Mo - Fr 09:00 - 18:00 Uhr | 0221 / 177 347 40 | hello@kibrains.de
DSGVO-konform 700+ Projekte
Werktags Mo - Fr 09:00 - 18:00 Uhr Tel.: 0221 / 177 347 40 Mail: hello@kibrains.de

Scoring nach § 37a BDSG: was jetzt für KI-Modelle gilt

AutorLead Entwickler
Fachlich geprüft vonGeorgios MavrommatisGeschäftsführer
VeröffentlichtStand der Angaben: 20. November 2026
Das Wichtigste in Kürze
  • Seit dem 20. November 2026 regelt § 37a BDSG Scores über Personen, die in Vertragsentscheidungen einfließen, ohne Größenschwelle.
  • Anschrift, Name, Alter, Geschlecht, soziale Netzwerke, Kontoumsätze und Daten nach Artikel 9 DSGVO fließen nicht mehr ein.
  • KI-Modelle brauchen belegte Merkmale, eine Auskunft über die Gewichtung und einen Weg zur menschlichen Entscheidung.

Seit dem 20. November 2026 gilt § 37a Bundesdatenschutzgesetz. Die Vorschrift regelt neu, wie Wahrscheinlichkeitswerte über Personen entstehen und verwendet werden dürfen, also Scores über Zahlungsfähigkeit oder künftiges Verhalten. Beschlossen wurde sie mit dem Gesetz zur Umsetzung der Verbraucherkreditrichtlinie; eine eigene Übergangsfrist gibt es nicht.

Bekannt ist die Regel als Neuregelung für Auskunfteien. Sie reicht aber weiter: Sie erfasst jeden, der solche Werte für Entscheidungen über einen Vertrag erstellt oder nutzt. Wer im Onlinehandel Zahlarten nach einem Score steuert oder ein eigenes Modell für Vertragsentscheidungen einsetzt, sollte prüfen, ob es die neuen Vorgaben erfüllt. Dieser Beitrag zeigt, was die Regel verlangt und was sie für KI-Modelle bedeutet. Die übrigen Stichtage bis Jahresende stehen in unserem Fristenkalender.

Wen § 37a BDSG betrifft

Erfasst sind zwei Arten von Wahrscheinlichkeitswerten über natürliche Personen:

  • Werte über ein bestimmtes künftiges Verhalten, die für die Entscheidung über Begründung, Durchführung oder Beendigung eines Vertrags mit dieser Person erstellt oder verwendet werden.
  • Werte über Zahlungsfähigkeit und Zahlungswilligkeit, die Auskunfteien unter Einbeziehung von Informationen über Forderungen bilden.

Eine Größenschwelle enthält das Gesetz nicht. Damit kommen neben Auskunfteien und Banken auch Händler, Versandhändler, Vermieter oder Telekommunikationsanbieter in Betracht, sobald ein Score über eine Privatperson in eine Vertragsentscheidung einfließt. Ob ein reiner Betrugsscore oder das Lead-Scoring im Geschäftskundenvertrieb darunter fallen, hängt vom Einzelfall ab; das klären Sie am besten mit Ihrer Datenschutzberatung.

Der Hintergrund: Der Europäische Gerichtshof hatte im Urteil vom 7. Dezember 2023 (C-634/21) entschieden, dass schon die Erstellung eines Scores eine automatisierte Entscheidung im Sinn von Artikel 22 DSGVO sein kann. § 37a schafft dafür eine gesetzliche Grundlage, verbunden mit klaren Anforderungen.

Selbsttest4 Fragen

Betrifft § 37a BDSG Ihre Scores?

Vier Fragen für eine erste Einordnung.

1Fließt bei Ihnen ein Wert über eine Privatperson in eine Vertragsentscheidung ein, etwa bei Zahlarten?
2Nutzt das Modell Postleitzahl, Wohngegend, Name, Alter oder Geschlecht?
3Können Sie für einen einzelnen Wert die wichtigsten Einflussgrößen benennen?
4Gibt es einen festen Weg, auf dem ein Mensch angefochtene Fälle prüft?
Ihre Auswertung
    Lesen Sie zuerst
      Ihr Ergebnis im Erstgespräch besprechen

      Ihre Antworten übernehmen wir in das Kontaktformular. Dort ergänzen Sie, was Ihnen wichtig ist. Das Erstgespräch ist kostenfrei.

      Ergebnis besprechen

      Welche Daten ein Score nicht mehr nutzt

      Der Kern der Neuregelung ist eine Liste von Daten, die für die Erstellung eines Scores nicht genutzt werden:

      Daten, die nach § 37a Absatz 2 BDSG nicht in die Erstellung eines Scores einfließen; Werte über Minderjährige werden gar nicht gebildet.
      DatenTypische Merkmale in einem Modell
      Besondere Kategorien nach Artikel 9 DSGVOGesundheit, Herkunft, Religion, politische Meinung
      Alter, Geschlecht und NameGeburtsjahr, Anrede, Vor- und Nachname sowie daraus abgeleitete Merkmale
      Daten aus der Nutzung sozialer NetzwerkeProfile, Kontakte, Aktivitäten
      Zahlungsein- und -ausgänge auf BankkontenKontoumsätze, etwa aus einem Kontoblick
      AnschriftendatenStraße, Hausnummer, Postleitzahl, Wohngegend

      Für Modelle in der Praxis ist vor allem der Ausschluss von Anschriftendaten bedeutsam. Postleitzahl und Wohngegend gehörten bisher zu den verbreiteten Merkmalen; nach dem Wortlaut fließen sie künftig nicht mehr ein, eine Ausnahme sieht der Text nicht vor. Dasselbe gilt für Merkmale, die aus dem Namen abgeleitet werden.

      Was das Verfahren nachweisen muss

      Die Daten, die ein Score nutzt, müssen nach einem wissenschaftlich anerkannten mathematisch-statistischen Verfahren nachweisbar erheblich für die Berechnung sein. Die ermittelten Werte dürfen für keine anderen Zwecke verarbeitet werden. Für die Praxis heißt das: Zu jedem Merkmal gehört ein dokumentierter Nachweis, dass es zur Vorhersage beiträgt, und der Score bleibt bei dem Zweck, für den er gebildet wurde.

      Für Auskunfteien regelt Absatz 3 zusätzlich, wann offene Forderungen berücksichtigt werden dürfen, etwa nach einem Urteil, einer ausdrücklichen Anerkennung oder nach zwei schriftlichen Mahnungen mit vorheriger Unterrichtung.

      Auskunft, Anfechtung und menschliche Entscheidung

      Wer einen Score erstellt, teilt der betroffenen Person auf Antrag in klarer und einfacher Sprache mit:

      • welche Daten und Kriterien genutzt wurden,
      • wie Kategorien und einzelne Kriterien gewichtet sind, die den Wert am stärksten beeinflussen,
      • wie aussagekräftig der konkrete Wert ist,
      • welche Werte erstellt wurden und an wen sie gingen.
      „Die hierfür erforderlichen Informationen sind für ein Jahr zu speichern.“
      § 37a Absatz 4 BDSG · Bundestag, Drucksache 21/5381

      Beruht eine Entscheidung auf einem solchen Score, kann die betroffene Person sie anfechten, ihren Standpunkt darlegen und eine Entscheidung durch einen Menschen verlangen. Verbraucherverbände können Verstöße gegen § 37a künftig auch per Unterlassungsklage verfolgen.

      Was das für KI-Modelle bedeutet

      Das Gesetz schreibt keine bestimmte Technik vor, auch maschinelles Lernen ist nicht ausgeschlossen. Die Anforderungen prägen aber, wie ein Modell gebaut sein sollte:

      • Merkmale bewusst auswählen. Ausgeschlossene Daten dürfen weder direkt noch über abgeleitete Merkmale in das Training einfließen. Das betrifft auch Umwege, etwa ein Merkmal, das im Kern die Postleitzahl abbildet.
      • Erheblichkeit belegen. Für jedes Merkmal wird dokumentiert, wie stark es zur Vorhersage beiträgt. Gut geeignet sind Modelle, deren Gewichtung sich direkt ablesen lässt, oder ergänzende Verfahren, die den Beitrag jedes Merkmals zum Einzelwert ausweisen.
      • Auskunft vorbereiten. Die Auskunft verlangt die wichtigsten Einflussgrößen für den konkreten Wert. Diese Information sollte das System zu jedem Score mit erzeugen und ein Jahr lang speichern.
      • Einen Menschen einbinden. Für Anfechtungen braucht es einen festgelegten Weg, auf dem eine Person den Fall prüft und entscheidet.

      Dazu kommt die KI-Verordnung: KI-Systeme zur Bewertung der Kreditwürdigkeit natürlicher Personen zählen dort zu den Hochrisiko-Anwendungen, Systeme zur Aufdeckung von Betrug sind davon ausgenommen. Was das im Einzelnen bedeutet, beschreibt unser Baustein KI-Verordnung.

      Fünf Schritte für eigene Scores

      Eigene Scores in fünf Schritten anpassenScores erfassen, Merkmale abgleichen, Nachweis dokumentieren, Auskunft einrichten, Anfechtung regeln.Schritt 1ScoreserfassenKernschrittSchritt 2MerkmaleabgleichenSchritt 3NachweisdokumentierenSchritt 4AuskunfteinrichtenSchritt 5Anfechtungregeln
      Eigene Scores in fünf Schritten anpassenScores erfassen, Merkmale abgleichen, Nachweis dokumentieren, Auskunft einrichten, Anfechtung regeln.Schritt 1ScoreserfassenSchritt 2KernschrittMerkmaleabgleichenSchritt 3NachweisdokumentierenSchritt 4AuskunfteinrichtenSchritt 5Anfechtungregeln
      Fünf Schritte zu einem Score nach § 37a BDSG.
      1. Scores erfassen. Wo im Unternehmen entstehen oder wirken Werte über Personen, etwa bei Zahlarten, Kreditrahmen, Vertragsannahme oder Kündigung? Welche kommen von einem Dienstleister?
      2. Merkmale abgleichen. Jedes Merkmal gegen die Liste aus Absatz 2 prüfen, auch abgeleitete Merkmale. Das Modell gegebenenfalls ohne diese Merkmale neu trainieren und die Güte vergleichen.
      3. Nachweis dokumentieren. Erheblichkeit jedes Merkmals mit einem anerkannten statistischen Verfahren belegen und den Zweck des Scores festhalten.
      4. Auskunft einrichten. Zu jedem Wert die wichtigsten Einflussgrößen speichern, ein Jahr aufbewahren und eine verständliche Antwortvorlage vorbereiten.
      5. Anfechtung regeln. Zuständigkeit, Ablauf und Frist für die menschliche Prüfung festlegen, auch wenn der Score von einem Dienstleister stammt.

      Welche Rolle saubere Daten dabei spielen, beschreibt unser Baustein Daten, die tragen; wie KI im Onlinehandel sonst eingesetzt wird, der Baustein KI im Onlinehandel.

      Unsere Einschätzung

      § 37a macht Scoring nachvollziehbarer, und das ist für alle Beteiligten ein Gewinn. Für Unternehmen mit eigenen Modellen ist die Umstellung gut planbar: Merkmale prüfen, Erheblichkeit belegen, Auskunft und Anfechtung organisieren. Am meisten Arbeit macht erfahrungsgemäß die Frage, welche Merkmale über Umwege doch Anschrift, Alter oder Name abbilden.

      Wenn Sie ein bestehendes Modell auf die neuen Vorgaben prüfen oder erklärbar umbauen möchten, unterstützen wir Sie dabei im Rahmen unserer KI Optimierung: Merkmalsprüfung, Nachweis der Erheblichkeit und eine Auskunft, die sich aus dem System heraus erzeugen lässt. Die rechtliche Bewertung im Einzelfall gehört zu Ihrer Datenschutzberatung.

      Quellen

      Dieser Beitrag gibt den Stand vom 20. November 2026 wieder und ersetzt keine Rechtsberatung. Maßgeblich ist der im Bundesgesetzblatt 2026 I Nr. 139 verkündete Text.

      Häufige Fragen

      Seit wann gilt § 37a BDSG?

      Seit dem 20. November 2026. Die Vorschrift wurde mit dem Gesetz zur Umsetzung der Verbraucherkreditrichtlinie beschlossen und gilt ohne eigene Übergangsfrist.

      Gilt § 37a BDSG nur für Auskunfteien wie die SCHUFA?

      Nein. Erfasst sind auch Unternehmen, die Wahrscheinlichkeitswerte über das künftige Verhalten einer Person erstellen oder verwenden, um über einen Vertrag mit ihr zu entscheiden. Eine Größenschwelle gibt es nicht.

      Welche Daten darf ein Score nicht mehr nutzen?

      Besondere Kategorien nach Artikel 9 DSGVO, Alter, Geschlecht, Name, Daten aus sozialen Netzwerken, Zahlungsein- und -ausgänge auf Bankkonten und Anschriftendaten. Über Minderjährige werden keine Werte gebildet.

      Dürfen Scores mit KI oder maschinellem Lernen erstellt werden?

      Das Gesetz schreibt keine Technik vor. Die genutzten Daten müssen aber nach einem wissenschaftlich anerkannten mathematisch-statistischen Verfahren nachweisbar erheblich sein, und auf Antrag ist die Gewichtung der wichtigsten Kriterien mitzuteilen. Ein KI-Modell muss deshalb erklärbar sein.

      Was können Betroffene verlangen?

      Auskunft über genutzte Daten, Kriterien, deren Gewichtung, die Aussagekraft des Werts und die Empfänger. Außerdem können sie eine Entscheidung anfechten und eine Prüfung durch einen Menschen verlangen.

      Wie lange sind die Informationen zu speichern?

      Die für die Auskunft erforderlichen Informationen sind ein Jahr lang zu speichern.