Daten anonymisieren für KI und LLMs online und automatisiert

Ob Remote-Startup, verteiltes Produktteam oder Agentur mit Kunden in mehreren Ländern: Wer online arbeitet, nutzt KI-Werkzeuge meist direkt im Browser oder im Terminal, und personenbezogene Daten sind schneller in einem Prompt gelandet, als man denkt. Dieser Beitrag zeigt, wie Sie Daten vor der Übergabe an Sprachmodelle und Coding-Agenten zuverlässig anonymisieren, welche Regeln für Teams sinnvoll sind und wie sich der Prozess automatisieren lässt, ohne den Arbeitsfluss zu bremsen.

Warum Anonymisierung vor dem Prompt beginnt

Ob Kundenmails, die zusammengefasst werden sollen, Support-Tickets als Kontext für einen Coding-Agenten oder Testdaten aus der Produktion: Sobald personenbezogene Daten an ein Sprachmodell gehen, gelten die Regeln der DSGVO. Sie brauchen eine Rechtsgrundlage, müssen die Verarbeitung dokumentieren und gegebenenfalls Auftragsverarbeitungsverträge und Drittlandtransfers prüfen. Das gilt auch dann, wenn der Anbieter zusichert, Eingaben nicht zum Training zu verwenden.

Der einfachste Weg, dieses Risiko zu reduzieren, ist, personenbezogene Daten gar nicht erst weiterzugeben. Namen, E-Mail-Adressen, Telefonnummern, Anschriften, Kundennummern oder Gesundheitsangaben werden vor dem Versand entfernt oder ersetzt. Für die meisten Aufgaben, vom Zusammenfassen bis zur Fehleranalyse, sind diese Angaben ohnehin nicht nötig. Wer konsequent anonymisiert, vereinfacht zudem die Dokumentation gegenüber Datenschutzbeauftragten und Aufsichtsbehörden und senkt das Risiko, das bei einem Sicherheitsvorfall beim Anbieter entstehen würde.

Anonymisierung und Pseudonymisierung im Unterschied

Bei der Pseudonymisierung werden identifizierende Merkmale durch Platzhalter ersetzt, etwa Person A oder Kunde 17, und die Zuordnung wird getrennt aufbewahrt. Die Daten bleiben damit personenbezogen im Sinne der DSGVO, das Risiko sinkt aber deutlich. Praktisch ist, dass Antworten des Modells anschließend wieder den echten Personen zugeordnet werden können.

Echte Anonymisierung liegt erst vor, wenn sich der Personenbezug auch mit vertretbarem Aufwand nicht wiederherstellen lässt. Das ist anspruchsvoller, als es klingt, denn auch Kombinationen aus Beruf, Ort und Datum können eine Person identifizierbar machen. Welche Variante passt, hängt vom Anwendungsfall ab und sollte mit dem Datenschutzbeauftragten abgestimmt werden.

Besonderheiten bei Coding-Agenten

Coding-Agenten wie Claude Code oder Codex lesen Dateien, Logs und Datenbankauszüge, die sie für ihre Aufgabe für relevant halten. Dabei können unbemerkt personenbezogene Daten in den Kontext gelangen. Besonders heikel sind Debugging-Sitzungen, in denen der Agent echte Fehlerprotokolle oder Datenbankabfragen auswertet. Einige Maßnahmen verringern dieses Risiko deutlich.

1. Arbeiten Sie in Entwicklung und Tests ausschließlich mit synthetischen oder anonymisierten Daten statt mit Produktionsauszügen.
2. Schließen Sie Dateien mit Kundendaten, Exporte und Umgebungsvariablen über die Einstellungen des Agenten oder entsprechende Ignore-Regeln vom Zugriff aus.
3. Anonymisieren Sie Logs und Fehlermeldungen, bevor Sie sie dem Agenten zur Analyse geben.
4. Halten Sie in CLAUDE.md oder AGENTS.md fest, dass keine Produktionsdatenbanken abgefragt und keine echten Kundendaten in Tests geschrieben werden dürfen.
5. Dokumentieren Sie den Einsatz der Agenten im Verzeichnis der Verarbeitungstätigkeiten und schulen Sie das Team regelmäßig, damit die Regeln im Alltag präsent bleiben.

Automatisierte Anonymisierung im Alltag

Manuelles Schwärzen funktioniert bei einzelnen Dokumenten, nicht aber bei Hunderten Tickets oder täglichen Logauszügen. Hier helfen Werkzeuge, die Personen, Orte, Kontaktdaten und weitere Merkmale automatisch erkennen und ersetzen. Auch der EU AI Act verlangt von Unternehmen, die KI einsetzen, ausreichende KI-Kompetenz ihrer Beschäftigten, und dazu gehört ein bewusster Umgang mit Daten.

Textwash Pro anonymisiert Texte automatisch, bevor sie an ein Sprachmodell oder einen Coding-Agenten gehen. Für Unternehmen und öffentliche Verwaltungen, die KI noch umfassender nutzen möchten, bietet kalAIDoCreate eine Plattform für Wissensassistenten und Dokumenten-KI, mit der sich der Umgang mit internen Dokumenten strukturiert aufbauen lässt.

Anonymisierung für verteilte Teams

In verteilten Teams fehlt oft der kurze Zuruf über den Schreibtisch, ob ein bestimmter Datensatz an ein KI-Tool gehen darf. Umso wichtiger sind klare, schriftliche Regeln und Werkzeuge, die den richtigen Weg zum einfachsten machen. Eine automatische Anonymisierung vor dem Prompt nimmt jedem Teammitglied die Entscheidung im Einzelfall ab und sorgt für ein einheitliches Schutzniveau, egal von wo aus gearbeitet wird.

Textwash Pro lässt sich ortsunabhängig nutzen und bereinigt Texte, bevor sie an ein LLM gehen. Für Organisationen, die eine eigene KI-Plattform für Wissensassistenten oder Dokumentenverarbeitung suchen, ist kalAIDoCreate die passende Ergänzung. Einführung und Abstimmung erfolgen per Video für Teams in ganz Deutschland, Österreich und der Schweiz, auf Wunsch mit Aufzeichnung und asynchroner Begleitung. Ein schriftlicher Leitfaden hält fest, welche Daten wie behandelt werden, und erleichtert neuen Teammitgliedern den Einstieg.

Häufige Fragen