Server in Deutschland
Eure Daten liegen auf Infrastruktur in Deutschland. Jeder Kunde bekommt eine dedizierte Umgebung, keine geteilte Mandanten-Instanz.
Sicherheit & Datenschutz
DSGVO-konform, komplett auf EU-Infrastruktur.
Auch mit den Modellen amerikanischer Hersteller. Wie das technisch geht, steht auf dieser Seite: nachvollziehbar, gemessen und rechtlich eingeordnet.
Das EU-Substrat
Alles läuft in der EU.
Die Grundlage ist keine Zusicherung auf Papier, sondern die Architektur selbst. Speicher und Schlüssel bleiben innerhalb der EU, der Rechenweg im Regelfall ebenso.
Inferenz in der EU
Die Modelle laufen auf EU-Infrastruktur: AWS Bedrock in Frankfurt (eu-central-1) und Google Vertex AI in der EU. Im Regelfall verlässt der Rechenweg die EU nicht. Braucht ein Vorgang doch ein extern gehostetes Modell, geht ausschließlich pseudonymisierter Text hinaus.
Schlüssel bleiben hier
API-Schlüssel und Klartextdaten verlassen die EU-Umgebung nicht. Was das Modell sieht, ist kontrolliert, was geheim ist, bleibt es.
Pii-Zero
Pii-Zero, die EU-Pseudonymisierungs-Firewall.
Der Regelfall ist der EU-Pfad: Modelle auf EU-Infrastruktur, ohne dass eure Daten die EU verlassen. Soll ein Vorgang das beste verfügbare Modell nutzen und liegt dieses außerhalb, schaltet sich Pii-Zero davor und ersetzt jedes personenbezogene Datum durch ein inhaltsleeres Token. Nach außen geht nur noch pseudonymisierter Text.
Damit fällt der schwierigste Satz im europäischen KI-Einsatz weg, nämlich der, dass die guten Modelle nun einmal woanders stehen: Die Modellwahl folgt der Qualität, nicht dem Serverstandort. Erkannt wird in drei aufeinander aufbauenden Stufen, abgesichert durch eine letzte Kontrolle am Ausgang.
01
Deterministische Muster mit Prüfsumme
IBAN, Steuer-IDs, Kreditkarten, Telefonnummern und Ausweisnummern folgen festen Strukturen mit Prüfziffern. Sie werden mathematisch validiert erkannt, dazu ein kuratiertes Wörterbuch der bei euch bekannten Namen und Firmen. Fehlerfrei und ohne Fehlalarme, deshalb läuft diese Stufe zuerst.
02
Statistische Namenserkennung (NER)
Für unbekannte Personen, Orte und Organisationen im Fließtext greifen zwei Erkennungsmodelle im Verbund: ein mehrsprachiges Basismodell plus eine auf deutschen Geschäftstext nachtrainierte Variante. Jede Erkennung eines der beiden zählt.
03
KI-Zweitpass, EU-resident und fail-closed
Ein in Frankfurt betriebenes Sprachmodell liest den bereits pseudonymisierten Text gegen und ersetzt übersehene Reste. Bei Störung wird blockiert, nie durchgelassen.
04
Egress-Backstop am Ausgang
Eine letzte, klassenbasierte Kontrolle sitzt direkt am Netzwerk-Ausgang und blockiert im Zweifel die Übertragung. Der Zweifel führt zu mehr Schutz, nicht zu weniger.
Klartext und die Re-Identifikations-Schlüssel bleiben verschlüsselt auf der EU-Infrastruktur (AES-256-GCM). Die Re-Identifikation, also das Zurückübersetzen der Token in echte Daten, passiert ausschließlich EU-seitig.
Gemessen, nicht behauptet
Wir messen die Firewall.
100 Prozent Erkennung auf freiem Text kann seriös niemand garantieren. Wer eigene Tests baut, prüft außerdem leicht nur das, was er ohnehin kann. Deshalb messen wir die unveränderte Produktions-Firewall gegen fremde Testdaten: 4.649 Dokumente mit rund 18.460 markierten PII-Stellen von einem unabhängigen Anbieter, dessen Text-Generator und Markierungs-Systematik nicht von uns stammen. Die Werte gelten für den vollen Durchlauf, nicht für eine einzelne Stufe.
Die 100 Prozent oben sind kein Widerspruch dazu: Sie gelten für Klassen mit Prüfziffer, die sich mathematisch verifizieren lassen, nicht für Namen im Fließtext. Und weil ein künstlich erzeugtes Test-Set der Wirklichkeit nur nahekommt, haben wir zusätzlich gegen einen realen, von unabhängigen Menschen annotierten Korpus gemessen (GermEval 2014, 1.506 Dokumente): dort 95,89 % über Personen, Orte und Organisationen, bei Personennamen 97,7 %, also eine konservative Untergrenze für den identifizierenden Kern. Stand Juli 2026.
98,93 %
Schutzquote auf deutschem Geschäftstext, gemessen auf einem fremden Test-Set (1.415 Dokumente, 7.099 PII-Stellen)
99,16 %
Schutzquote auf dem englischen Schwester-Set: die Erkennung generalisiert über Sprachen
100 %
bei Telefonnummern und allen prüfsummen-validierten Klassen wie IBAN und Steuer-ID
Kein Abfluss privater Kundendaten
Eine gezählte Rest-Stelle ist noch kein Datenschutzbruch. Um beides zu trennen, hat ein stärkeres, unabhängiges Modell jeden Rest-Treffer beider Korpora kritisch nachbewertet. Übrig blieben über 11.919 fremd-annotierte Stellen hinweg zwei Fälle mit echtem Personenbezug, beide prominente Personen des öffentlichen Lebens aus enzyklopädischem Wikipedia-Text. Wir behaupten also keine null, wir weisen die Zahl aus.
Was unterhalb der Konfidenz-Schwelle liegt, wird nicht nach außen gegeben, sondern geht fail-closed auf den EU-Inferenz-Pfad. Der Preis dieser Vorsicht ist Lesbarkeit: rund 1,3 % der Wörter werden überflüssig ersetzt, etwa jedes 75.
Das ganze Whitepaper, ohne Formular.
Architektur, Messmethodik, alle Ergebnisse der unabhängigen Validierung und die benannten Grenzen. Pii-Zero-Whitepaper, Stand Juli 2026, PDF.
Rechtliches Fundament
Auf gesichertem Boden.
Seit dem EuGH-Urteil von 2025 gilt: Ob pseudonymisierte Daten personenbezogen sind, ist aus der Sicht des Empfängers zu beurteilen. Wer keine nutzbaren Mittel zur Zuordnung hat, für den sind sauber pseudonymisierte Daten keine personenbezogenen Daten. Genau deshalb ist die Qualität der Pseudonymisierung das eigentliche Kriterium, und genau deshalb messen wir sie.
EuGH, EDPS gegen SRB (2025)
Rechtssache C-413/23 P: Pseudonymisierung als empfängerbezogener Maßstab.
Art. 4 (5) DSGVO, Erwägungsgrund 26
Die Definition der Pseudonymisierung und der Maßstab der Bestimmbarkeit.
EDPB-Leitlinien 01/2025
Pseudonymisierung als wirksame Schutzmaßnahme, die sonst unvertretbare Verarbeitungen ermöglicht.
Verträge von Anfang an
Auftragsverarbeitungsvertrag und Verzeichnis der Verarbeitungstätigkeiten gehören zu jedem Mandat.
Für die verbindliche Bewertung eures Falls gehört euer Datenschutzbeauftragter an den Tisch. Diese Seite ist keine Rechtsberatung.
Verlässlicher Betrieb
Sicherheit ist kein Zustand, sondern Betrieb.
Laufendes Monitoring
Jeder Agent wird im Betrieb überwacht. Wir sehen Auffälligkeiten, bevor sie bei euch ankommen.
Tägliche automatisierte Tests
Verhalten und Schutzmechanismen werden täglich automatisiert geprüft, statt einmalig zum Start.
Kein Vendor-Lock-in
Wir wählen das Modell pro Aufgabe: OpenAI, Anthropic, Google oder Open Source. Ihr seid an keinen Anbieter gebunden.
Nächster Schritt
Klärt euren Fall im Erstgespräch.
Wir schauen gemeinsam auf eure Daten, eure Anforderungen und den passenden Schutz. Konkret und unverbindlich.
- Wir gehen eure Datenlage durch: was schutzbedürftig ist und was nicht
- Konkret und unverbindlich, kein Pitch, kein Verkaufsdruck
- 30–45 Minuten, danach wisst ihr, welcher Pfad zu euch passt
Potenzialanalyse buchen
Kostenlose Potenzialanalyse, 20 Minuten. Wir sagen euch konkret, was bei euch automatisierbar ist, das Ergebnis bekommt ihr als 1-Seiten-Dokument.
Kalender wird geladen …