Architektur

Pseudonymisierungs-Layer

Bevor unsere KI irgendeinen Mandanten-Text verarbeitet, läuft er durch unsere Pseudonymisierungs-Pipeline. Sie ersetzt identifizierende Merkmale durch generische Platzhalter — direkt im Server, vor jeder KI-Verarbeitung, jedes Mal.

Warum Schutz durch Technik statt nur durch Verträge?

KI-Dienste halten verarbeitete Anfragen branchenüblich für einen begrenzten Zeitraum vor — zur Missbrauchs-Erkennung, nicht zum Training. Viele Anbieter verlassen sich an dieser Stelle allein auf vertragliche Zusagen. Wir gehen einen Schritt weiter und lösen es technisch: Bevor irgendein Inhalt unsere Systeme in Richtung KI verlässt, stellen wir sicher, dass dort nichts Mandanten-Identifizierbares ankommt — keine Namen, keine IBANs, keine Steuernummern. Der Inhalt ist damit pseudonymisiert nach DSGVO Art. 4 Nr. 5 und keinem einzelnen Mandanten zuordenbar. Datenschutz durch Technikgestaltung (Art. 25 DSGVO) — unabhängig davon, was ein Dienstleister speichert.

Wo der Layer in der Pipeline sitzt

Schritt 1

Mandanten-Mail kommt rein

Postmark → Cloudflare Worker → Mandatio-Server. Mail-Text mit Klarnamen, IBAN, Steuernummer.

Schritt 2

Pseudonymisierungs-Layer

Server-seitig: Patterns + Mandanten-Context. Identifier werden durch Platzhalter ersetzt.

Schritt 3

KI-Verarbeitung

Klassifizierung, Antwortentwurf und semantische Suche. Die KI sieht NUR den pseudonymisierten Text — nie das Original.

Ergebnis: die KI generiert einen kontextuell passenden Antwort-Entwurf, aber im Retention-Fenster der AI-Anbieter liegen nur pseudonymisierte Inhalte. Die Re- Identifizierung erfolgt erst zurück auf unserem Server beim Schreiben in die Berater-UI.

Vorher / Nachher — echtes Beispiel

Dieses Beispiel wird live durch unsere produktive Pseudonymisierungs-Funktion redactForAi() gejagt. Identisch zu dem, was bei jedem Mandanten-Mail-Eingang passiert.

Original (im Mandatio-Server)

Sehr geehrte Frau Müller,

vielen Dank für Ihre Anfrage. Bezüglich meiner Steuernummer 21/815/08150
möchte ich erwähnen, dass die letzte Zahlung von der IBAN
DE89 3704 0044 0532 0130 00 erfolgte.

Bei Rückfragen erreichen Sie mich unter +49 30 12345678 oder per Mail an
anna@beispiel.de.

Mit freundlichen Grüßen
Anna Müller

Was die KI zu sehen bekommt

Sehr geehrte Frau [MANDANT],

vielen Dank für Ihre Anfrage. Bezüglich meiner Steuernummer [STEUERNR]
möchte ich erwähnen, dass die letzte Zahlung von der IBAN
[IBAN] erfolgte.

Bei Rückfragen erreichen Sie mich unter [TEL] oder per Mail an
[MANDANT]@beispiel.de.

Mit freundlichen Grüßen
[MANDANT]

Beachten Sie: die KI versteht den Kontext weiterhin („IBAN-bezogene Anfrage“ oder „Telefon-Rückruf gewünscht“), aber sie kann die Information nie einer bestimmten Person zuordnen.

Welche Muster werden erkannt

Pattern-basiert (Steuernummer, IBAN, Telefonnummer) plus context-basiert (Mandanten- und Ansprechpartner-Name aus der Mandanten-Datenbank).

Was	Beispiel	Wird ersetzt durch
Mandanten-Name	Anna Müller	`[MANDANT]`
Ansprechpartner	Klaus Schmidt	`[ANSPRECHPARTNER]`
E-Mail-Adresse	anna@beispiel.de	`[EMAIL]`
IBAN (alle EU-Länder)	DE89 3704 0044 0532 0130 00	`[IBAN]`
Steuernummer (alle deutschen Formate)	21/815/08150	`[STEUERNR]`
Steuer-Identifikationsnummer	12 345 678 901	`[STEUER-ID]`
Telefonnummer (international + deutsch)	+49 30 12345678	`[TEL]`

Was bewusst NICHT pseudonymisiert wird — und warum

Vollständige Transparenz statt Marketing-Versprechen: drei Bereiche werden bewusst nicht durch die Redaktions-Schicht geleitet.

Vision-OCR von Belegen: Bild-Inhalte können nicht maskiert werden, bevor sie gelesen wurden — das Lesen ist der Zweck der Operation. Diese Dokumente können personenbezogene Daten enthalten (etwa den Kontoinhaber und die IBAN auf einem Kontoauszug). Der Schutz erfolgt hier über den Auftragsverarbeitungsvertrag mit dem KI-Anbieter, den vertraglichen Ausschluss der Nutzung zu Trainingszwecken und die Löschung beim Anbieter nach spätestens 30 Tagen. Dauerhaft gespeichert werden die Dokumente ausschließlich in Frankfurt — auf Wunsch mit automatischer Löschfrist (3 bis 24 Monate, einstellbar pro Kanzlei).
Mandant-Stammdaten-Extraktion: Bei der erstmaligen Extraktion eines Profils aus dem Mail-Body ist es Zweck der Operation, identifizierende Daten zu finden. Hier wäre Pseudonymisierung kontraproduktiv.
Adressen im Klartext: Pattern-Erkennung für deutsche Adressen wäre fehleranfällig (hohe False-Positive-Quote bei Straßennamen die wie Worte klingen, z. B. „Hauptstraße“). Stattdessen: wir senden Adressen schlicht nicht mit, wenn nicht für die Aufgabe relevant.

Warum wir das so streng nehmen

§ 203 StGB stellt Berufsgeheimnis-Pflichten unter Strafrecht — wer als Steuerberater Mandantendaten gegenüber Dritten offenlegt, riskiert bis zu einem Jahr Freiheitsstrafe. Ein US-Cloud-KI-Anbieter ist im Zweifel „Dritter“. Pseudonymisierung ist der saubere Weg, diese Pflicht DSGVO-konform und Berufsrechts-konform zu erfüllen — ohne dabei den Mehrwert moderner KI-Modelle aufzugeben.

Auf dieser Seite sehen Sie die exakten Patterns, ein echtes Beispiel mit Live-Output, und die Bereiche die wir bewusst auslassen (siehe nächste Sektion). Wenn Ihre Kanzlei-Datenschutz-Aufsicht nachfragt, haben Sie alle Antworten an einem Ort — kein Anruf bei uns nötig, kein NDA, keine versteckten Klauseln.

Wir sehen Pseudonymisierung nicht als Feature, sondern als Pflicht-Übung für jeden, der Mandantenmails mit KI verarbeitet. Wenn Sie Software vergleichen, fragen Sie immer: Werden meine Mandantennamen, IBANs und Steuernummern vor dem KI-Aufruf maskiert? Wo ist das dokumentiert? Wenn die Antwort nicht klar und schriftlich kommt, ist Vorsicht angebracht.

Für die technisch interessierte Datenschutz-Aufsicht

Die Implementierung ist in TypeScript geschrieben und lebt im Modul lib/pseudonymize/redact.ts. Ein Self-Test (5 Cases) prüft die Funktionsfähigkeit bei jedem Build. Wenn Sie den Quellcode prüfen möchten, schreiben Sie uns — wir teilen den Code-Auszug auf Anfrage.