Shopify AI Toolkit: Geschäftsgeheimnis und DSGVO

In einem Shopify-Shop nutzen wir das Shopify AI Toolkit seit Wochen im Tagesgeschäft. Nicht nur funktional, sondern an der Frage, die viele Händler unterschätzen: Welche Daten dürfen wir der KI überhaupt geben? Was bleibt Geschäftsgeheimnis? Wo greift die DSGVO?

Diese Diskussion entscheidet bei uns über jeden einzelnen Prompt. Manchmal über Minuten Mehrarbeit, manchmal über die Frage, ob eine Aufgabe überhaupt mit KI sinnvoll ist.

Zwei Datenarten, die wir sauber trennen

Bevor irgendetwas in einen Prompt geht, sortieren wir die Daten in zwei Kategorien: Geschäftsgeheimnisse und personenbezogene Daten. Beide sind heikel, aber aus unterschiedlichen Gründen.

Zu den Geschäftsgeheimnissen zählen Verkaufszahlen, Margen, Lieferantenkonditionen, Top-Kunden, geplante Aktionen. Wer alles davon der KI gibt, gibt einen Teil seiner Verhandlungsposition mit ab. Personenbezogene Daten sind Namen, Adressen, Bestellhistorien mit Kennung. Die fallen unter DSGVO und BDSG, mit Bußgeldern und Meldepflicht im Schadensfall.

Wenn wir alle KPIs an die KI schicken, ist das, als ob wir jedem in die Zahlungsbücher des Shops schauen lassen. Der Effekt ist nicht abstrakt. Aus „Kunde XY hat 30 Bestellungen pro Tag, Kunde AB hat 30.000" kann die KI im Hintergrund hochrechnen, was für diese Größenordnung effektiv ist. Praktisch für uns. Genauso praktisch für jeden anderen, der irgendwann an die gleichen Daten kommt.

Idealfall: Cluster vor dem Prompt

Wenn es die Zeit hergibt, beginnt unser Workflow nicht im Prompt, sondern in einer Tabelle. Wir bauen Cluster lokal, mit klassischen Automatisierungsschritten und statistischen Mitteln: Bestellgrößen, Frequenzen, Warenkorbwerte, RFM-Segmente. Erst wenn die Cluster stehen, kommt das AI Toolkit dazu.

Ehrlich gesagt schaffen wir das nicht jedes Mal. Manche Aufgaben sind so klein, dass der Cluster-Schritt mehr Zeit kostet als die ganze Auswertung. Dann arbeiten wir bewusst mit weniger sensiblen Daten oder verzichten auf den KI-Teil, statt den Datenschutz im Eifer hintenüber zu kippen.

Der Grund für den Umweg über Statistik: Im Cluster-Schritt liegen sensible Daten noch im Klartext. Sobald wir Kundennummern auf abstrakte Cluster-IDs gemappt haben, sind die Rohdaten weg. Die KI sieht nur noch Strukturen, etwa Cluster A mit 30 Bestellungen pro Tag und durchschnittlich 45 Euro Warenkorb, Cluster B mit 5 Bestellungen pro Woche und 280 Euro Warenkorb.

Wichtig ist, dass die Cluster rückführbar bleiben. Wenn die KI sagt, Cluster A reagiert gut auf Mengenrabatte, brauchen wir den Weg zurück zu den echten Kunden, ohne dass dieser Weg jemals durch einen Prompt führt. Die Zuordnung Cluster-ID zu Kunde liegt bei uns, nicht bei der KI.

„Ich hau doch alle Daten in meine KI rein"

Den Satz hören wir oft. Freundlich gemeint, manchmal halb provokativ. Wenn er bei dir auch schon gefallen ist, lohnt sich ein kurzer Moment zum Hinterfragen: Mache ich das wirklich? Welche Daten landen über Umwege im Prompt, ohne dass ich es bewusst entschieden habe? Und wann habe ich zuletzt die Lizenzbedingungen meines KI-Anbieters gründlich gelesen?

Wer den letzten Punkt mit „weiß ich gerade nicht" beantwortet, ist in guter Gesellschaft. Wir sehen regelmäßig Shops, in denen genau dieser Schritt fehlt. Niemand liest gerne Lizenztexte. Trotzdem entscheiden sie darüber, ob deine Eingaben morgen in einem Trainingsdatensatz auftauchen oder nicht.

Sobald ein Datenleck passiert, wird es ernst. Bußgelder unter DSGVO und BDSG sind die eine Seite. Die Meldepflicht an die Aufsichtsbehörde ist die andere, und die kostet Reputation, lange bevor das Bußgeld da ist.

Datenschutzpläne wie Teams- oder Business-Lizenzen sichern viel ab. Die Anbieter verarbeiten dann nicht zu Trainingszwecken, halten Server in der EU, lassen Auftragsverarbeitungsverträge unterschreiben. Das funktioniert, ist aber nie lückenlos. Und die EU bremst uns mit DSGVO und BDSG ohnehin genug. Wer sich zusätzlich selbst ausbremst, verliert Tempo, das andere Märkte nicht verschenken.

Deshalb der schmale Grat: Wir hauen nicht alles rein, aber wir lassen uns auch nicht ausbremsen. Geclusterte, anonymisierte Daten sind unser Mittelweg.

Was wir im Toolkit konkret machen

In dem Shop, in dem wir das AI Toolkit täglich einsetzen, läuft die Anbindung bewusst auf Read-Rechten. Das Toolkit hat Anbindungen quer durch den Shop, von Produktdaten über Bestellungen bis zu Theme-Dateien. Wir nutzen es derzeit für acht Aufgabenfelder:

• Produkttexte auf Schwachstellen prüfen und die Befunde kommentiert zurückgeben.

• Meta-Beschreibungen vorschlagen, jeweils mit kurzer Begründung pro Zeile.

• Doppelte Tags, leere Felder und Lücken in den Variantendaten aufspüren.

• Potenzialanalysen auf Basis der vorab gebauten Cluster, ohne dass Klartextdaten in den Prompt kommen.

• Bestehende Blogbeiträge überarbeiten und neue Entwürfe für saisonale oder thematische Anlässe vorbereiten.

• Bestell- und Umsatzstatistiken anonymisiert auswerten und Trends auf Cluster-Ebene sichtbar machen.

• Datensätze gezielt zusammenstellen lassen, etwa Produkt mal Lagerstand mal Verkaufsgeschwindigkeit für die Sortimentsplanung.

• Theme-Snippets und Liquid-Vorlagen vorbereiten, die wir anschließend lokal reviewen und manuell ins Theme heben.

Anders gesagt: Das Toolkit ist von A bis Z im Shop anschlussfähig. Welchen Unterschied das im Alltag macht, zeigt sich am besten direkt im Vergleich.

Read, kein Write. Die KI sieht den Shop, sie ändert ihn nicht. Das hat einen klaren Grund: Ab und zu halluziniert sie. Sie schlägt eine Änderung an Produkt A vor und fasst dabei versehentlich Produkt B mit an. In einem Live-Shop mit Bestellungen, Bewertungen und Suchindex ist das ein Problem, das man nicht zurückrollt, sondern aushält.

Output prüfen, dann erst in den Shop

Wir kontrollieren jeden Output. Wenn das Ergebnis gut ist, geht es nicht ungeprüft in den Shop. Es geht durch den festen Prozess, den wir auch sonst nutzen: Vorschlag zuerst, Review, dann Übernahme. Diese Sicherheitshürde haben wir im Beitrag zum Shopify AI Toolkit beschrieben. Sie gilt erst recht, wenn Datenschutz mit ins Spiel kommt.

Konkret heißt das: Soll die KI 80 Meta-Descriptions umschreiben, landet das Ergebnis zuerst in einer Übersicht. Wir lesen Zeile für Zeile, kommentieren, schicken Korrekturwünsche zurück. Sobald die Inhalte unseren Qualitätsansprüchen genügen, übernehmen wir sie in den Shop. Bei Cluster-Auswertungen das Gleiche: Die KI-Ausgabe landet bei uns, wir gleichen sie mit den realen Cluster-Zuordnungen ab, und erst dann gehen die Empfehlungen in den Shop. Am Ende verantwortet ein Mensch jede Änderung.

Einer KI blind zu vertrauen ist im Live-Shop teuer. Wir sehen aktuell trotzdem viele Shops, die genau das tun. Und stellen uns dann die Frage, die am Anfang fehlt: Wer liest eigentlich noch mit?

Wer sonst noch mitliest

Vorab: Wir wollen kein Bremsklotz sein. KI ist real, sie wird bleiben, und sie spart in vielen Aufgaben echte Stunden. Genau deshalb lohnt sich die Frage, wer eigentlich mitliest und in welchem Maßstab. Wir sehen drei Ebenen, die selten gleichzeitig betrachtet werden.

Erste Ebene, der Anbieter selbst. Bei privaten Lizenzen darf er die Daten oft zu Trainingszwecken nutzen. Bei Teams- und Business-Plänen mit Datenschutz-Bedingungen passiert das nicht. Klingt nach einem Detail, ist aber der Unterschied zwischen „mein Shop bleibt mein Shop" und „mein Shop wird Teil eines Trainingsdatensatzes". Wer die Lizenzbedingungen vorab nicht liest, sieht den Unterschied erst am eigenen Datenbestand.

Zweite Ebene, die Inhalte. Geschäftsgeheimnisse wiegen dabei genauso schwer wie Kundendaten. Verkaufszahlen, Margen, Lieferantenpreise, Top-Kunden, geplante Aktionen, Adressdaten. Das alles in der KI bedeutet, dass im Zweifel jemand anders weiß, wo dein Shop steht, bevor du es selbst weißt.

Dritte Ebene, das System rundherum. Diese Sorge wird konkreter, weil agentische Commerce-Systeme und KI-Suchen Daten anders verwerten als klassische Suchmaschinen. Was du heute reinwirfst, kommt morgen woanders wieder hoch, manchmal in einem fremden Kontext.

Und dann ist da noch die Skala. Wenn Millionen Shopify-Betreiber täglich Millionen Datenpunkte in dasselbe Toolkit füttern und Anbieter im Hintergrund weitertrainieren, ist deine eigene Eingabe ein Tropfen. Aber dieser Tropfen ist Teil eines Datensatzes, der morgen Antworten in einer anderen Branche prägt. Selbst bei strikten Datenschutz-Tarifen lohnt es sich zu fragen: Wenn meine Daten zu einem Bruchteil einfließen, was kommt am Ende daraus zurück, in welche Richtung, und an wen?

Unser Fazit

Mit dem Shopify AI Toolkit arbeiten wir besonders sorgsam. Das Werkzeug spart Zeit und sitzt nah an den Shop-Daten. Genau das ist gleichzeitig die Stelle, an der Daten kritisch werden: das Live-System mit echten Kunden und echten Zahlen.

Unser Mittelweg in Kürze: lokal clustern, anonymisiert prompten, Read-Rechte statt Write, jeden Output gegenlesen. Damit gewinnen wir das Tempo der KI ohne den Datenschutzpreis, den blinde Vollzugriffe bezahlen.

In unserem Shopify Custom Coding halten wir uns selbst an diese Linie: Read statt Write, Vorschlag vor Übernahme, anonymisierte Daten vor dem Prompt. Was wir gerne anbieten: in einem kurzen Call gemeinsam auf deine bestehenden Prozesse schauen und ehrlich sagen, an welchen Stellen sich nachschärfen lohnt. Schreib uns, wenn du dafür einen Termin willst.