Personenbezogene Daten für KI-Agenten maskieren.
Wie Vordix jede Anfrage und Antwort inline prüft, sensible Felder behandelt, bevor sie Modell oder Tool erreichen, und jede Entscheidung in Audit-Nachweise verwandelt, die Ihnen gehören.
Beispiel: Jira-Ergebnisse ohne E-Mail-Adressen
Ein Support-Assistent benötigt möglicherweise Zusammenfassung und Status eines Vorgangs, aber keine E-Mail-Adressen der beteiligten Personen. Richten Sie die Richtlinie für die Antwortfelder Ihrer Integration ein.
Benötigte Felder bestimmen
Behalten Sie Zusammenfassung und Status. Prüfen Sie, ob Namen, E-Mail-Adressen und Freitextkommentare für diese Aufgabe erforderlich sind.
Datenrichtlinien je Feld anwenden
Maskieren Sie Kennungen, wenn ein Ersatzwert sinnvoll ist, oder entfernen Sie Felder, die den Agenten nicht erreichen sollen. Prüfen Sie Freitext separat: Auch Kommentare können personenbezogene Daten enthalten.
Die tatsächliche Antwort prüfen
Führen Sie eine repräsentative Anfrage aus und kontrollieren Sie die Antwort an den KI-Client sowie den Audit-Eintrag. Wiederholen Sie die Prüfung nach Änderungen an Integration oder Richtlinien.
Warum ein Tool abzuschalten kein Datenschutz ist
Jede Tool-Antwort fließt in den Kontext eines Modells, Ihr Audit-Log und Ihre Exporte, und sensible Daten verstecken sich im Freitext.
- 01
PII fließt direkt ins Modell
Eine Confluence-Seite, ein Jira-Kommentar oder eine Datenbankzeile kann personenbezogene Daten direkt in das Kontextfenster eines LLM tragen.
- 02
An/aus kann ein Feld nicht minimieren
Eine Operation abzuschalten ist alles-oder-nichts; es kann kein Gehalt entfernen oder eine E-Mail maskieren und den Rest der Antwort nutzbar lassen.
- 03
Nur das Log zu schwärzen ist zu spät
Säubern Sie den Audit-Eintrag, aber nicht die agentenseitige Antwort, hat das Modell die PII bereits gelesen.
- 04
Ein Cloud-Detektor bricht die Datenresidenz
Daten an einen Drittanbieter-PII-Dienst zu senden untergräbt das Self-Hosting, und eingeschleuster Text in einer Tool-Antwort kann versuchen, den Agenten zu kapern.
Keine Connector-Liste. Eine Governance-Ebene pro Tool.
- Jira
Auf freigegebene Projekte begrenzt; E-Mails von Bearbeitern und Erstellern maskiert.
- GitHub
Auf freigegebene Repos zugeschnitten; Merges und Schreibzugriffe können eine Freigabe erfordern.
- Confluence
Auf freigegebene Spaces begrenzt; Autorennamen maskiert.
- Notion
Auf freigegebene Datenbanken & Seiten begrenzt; Autorennamen maskiert.
- Slack
Nur freigegebene Kanäle; Agenten-Nachrichten als inerter Text behandelt.
- Discord
Nur freigegebene Kanäle; Mitgliederdaten maskiert.
- MS Teams
Nur freigegebene Kanäle; Agenten-Nachrichten als inerter Text behandelt.
- Trello
Auf freigegebene Boards zugeschnitten; Mitgliederdaten maskiert.
- Databricks
Kein rohes SQL; Abfragen werden aus freigegebenen Tabellen gebaut, nur lesend und zeilenbegrenzt.
- Web-Suche
Domain-Allowlist, nur lesend; Ergebnisse werden als inerter Text zurückgegeben.
- Gmail
Zugeschnittene Postfächer; PII von Empfängern feldweise geschwärzt.
- Outlook
Zugeschnittene Postfächer; PII von Empfängern feldweise geschwärzt.
- Azure DevOps
Auf freigegebene Repos und Pipelines zugeschnitten; Schreiboperationen lückenlos auditiert.
Jede hier gelistete Integration ist heute verfügbar. Weitere folgen.
Wie Vordix es löst
- 01
Data Policies auf Feldebene
Maskieren, schwärzen, verwerfen oder blockieren Sie jedes Antwortfeld: sensible Daten minimieren, den Rest nutzbar lassen. Überschneiden sich Regeln, gewinnt die strengste Aktion.
- 02
Zuerst auf der Kopie des Agenten erzwungen
Die Minimierung läuft auf der Antwort, die der Agent sieht; der gespeicherte und exportierte Eintrag wird aus genau dieser bereinigten Kopie abgeleitet.
- 03
Prompt-Injection als inerter Text
In eine Tool-Antwort eingeschleuste Strings werden als Daten gespeichert und zurückgegeben, nie interpretiert, mit einem optionalen Detektor, den Sie auf Melden oder Ablehnen stellen können.
- 04
Menschliche Freigabe für riskante Aufrufe
Leiten Sie sensible Operationen vor der Ausführung durch ein Halten-und-Freigeben-Gate.
- 05
Deterministische Offline-Erkennung In Arbeit
Erkenner, die per Prüfsumme verifizieren: Karten via Luhn, IBANs via mod-97 und DACH-Personenkennziffern (österreichische SVNR, deutsche Steuer-ID, Schweizer AHV), vollständig in Ihrem Netz, ohne dass etwas zur Klassifizierung nach außen geht.
- 06
Ihre eigenen Begriffslisten Geplant
Laden Sie Mitarbeiter-, Kunden- oder Codenamen-Listen hoch, damit auch Ihre spezifischen Entitäten erkannt und geschützt werden.
- 07
Nachweise statt roher Logs
Jede Blockierung und Schwärzung wird auditiert und dem Datenschutz-Artikel des EU AI Act zugeordnet, sodass der Eintrag zeigt, was geschützt wurde und warum.
Sehen Sie es auf Ihrem eigenen Stack.
Ein kurzer Durchgang mit Ihren Tools, Ihren Regeln, Ihrem Audit-Log. Nichts verlässt Ihr Netzwerk.