KI & Datenschutz

Chatlogs für Fine-Tuning anonymisieren, Gesprächsfluss behalten

Wer Chatlogs für Fine-Tuning anonymisieren will, hat ein besonderes Problem: Kunden schreiben ihre Daten frei in den Text, mit Tippfehlern und mitten im Satz. Diskretio erkennt sie im Kontext und ersetzt sie, bevor der Datensatz entsteht.

KI-AssistentNeuer Chat
Microsoft Word

Mietvertrag_anonymisiert.docx

DOCX · 4 Seiten · 14 Platzhalter

Fasse die Pflichten von [PERSON_2] aus diesem Mietvertrag zusammen. Wann kann [PERSON_1] frühestens kündigen?

Kurzfassung für den Mieter [PERSON_2]:

• Miete 980 € + 200 € Nebenkosten bis zum 3. Werktag auf [IBAN_1]

• Kaution 2.940 €, zahlbar in drei Raten

• Schönheitsreparaturen nur bei Bedarf (§ 9)

Die Vermieterin [PERSON_1] kann nur mit berechtigtem Interesse kündigen, z. B. Eigenbedarf – Frist mindestens 3 Monate.

Formuliere eine kurze Rückfrage an [PERSON_1] zur Kellernutzung.

Sehr geehrte [PERSON_1], laut § 1 ist der Kellerraum Nr. 4 mitvermietet. Darf ich dort auch Fahrräder abstellen? Viele Grüße, [PERSON_2]

Nachricht an KI-Assistent …

Nur Platzhalter verlassen Ihr Gerät – Originalnamen kennt der Assistent nicht.

Ihre Formate und die KI-Tools, mit denen Sie danach arbeiten

  • Word
  • Excel
  • PowerPoint
  • Outlook (E-Mails)
  • PDF
  • Scans & Fotos
  • TXT Text & CSV
  • ChatGPT
  • Claude
  • Microsoft Copilot
  • Gemini
  • Mistral
  • DeepL
  • Perplexity

Was in Chatverläufen typischerweise steckt

  • Namen in Begrüßung und Signatur, auch nur Vornamen
  • E-Mail-Adressen und Telefonnummern für Rückrufe
  • Lieferadressen und Kundennummern
  • IBANs bei Erstattungen
  • Namen von Mitarbeitenden im Support
  • Firmenspezifische Kennungen wie Bestellnummern (als benutzerdefinierte Begriffe)

So funktioniert es

  1. 1

    Logs exportieren

    Chatverläufe als CSV, TXT oder einzelne Texte exportieren, bevor sie in ein Trainingsformat überführt werden.

  2. 2

    Per API anonymisieren

    Jede Konversation als Ganzes senden, damit dieselbe Person durchgehend denselben Platzhalter erhält. Für natürlichen Text realistische Fake-Daten wählen.

  3. 3

    Datensatz bauen

    Aus den bereinigten Verläufen das Trainingsformat erzeugen, z. B. JSONL mit Rollen.

Konversation als Einheit verarbeiten

Ein Chatverlauf ist nur dann als Trainingsbeispiel brauchbar, wenn Bezüge erhalten bleiben: Die Kundin aus Nachricht eins ist dieselbe wie in Nachricht sieben. Senden Sie deshalb die ganze Konversation in einem Aufruf statt einzelner Nachrichten. Platzhalter oder Fake-Namen bleiben dann innerhalb der Konversation konsistent.

Formatieren Sie erst danach in das Trainingsformat Ihres Anbieters. So vermeiden Sie, dass JSON-Struktur und Rollenbezeichnungen die Erkennung stören.

Platzhalter oder Fake-Daten im Training

Trainiert man mit Platzhaltern, lernt das Modell, selbst Platzhalter auszugeben. Das kann gewollt sein, wenn Ihre Anwendung diese später füllt. Sollen Antworten natürlich klingen, sind realistische Fake-Daten die bessere Wahl: Namen, Adressen und IBANs mit gültiger Prüfziffer, zufällig erzeugt und nicht auf das Original rückrechenbar.

Für allgemeine Trainings- und Testdatensätze ohne Chatbezug beschreiben wir den Ansatz auf unserer Seite zu KI-Trainingsdaten.

FAQ

Häufige Fragen. Kurz beantwortet.

Probieren Sie es mit Ihrem eigenen Dokument

10 Seiten pro Monat sind kostenlos. Kein Abo, keine Kreditkarte.