Namen und Adressen erkennt eine KI-gestützte Lösung aus dem Kontext heraus. Doch strukturierte Identifikatoren wie IBAN-Nummern, Sozialversicherungsnummern, Aktenzeichen oder Vertragsnummern folgen festen Formaten — und brauchen daher eine ergänzende musterbasierte Erkennung. Incognify kombiniert beide Methoden, damit keine sensiblen Daten unerkannt bleiben.
Strukturierte Daten: Wo KI alleine an ihre Grenzen stösst
Viele Datenschutzverletzungen passieren nicht bei offensichtlichen Daten wie Namen, sondern bei Identifikatoren, die auf den ersten Blick unscheinbar wirken: eine IBAN in einem Fliesstext, eine Personalnummer in einem internen Bericht, ein Aktenzeichen in einer Supportanfrage.
Kontextbasierte Erkennung ist stark darin, Eigennamen und Ortsangaben zuverlässig zu finden. Bei rein formatbasierten Identifikatoren ohne Eigenname-Kontext kann sie jedoch unsicherer werden. Genau hier setzt die musterbasierte Erkennung an: Sie prüft jeden Text auf bekannte Formate und erkennt strukturierte Identifikatoren unabhängig vom sprachlichen Kontext.
Kurz erklärt: Musterbasierte Erkennung sucht in Texten nach Zeichenfolgen, die einem definierten Format entsprechen — zum Beispiel «CH» gefolgt von 19 Ziffern für eine Schweizer IBAN. Das funktioniert unabhängig davon, wie der Text drumherum formuliert ist.
Branchenspezifische Identifikatoren: Beispiele aus der Praxis
Jede Branche hat ihre eigenen strukturierten Datentypen. Incognify erkennt branchenübergreifend gängige Formate und lässt sich um eigene Muster erweitern:
Finanzwesen
- IBAN (CH, DE, AT)
- BIC / SWIFT-Code
- Kreditkartennummern
- Kontonummern
Gesundheitswesen
- AHV-Nummer (CH)
- Krankenversicherungsnummer
- ICD-Codes
- Fallnummern
Recht & Verwaltung
- Aktenzeichen
- Handelsregisternummern
- Steuernummern
- UID (CH)
HR & Payroll
- Personalnummern
- Lohnbuchhaltungsnummern
- AHV-Nummern
- Mitarbeiter-IDs
Datenschutzrecht: Warum vollständige Erkennung Pflicht ist
DSG (Schweiz), DSGVO (Deutschland und EU) sowie DSG AT (Österreich) verlangen, dass personenbezogene Daten vor der Weitergabe an Dritte — darunter auch Cloud-KI-Dienste — angemessen geschützt werden. Dabei gilt: Es reicht nicht, nur «die meisten» sensiblen Daten zu entfernen.
Wer einen Text mit einer übersehenen IBAN oder Steuernummer in ChatGPT, Claude oder Gemini eingibt, riskiert eine Datenschutzverletzung — auch wenn der Rest des Texts sauber anonymisiert war.
Der Incognify-Ansatz: Zwei Erkennungsschichten, ein Ergebnis
Incognify setzt auf zwei sich ergänzende Erkennungsschichten, die gemeinsam für maximale Abdeckung sorgen:
KI-gestützte Erkennung
Erkennt Namen, Orte, Organisationen und andere kontextabhängige Entitäten — auch wenn sie ungewöhnlich formuliert oder abgekürzt sind.
Musterbasierte Erkennung
Findet strukturierte Identifikatoren wie IBANs, Sozialversicherungsnummern und Aktenzeichen anhand ihres Formats — zuverlässig und unabhängig vom Kontext.
Eigene Muster (Custom)
In den Enterprise- und Team-Tarifen können eigene branchenspezifische Formate ergänzt werden — zum Beispiel interne Mitarbeiter-IDs oder Fallnummern.
Fazit: Vollständige Erkennung schützt vollständig
Strukturierte Identifikatoren sind oft die unsichtbarste Gefahr in einem Text. Mit musterbasierten Erkennungsregeln stellt Incognify sicher, dass auch IBAN-Nummern, Sozialversicherungsnummern und branchenspezifische Codes zuverlässig gefunden und anonymisiert werden — bevor der Text an ChatGPT, Claude oder Gemini gesendet wird.
Schützen Sie Ihre sensiblen Daten lückenlos — mit der kombinierten Erkennungsstärke von Incognify.
Jetzt kostenlos testen