive“ stärken wollte. Der Kernpunkt ist weniger die Existenz von Vergangenheitsdaten, sondern die Sichtbarkeit: Auskunftsersuchen nach DSGVO-Logik sollen grundsätzlich den vollständigen Datenbestand abbilden.
Technisch und organisatorisch liegt der Konflikt vermutlich in der Systemarchitektur: Eine „reguläre Datenkopie“ nach DSGVO-Selbstauskunft liefert offenbar nicht alle Bestände aus, obwohl die Schufa laut eigenen Angaben eine zusätzliche Datenbasis führt. Wenn historische Kreditinformationen, Pfändungen oder Privatinsolvenzen über reguläre Löschfristen hinaus in einem getrennten Repository landen, entsteht ein praktisches Problem für Auskunftsprozesse. Für Betroffene bedeutet das: Selbst wenn ein Unternehmen eine DSGVO-konforme Auskunft produziert, kann eine unvollständige Datenabgrenzung dazu führen, dass der Zweck der Transparenz unterlaufen wird.
Rechtlich verschiebt der Fall den Fokus von reinen Löschfristen hin zu Dokumentations- und Auskunftspflichten. IT-Rechtsexperten argumentieren, dass das Auskunftsrecht die Gesamtheit der verarbeiteten personenbezogenen Daten umfassen muss, nicht nur die „aktuell für den Betrieb“ verwendeten. Eine plausible Prüfungsrichtung der Aufsicht wäre daher, wie die Schufa technische und organisatorische Maßnahmen (TOMs) umgesetzt hat: Werden Datenbestände in separaten Systemen geführt, muss die Auskunftslogik sie konsistent einschließen? Genau hier entstehen in der Praxis häufig Lücken, etwa bei Data-Warehouse-Zwischenständen oder bei Trainings-/Validierungsdaten.
Marktseitig ist das Thema nicht isoliert, sondern betrifft die gesamte Auskunftei-Landschaft. Auch andere Anbieter wie Creditreform oder Bürgel setzen für Risiko- und Bonitätsbewertungen auf Modellierung, Feature-Engineering und Validierung historischer Daten. Neu ist jedoch der Kontrollpunkt „Auskunft gegen Schattenspeicher“: Wenn Testdaten später als standardisierte Scores in externe Prozesse einfließen, wächst das Risiko, dass Betroffene den Datenweg nicht nachvollziehen können. Für Unternehmen, die Scoring in der Kredit- oder Vertragsentscheidung nutzen, stellt sich zudem die Frage, wie viel Erklärbarkeit gegenüber Kunden und Aufsicht tatsächlich geleistet werden kann.
Die Schufa beschreibt die historischen Datensätze als Unterstützung für die Entwicklung neuer Risikoberechnungsverfahren. Seit dem 17. März 2026 soll ein neues Score-Modell eingesetzt werden, das auf zwölf Kriterien basiert und eine Skala von 100 bis 999 verwendet. Für die Validierung greife das Unternehmen auf langjährige Bestände zurück, um Modellgüte und Stabilität zu prüfen. Brisanter wird es dort, wo die Berichte darauf hindeuten, dass aus diesen historischen Daten generierte Test-Scores an Geschäftspartner weitergegeben werden. Banken, Versicherungen und Energieversorger könnten die Wirksamkeit neuer Berechnungen prüfen – für Verbraucher bleibt der Vorgang laut Kritik typischerweise unsichtbar.
Einordnung aus Compliance-Sicht: Die Datenschutzgrundverordnung verlangt, dass Zwecke, Rechtsgrundlagen und Speicherfristen konsistent dokumentiert und in die Prozesse integriert sind. Wenn Test-Scores extern abrufbar sind, ist das nicht nur eine interne Modellierungsfrage, sondern eine Frage der Datenweitergabe und deren Transparenz. Analystisch betrachtet erhöht genau diese Kopplung von Modellvalidierung und Partner-Serving den Prüfungsdruck, weil sie die Grenze zwischen „interner Qualitätskontrolle“ und „praktischer Nutzung“ verwischt. Für Aufsichtsbehörden könnte daher die Frage entscheidend sein, ob die Datenverarbeitung weiterhin dem engen Zweck der Validierung dient oder ob sich daraus mittelbar ein dauerhafter Nutzen für Entscheidungen ergibt.
Konkrete Behördenarbeit ist bereits angestoßen: Der Hessische Datenschutzbeauftragte befasst sich nach Angaben aus dem Umfeld des Falls seit dem Frühjahr 2025 mit dem Vorgang, eine abschließende Bewertung steht jedoch noch aus. In der Debatte fällt zudem ein wiederkehrendes Argument: Für eine Vorratsspeicherung sensibler Finanzdaten über lange Zeiträume gebe es nach Ansicht vieler Datenschützer keine tragfähige Rechtsgrundlage, zumal die DSGVO strenge Löchpflichten vorsieht. Auch wenn die Schufa die Speicherung für rechtmäßig hält, dürfte der Ausgang stark davon abhängen, wie „Test- und Kontrollzwecke“ in der Praxis belegt und technisch abgesichert werden.
Für Unternehmen und Entwickler ergibt sich daraus eine klare Folge: DSGVO-Compliance ist längst nicht mehr nur ein Formular-Thema, sondern ein Engineering-Thema. Wer Auskunftsprozesse, Datenkataloge und Modellpipelines betreibt, muss Datenflüsse Ende-zu-Ende nachvollziehbar gestalten – inklusive historischer Repositories, Validierungsdatensätze und externer Score-Schnittstellen. Konkret heißt das: Verarbeitungsverzeichnis, Dateninventar, Löschkonzepte und Auskunftsabfragen müssen auf derselben Datenbasis beruhen. Bis zur Behördenentscheidung ist zu erwarten, dass andere Auskunfteien ihre internen Data-Lineage-Mechanismen nachschärfen und Geschäftspartner ihre Transparenzanforderungen verstärken, um in künftigen Prüfungen nicht in ähnliche Erklärungsnöte zu geraten.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Schufa & DSGVO: 68 Millionen Datensätze in Schattenspeicher erhöhen Druck auf Auskunfteien" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Schufa & DSGVO: 68 Millionen Datensätze in Schattenspeicher erhöhen Druck auf Auskunfteien" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Schufa & DSGVO: 68 Millionen Datensätze in Schattenspeicher erhöhen Druck auf Auskunfteien« bei Google Deutschland suchen, bei Bing oder Google News!