Kanadas KI-Konsultation nutzte KI zur Analyse von 64.600 Antworten. Das ging bei der Übersetzung verloren.

Im Oktober 2025 startete der kanadische KI-Minister Evan Solomon einen 30-tägigen nationalen Sprint – die größte öffentliche Konsultation in der Geschichte von Innovation, Wissenschaft und Wirtschaftsentwicklung Kanada (ISED). Das Ziel war ehrgeizig: Öffentliche und fachliche Beiträge sollten Kanadas nächste nationale KI-Strategie prägen.

Die Konsultation sammelte 64.600 Antworten der kanadischen Öffentlichkeit auf 26 Fragen. Eine separate, 28-köpfige Expertengruppe erstellte 32 Fachpapiere und Berichte zu Themen wie Kommerzialisierung, Infrastruktur, Sicherheit, Vertrauen und globaler Wettbewerbsfähigkeit.

Dann tat die Regierung etwas, das alle Data-Governance-Profis aufhorchen lassen sollte: Sie setzte vier KI-Modelle – Cohere Command A, OpenAI GPT-5 nano, Anthropic Claude Haiku und Google Gemini Flash – ein, um die Ergebnisse zu lesen, zu analysieren und zusammenzufassen.

Der daraus entstandene „What we heard“-Bericht, der Anfang Februar 2026 still und leise veröffentlicht wurde, verdichtet diese zehntausenden Stimmen zu einer kompakten Regierungsdarstellung. Wie der Rechtsprofessor Michael Geist von der Universität Ottawa in einer ausführlichen Analyse zeigte, werden darin die schärfsten Warnungen der Experten systematisch abgeschwächt, entschärft und in eine ausgewogene, aber wenig konkrete Politiksprache umformuliert, die den eigentlichen Rat verschleiert.

Das ist nicht nur eine kanadische Politikgeschichte. Es ist eine Geschichte über KI-Data-Governance – mit direkten Auswirkungen für jedes Unternehmen, das KI zur Verarbeitung, Zusammenfassung oder Entscheidungsfindung auf Basis sensibler Inhalte einsetzt.

5 wichtige Erkenntnisse

1. Kanada nutzte KI, um seine eigene KI-Strategie-Konsultation zusammenzufassen – und das Ergebnis verdient kritische Prüfung. Die kanadische Regierung setzte vier verschiedene KI-Modelle – Cohere Command A, OpenAI GPT-5 nano, Anthropic Claude Haiku und Google Gemini Flash – ein, um 64.600 öffentliche Antworten auf 26 Fragen zu analysieren. KI ermöglichte es der Regierung, monatelange Analysen auf wenige Wochen zu komprimieren, doch die resultierende Zusammenfassung schwächte die dringendsten Warnungen der Experten durchgehend zu ausgewogenem „Regierungs-Sprech“ ab. Wer die Prompts für die KI setzt, kontrolliert die Narrative.
2. Die Experten sehen die Umsetzung, nicht die Forschung, als Kanadas eigentliches KI-Problem. Die 28-köpfige Expertengruppe verfasste 32 Berichte, die immer wieder dieselbe Botschaft betonten: Kanadas Herausforderung ist kein Mangel an Forschungstalenten oder akademischer Exzellenz, sondern die fehlende Fähigkeit, KI global wettbewerbsfähig zu kommerzialisieren, zu skalieren und einzusetzen. Die Regierungszusammenfassung stellte jede politische Säule als gleich wichtig dar und erzeugte so den Anschein eines ausgewogenen Konsenses, während die Experten einen akuten Handlungsbedarf sahen.
3. Geschwindigkeit wurde als strategische Variable dargestellt – aber die Regierung ignorierte sie in der Zusammenfassung. Die Expertenberichte sehen Geschwindigkeit als Wettbewerbsfaktor: Wer schneller handelt, führt, wer zögert, reguliert am Ende, was andere gebaut haben. Einige Experten nannten explizit die Regierung selbst – langsame Beschaffung, verzögerte Finanzierung und regulatorische Hürden – als Teil des Problems. Keine dieser Selbstkritiken fand Eingang in die offizielle Zusammenfassung.
4. Bei Regulierung zu Vertrauen und Sicherheit gab es scharfe Meinungsverschiedenheiten, die in der Zusammenfassung verschwanden. Die öffentliche Konsultation legte großen Wert auf KI-Sicherheit, und die Regierung steuert offenbar auf Governance-Rahmen, verpflichtende Prüfungen und risikobasierte Regulierung zu. Die Expertenberichte waren jedoch deutlich weniger einheitlich. Einige forderten schnelle Regulierung, andere warnten, dass zu breite Regeln kanadische Unternehmen benachteiligen und Technologien regulieren würden, die Kanada weder kontrolliert noch entwickelt hat. Die Regierungszusammenfassung präsentiert Vertrauen als Konsens, nicht als das umstrittene Politikfeld, das es tatsächlich ist.
5. Die wichtigste Data-Governance-Lehre betrifft nicht KI-Politik – sondern KI-verarbeitete Politik. Wenn eine Regierung KI nutzt, um eigene Konsultationsergebnisse zusammenzufassen, entstehen dieselben Data-Governance-Risiken wie in Unternehmen: fehlende Transparenz, wie aus Input Output wird, kein Audit-Trail darüber, was gefiltert oder hervorgehoben wurde, und keine Möglichkeit für Stakeholder zu überprüfen, ob ihre Beiträge korrekt abgebildet wurden. Der Prozess selbst ist ein Paradebeispiel, warum KI-Data-Governance entscheidend ist.

Was die Experten tatsächlich sagten vs. was die Regierung veröffentlichte

Die Regierung traf eine ungewöhnliche Entscheidung: Sie veröffentlichte alle 32 Expertenberichte zusammen mit ihrer eigenen Zusammenfassung. Diese Transparenz eröffnete jedem, der die Originalquellen lesen wollte, die Möglichkeit, das Eingereichte mit dem Bericht zu vergleichen.

Genau das tat Geist. Er lud alle 32 Dokumente sowohl bei ChatGPT als auch bei Perplexity AI hoch und erstellte eigene Zusammenfassungen der wichtigsten Themen und Streitpunkte. Die Unterschiede zwischen seinen KI-generierten Zusammenfassungen und der von der Regierung sind aufschlussreich.

Die Expertenberichte beschreiben Kanadas KI-Herausforderung durchweg als Umsetzungsproblem, nicht als Forschungsproblem. Ob Kommerzialisierung, Einführung, Infrastruktur oder Skalierung auf global wettbewerbsfähige Prozesse – die Berichte betonen immer wieder: Kanada hat erstklassige Forschung, aber es fehlt der nächste Schritt. Die Regierungszusammenfassung hingegen stellt jede politische Säule als gleichrangig mit ausgewogenen Zielen dar. Alles ist gleich wichtig. Kaum Kompromisse werden benannt. Die Dringlichkeit, die sich durch die Expertenberichte zieht, wird systematisch abgeschwächt.

Dasselbe Muster zeigt sich beim Thema Geschwindigkeit. Die Expertenberichte sehen Geschwindigkeit als strategische Variable – Länder, die schneller sind, führen, zögernde Länder regulieren nur noch, was andere geschaffen haben. Mehrere Berichte benennen die Regierung als Teil des Problems: langsame Beschaffungszyklen, verzögerte Finanzierungsentscheidungen und Genehmigungsprozesse, die im Behördenrhythmus laufen, während Wettbewerber sprinten. Die Regierungszusammenfassung erwähnt nicht, dass Kanadas eigenes Tempo die Wettbewerbsfähigkeit, Datensouveränität und die Fähigkeit, globale KI-Normen zu prägen, beeinträchtigen könnte.

Beim Zugang zu Kapital und der öffentlichen Beschaffung wird der Unterschied noch deutlicher. Die Expertenberichte sehen Kanadas Unfähigkeit, KI-Unternehmen zu skalieren, als strukturelles Problem, das auf fehlendes inländisches Kapital zurückzuführen ist – kein Randthema, sondern ein grundlegender Engpass. Einige Experten argumentieren, dass die Abhängigkeit von Fördermitteln kontraproduktiv geworden ist, Unternehmen vor Marktdisziplin schützt, aber keine Kunden, Umsätze oder Skalierung erzeugt. Die öffentliche Beschaffung, so mehrere Berichte, wäre ein viel wirksameres industriepolitisches Instrument – Wettbewerb um Aufträge statt Subventionen. Die Regierungszusammenfassung spricht Kapitalprobleme nur indirekt an, ohne auf die politischen Entscheidungen einzugehen.

Die verschwundene Debatte um Vertrauen und Sicherheit

Die wohl folgenreichste Abweichung zwischen Expertenberichten und Regierungszusammenfassung betrifft Vertrauen und Sicherheit.

KI-Sicherheit war ein zentrales Thema der öffentlichen Konsultation, und die Regierung steuert klar auf Governance-Rahmen, verpflichtende Prüfprotokolle, Transparenzanforderungen und risikobasierte Regulierung in ihrer nationalen KI-Strategie zu. Die Öffentlichkeit wünscht sich nachvollziehbare Leitplanken.

Doch die Expertenberichte sind weit weniger einheitlich, wie diese Leitplanken aussehen sollen. Fast alle sind sich einig, dass Vertrauen für die Akzeptanz entscheidend ist. Die Meinungsverschiedenheiten betreffen die Umsetzung. Einige Experten plädieren für schnelle, verbindliche Regulierung. Andere warnen, dass zu weit gefasste Regeln die Einführung verlangsamen, kanadische Unternehmen benachteiligen und versuchen, Technologien zu regulieren, die Kanada weder kontrolliert noch entwickelt hat. Minister Solomon selbst beschrieb die Regulierungsphilosophie als „light, tight, and right“ und erkannte an, dass Überregulierung Unternehmen und Kapital in freundlichere Jurisdiktionen treiben kann.

Diese Meinungsverschiedenheiten verschwinden weitgehend in der Regierungszusammenfassung, in der Vertrauen als Konsensziel dargestellt wird – und nicht als das umstrittene Politikfeld mit echten Zielkonflikten und legitimen Gegenpositionen, das es ist. Das ist kein Konsens, sondern der Anschein von Konsens, erzeugt durch selektive Zusammenfassung.

Aus Kiteworks-Sicht zeigt die Debatte um Vertrauen und Sicherheit eine kritische Lücke, die weit über staatliche Politik hinausgeht. Jedes Unternehmen, das KI einsetzt, steht vor derselben Herausforderung: Wie lässt sich KI-gestützte Produktivität ermöglichen und gleichzeitig die Governance-Kontrollen aufrechterhalten, die sensible Daten schützen? Die Antwort ist nicht, KI-Zugänge zu beschränken – die kanadischen Konsultationsdaten zeigen, dass das nur zur Schattennutzung führt. Die Lösung ist der Aufbau einer sicheren Infrastruktur, die KI-Einführung innerhalb eines kontrollierten Rahmens ermöglicht. Das bedeutet, ein Private Data Network einzusetzen, in dem sensible Daten mit vollständiger Transparenz, granularen Zugriffsrechten und umfassenden Audit-Trails durch KI-Tools fließen – damit Unternehmen „Ja“ zu KI sagen können, ohne „Ja“ zu unkontrollierbarem KI-Risiko zu sagen.

Wenn KI KI-Politik zusammenfasst – wer überwacht den Zusammenfasser?

In dieser Geschichte steckt ein tiefergehendes KI-Data-Governance-Problem, das über politische Meinungsverschiedenheiten hinausgeht.

Die kanadische Regierung nutzte KI, um Beiträge zusammenzufassen, die die nationale KI-Politik prägen werden. Das schafft ein rekursives Vertrauensproblem: Das zu regulierende Werkzeug ist zugleich das Werkzeug, das die Analyse für die Regulierung durchführt. Und der Prozess wirft genau die Fragen auf, mit denen Unternehmen konfrontiert sind, wenn sie KI zur Verarbeitung sensibler Inhalte einsetzen:

• Transparenz: Mit welchen Prompts wurde die KI-Analyse gesteuert? Sollten die Modelle Konsens finden oder Meinungsverschiedenheiten herausarbeiten? Sollten sie Perspektiven ausbalancieren oder die tatsächliche Verteilung der Ansichten abbilden? Die Öffentlichkeit weiß es nicht.
• Revisionssicherheit: Es gibt keinen veröffentlichten Audit-Trail, der zeigt, wie die KI-Modelle 64.600 Rohantworten in thematische Zusammenfassungen überführt haben. Niemand außerhalb der Regierung kann überprüfen, ob die Zusammenfassung den Input korrekt abbildet oder systematisch filtert.
• Reproduzierbarkeit: Es wurden vier verschiedene KI-Modelle eingesetzt. Wurden deren Ergebnisse abgeglichen? Stimmten sie überein? Wie wurden Abweichungen gelöst? Der Bericht sagt dazu nichts.
• Verantwortlichkeit: Wenn eine KI-generierte Zusammenfassung Expertenwarnungen in Behördensprache abschwächt, wer trägt die Verantwortung? Das Modell? Der Prompt Engineer? Das Ministerbüro? Die Chain of Custody bleibt undurchsichtig.

Das sind keine hypothetischen Bedenken. Es sind dieselben Data-Governance-Herausforderungen, vor denen jedes Unternehmen steht, wenn KI sensible Inhalte verarbeitet. Die Erfahrung der kanadischen Regierung zeigt, warum Unternehmen eine Infrastruktur benötigen, die Transparenz darüber bietet, wie KI Daten verarbeitet – nicht nur, was hineingeht, sondern auch, was herauskommt und wie es auf dem Weg transformiert wurde.

Kiteworks schließt diese Lücke mit seinem Ansatz für KI-Data-Governance. Durch das Routing sensibler Inhalte über ein Private Data Network mit Data Security Posture Management (DSPM) können Unternehmen genau nachverfolgen, welche Daten an KI-Systeme weitergegeben werden, datenklassifizierungsbasierte Richtlinien durchsetzen, die privilegierte Inhalte vor unbefugter KI-Nutzung schützen, und unveränderliche Audit-Logs führen, die jede KI-Daten-Interaktion erfassen. Ziel ist nicht, KI zu blockieren, sondern sicherzustellen, dass bei der Verarbeitung sensibler Informationen durch KI ein vollständiger, überprüfbarer Nachweis über das Geschehen existiert.

Die übergeordnete Lehre für Enterprise-KI-Governance

Die kanadische Konsultation ist ein Mikrokosmos einer Herausforderung, vor der jedes Unternehmen steht, wenn die KI-Einführung Fahrt aufnimmt.

Öffentlichkeit und Experten wollten beide sinnvolle Beiträge zu einer wichtigen politischen Entscheidung leisten. Die Regierung führte eine groß angelegte Konsultation durch und nutzte KI zur Analyse der Ergebnisse. Die KI-generierte Zusammenfassung wich in wichtigen Punkten vom Ausgangsmaterial ab. Und niemand außerhalb des Prozesses kann überprüfen, ob diese Abweichung beabsichtigt, zufällig oder einfach ein Artefakt der Komplexitätsreduktion durch große Sprachmodelle war.

Übertragen Sie das auf Unternehmen: Rechtsabteilungen nutzen KI, um Vertragsverhandlungen zusammenzufassen. Finanzabteilungen analysieren mit KI Due-Diligence-Dokumente. HR-Teams verarbeiten mit KI Mitarbeiterfeedback. Compliance-Teams prüfen mit KI regulatorische Einreichungen. Immer gilt: Entspricht die Zusammenfassung der Quelle? Was wurde herausgefiltert? Können Sie es nachweisen?

Die Unternehmen, die diese Fragen überzeugend beantworten, sind diejenigen, die die Governance-Infrastruktur aufgebaut haben, bevor sie sie brauchen – nicht erst nach einem Vorfall. Das bedeutet, sensible Kommunikationsinhalte auf einer kontrollierten Plattform mit vollständigen Audit-Trails zu konsolidieren, zero trust-Prinzipien auf jede KI-Daten-Interaktion anzuwenden und eine überprüfbare Chain of Custody zu gewährleisten, wie sie Regulierungsbehörden, Aufsichtsgremien und Partner zunehmend verlangen.

Was Kanada richtig gemacht hat – und wo es gescheitert ist

Der Regierung ist zugutezuhalten, dass sie die vollständigen Expertenberichte zusammen mit der Zusammenfassung veröffentlicht hat. Diese Transparenz ist genau das, wofür Data-Governance-Befürworter eintreten: Quellen offenlegen. Geists Möglichkeit, Rohdaten mit den verarbeiteten Ergebnissen zu vergleichen, besteht nur, weil die Originaldokumente öffentlich gemacht wurden. Viele Regierungen – und viele Unternehmen – hätten diesen Schritt nicht getan.

Die Schwäche des Prozesses lag in der Governance der KI-Analyse selbst. Es gibt keine methodische Dokumentation, wie die KI-Modelle angesteuert, validiert oder abgeglichen wurden. Keine Anerkennung der Grenzen, die mit dem Einsatz von KI zur Zusammenfassung komplexer, multiperspektivischer Beiträge einhergehen. Keine unabhängige Überprüfung der Zusammenfassungsgenauigkeit. Und kein klares Verantwortlichkeitsmodell für die Lücke zwischen Einreichung und Bericht.

Die Ironie ist offensichtlich: Eine Konsultation, die eine nationale KI-Strategie informieren sollte, wurde durch unzureichende KI-Governance selbst untergraben. Genau die Risiken, vor denen die Experten warnten – Transparenz, Audit-Trails und Verantwortlichkeit in KI-Systemen – traten im Prozess zur Zusammenfassung ihrer Warnungen offen zutage.

Fazit

Kanadas KI-Konsultation ist eine Warnung für jedes Unternehmen, das KI zur Verarbeitung, Analyse oder Zusammenfassung sensibler Informationen einsetzt. Die Technologie funktioniert. Sie kann monatelange Analysen auf Wochen komprimieren. Doch ohne Governance-Infrastruktur – Transparenz darüber, wie aus Input Output wird, Audit-Trails, die zeigen, was gefiltert oder hervorgehoben wurde, und Verantwortlichkeit für die Lücke zwischen Rohdaten und Ergebnis – können die Resultate unbemerkt von der Realität abweichen und sind im Nachhinein kaum überprüfbar.

Die Experten, die an Kanadas Konsultation teilnahmen, nahmen ihren Auftrag ernst und lieferten offene, handlungsorientierte Empfehlungen. Die Frage ist nicht, ob ihre Beiträge wertvoll waren, sondern ob die KI-vermittelte Zusammenfassung sie korrekt abbildete – und ob das jemand nachweisen kann.

Für Kiteworks bestätigt das ein Prinzip, das unser gesamtes Handeln prägt: Wenn sensible Inhalte durch KI-Systeme fließen, ist Transparenz unverzichtbar. Das bedeutet vollständige Audit-Trails, automatisierte zero trust-Datenschutzrichtlinien und die Möglichkeit, nachzuweisen, dass das Ergebnis den Input korrekt widerspiegelt. Regierungen und Unternehmen brauchen diese Infrastruktur – nicht weil KI gefährlich ist, sondern weil KI ohne Governance eine Blackbox bleibt. Und in einer Welt, in der immer mehr Entscheidungen auf KI-generierten Zusammenfassungen beruhen, ist eine Blackbox ein Risiko, das sich kein Unternehmen leisten kann.

Erfahren Sie, wie Kiteworks Sie unterstützen kann, und vereinbaren Sie noch heute eine individuelle Demo.

Weitere Ressourcen

• Blogbeitrag Zero Trust Architecture: Never Trust, Always Verify
• Video Microsoft GCC High: Nachteile, die Verteidigungsunternehmen zu intelligenteren Lösungen treiben
• Blogbeitrag Wie Sie klassifizierte Daten nach DSPM-Flagging absichern
• Blogbeitrag Vertrauen in generative KI mit einem Zero Trust-Ansatz aufbauen
• Video Der definitive Leitfaden für die sichere Speicherung sensibler Daten für IT-Leiter