KI nutzen. Datenweitergabe begrenzen.
Coveniq ist eine KI-Arbeitsplattform für Organisationen. Ist der Privacy Guard aktiviert, prüft er Texte vor einem Modellaufruf und ersetzt erkannte personenbezogene Angaben durch Platzhalter. Er kann Angaben übersehen.
- Nachvollziehen, was das Modell erhielt
- Aktiver Guard: Prüfungsfehler stoppen den Modellaufruf
Geschützte Inhalte
Diese Inhalte wurden vor dem Senden an das KI-Modell pseudonymisiert.
- Martina BergerPersonWar unnötig
- m.berger@musterstadt.deE-Mail-AdresseWar unnötig
- KD-45678-BInterne IDImmer 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. Ein aktivierter Privacy Guard prüft Texteingaben vor dem Modellaufruf und macht erkannte, ersetzte Angaben nachvollziehbar.
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
So prüft der Guard Texteingaben vor dem Modellaufruf.
Ein schematischer Ablauf in fünf Schritten, kein gemessenes Guard-Ergebnis. Wählen Sie einen Schritt, um die Modellgrenze zu verstehen; echte Treffer können abweichen.
Schematisches Beispiel · kein Live-Ergebnis
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.
Kalibrierung
Den Guard auf Ihre Begriffe abstimmen.
Administratoren können organisationsspezifische Muster für Kürzel und Kennungen anlegen und sie vor dem Speichern am Beispieltext prüfen.
Eine Kennung wie EMP-1234 kann für Ihr Team wichtig sein, auch wenn ein allgemeiner Erkenner sie übersieht. Administratoren können ein Muster anlegen, live prüfen und nur für diese Organisation anwenden. Die Erkennung kann weiterhin Angaben übersehen oder zu viel markieren.
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
Drei Aufgaben. Eine Prüfung vor dem Modell.
Diese fiktiven Situationen zeigen, wo die Prüfung durch einen aktivierten Privacy Guard in den Arbeitsalltag passt.
Unternehmen
Beispielablauf
Die Personalabteilung lässt einen Assistenten ein Arbeitszeugnis entwerfen. Bei aktiviertem Guard werden erkannte Namen und Kennungen vor dem Modellaufruf ersetzt. Den Entwurf prüft ein Mensch vor der Verwendung.
Weitere Einsatzmöglichkeiten
- Interne Wissensdatenbanken mit KI durchsuchbar machen
- Assistenten für Personal, Recht und Kundensupport
- Nutzungsanalysen für die Kostenkontrolle
Öffentliche Verwaltungen
Beispielablauf
Ein Sachbearbeiter lässt einen Widerspruchsbescheid entwerfen. Bei aktiviertem Guard werden erkannte Aktenzeichen und personenbezogene Angaben vor dem Modellaufruf ersetzt. Was das Modell gesehen hat, kann anschließend überprüft werden.
Weitere Einsatzmöglichkeiten
- Behördeninterne Wissensassistenten mit Vorabprüfung
- Aktenverarbeitung mit automatischer Pseudonymisierung
- Mandantentrennung zwischen Ämtern und Standorten
Bildungsträger
Beispielablauf
Eine Lehrkraft nutzt einen Assistenten zur Auswertung von Klassenarbeiten. Bei aktiviertem Guard werden erkannte personenbezogene Angaben in Texteingaben vor dem Modellaufruf ersetzt. Die Auswertung prüft die Lehrkraft vor der Verwendung.
Weitere Einsatzmöglichkeiten
- Lernassistenten für Schüler und Studierende
- Institutionelle Wissensräume für Lehrmaterial
- Mandantentrennung zwischen Schulen und Fachbereichen
Zeitplan
Wo wir stehen und was als Nächstes kommt
Wir zeigen, welche Funktionen bereits nutzbar sind und woran wir als Nächstes arbeiten.
Läuft
Produktivbetrieb
Deutsch und EnglischPrivacy Guard im Produkt- Chat und Assistenten im Produkt
- Kalibrierung des Guards auf organisationsspezifische Sprache
- 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
Details zu Verarbeitungsorten und Modellanbietern finden Sie in den rechtlichen Dokumenten.
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 entstand aus der Frage, wie Organisationen Sprachmodelle nutzen und dabei das Risiko einer Weitergabe personenbezogener Daten begrenzen können. Die Plattform verbindet Assistenten, Wissensräume und einen konfigurierbaren Privacy Guard.
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.
Jede Organisation hat eigene Kürzel, Aktenzeichen und Formulierungen. Der Privacy Guard kann auf solche Muster abgestimmt werden. Zeigen Sie uns ein fiktives Beispiel, und 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.