KI nutzen, ohne Daten preiszugeben.
Coveniq ist die mandantenfähige KI-Plattform für Unternehmen, Behörden und Bildungsträger. Ein vorgelagerter Privacy Guard erkennt personenbezogene Daten in jeder Anfrage, ersetzt sie durch Platzhalter und stellt sie erst in der Antwort wieder her. Technisch erzwungen, nicht nur versprochen.
- DSGVO-orientierte Architektur
- Fail-closed: kein Guard, kein Modellaufruf
Geschützte Inhalte
Diese Inhalte wurden vor dem Senden an das KI-Modell pseudonymisiert.
- Martina BergerPerson98 %War unnötig
- m.berger@musterstadt.deE-Mail-Adresse99 %War unnötig
- KD-45678-BInterne ID87 %Immer geschützt
- DE89 3704 0044 0532 0130 00IBANImmer geschützt
Ausgangslage
Produktivität und Datenschutz schließen einander nicht aus.
Viele Organisationen wägen zwischen zwei Wegen ab: KI zulassen und das Restrisiko tragen, oder den Einsatz einschränken und damit rechnen, dass er außerhalb der eigenen Systeme stattfindet. Beide Wege lassen dieselbe Frage offen, nämlich was das Haus verlässt. Eine Schutzschicht, die technisch vor dem Modell sitzt und die jede Anfrage passieren muss, beantwortet sie.
Im Arbeitsalltag
Personenbezogene Daten gelangen in KI-Werkzeuge, weil die Aufgabe sie enthält: Namen aus E-Mails, Angaben aus Tickets, Personalvorgänge, Aktenzeichen. Eine Richtlinie regelt, was erlaubt ist. Ob sie im Moment der Eingabe eingehalten wird, kann sie selbst nicht sicherstellen.
Der Nachweis
Auch wenn nichts abgeflossen ist, bleibt die Frage, wie sich das belegen lässt. Dafür braucht es eine Ebene, die festhält, was tatsächlich an einen externen Anbieter gegangen ist.
Die Abwägung
Wird der Einsatz eingeschränkt, verlagert er sich auf private Konten. Wird er freigegeben, fehlt der Überblick darüber, was das Haus verlässt. In beiden Fällen bleibt offen, was ein Modell gesehen hat.
Coveniq trennt, was ein Nutzer eingibt, von dem, was das Modell zu sehen bekommt.
Schritt für Schritt
Was das Modell sieht, kann Ihre Daten nicht verraten.
Fünf Schritte, einmal durchgespielt. Zwei laufen vor dem Modellaufruf, zwei danach, und dazwischen liegt die einzige Stelle, an der etwas die Plattform verlässt. Klicken Sie einen Schritt an, um ihn sich im Einzelnen anzusehen.
Eingabe
Bitte entwirf die Antwort an Martina Berger[PERSON_1], m.berger@musterstadt.de[EMAIL_1], zum Vorgang KD-45678-B[ID_1]. Die Erstattung geht auf DE89 3704 0044 0532 0130 00[IBAN_1].
So steht der Text in der Eingabe. Der Privacy Guard hat ihn noch nicht verändert.
Vor dem Modellaufruf
Nach dem Modellaufruf
bereit: Eingabe. So steht der Text in der Eingabe. Der Privacy Guard hat ihn noch nicht verändert.
Der Guard erkennt nicht jede Angabe und markiert manchmal zu viel; beides melden Sie in einem Klick, und Ihre Administratoren schärfen ihn dauerhaft für Ihre Organisation nach.
Wie der Guard arbeitetKalibrierung
Der Guard lernt Ihre Sprache.
Jede Organisation hat eigene Namen, Kürzel und Aktenzeichen. Zeigen Sie sie dem Guard einmal, und er berücksichtigt sie von da an.
Google Maps ist keine Person, und EMP-1234 ist sehr wohl eine interne Kennung. Beides bringen Sie dem Guard in zwei Minuten bei, mit Live-Test des Suchmusters. Ihre Korrekturen gelten ausschließlich für Ihre Organisation.
Korrektur anlegen
Live-Test
Bitte prüfen Sie die Vorgänge EMP-4471 und EMP-2988 vor dem Versand.
Jedes Muster wird am eigenen Beispiel geprüft, bevor es gespeichert wird.
Wissensräume
Laden Sie PDF-, Word- und Textdokumente hoch. Coveniq extrahiert, zerlegt und vektorisiert sie, und Ihre Assistenten antworten auf Basis Ihrer eigenen Inhalte. Jedes Dokument wird beim Upload auf personenbezogene Daten geprüft.
Assistenten
Beliebig viele Assistenten pro Organisation, jeder mit eigener Systemanweisung, eigenem Modell und eigener Sichtbarkeit. Für die ganze Organisation, für eine Abteilung oder nur für Sie.
Chat
Antworten erscheinen in Echtzeit, laufen im Hintergrund weiter, wenn Sie das Gespräch wechseln, und lassen sich formatiert nach Word oder Excel kopieren. Auf Wunsch erzeugt der Assistent fertige Dokumente als PDF oder Word.
Mandanten und Suborganisationen
Vollständige Datentrennung zwischen Organisationen, durchgesetzt in der Datenbank durch Row Level Security. Abteilungen und Standorte bilden Sie als Suborganisationen mit eigenen Assistenten und Wissensräumen ab.
Für wen
Wer sind Sie?
Jeder Bereich hat seinen eigenen Fall: was der Guard dort erkennt und was das Modell davon zu sehen bekommt.
Unternehmen
- Interne Wissensdatenbanken mit KI durchsuchbar machen
- Assistenten für Personal, Recht und Kundensupport
- Nutzungsanalysen für die Kostenkontrolle
Die Personalabteilung lässt einen Assistenten ein Arbeitszeugnis entwerfen. Der Name der Mitarbeiterin, ihre Personalnummer und ihr Geburtsdatum erreichen das Modell nie. Der Entwurf kommt vollständig und korrekt zurück.
Öffentliche Verwaltungen
- Behördeninterne Wissensassistenten ohne Datenweitergabe
- Aktenverarbeitung mit automatischer Pseudonymisierung
- Mandantentrennung zwischen Ämtern und Standorten
Ein Sachbearbeiter lässt sich einen Widerspruchsbescheid formulieren. Aktenzeichen und Bürgerdaten bleiben im Haus. Was das Modell gesehen hat, ist im Nachhinein nachvollziehbar.
Bildungsträger
- Lernassistenten für Schüler und Studierende
- Institutionelle Wissensräume für Lehrmaterial
- Mandantentrennung zwischen Schulen und Fachbereichen
Ein Lehrender lädt Klassenarbeiten zur Auswertung hoch. Die Namen der Lernenden verlassen die Einrichtung nicht. Die Auswertung kommt vollständig zurück und lässt sich ohne Nacharbeit an die Klasse geben.
Zeitplan
Wo wir stehen und was als Nächstes kommt
Wir liefern nachweisbar und schnell, und wir zeigen es öffentlich. Jede Version geht in den laufenden Betrieb, nicht in eine Ankündigung.
Läuft
Produktivbetrieb
Deutsch und EnglischLäuft mit echten Kunden- Stabiler Betrieb unter realen Bedingungen
- Kalibrierung des Guards an der Sprache der angeschlossenen Organisationen
- Ausbau der Transparenz- und Kontrollfunktionen
- Optimierung von Antwortzeiten und Kostenerfassung
Als Nächstes
Anbindung an Ihre Systeme
- Single Sign-on und SAML-Anbindung
- Compliance-Exports über Nutzung und Kosten hinaus
- Öffentliche API für die Anbindung eigener Systeme
- Erweitertes Guard-Tuning und SCIM-Nutzerbereitstellung
Später
Ausbau
- Enterprise-Onboarding
- Service-Level-Zusagen
- Erweitertes Abrechnungsmodell
- Weitere Modellanbieter über OpenAI und Anthropic hinaus
Anwendung, Datenbank, Dateispeicher und Guard laufen in Frankfurt. Für OpenAI und Anthropic gilt Zero Data Retention: übermittelte Inhalte werden dort nicht gespeichert und nicht zum Training verwendet.
Wer dahintersteht
Coveniq ist ein Produkt der AITAS Technologies.
AITAS Technologies entwickelt Software und Automatisierung rund um künstliche Intelligenz und schult Organisationen im praktischen Umgang damit. Der Sitz ist Freiburg.
Coveniq ist aus dieser Arbeit entstanden. In Projekten mit Unternehmen, Verwaltungen und Bildungsträgern stellte sich immer dieselbe Frage: Wie lässt sich ein Sprachmodell einsetzen, ohne dass personenbezogene Daten das Haus verlassen? Coveniq ist die Antwort darauf, gebaut als Produkt statt als Einzellösung.
AITAS Technologies
KI-Softwareentwicklung und Automatisierung aus Freiburg.
KI-Softwareentwicklung
Prozessautomatisierung
Schulungen über AITAS Academy
Coveniq ist aus dieser Arbeit entstanden und wird von demselben Team weiterentwickelt.
Kalibrieren Sie den Guard auf Ihre Sprache.
Die Plattform läuft, und sie läuft mit echten Kunden. Was jede Organisation eigen macht, ist ihre Sprache: Kürzel, Aktenzeichen, Formulierungen. Genau darauf wird der Guard kalibriert. Zeigen Sie uns Ihre, wir zeigen Ihnen die Plattform.
Die Anfrage läuft über ein Formular des Anbieters Tally, das sich in einem Fenster auf dieser Seite öffnet. Welche Daten dabei verarbeitet werden, steht in der Datenschutzerklärung.