Ein Codebuch aus DSGVO-Definitionen hält 90 Prozent der Geschäftsgeheimnisse aus dem Prompt – Regex und Namenserkennung schaffen unter fünf
In den begutachteten „Proceedings on Privacy Enhancing Technologies“ (Ausgabe 2026/3, Seiten 441–466) beschreiben Michael Maximilian Grötzner und Pascal Tippe von der FernUniversität in Hagen ein „Privacy Gateway“, das Eingaben an ein Sprachmodell vorher säubert. Der Kern ist kein Musterfilter, sondern ein Codebuch: Die Autoren haben den DSGVO-Test des „motivated intruder“ – also die Frage, ob ein hinreichend motivierter Dritter aus Kontextangaben auf eine Person schließen könnte – in ausführbare Gedankenketten übersetzt. Gemessen an einem von Hand annotierten Referenzdatensatz (N = 127) neutralisiert das Gateway 90 Prozent der Risiken für Geschäftsgeheimnisse; herkömmliche syntaktische Verfahren wie reguläre Ausdrücke und Eigennamenerkennung kommen auf unter 5 Prozent.
✓ Aussagen gegen die Quellen geprüft · 19. August 2026
Die Befunde im Wortlaut des Abstracts. Zum Ansatz: „conventional syntactic sanitization (Regex/NER) is fundamentally insufficient for this threat model“ – deshalb ein „codebook-guided privacy gateway, an architecture that operationalizes the GDPR’s motivated intruder test into executable chain-of-thought logic“. Zum Ergebnis: „the gateway achieves a 90% risk neutralization rate for trade secrets, significantly outperforming baseline methods which neutralize less than 5%“. Zum Aufwand: „sanitization efficacy correlates linearly (r=0.985) with chain-of-thought token volume, mapping a significant inference gap in current local models on consumer-grade hardware“. Und zur Grenze: „a structural boundary in technical domains where robust privacy and high utility are mutually exclusive“.
Zum Aufbau der Messung: Die Autoren evaluieren mit einem „high-fidelity reference model“, um logische Gültigkeit von Hardware-Beschränkungen zu trennen, und prüfen gegen eine mehrstufig von Menschen annotierte Referenz mit N = 127, ausdrücklich um eine Verzerrung durch Modellvorlieben auszuschließen. Die Schlussfolgerung formulieren sie als Richtungswechsel: „effective input sanitization requires a shift from deterministic filtering to probabilistic, deductive inference“.
Die deutschsprachige Rezeption bei heise ordnet das Verfahren als Prototyp ein und zitiert Pascal Tippe zum Kern der Methode: „Wir haben ein Codebook erstellt. Darin haben wir die rechtlichen Definitionen der Datenschutz-Grundverordnung … in eine Menge an Anweisungen übersetzt.“ Tippe ist Doktorand, Grötzner Masterstudent an der FernUniversität in Hagen.
⚠️ Zu den Grenzen der Zahl: N = 127 ist eine kleine Referenzmenge, und die 90 Prozent beziehen sich ausdrücklich auf Geschäftsgeheimnisse, nicht auf jede Art sensibler Angabe. Gemessen wurde mit einem starken Referenzmodell – die Arbeit sagt selbst, dass lokale Modelle auf Verbraucher-Hardware die dafür nötige Gedankenketten-Länge derzeit nicht liefern. Zu Verfügbarkeit, Lizenz oder Quelloffenheit einer Implementierung steht weder im Abstract noch in der heise-Meldung etwas; wir führen das Gateway deshalb nicht als Werkzeug, sondern als Forschungsergebnis.