Sind lokale KI-Modelle privater als die Cloud?

Sind lokale KI-Modelle privater als die Cloud? Für den Inferenzschritt lautet die Antwort ja. Ein Modell, das vollständig auf Ihrer eigenen Maschine läuft, sendet Ihren Prompt nie an den Server eines Anbieters. Es gibt also keine serverseitige Speicherung, keine menschliche Überprüfung und kein Training mit Ihrem Text. Dieser Teil ist wirklich privater. Aber lokal ist nicht automatisch insgesamt sicherer. Lokale Modelle sind meist kleiner und weniger leistungsfähig. Sie müssen die Maschine selbst weiterhin absichern. Und manche Apps, die lokal laufen, funken trotzdem nach Hause. Lokal gewinnt also beim Datenschutz, aber die Cloud gewinnt oft bei der Leistungsfähigkeit. Für den häufigen Fall können Sie beides bekommen. Anonymisieren Sie die sensiblen Teile, bevor Sie senden.

Lokale Inferenz: wirklich privater

Werkzeuge wie Ollama und LM Studio führen Modelle mit offenen Gewichten auf Ihrer eigenen Hardware aus. On-Device-Modelle tun dasselbe. Der Prompt wird genau dort verarbeitet, auf Ihrer Maschine. Er wandert für den Inferenzschritt nie zur API eines Anbieters. Nichts wird auf einem Server gespeichert, den Sie nicht kontrollieren. Kein Mitarbeiter kann ihn einsehen. Und er kann nicht wiederverwendet werden, um ein künftiges Modell zu trainieren. Für diesen Schritt ist das ein echter Datenschutzgewinn.

Der Gewinn betrifft speziell die Inferenz. Das ist der Moment, in dem Ihr Prompt auf das Modell trifft. Halten Sie diesen Moment auf Ihrem Gerät. Der sensibelste Schritt bleibt dann privat. Es ist die stärkste Version von „die Daten verlassen das Gerät nie“.

Die Kompromisse sind real

Lokal ist die privateste Option, aber nicht ohne Kompromisse. Der größte ist die Leistungsfähigkeit. Lokal ausgeführte Modelle und Modelle mit offenen Gewichten sind meist kleiner. Für schwierige oder spezialisierte Aufgaben liegen die führenden Cloud-Modelle weiterhin vorn. Viele greifen daher zur Cloud, selbst wenn ihnen Datenschutz wichtig ist.

• Leistungslücke: Lokale Modelle sind meist kleiner und weniger leistungsfähig als führende Cloud-Modelle.
• Ihre eigene Sicherheit zählt weiterhin: Die Daten liegen auf der Festplatte, in Backups und neben anderen Apps.
• „Läuft lokal“ heißt nicht „sendet nichts“: Die App kann trotzdem Telemetrie, Absturzberichte oder Updates senden.
• Praktische Kosten: Ein leistungsfähiges Modell braucht echten RAM und GPU, und die lokale Inferenz kann langsamer sein als eine gehostete API.

Dieser dritte Punkt verdient Aufmerksamkeit. Das Modell kann offline laufen, während die umgebende App weiterhin mit einem Server kommuniziert. Sie könnte eine Lizenz prüfen, einen Absturz melden oder ein Update herunterladen. Prüfen Sie also, was jede App sendet. Nehmen Sie kein Schweigen an, nur weil das Modell auf Ihrer Maschine läuft.

Was die Regeln sagen: Datenminimierung

Hinter all dem steht ein Rechtsgrundsatz. Er heißt Datenminimierung. Die UK-DSGVO und die EU-DSGVO legen ihn in Artikel 5(1)(c) fest. Personenbezogene Daten müssen dem Zweck angemessen und erheblich sowie auf das notwendige Maß beschränkt sein. Das ICO (Information Commissioner's Office, die britische Aufsichtsbehörde) fasst es einfach zusammen. Verarbeiten Sie nur, was Sie brauchen, und seien Sie bereit, diesen Bedarf zu begründen.

Das ICO wendet dies auch direkt auf KI an. Sein KI-Leitfaden behandelt die lokale Verarbeitung auf dem Gerät als eine Möglichkeit, Daten während der Inferenz zu minimieren. Er verweist außerdem auf Datenmaskierung und Anonymisierung. Diese Techniken ersetzen oder verbergen identifizierende Details. So sieht das KI-System nur, was es braucht. Die beiden Ansätze ergänzen sich, sie konkurrieren nicht.

Der praktische Mittelweg

Die meisten Menschen wollen trotzdem ein leistungsfähiges Cloud-Modell. Für schwierige Arbeit ist das eine vernünftige Wahl. Sie müssen dafür den Datenschutz nicht aufgeben. Die Lösung: Anonymisieren Sie zuerst die sensiblen Teile. Senden Sie die Form Ihres Problems, nicht die rohen Kennungen. Das Cloud-Modell arbeitet mit Token. Die echten Werte stellen Sie lokal wieder her, in Ihrem Browser.

Dies spiegelt das eigene Begriffspaar des ICO wider. Verarbeitung auf dem Gerät und Datenmaskierung minimieren beide, was die KI sieht. On-Device-KI großer Anbieter ist ein weiterer Mittelweg. Sie kann eine legitime Option sein. Aber dieselbe Regel gilt: Prüfen Sie, was tatsächlich das Gerät verlässt.

1. 1Bestimmen Sie das Minimum an Daten, das die Aufgabe wirklich braucht.
2. 2Für vollständigen Datenschutz bei einfachen Aufgaben nutzen Sie ein lokales Modell.
3. 3Für schwierige Aufgaben anonymisieren Sie zuerst die sensiblen Teile.
4. 4Senden Sie nur den anonymisierten Text an das Cloud-Modell.
5. 5Stellen Sie die echten Werte in der Antwort lokal wieder her.

Das ist die Idee hinter ONYRI Sanitize. Die Engine läuft vollständig in Ihrem Browser. Sie findet sensible Daten — Namen, Nummern, Schlüssel, Adressen — und tauscht sie gegen reversible Token. Die Erkennung und das Mapping verlassen nie Ihr Gerät. Nur anonymisierter Text erreicht das Modell. Sie erhalten führende Leistungsfähigkeit, mit Datenschutz auf lokalem Niveau für die Daten, die zählen. Es ist das eigene Begriffspaar des ICO, praktisch umgesetzt.