Nachweise. Fakten hinter der Datenschicht.

In einer netzwerkisolierten (Air-gapped) Umgebung konnten externe LLMs nicht eingesetzt werden. Die Sorge vor dem Abfluss klassifizierter Kontextdaten verhinderte jegliche KI-Nutzung.

LLM Capsule kapselt den sensitiven Kontext lokal — nur die geschützte Kapsel, nicht das Original, wird vom externen LLM verarbeitet. Das Ergebnis wird lokal innerhalb der Sicherheitsgrenze rehydriert. Klassifizierte Rohdaten verlassen die Grenze nie; das Verfahren ist N2SF-konform.

Sensitiver Kontext wird vor der Verarbeitung durch lokale Platzhalter substituiert und danach lokal rekonstruiert — keine Originaldaten verlassen das Enclave.

Jedes Kapselierungs- und Wiederherstellungsereignis wird lokal protokolliert, sodass jede verarbeitete Anfrage innerhalb der Grenze rekonstruiert und überprüft werden kann.

Interne Unterlagen — Verträge, Personaldaten, Kundendateien mit personenbezogenen und vertraulichen Informationen — durften nicht für Zusammenfassungen oder Suchen an ChatGPT, Claude oder Gemini übermittelt werden. Das Sicherheitsteam sperrte den Vorgang.

LLM Capsule erkennt und substituiert personenbezogene und vertrauliche Felder lokal, bevor die Anfrage das externe LLM erreicht, und stellt die Originalwerte in der Antwort wieder her. Mitarbeitende können interne Dokumente zusammenfassen und abfragen, ohne dass Rohdaten das Unternehmen verlassen — DSGVO-konform.

Das LLM Capsule-Gateway wurde zwischen interne Werkzeuge und das externe LLM geschaltet. Die Erkennung umfasst Namen, Kontakte, IDs sowie Konto- und Vertragskennnummern; Rohdaten verbleiben im lokalen Token Vault.

Die Substitution jeder Anfrage wird protokolliert und an einen festen Release-Zustand gebunden, sodass ein bestimmter Dokumenten-Q&A-Lauf für ein Audit rekonstruiert werden kann.

Für die Modellvalidierung benötigte Patientenakten waren aufgrund regulatorischer Anforderungen nicht zugänglich. Die Validierungs-Pipeline kam zum Stillstand.

Differential-Privacy-konforme (DP-safe) Ersatzdaten, die die reale Verteilungscharakteristik widerspiegeln — ohne echte identifizierbare Informationen zu enthalten — haben die Validierungs-Pipeline wieder freigegeben.

Nicht zugängliche Originaldaten wurden durch DP-safe-Äquivalente ersetzt. Die Datenverteilung blieb erhalten, die Compliance-Prüfung wurde bestanden, die Validierungs-Pipeline lief ohne Modifikation weiter.

Der Ersatzdatensatz ist versioniert und an einen festen Datenzustand gebunden — der Validierungslauf ist mit identischer Verteilung jederzeit reproduzierbar. Der Audit-Trail bleibt durchgängig erhalten.

OT/ICS-Netzwerkdaten enthielten sensible Betriebsinformationen und konnten daher nicht für eine automatisierte Bedrohungsanalyse an ein externes KI-System übermittelt werden.

Strukturerhaltende De-Identifizierung ermöglicht es einem KI-Agenten, die Netzwerkdaten zu analysieren und Bedrohungsfragen zu beantworten — sensible Werte werden durch Platzhalter ersetzt, während Beziehungen erhalten bleiben. (Integration in die Erkennungslösung einer globalen OT-Sicherheitsplattform.)

Sensible Felder der Netzwerkdaten werden substituiert, während Topologie und Beziehungen intakt bleiben — der Agent kann auf einem realistischen Kontext arbeiten.

Der de-identifizierte Datensatz und die Agentenanalyse sind an einen festen Datenzustand gebunden, sodass dieselbe Analyse erneut ausgeführt und verifiziert werden kann.

Nutzer, die sensible Aggregatstatistiken exportierten, benötigten eine manuelle, arbeitsplatzbezogene De-Identifizierung und Freigabeprüfung — inkonsistent und schwer zu auditieren.

Ein arbeitsplatzbezogenes De-Identifizierungsmodul in Kombination mit einer Multi-Agenten-Pipeline erkennt, verfolgt und de-identifiziert personenbezogene Daten in Aggregatdaten — der Freigabeprozess wird damit automatisiert und standardisiert.

Der Release State erstellt Fingerabdrücke der Daten vor und nach der De-Identifizierung, sodass nachvollzogen werden kann, welche Datensätze wie transformiert wurden.

Eine frühere Freigabe kann gegen den gebundenen Release State abgespielt werden, um den Prüfprozess für die Regulierungskontrolle zu reproduzieren.