breakpilot-lehrer/klausur-service/docs/DSGVO-Audit-OCR-Labeling.md

DSGVO-Audit-Dokumentation: OCR-Labeling-System für Handschrifterkennung

Dokumentversion: 1.0.0 Datum: 21. Januar 2026 Klassifizierung: Vertraulich - Nur für internen Gebrauch und Auditoren Nächste Überprüfung: 21. Januar 2027

---

1. Management Summary

1.1 Systemübersicht

Das OCR-Labeling-System ist eine vollständig lokal betriebene Lösung zur Digitalisierung und Auswertung handschriftlicher Schülerarbeiten (Klausuren, Aufsätze). Das System nutzt:

• llama3.2-vision:11b - Open-Source Vision-Language-Modell für OCR (lokal via Ollama)
• TrOCR - Microsoft Transformer OCR für Handschrifterkennung (lokal)
• qwen2.5:14b - Open-Source LLM für Korrekturassistenz (lokal via Ollama)

1.2 Datenschutz-Garantien

Merkmal	Umsetzung
Verarbeitungsort	100% lokal auf schuleigenem Mac Mini
Cloud-Dienste	Keine - vollständig offline-fähig
Datenübertragung	Keine Übertragung an externe Server
KI-Modelle	Open-Source, lokal ausgeführt, kein Telemetrie
Speicherung	Lokale PostgreSQL-Datenbank, MinIO Object Storage

1.3 Compliance-Status

Das System erfüllt die Anforderungen der:

• DSGVO (Verordnung (EU) 2016/679)
• BDSG (Bundesdatenschutzgesetz)
• Niedersächsisches Schulgesetz (NSchG) §31
• EU AI Act (Verordnung (EU) 2024/1689)

---

2. Verzeichnis der Verarbeitungstätigkeiten (Art. 30 DSGVO)

2.1 Verantwortlicher

Feld	Inhalt
Verantwortlicher	[Schulname], [Schuladresse]
Vertreter	Schulleitung: [Name]
Kontakt	[E-Mail], [Telefon]

2.2 Datenschutzbeauftragter

Feld	Inhalt
Name	[Name DSB]
Organisation	[Behördlicher/Externer DSB]
Kontakt	[E-Mail], [Telefon]

2.3 Verarbeitungstätigkeiten

2.3.1 OCR-Verarbeitung von Klausuren

Attribut	Beschreibung
Zweck	Digitalisierung handschriftlicher Prüfungsantworten mittels KI-gestützter Texterkennung zur Unterstützung der Lehrkräfte bei der Korrektur
Rechtsgrundlage	Art. 6 Abs. 1 lit. e DSGVO i.V.m. §31 NSchG (öffentliche Aufgabe der Leistungsbewertung)
Betroffene Personen	Schülerinnen und Schüler (Prüfungsarbeiten)
Datenkategorien	Handschriftproben, Prüfungsantworten, Schülerkennung (optional)
Empfänger	Ausschließlich berechtigte Lehrkräfte der Schule
Drittlandübermittlung	Keine
Löschfrist	Gem. Aufbewahrungspflichten für Prüfungsunterlagen (i.d.R. 2-10 Jahre je nach Bundesland)

2.3.2 Labeling für Modell-Training

Attribut	Beschreibung
Zweck	Erstellung von Trainingsdaten für lokales Fine-Tuning der OCR-Modelle zur Verbesserung der Handschrifterkennung
Rechtsgrundlage	Art. 6 Abs. 1 lit. f DSGVO (berechtigtes Interesse) oder Art. 6 Abs. 1 lit. a DSGVO (Einwilligung)
Betroffene Personen	Schülerinnen und Schüler (anonymisierte Handschriftproben)
Datenkategorien	Anonymisierte/pseudonymisierte Handschriftbilder, korrigierter Text
Empfänger	Lokales ML-System, keine externen Empfänger
Drittlandübermittlung	Keine
Löschfrist	Trainingsdaten: Nach Abschluss des Trainings oder auf Widerruf

2.4 Verweis auf TOM

Siehe Abschnitt 8: Technisch-Organisatorische Maßnahmen

---

3. Rechtsgrundlagen (Art. 6 DSGVO)

3.1 Primäre Rechtsgrundlagen

Verarbeitungsschritt	Rechtsgrundlage	Begründung
Scan von Klausuren	Art. 6 Abs. 1 lit. e DSGVO	Öffentliche Aufgabe der schulischen Leistungsbewertung
OCR-Verarbeitung	Art. 6 Abs. 1 lit. e DSGVO	Teil der Bewertungsaufgabe, Effizienzsteigerung
Lehrerkorrektur	Art. 6 Abs. 1 lit. e DSGVO	Kernaufgabe der Leistungsbewertung
Export für Training	Art. 6 Abs. 1 lit. f DSGVO	Berechtigtes Interesse an Modellverbesserung

3.2 Landesrechtliche Grundlagen

Niedersachsen:

• §31 NSchG: Erhebung, Verarbeitung und Nutzung personenbezogener Daten
• Ergänzende Bestimmungen zur VO-DV I

Interesse-Abwägung für Training (Art. 6 Abs. 1 lit. f):

Aspekt	Bewertung
Interesse des Verantwortlichen	Verbesserung der OCR-Qualität für effizientere Klausurkorrektur
Erwartung der Betroffenen	Schüler erwarten, dass Prüfungsarbeiten für schulische Zwecke verarbeitet werden
Auswirkung auf Betroffene	Minimal - Daten werden pseudonymisiert, rein lokale Verarbeitung
Schutzmaßnahmen	Pseudonymisierung, keine Weitergabe, lokale Verarbeitung
Ergebnis	Berechtigtes Interesse überwiegt

3.3 Besondere Kategorien (Art. 9 DSGVO)

Prüfung auf besondere Kategorien:

Handschriftproben könnten theoretisch Rückschlüsse auf Gesundheitszustände ermöglichen (z.B. Tremor). Dies wird wie folgt adressiert:

• OCR-Modelle analysieren ausschließlich Textinhalt, nicht Handschriftcharakteristiken
• Keine Speicherung von Handschriftanalysen
• Bei Training werden nur Textinhalte verwendet, keine biometrischen Merkmale

Ergebnis: Art. 9 ist nicht anwendbar, da keine Verarbeitung besonderer Kategorien erfolgt.

---

4. Datenschutz-Folgenabschätzung (Art. 35 DSGVO)

4.1 Schwellwertanalyse - Erforderlichkeit der DSFA

Kriterium	Erfüllt	Begründung
Neue Technologien (KI/ML)	✓	Vision-LLM für OCR
Umfangreiche Verarbeitung	✗	Begrenzt auf einzelne Schule
Daten von Minderjährigen	✓	Schülerarbeiten
Systematische Überwachung	✗	Keine Überwachung
Scoring/Profiling	✗	Keine automatische Bewertung

Ergebnis: DSFA erforderlich aufgrund KI-Einsatz und Verarbeitung von Daten Minderjähriger.

4.2 Systematische Beschreibung der Verarbeitung

Datenfluss-Diagramm

┌─────────────────────────────────────────────────────────────────────────────────┐
│                         OCR-LABELING DATENFLUSS                                  │
├─────────────────────────────────────────────────────────────────────────────────┤
│                                                                                  │
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐    ┌──────────────┐  │
│  │  1. SCAN     │───►│  2. UPLOAD   │───►│  3. OCR      │───►│  4. LABELING │  │
│  │  (Lehrkraft) │    │  (MinIO)     │    │  (Ollama)    │    │  (Lehrkraft) │  │
│  └──────────────┘    └──────────────┘    └──────────────┘    └──────────────┘  │
│         │                   │                   │                   │           │
│         ▼                   ▼                   ▼                   ▼           │
│  Papierdokument      Verschlüsselte      Lokale LLM-         Bestätigung/      │
│  → digitaler Scan    Bildspeicherung     Verarbeitung        Korrektur         │
│                                                                                  │
│  ┌──────────────────────────────────────────────────────────────────────────┐  │
│  │                         SPEICHERUNG (PostgreSQL)                         │  │
│  │  • Session-ID (UUID)           • Status (pending/confirmed/corrected)    │  │
│  │  • Bild-Hash (SHA256)          • Ground Truth (korrigierter Text)       │  │
│  │  • OCR-Text                    • Zeitstempel                             │  │
│  └──────────────────────────────────────────────────────────────────────────┘  │
│                                                                                  │
│  ┌──────────────┐                                                               │
│  │  5. EXPORT   │  Pseudonymisierte Trainingsdaten (JSONL)                     │
│  │  (Optional)  │  → Lokal gespeichert für Fine-Tuning                         │
│  └──────────────┘                                                               │
│                                                                                  │
└─────────────────────────────────────────────────────────────────────────────────┘

Verarbeitungsschritte im Detail

Schritt	Beschreibung	Datenschutzmaßnahme
1. Scan	Lehrkraft scannt Papierklausur	Physischer Zugang nur für Lehrkräfte
2. Upload	Bild wird in lokales MinIO hochgeladen	SHA256-Deduplizierung, verschlüsselte Speicherung
3. OCR	llama3.2-vision erkennt Text	100% lokal, kein Internet
4. Labeling	Lehrkraft prüft/korrigiert OCR-Ergebnis	Protokollierung aller Aktionen
5. Export	Optional: Pseudonymisierte Trainingsdaten	Entfernung direkter Identifikatoren

4.3 Notwendigkeit und Verhältnismäßigkeit

Prüfung der Erforderlichkeit

Prinzip	Umsetzung
Zweckbindung	Ausschließlich für schulische Leistungsbewertung und Modelltraining
Datenminimierung	Nur Bildausschnitte mit Text, keine vollständigen Klausuren nötig
Speicherbegrenzung	Automatische Löschung nach definierter Aufbewahrungsfrist

Alternativenprüfung

Alternative	Bewertung
Manuelle Transkription	Zeitaufwändig, fehleranfällig, nicht praktikabel
Cloud-OCR (Google, Azure)	Datenschutzrisiken durch Drittlandübermittlung
Kommerzielles lokales OCR	Hohe Kosten, Lizenzabhängigkeit
Gewählte Lösung	Open-Source lokal - optimale Balance

4.4 Risikobewertung

Identifizierte Risiken

Risiko	Eintrittswahrscheinlichkeit	Schwere	Risikostufe	Mitigationsmaßnahme
R1: Unbefugter Zugriff auf Schülerdaten	Gering	Hoch	Mittel	Rollenbasierte Zugriffskontrolle, MFA
R2: Datenleck durch Systemkompromittierung	Gering	Hoch	Mittel	Verschlüsselung, Netzwerkisolation
R3: Fehlerhaftes OCR beeinflusst Bewertung	Mittel	Mittel	Mittel	Pflicht-Review durch Lehrkraft
R4: Re-Identifizierung aus Handschrift	Gering	Mittel	Gering	Pseudonymisierung, keine Handschriftanalyse
R5: Bias im OCR-Modell	Mittel	Mittel	Mittel	Regelmäßige Qualitätsprüfung

Risikomatrix

               SCHWERE
         Gering  Mittel  Hoch
        ┌───────┬───────┬───────┐
Hoch    │       │       │       │
        ├───────┼───────┼───────┤
Mittel  │       │ R3,R5 │       │   WAHRSCHEINLICHKEIT
        ├───────┼───────┼───────┤
Gering  │       │  R4   │ R1,R2 │
        └───────┴───────┴───────┘

4.5 Maßnahmen zur Risikominderung

Risiko	Maßnahme	Umsetzungsstatus
R1	RBAC, MFA, Audit-Logging	✓ Implementiert
R2	FileVault-Verschlüsselung, lokales Netz	✓ Implementiert
R3	Pflicht-Bestätigung durch Lehrkraft	✓ Implementiert
R4	Pseudonymisierung bei Export	✓ Implementiert
R5	Diverse Trainingssamples, manuelle Reviews	○ In Entwicklung

---

5. Informationspflichten (Art. 13/14 DSGVO)

5.1 Informationen für Betroffene

Folgende Informationen werden Schülern und Erziehungsberechtigten bereitgestellt:

5.1.1 Pflichtangaben nach Art. 13 DSGVO

Information	Bereitstellung
Identität des Verantwortlichen	Schulwebsite, Datenschutzerklärung
Kontakt DSB	Schulwebsite, Aushang
Verarbeitungszwecke	Datenschutzinformation bei Einschulung
Rechtsgrundlage	Datenschutzinformation
Empfänger/Kategorien	Datenschutzinformation
Speicherdauer	Datenschutzinformation
Betroffenenrechte	Datenschutzinformation, auf Anfrage
Beschwerderecht	Datenschutzinformation

5.1.2 KI-spezifische Transparenz

Zusätzlich zu den Standard-Informationspflichten:

Information	Inhalt
Art der KI	Vision-LLM für Texterkennung, kein automatisches Bewerten
Menschliche Aufsicht	Jedes OCR-Ergebnis wird von Lehrkraft geprüft
Keine automatische Entscheidung	System macht Vorschläge, Lehrkraft entscheidet
Widerspruchsrecht	Opt-out von Training-Verwendung möglich

5.2 Informationsbereitstellung

Kanal	Zeitpunkt	Zielgruppe
Einschulungsunterlagen	Bei Schulanmeldung	Erziehungsberechtigte
Datenschutzerklärung Website	Dauerhaft	Alle
Klausur-Deckblatt (optional)	Bei Prüfung	Schüler
Elternabend	Jährlich	Erziehungsberechtigte

---

6. Automatisierte Entscheidungsfindung (Art. 22 DSGVO)

6.1 Anwendbarkeitsprüfung

Prüfung der Tatbestandsmerkmale:

Merkmal	Erfüllt	Begründung
Automatisierte Verarbeitung	Ja	KI-gestützte Texterkennung
Entscheidung	Nein	OCR liefert nur Vorschlag
Rechtliche Wirkung/erhebliche Beeinträchtigung	Nein	Lehrkraft trifft finale Bewertungsentscheidung

Ergebnis: Art. 22 DSGVO ist nicht anwendbar, da keine automatisierte Entscheidung mit rechtlicher Wirkung erfolgt.

6.2 Teacher-in-the-Loop Garantie

Das System implementiert obligatorische menschliche Aufsicht:

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│  OCR-System  │────►│  Lehrkraft   │────►│   Bewertung  │
│  (Vorschlag) │     │  (Prüfung)   │     │   (Final)    │
└──────────────┘     └──────────────┘     └──────────────┘
       │                    │                    │
       │                    ▼                    │
       │            ┌──────────────┐            │
       └───────────►│  Korrektur   │◄───────────┘
                    │  (Optional)  │
                    └──────────────┘

Workflow-Garantien:

1. Kein OCR-Ergebnis wird automatisch als korrekt übernommen
2. Lehrkraft muss explizit bestätigen ODER korrigieren
3. Bewertungsentscheidung liegt ausschließlich bei der Lehrkraft
4. System gibt keine Notenvorschläge

6.3 Dokumentation der menschlichen Aufsicht

Metrik	Erhebung
Bestätigungsrate	% der OCR-Ergebnisse als korrekt bestätigt
Korrekturrate	% der OCR-Ergebnisse mit Korrekturen
Durchschnittliche Prüfzeit	Zeit pro Item in Sekunden
Lehrkraft-ID	Pseudonymisiert für Audit-Trail

---

7. Privacy by Design und Default (Art. 25 DSGVO)

7.1 Design-Prinzipien

Prinzip	Implementierung
Proaktive Maßnahmen	Datenschutz von Anfang an im System-Design berücksichtigt
Standard-Datenschutz	Minimale Datenerhebung als Default
Eingebetteter Datenschutz	Technische Maßnahmen nicht umgehbar
Volle Funktionalität	Kein Trade-off Datenschutz vs. Funktionalität
End-to-End Sicherheit	Verschlüsselung vom Upload bis zur Löschung
Sichtbarkeit/Transparenz	Alle Verarbeitungen protokolliert und nachvollziehbar
Nutzerzentrierung	Betroffenenrechte einfach ausübbar

7.2 Umsetzung Datenminimierung

Maßnahme	Beschreibung
Bildausschnitte	Nur relevante Textbereiche, nicht vollständige Seiten
Metadaten-Beschränkung	Keine Speicherung von Geräteinformationen des Scanners
Pseudonymisierung	Schüler-IDs durch UUIDs ersetzt bei Export
Automatische Löschung	Konfigurierbare Aufbewahrungsfristen

7.3 Default-Einstellungen

Einstellung	Default	Begründung
OCR-Ergebnis automatisch übernehmen	Nein	Menschliche Prüfung erforderlich
Training-Export aktiviert	Nein	Opt-in erforderlich
Metadaten-Speicherung	Minimal	Nur notwendige Daten
Zugriffsprotokollierung	Ja	Transparenz und Nachvollziehbarkeit

7.4 Vendor-Auswahl

Die verwendeten KI-Modelle wurden nach Datenschutzkriterien ausgewählt:

Modell	Anbieter	Lizenz	Lokale Ausführung	Telemetrie
llama3.2-vision:11b	Meta	Llama 3.2 Community	✓	Keine
qwen2.5:14b	Alibaba	Apache 2.0	✓	Keine
TrOCR	Microsoft	MIT	✓	Keine

---

8. Technisch-Organisatorische Maßnahmen (Art. 32 DSGVO)

8.1 Vertraulichkeit

8.1.1 Zutrittskontrolle

Maßnahme	Umsetzung
Physische Sicherung	Server in abgeschlossenem Raum
Zugangsprotokoll	Elektronisches Schloss mit Protokollierung
Berechtigte Personen	IT-Administrator, Schulleitung

8.1.2 Zugangskontrolle

Maßnahme	Umsetzung
Authentifizierung	Benutzername + Passwort
Passwort-Policy	Min. 12 Zeichen, Komplexitätsanforderungen
Session-Timeout	30 Minuten Inaktivität
Fehlversuche	Account-Sperrung nach 5 Fehlversuchen

8.1.3 Zugriffskontrolle (RBAC)

Rolle	Berechtigungen
Admin	Vollzugriff, Benutzerverwaltung
Lehrkraft	Eigene Sessions, Labeling, Export
Viewer	Nur Lesezugriff auf Statistiken

8.1.4 Pseudonymisierung

Datenfeld	Maßnahme
Schüler-ID	UUID statt Klarname bei Export
Lehrkraft-ID	Pseudonymisiert in Logs
Session-Name	Keine Schülernamen erlaubt

8.1.5 Verschlüsselung

Bereich	Maßnahme
Festplatte	FileVault 2 (AES-256)
Datenbank	Transparent Data Encryption
MinIO Storage	Server-Side Encryption (SSE)
Netzwerk	TLS 1.3 für lokale Verbindungen

8.2 Integrität

8.2.1 Weitergabekontrolle

Maßnahme	Umsetzung
Netzwerkisolation	Lokales Netz, keine Internet-Verbindung erforderlich
USB-Ports	Administrativ deaktiviert
Firewall	Eingehende Verbindungen blockiert

8.2.2 Eingabekontrolle

Maßnahme	Umsetzung
Audit-Log	Alle Aktionen mit Timestamp und User-ID
Unveränderlichkeit	Append-only Logging
Log-Retention	1 Jahr

Protokollierte Aktionen:

• Session erstellen/löschen
• Bild hochladen
• OCR ausführen
• Label bestätigen/korrigieren/überspringen
• Export durchführen
• Login/Logout

8.3 Verfügbarkeit

Maßnahme	Umsetzung
Backup	Tägliches inkrementelles Backup
USV	Unterbrechungsfreie Stromversorgung
RAID	RAID 1 Spiegelung für Datenträger
Recovery-Test	Halbjährlich

8.4 Belastbarkeit

Maßnahme	Umsetzung
Ressourcen-Monitoring	Prometheus + Grafana
Alerts	E-Mail bei kritischen Schwellwerten
Kapazitätsplanung	Jährliche Review

---

9. BSI-Anforderungen und Sicherheitsrichtlinien

9.1 Angewandte BSI-Publikationen

Publikation	Relevanz	Umsetzung
IT-Grundschutz-Kompendium	Basis-Absicherung	TOM nach Abschnitt 8
BSI TR-03116-4	Kryptographische Verfahren	AES-256, TLS 1.3
Kriterienkatalog KI (Juni 2025)	KI-Sicherheit	Siehe 9.2
QUAIDAL (Juli 2025)	Trainingsdaten-Qualität	Siehe 9.3

9.2 KI-Sicherheitsanforderungen (BSI Kriterienkatalog)

Kriterium	Anforderung	Umsetzung
Modellintegrität	Schutz vor Manipulation	Lokale Modelle, keine Updates ohne Review
Eingabevalidierung	Schutz vor Adversarial Attacks	Bildformat-Prüfung, Größenlimits
Ausgabevalidierung	Plausibilitätsprüfung	Konfidenz-Schwellwerte
Protokollierung	Nachvollziehbarkeit	Vollständiges Audit-Log
Incident Response	Reaktion auf Fehlfunktionen	Eskalationsprozess definiert

9.3 Trainingsdaten-Qualität (QUAIDAL)

Qualitätskriterium	Umsetzung
Herkunftsdokumentation	Alle Trainingsdaten aus eigenem Labeling-Prozess
Repräsentativität	Diverse Handschriften aus verschiedenen Klassenstufen
Qualitätskontrolle	Lehrkraft-Verifikation jedes Samples
Bias-Prüfung	Regelmäßige Stichproben-Analyse
Versionierung	Git-basierte Versionskontrolle für Datasets

---

10. EU AI Act Compliance (KI-Verordnung)

10.1 Risikoklassifizierung

Prüfung nach Anhang III der KI-Verordnung:

Hochrisiko-Kategorie	Anwendbar	Begründung
3(a) Biometrische Identifizierung	Nein	Keine biometrische Verarbeitung
3(b) Kritische Infrastruktur	Nein	Keine kritische Infrastruktur
3(c) Allgemeine/berufliche Bildung	Prüfen	Bildungsbereich
3(d) Beschäftigung	Nein	Nicht anwendbar

Detailprüfung Bildung (Anhang III, Nr. 3c):

Das System wird nicht für folgende Hochrisiko-Anwendungen genutzt:

• ✗ Entscheidung über Zugang zu Bildungseinrichtungen
• ✗ Zuweisung zu Bildungseinrichtungen oder -programmen
• ✗ Bewertung von Lernergebnissen (nur Unterstützung, keine automatische Bewertung)
• ✗ Überwachung von Prüfungen

Ergebnis: Kein Hochrisiko-KI-System nach aktuellem Stand.

10.2 Allgemeine Anforderungen

Auch ohne Hochrisiko-Klassifizierung werden folgende Transparenzanforderungen erfüllt:

Anforderung	Umsetzung
KI-Literacy (Art. 4)	Schulung der Lehrkräfte
Transparenz gegenüber Nutzern	Information über KI-Einsatz
Menschliche Aufsicht	Teacher-in-the-Loop

10.3 Verbotsprüfung (Art. 5)

Verbotene Praxis	Geprüft	Ergebnis
Unterschwellige Manipulation	✓	Nicht vorhanden
Ausnutzung von Schwächen	✓	Nicht vorhanden
Social Scoring	✓	Nicht vorhanden
Echtzeit-Biometrie	✓	Nicht vorhanden
Emotionserkennung in Bildung	✓	Nicht vorhanden

---

11. ML/AI Training Dokumentation

11.1 Trainingsdaten-Quellen

Datensatz	Quelle	Rechtsgrundlage	Volumen
Klausur-Scans	Schulinterne Prüfungen	Art. 6(1)(e) + Einwilligung	Variabel
Lehrer-Korrekturen	Labeling-System	Art. 6(1)(e)	Variabel

11.2 Datenqualitätsmaßnahmen

Maßnahme	Beschreibung
Deduplizierung	SHA256-Hash zur Vermeidung von Duplikaten
Qualitätskontrolle	Jedes Sample von Lehrkraft geprüft
Repräsentativität	Samples aus verschiedenen Fächern/Klassenstufen
Dokumentation	Metadaten zu jedem Sample

11.3 Labeling-Prozess

┌─────────────────────────────────────────────────────────────────────┐
│                     LABELING WORKFLOW                                │
├─────────────────────────────────────────────────────────────────────┤
│                                                                      │
│  1. Bild-Upload            2. OCR-Vorschlag           3. Review     │
│  ┌─────────────┐          ┌─────────────┐          ┌─────────────┐  │
│  │   Scan      │─────────►│   LLM-OCR   │─────────►│  Lehrkraft  │  │
│  │   Upload    │          │   (lokal)   │          │   prüft     │  │
│  └─────────────┘          └─────────────┘          └──────┬──────┘  │
│                                                           │         │
│                                    ┌──────────────────────┴─────┐   │
│                                    ▼                            ▼   │
│                           ┌─────────────┐              ┌─────────┐  │
│                           │  Bestätigt  │              │Korrigiert│  │
│                           │  (korrekt)  │              │(manuell) │  │
│                           └─────────────┘              └─────────┘  │
│                                    │                            │   │
│                                    └──────────┬─────────────────┘   │
│                                               ▼                     │
│                                    ┌─────────────────┐              │
│                                    │  Ground Truth   │              │
│                                    │  (verifiziert)  │              │
│                                    └─────────────────┘              │
│                                                                      │
└─────────────────────────────────────────────────────────────────────┘

11.4 Export-Prozeduren

Schritt	Beschreibung	Datenschutzmaßnahme
1. Auswahl	Sessions/Items für Export wählen	Nur bestätigte/korrigierte Items
2. Pseudonymisierung	Entfernung direkter Identifikatoren	UUID statt Schüler-ID
3. Format-Konvertierung	TrOCR/Llama/Generic Format	Nur notwendige Felder
4. Speicherung	Lokal in /app/ocr-exports/	Verschlüsselt, zugriffsbeschränkt

11.5 Modell-Provenienz

Modell	Basis	Fine-Tuning Daten	Training-Parameter
llama3.2-vision:11b	Meta Llama 3.2	Lokale gelabelte Daten	Dokumentiert pro Training
TrOCR	Microsoft	Lokale gelabelte Daten	Dokumentiert pro Training

---

12. Betroffenenrechte

12.1 Implementierte Rechte

Recht	Art. DSGVO	Umsetzung
Auskunft	15	Schriftliche Anfrage an DSB
Berichtigung	16	Korrektur falscher OCR-Ergebnisse
Löschung	17	Nach Aufbewahrungsfrist oder auf Antrag
Einschränkung	18	Sperrung der Verarbeitung auf Antrag
Datenportabilität	20	Export eigener Daten in JSON
Widerspruch	21	Opt-out von Training-Verwendung

12.2 Sonderrechte bei KI-Training

Recht	Umsetzung
Widerspruch gegen Training	Daten werden nicht für Fine-Tuning verwendet
Löschung aus Trainingsset	"Machine Unlearning" durch Re-Training ohne betroffene Daten

12.3 Anfrage-Prozess

Schritt	Frist	Verantwortlich
Eingang der Anfrage	-	Sekretariat
Identitätsprüfung	3 Werktage	DSB
Bearbeitung	1 Monat	IT + DSB
Antwort	1 Monat	DSB

---

13. Schulung und Awareness

13.1 Schulungskonzept

Schulung	Zielgruppe	Frequenz	Dokumentation
DSGVO-Grundlagen	Alle Lehrkräfte	Jährlich	Teilnehmerliste
OCR-System-Nutzung	Nutzende Lehrkräfte	Bei Einführung	Zertifikat
KI-Kompetenz (AI Act Art. 4)	Alle Nutzenden	Jährlich	Nachweis

13.2 Schulungsinhalte

DSGVO-Grundlagen:

• Prinzipien der Datenverarbeitung
• Betroffenenrechte
• Meldepflichten bei Datenpannen

OCR-System-Nutzung:

• Systemfunktionen und Bedienung
• Datenschutzrelevante Einstellungen
• Dos and Don'ts

KI-Kompetenz:

• Funktionsweise von KI-Systemen
• Grenzen und Risiken
• Verantwortungsvoller Umgang

---

14. Review und Audit

14.1 Regelmäßige Überprüfungen

Prüfung	Frequenz	Verantwortlich
DSFA-Review	Jährlich	DSB
TOM-Wirksamkeit	Jährlich	IT-Administrator
Zugriffsrechte	Halbjährlich	IT-Administrator
Backup-Test	Halbjährlich	IT-Administrator
Modell-Bias-Prüfung	Jährlich	IT + Lehrkräfte

14.2 Audit-Trail

Protokollierte Daten	Aufbewahrung	Format
Benutzeraktionen	1 Jahr	PostgreSQL
Systemereignisse	1 Jahr	Syslog
Sicherheitsvorfälle	3 Jahre	Incident-Dokumentation

---

15. Vorfallmanagement

15.1 Datenpannen-Prozess

┌─────────────────────────────────────────────────────────────────────┐
│                    INCIDENT RESPONSE                                 │
├─────────────────────────────────────────────────────────────────────┤
│                                                                      │
│  Erkennung ──► Bewertung ──► Meldung ──► Eindämmung ──► Behebung   │
│      │            │            │             │              │       │
│      ▼            ▼            ▼             ▼              ▼       │
│  Monitoring    Risiko-     72h an LfD    Isolation      Ursachen-  │
│  Audit-Log    einschätzung  (Art.33)    Forensik       analyse    │
│                                                                      │
└─────────────────────────────────────────────────────────────────────┘

15.2 Meldepflichten

Ereignis	Frist	Empfänger
Datenpanne mit Risiko	72 Stunden	Landesbeauftragte/r für Datenschutz
Hohes Risiko für Betroffene	Unverzüglich	Betroffene Personen

15.3 KI-spezifische Vorfälle

Vorfall	Reaktion
Systematisch falsche OCR-Ergebnisse	Modell-Rollback, Analyse
Bias-Erkennung	Untersuchung, ggf. Re-Training
Adversarial Attack	System-Isolierung, Forensik

---

16. Kontakte

16.1 Interne Kontakte

Rolle	Name	Kontakt
Schulleitung	[Name]	[E-Mail]
IT-Administrator	[Name]	[E-Mail]
Datenschutzbeauftragter	[Name]	[E-Mail]

16.2 Externe Kontakte

Institution	Kontakt
LfD Niedersachsen	poststelle@lfd.niedersachsen.de
BSI	bsi@bsi.bund.de

---

Anhänge

Anhang A: Systemarchitektur-Diagramm

Siehe Abschnitt 4.2

Anhang B: TOM-Checkliste

Kategorie	Maßnahme	Status
Zutrittskontrolle	Serverraum verschlossen	✓
Zugangskontrolle	Passwort-Policy	✓
Zugriffskontrolle	RBAC implementiert	✓
Weitergabekontrolle	Netzwerkisolation	✓
Eingabekontrolle	Audit-Logging	✓
Verfügbarkeit	Backup + USV	✓
Trennungskontrolle	Mandantentrennung	✓
Verschlüsselung	FileVault + TLS	✓

Anhang C: Muster-Informationsschreiben

[Zu erstellen für spezifische Schule]

Anhang D: Einwilligungserklärung Training

[Zu erstellen für spezifische Schule]

Anhang E: Vendor-Dokumentation

• llama3.2-vision: https://llama.meta.com/
• TrOCR: https://github.com/microsoft/unilm/tree/master/trocr
• Ollama: https://ollama.ai/

---

Dokumentende

Diese Dokumentation wird jährlich oder bei wesentlichen Änderungen aktualisiert.

Letzte Aktualisierung: 21. Januar 2026