Synthetische Daten sind künstlich erzeugte Datensätze, die die statistischen Eigenschaften echter Daten nachbilden, ohne aus realen Einzelfällen zu bestehen. Erzeugt werden sie über Simulationen, statistische Modelle oder generative KI, häufig auf Basis eines realen Ausgangsbestands, dessen Verteilungen nachgebildet werden.
Eingesetzt werden sie dort, wo echte Daten fehlen, zu teuer, zu selten oder zu sensibel sind: für seltene Fehlerbilder in der Qualitätsprüfung, für Testdaten in der Softwareentwicklung, für das Training medizinischer Modelle und zum Ausgleich unterrepräsentierter Gruppen im Datensatz. Die Grenzen sind klar: Ein synthetischer Bestand kann nur abbilden, was im Ausgangsmaterial angelegt war, und übernimmt dessen Verzerrungen, wenn nicht gezielt gegengesteuert wird. Wer ausschließlich mit synthetischen Daten trainiert, riskiert zudem Modelle, die in der Simulation überzeugen und in der Realität scheitern.
Datenschutzrechtlich sind sie nur dann außerhalb der DSGVO, wenn kein Rückschluss auf einzelne reale Personen mehr möglich ist; ein Modell, das einzelne Datensätze nahezu unverändert reproduziert, erfüllt diese Bedingung nicht. Der Nachweis dieser Eigenschaft gehört daher dokumentiert, bevor synthetische Daten als datenschutzfreundlicher Ersatz eingesetzt werden.