RAG · Fine-Tuning · Daten-Governance nach KI-Verordnung
Anonymisieren Sie Dokumente, bevor sie in Ihre KI-Projekte fließen
KI-Projekte in Unternehmen leben von Dokumenten: Verträge, die für einen RAG-Assistenten (Retrieval-Augmented Generation) indexiert werden, Support-Tickets zum Fine-Tuning eines Modells, Fallakten in einer internen Wissensdatenbank. Jede dieser Quellen kann personenbezogene Daten enthalten, und sind sie erst einmal zu Vektoren in einem Index oder Gewichten in einem Modell geworden, lassen sie sich weit schwerer finden, berichtigen oder löschen als im ursprünglichen Ordner.
Anonimatum Pro ab 19,90 €/Monat inkl. MwSt.
Anonimatum bereinigt den Korpus vor der Aufnahme. Die Stapelverarbeitung auf EU-Servern bewältigt Hunderte PDF-, Office- und ZIP-Dateien mit einer einzigen Konfiguration, und über die REST-API machen Sie denselben Schritt zum Teil Ihrer Datenpipeline. Muss die KI Personen weiterhin unterscheiden, ersetzt die Pseudonymisierung sie durch konsistente Tokens oder realistische Ersatzwerte: Beziehungen bleiben erhalten, Identitäten nicht.
Die KI-Verordnung der EU verpflichtet Anbieter von Hochrisikosystemen zu Daten-Governance für Trainings-, Validierungs- und Testdaten, und für alles Weitere gilt ohnehin die DSGVO. Anonimatum erkennt mit eigenen Modellen, ohne Ihren Korpus an externe LLM-APIs zu senden. Einzelne Fachleute außerhalb Spaniens können online mit Anonimatum Pro starten; für Teams und API-Zugang sprechen Sie uns an.
Von Rohdokumenten zum KI-tauglichen Korpus
- 1
Richtlinie festlegen
Entscheiden Sie pro Projekt, was weg muss (Namen, Kontaktdaten, Kennungen, Bankdaten) und was das Modell behalten soll, etwa Daten, Beträge oder Produktnamen.
- 2
Schwärzen oder pseudonymisieren
Schwärzen Sie für geteilte oder öffentliche Wissensdatenbanken; nutzen Sie Tokens wie NAME_1 oder realistische Ersatzwerte, wenn die KI verfolgen muss, wer wer ist.
- 3
Per Stapel oder API verarbeiten
Laden Sie ZIP-Dateien in die Server-Warteschlange oder rufen Sie die REST-API aus Ihrem Ingestion-Job auf, mit denselben Mustern und Wortsets für jede Datei.
- 4
Stichproben ziehen, Zuordnungstabelle getrennt halten
Prüfen Sie Ergebnisse vor dem Indexieren stichprobenartig in der Vorschau und verwahren Sie die Zuordnungstabelle außerhalb des KI-Systems mit eingeschränktem Zugriff.
Fiktives Dokument
Vorher und nachher: Support-Ticket für eine Wissensdatenbank
Fiktives Ticket, vorbereitet für einen RAG-Assistenten. Kunde und Agentin werden zu konsistenten Tokens, die Kontonummer wird teilweise maskiert, der technische Inhalt bleibt unberührt.
Ticket #48213 · Produkt: Router X200 · Priorität: hoch
Kunde: Jean Dupont, Konto FR-559201
Agentin: Laura Bianchi
Jean Dupont meldet, dass der Router jede Nacht um 02:00 Uhr neu startet.
Firmware 4.2.1 installiert; der Fehler trat nach dem Update auf.
Workaround: automatische Kanalwahl deaktivieren.
Rückmeldung gesendet an j.dupont@example-mail.eu.
Ticket #48213 · Produkt: Router X200 · Priorität: hoch
Kunde: NAME_1, Konto FR-55****
Agentin: NAME_2
NAME_1 meldet, dass der Router jede Nacht um 02:00 Uhr neu startet.
Firmware 4.2.1 installiert; der Fehler trat nach dem Update auf.
Workaround: automatische Kanalwahl deaktivieren.
Rückmeldung gesendet an EMAIL_001.
Die Tokens halten denselben Kunden im ganzen Ticket erkennbar, ohne ihn zu identifizieren; Produkt, Firmware und Lösung bleiben, weil der Assistent genau das lernen soll.
Warum Daten bereinigen, bevor die KI sie sieht
Einfacher als späteres Löschen
Eine Person aus einem Index oder einem feinabgestimmten Modell zu entfernen ist schwierig. Personenbezogene Daten gar nicht erst in den Korpus zu lassen, ist der einfachste Weg, Löschpflichten und Datenminimierung zu wahren.
Konsistent in jedem Dokument
Derselbe Originalwert erhält innerhalb eines Dokuments immer denselben Ersatz, sodass das Modell Beziehungen lernt statt Identitäten.
Bereit für die Pipeline
Stapel-Warteschlangen und REST-API fügen sich in Ingestion-Jobs ein, sodass die Anonymisierung ein automatischer Schritt der Pipeline wird statt einer manuellen Pflicht vor jedem Upload.
Kein Dritt-LLM im Spiel
Die Erkennung läuft mit eigenen Modellen von Anonimatum auf EU-Servern, sodass die Vorbereitung des Korpus keine neue Übermittlung an einen externen KI-Anbieter erzeugt.
Häufige Fragen zum Anonymisieren von Dokumenten für KI
Sollte ich Daten für RAG anonymisieren oder pseudonymisieren?
Wird die Wissensdatenbank von vielen Personen genutzt oder Kunden zugänglich gemacht, schwärzen Sie. Muss ein interner Assistent einen Fall über mehrere Dokumente verfolgen, pseudonymisieren Sie mit konsistenten Ersatzwerten und verwahren die Zuordnungstabelle außerhalb des KI-Systems. Denken Sie daran: Pseudonymisierte Daten bleiben nach der DSGVO personenbezogen.
Macht das mein KI-Projekt konform mit der KI-Verordnung?
Das kann kein Werkzeug allein. Die KI-Verordnung verlangt eine angemessene Daten-Governance für Trainings-, Validierungs- und Testdaten von Hochrisikosystemen; das Entfernen oder Pseudonymisieren personenbezogener Daten ist eine Maßnahme darin, die Sie zusammen mit Ihren übrigen Kontrollen dokumentieren.
Lässt es sich automatisieren?
Ja. Über die REST-API, verfügbar im Enterprise-Tarif, kann Ihre Pipeline Dokumente einreichen und die verarbeiteten Ergebnisse abrufen. Für einmalige Korpora genügen meist ZIP-Dateien in der Stapel-Warteschlange auf dem Server.
Welche Formate können in den Korpus?
PDF (auch gescannte Seiten, mit OCR), Word, Excel, PowerPoint, OpenDocument und ZIP-Archive. Die Ergebnisse kommen im Originalformat zurück, bereit für Ihr eigenes Chunking und Embedding.
Ist das dasselbe, wie eine Datei vor dem Einfügen in ChatGPT zu anonymisieren?
Gleiche Technik, anderer Maßstab. Ein Dokument in einen Chatbot einzufügen ist eine Einzelaufgabe; ein KI-Projekt zu speisen bedeutet Hunderte Dokumente, eine wiederholbare Richtlinie und Nachvollziehbarkeit, und genau dafür gibt es Stapelverarbeitung, API und gemeinsame Konfigurationen.
Bauen Sie Ihre KI auf bereinigten Daten auf
Außerhalb Spaniens können Einzelpersonen online mit Anonimatum Pro starten, für 19,90 € pro Monat oder 199 € pro Jahr (inkl. MwSt.). Für Teamprojekte, Stapelvolumen oder API-Zugang erzählen Sie uns von Ihrem Korpus.
Anonimatum buchenSpanien ist nicht Ihr Land?