So anonymisieren Sie Daten, bevor Sie KI nutzen (Schritt für Schritt)

Um Daten zu anonymisieren, bevor Sie eine KI nutzen, befolgen Sie vier Schritte: (1) Erkennen Sie die sensiblen Kategorien in Ihrem Text oder Ihrer Datei — Identitäten, Kontaktdaten, Kennungen, Finanzdaten, Geheimnisse und API-Schlüssel, Gesundheit; (2) ersetzen Sie jeden Wert durch ein konsistentes, umkehrbares Token statt durch XXXX, damit der Kontext erhalten bleibt; (3) senden Sie der KI den bereits anonymisierten Text; (4) fügen Sie die Originalwerte lokal wieder in die Antwort ein (Detokenisierung). Das ist der empfohlene Weg, um Ihre Daten zu schützen, bevor Sie sie in ChatGPT, Claude oder Gemini einfügen: Nur neutralisierter Text verlässt Ihr Gerät, und die Zuordnungstabelle reist niemals mit.

Schritt 1 — Die sensiblen Kategorien erkennen

Bevor Sie irgendetwas maskieren, müssen Sie wissen, wonach Sie suchen. Der Leitfaden NIST SP 800-122, der dem Schutz der Vertraulichkeit personenbezogener Daten gewidmet ist, empfiehlt einen kontextbezogenen Ansatz: Man identifiziert die identifizierenden Informationen und kalibriert das Schutzniveau nach den Auswirkungen eines Lecks statt nach einer einheitlichen Regel. In der Praxis denken Sie in Familien, da nicht alle dieselbe Schwere haben:

• Identitäten: Namen, Geburtsdaten, Postanschriften.
• Kontaktdaten: E-Mails, Telefonnummern, Konto-Kennungen.
• Offizielle Kennungen: Sozialversicherungsnummern, Ausweisdokumente, Registrierungsnummern.
• Finanzdaten: Bankverbindungen, IBAN, Gehaltsangaben, Steuernummern.
• Technische Geheimnisse: API-Schlüssel, Zugriffstoken, Passwörter, Cloud-Schlüssel.
• Gesundheit: Diagnosen, Behandlungen, alle medizinischen Daten.

Je nach Fall dominieren bestimmte Familien: Eine HR-Tabelle bündelt Identitäten und Finanzdaten (siehe den eigenen Leitfaden zum Anonymisieren von HR-Daten vor der KI), ein Dokumentenexport vermischt oft Identitäten und Kontaktdaten (der Leitfaden zum Anonymisieren eines Dokuments vor der KI), und ein Code-Auszug verbirgt vor allem Geheimnisse und API-Schlüssel (der Leitfaden zum Einfügen von Code in die KI, ohne Geheimnisse preiszugeben). Das vollständige Erkennen ist genau der Schritt, den ein Mensch am häufigsten verpasst — weshalb es sich lohnt, ihn zu automatisieren.

Schritt 2 — Durch umkehrbare Token ersetzen (nicht XXXX)

Der übliche Reflex — Maskieren mit „XXXX“ oder Schwärzen — zerstört den Sinn. „Mary Smith“ konsistent durch [PERSON_1] zu ersetzen (immer dasselbe Token für denselben Wert) erlaubt der KI stattdessen, über die Beziehungen im Text nachzudenken: wer was tut, welcher Betrag für welchen Kunden. Die Umkehrbarkeit auf der Browserseite lässt Sie danach eine brauchbare Antwort nach der Detokenisierung wiederherstellen — etwas, das weder Schwärzen noch reines Löschen ermöglichen.

Technisch gesehen ist das Ersetzen eines Werts durch ein umkehrbares Token eine Pseudonymisierung. Die DSGVO (Artikel 4(5)) definiert sie als eine Verarbeitung, bei der Daten ohne „zusätzliche Informationen“ — hier die Zuordnung Token↔Wert — keiner Person mehr zugeordnet werden können, sofern diese Informationen gesondert aufbewahrt und geschützt werden. Die Leitlinien 01/2025 des EDPB zur Pseudonymisierung, angenommen am 16. Januar 2025, beschreiben genau diesen Mechanismus: identifizierende Informationen durch neue Kennungen ersetzen, die eine Zuordnung nur mit gesondert aufbewahrten zusätzlichen Informationen erlauben. Die praktische Konsequenz: Der Schlüssel darf niemals mit dem an die KI gesendeten Text mitreisen.

Schritte 3 & 4 — Den anonymisierten Text senden, dann lokal detokenisieren

Sobald der Text neutralisiert ist, senden Sie ihn wie jeden anderen Prompt an die KI. Das Modell denkt über die Token nach, erzeugt seine Antwort, und Sie fügen die Originalwerte auf Ihrer Seite wieder ein — die KI hat Ihre echten Informationen nie gesehen. Der Ablauf ist immer derselbe:

1. 1Anonymisieren: Jeder sensible Wert wird zu einem konsistenten, umkehrbaren Token.
2. 2Prüfen: Kontrollieren Sie vor dem Senden, dass kein Wert im Klartext verbleibt.
3. 3Senden Sie der KI den tokenisierten Text, und nur diesen.
4. 4Detokenisieren Sie die Antwort lokal: Aus Token werden wieder Ihre echten Werte.

Diese Aufteilung löst ein grundlegendes Problem: Je nach Konto variiert der Status der eingefügten Daten. Standardmäßig kann OpenAI die Inhalte von privaten ChatGPT-Konten nutzen, um seine Modelle zu verbessern, während die Angebote für Unternehmen und die API nicht für das Training verwendet werden, sofern Sie sich nicht dafür entscheiden (Opt-in). Selbst bei ausgeschaltetem Training können Daten bis zu 30 Tage lang zur Missbrauchsüberwachung aufbewahrt werden. Das vorgelagerte Anonymisieren macht diese Unterschiede für sensible Daten belanglos: Sie verlassen Ihr Gerät nie.

Warum manuelles Schwärzen scheitert

Manuelles Schwärzen scheitert aus drei dokumentierten Gründen, was die automatisierte Tokenisierung rechtfertigt. Erstens lassen visuelle Masken — schwarze Kästen, Hervorhebungen — die Daten oft unter der Oberfläche wiederherstellbar. Zweitens ist menschliches Übersehen häufig. Drittens skaliert es nicht bei einer Tabelle mit Tausenden von Zeilen (siehe den Leitfaden zum Anonymisieren einer Tabelle vor der KI). Eine von Redactable zitierte Studie aus dem Jahr 2021 misst tatsächlich eine Genauigkeit von rund 91,37 % für manuelle Methoden gegenüber 97,10 % für automatisierte Werkzeuge.

Reale Vorfälle bestätigen es: Maskieren löscht nicht. Hier sind drei Fälle, in denen die „Maske“ nachgab, plus das Samsung-Leck, das zeigt, warum Sie vor dem Senden handeln müssen.

Der Fall Samsung ist grundlegend: Im April 2023 leckten Mitarbeiter versehentlich sensible interne Daten, indem sie sie in ChatGPT einfügten — darunter Quellcode und ein Sitzungsprotokoll. Am 1. Mai 2023 untersagte das Unternehmen generative KI-Werkzeuge auf seinen Geräten, mit Verweis auf die Unmöglichkeit, Daten wiederherzustellen oder zu löschen, sobald sie an externe Server gesendet wurden. Es ist die konkrete Veranschaulichung, warum Sie VOR dem Senden anonymisieren müssen, nicht danach.

Die Methode in die Praxis umsetzen, ohne etwas zu übersehen

Die Theorie ist einfach; die Falle ist die Vollständigkeit. Ein vergessener Name, eine im Klartext belassene IBAN, und der Schutz bricht zusammen. Deshalb schlägt eine systematische Erkennungs-Engine das Prüfen mit bloßem Auge: Sie deckt jede Familie auf einmal ab, hält die Token konsistent und skaliert über eine ganze Tabelle.

Genau dafür ist ONYRI Sanitize da: Die Engine erkennt sensible Daten und ersetzt sie durch umkehrbare Token, die Erkennung und die Zuordnungstabelle bleiben in Ihrem Browser, und nur anonymisierter Text erreicht die KI. Die Detokenisierung erfolgt lokal auf Ihrem Gerät — das Werkzeug sieht Token, niemals Ihre echten Informationen, im Einklang mit der vom EDPB beschriebenen Pseudonymisierungslogik.