PII-Behandlung vor Modellaufrufen

Vor jedem Aufruf des Sprachmodells werden personenbezogene Angaben durch undurchsichtige Platzhalter ersetzt und nach der Antwort wieder eingesetzt. Die Funktion ist standardmäßig aktiv.

3.1 Wie es arbeitet

Ebene 1 — regelbasiert, deterministisch. Erkannt werden österreichische Sozialversicherungsnummern (mit Plausibilitätsprüfung des Geburtsdatumsteils), IBAN, E-Mail-Adressen und österreichische Telefonnummern mit ausdrücklicher Vorwahl +43 oder 0043. Jeder Treffer wird zu einem Platzhalter der Form <<TYP_NNN>>. Derselbe Wert erhält innerhalb einer Anfrage denselben Platzhalter, damit der Bezug im Text erhalten bleibt.

Ebene 2 — Eigennamenerkennung. Ein deutschsprachiges spaCy-Modell markiert Personen (PER) als <<NAME_nnn>> und Orte (LOC) als <<ADDR_nnn>>. Organisationen (ORG) werden bewusst nicht ersetzt: Gerichts- und Kanzleibezeichnungen sind öffentlich und ihre Entfernung würde die juristische Verwertbarkeit der Antwort zerstören. Fehlt das Modell, fällt das System auf Ebene 1 zurück und protokolliert eine Warnung.

Rückübersetzung. Die Zuordnungstabelle existiert nur für die Dauer der einzelnen Anfrage. Vor der Anzeige werden die Originalwerte wieder eingesetzt. Im laufenden Stream werden angefangene Platzhalter über Paketgrenzen hinweg zurückgehalten, damit nie ein halb ersetzter Wert sichtbar wird.

Ergänzend. In der Produktionskonfiguration werden Dokument- und Antwortauszüge in den Protokollen durch einen SHA-256-Wert samt Länge ersetzt, statt im Klartext zu erscheinen.

3.2 Die Grenzen, ausdrücklich

1. Die Redaktion deckt nur den Modellpfad ab. Die Embedding-Aufrufe sind nicht redigiert — weder beim Abfragen noch beim Indexieren. Siehe Abschnitt 2.1. Das ist die wichtigste Einschränkung auf dieser Seite.
2. Das eingesetzte Sprachmodell zur Eigennamenerkennung ist die kleine Variante. Die Trefferquote auf deutscher Rechtsprosa ist bestmöglich, nicht vollständig. Ein nicht erkannter Name geht im Klartext an das Modell.
3. Nur Personen und Orte werden ersetzt. Nicht ersetzt werden: Aktenzahlen, Firmenbuchnummern, UID-Nummern, Geburtsdaten, Kontobezüge und Vertragsbeträge. Diese Angaben sind für die juristische Antwort meist erforderlich; ihre Ersetzung würde das Ergebnis unbrauchbar machen. Sie sollten wissen, dass sie übertragen werden.
4. Redaktion ist eine Minderung, keine Garantie. Sie verringert die Menge identifizierender Daten im Prompt. Sie macht den Prompt nicht anonym im Sinne der DSGVO.

Wer diese vier Punkte nicht akzeptieren möchte, für den ist Betriebsmodell C die richtige Antwort — nicht eine stärkere Redaktion.