Dokumente mit Hunderten Seiten: KI-Anonymisierung ohne langes Warten
Verwaltungsakten, Förderanträge, Verfahrensakten, Unterlagen aus einer Due Diligence: Viele Dokumente, die anonymisiert werden müssen, haben Hunderte Seiten. Und genau bei ihnen hieß es bisher warten. In Version 1.9.0 von Anonimatum haben wir zwei Schritte neu aufgebaut: Ein Word-Dokument mit 600 Seiten, das früher nach 20 Minuten noch nicht fertig war, ist jetzt in rund 7 Minuten in der Vorschau – mit demselben Ergebnis. Und vor allem: Wenn etwas schiefgeht, sagt die App es Ihnen.
Warum lange Dokumente so lange dauerten
Die KI von Anonimatum liest das ganze Dokument, um zu finden, was Regeln allein nicht erkennen: Namen, Anschriften, Beträge oder Datumsangaben im Zusammenhang. Sie arbeitet mit rund 0,5 Sekunden pro Seite und analysiert ein Dokument nach dem anderen – eine Akte mit 600 Seiten braucht also schon für dieses Lesen mehrere Minuten.
Das eigentliche Problem lag woanders: Überschritt die Analyse das Zeitlimit, konnte das Ergebnis nur die musterbasierten Treffer enthalten (Ausweisnummern, IBAN, Telefonnummern …) und die von der KI gefundenen Namen, Beträge oder Anschriften verlieren – ohne jeden Hinweis. Ein Dokument, das anonymisiert aussah, es aber nur zur Hälfte war.
Was sich mit Version 1.9.0 ändert
Die KI analysiert lange Dokumente in Blöcken zu 25 Seiten
Lange Dokumente gehen jetzt in Blöcken zu 25 Seiten an die KI. Jeder Block wird einzeln analysiert, anschließend werden die Ergebnisse zusammengeführt und jeder Treffer wieder seiner ursprünglichen Seite zugeordnet. So kommt keine Analyse mehr in die Nähe des Zeitlimits, egal wie lang das Dokument ist.
Scheitert ein Block, erfahren Sie es
Kann die KI einen Block nicht analysieren, nennt die Vorschau die genauen Seiten, zum Beispiel „Die KI hat die Seiten 26–50 nicht analysiert“, damit Sie sie prüfen oder die Analyse wiederholen können. Und die endgültige Anonymisierung liefert nie ein halb anonymisiertes Dokument aus: Sie bricht ab und warnt Sie, statt es stillschweigend herauszugeben. Zwischen Tempo und Sicherheit gewinnt die Sicherheit.
Jeden Treffer auf seiner Seite markieren: von 22 Minuten auf 11 Sekunden
Nach der Erkennung müssen die Daten auf jeder Seite gefunden werden, um die Schwärzungsrahmen zu zeichnen. Auch dieser Schritt wurde neu geschrieben: Der Text jeder Seite wird nur einmal aufbereitet (früher einmal pro gesuchtem Wort), wiederholte Suchen werden wiederverwendet, und Wörter, die auf einer Seite gar nicht vorkommen können, werden von vornherein übersprungen. In einem Test mit 600 Seiten und 2.000 erkannten Werten sank die Zeit von rund 2,1 Sekunden pro Seite auf rund 20 Millisekunden: von fast 22 Minuten auf etwa 11 Sekunden – mit exakt denselben Markierungen.
| Vorher | Mit 1.9.0 | |
|---|---|---|
| Vollständige KI-Vorschau | Über 20 Min., dann Abbruch | Rund 7 Min. |
| KI-Analyse | Ganzes Dokument auf einmal | Blöcke zu 25 Seiten, rund 5 Min. |
| Treffer auf den Seiten markieren | Rund 2,1 s pro Seite (≈ 22 Min.) | Rund 20 ms pro Seite (≈ 11 s) |
| Wenn die Analyse nicht fertig wird | Nur Regeln, kein Hinweis | Hinweis mit den betroffenen Seiten; nie halb fertig ausgeliefert |
Der Test: ein Word-Dokument mit 600 Seiten
Wir haben es mit einem Word-Dokument mit 600 Seiten voller personenbezogener Daten geprüft: Namen, IBAN, Ausweisnummern, Telefonnummern, E-Mail-Adressen, Anschriften, Datumsangaben und Beträge. Die vollständige KI-Vorschau ist jetzt in rund 7 Minuten fertig: etwa 5 für die KI-Analyse, der Rest für das Aufbereiten der Seiten und das Markieren. Vorher dauerte sie über 20 Minuten und wurde abgebrochen.
Als Faustregel gilt etwas mehr als eine halbe Sekunde pro Seite: rund eine Minute für 100 Seiten und etwa 3 für 300. Wenn Sie viele lange Dokumente auf einmal anonymisieren müssen, schicken Sie sie besser über die Stapelverarbeitung als einzeln.
Weitere Neuerungen in 1.9.0 für lange Dokumente
- Vorschau nach Wort. Zusätzlich zur Liste nach Seiten erscheint jeder erkannte Text einmal mit der Anzahl der Vorkommen und den Seiten. Hat die KI ein Wort, das auf 200 Seiten vorkommt, irrtümlich markiert, entfernen Sie es mit Alle entfernen überall auf einmal – und die App schlägt vor, es künftig nicht mehr zu anonymisieren.
- Ein großes Word-Dokument geht nie unanonymisiert raus. Wir haben einen Fall behoben, in dem eine große Word-Datei ohne Anonymisierung heruntergeladen werden konnte, wenn nach der Vorschau eine Einstellung geändert wurde. Die KI-Erkennung wird jetzt beim Anonymisieren wiederholt, und wenn keine Daten ersetzt werden, meldet die App das, statt das Dokument auszuliefern. Mehr dazu, wie Sie Word-Dokumente anonymisieren und die Formatierung behalten.
Was das für Sie bedeutet
- Akten mit Hunderten Seiten sind in Minuten in der Vorschau – und zwar vollständig.
- Rechnen Sie für die KI-Vorschau mit etwas mehr als einer halben Sekunde pro Seite.
- Analysiert die KI eine Seite nicht, sagt Ihnen die Vorschau, welche.
- Sie erhalten nie ohne Hinweis ein halb anonymisiertes Dokument.
- Die Markierungen sind identisch mit vorher: Nur die Zeit ändert sich.
- Für viele lange Dokumente auf einmal nutzen Sie die Stapelverarbeitung.
- Prüfen Sie die Vorschau immer vor dem Anwenden, wie bei jedem Dokument.
Wie gut die Erkennung in jeder Sprache ist, zeigen wir in So messen wir die KI von Anonimatum; alle Änderungen finden Sie in den Versionshinweisen zu 1.9.0.
Häufige Fragen
Ist das Ergebnis dasselbe wie vorher?
Ja. Treffer und Schwärzungsrahmen sind identisch; nur die Zeit ändert sich. Im Test mit 600 Seiten lieferte das Auffinden der Daten vor und nach der Änderung exakt dieselben Markierungen.
Was passiert, wenn ein Block scheitert?
Die Vorschau nennt die Seiten, die die KI nicht analysiert hat (zum Beispiel „Die KI hat die Seiten 26–50 nicht analysiert“), damit Sie sie prüfen oder die Analyse wiederholen können. Die endgültige Anonymisierung liefert nie ein halb anonymisiertes Dokument aus: Sie bricht ab und warnt Sie.
Gibt es eine Seitenbegrenzung?
Nicht durch die KI: Das Dokument wird in so viele Blöcke zu 25 Seiten geteilt wie nötig (24 bei 600 Seiten). Die allgemeinen Grenzen Ihres Kontos gelten weiterhin, etwa Dateigröße und verfügbare Seiten. Mit der Länge wächst die Zeit: etwas mehr als eine halbe Sekunde pro Seite.
Verlässt mein Dokument die EU?
Nein. Es wird auf eigenen Servern von Anonimatum in der EU analysiert, ohne Weitergabe an Drittdienste oder externe APIs. Alle Blöcke werden am selben Ort analysiert.
Ändert sich etwas bei kurzen Dokumenten?
Ein Dokument mit 25 Seiten oder weniger wird wie bisher in einem Durchgang analysiert. Es profitiert ebenfalls vom neuen Markieren auf den Seiten, auch wenn der Unterschied bei kurzen Dokumenten kaum auffällt.