Anonymisiere jedes Dokument. Nutze jede KI. Behalte deine Daten.

Der ongoing Anonymizer ist der Filter zwischen deiner Anwendung und der Cloud-KI. Personendaten werden vor jeder Anfrage maskiert, das anonymisierte Resultat geht an GPT, Claude oder Gemini, und nach der Verarbeitung werden die echten Daten lokal wieder eingesetzt. So nutzt du datenschutzkonform jede KI, ohne dass sensible Informationen deine Infrastruktur verlassen.

Architektur-Gespräch buchen

🇨🇭 Datenstandort Schweiz
🇺🇸 Personendaten verlassen deine Infrastruktur nie
🔒 ISO 27001, 9001, 14001 zertifiziert

Cloud-KI ist mächtig. Aber Personendaten gehören nicht in die USA.

GPT, Claude und Gemini liefern Resultate, die offene Modelle in vielen Use Cases noch nicht erreichen. Der Haken: jede Anfrage geht zu einem amerikanischen Hyperscaler. Bei Personendaten, Geschäftsgeheimnissen oder regulierten Daten ist das in der Schweiz oft nicht zulässig oder schlicht nicht gewünscht.

DSG, Branchenregulatorik, eigene Kundenverträge mit Datenstandort-Klausel: die Liste der Gründe ist lang. Das Resultat ist meistens dasselbe. Cloud-KI fällt aus, ein eigenes lokales Modell ist überdimensioniert oder schwächer in der Qualität, und das Projekt landet auf der Halde „schauen wir später nochmal an“.

Der ongoing Anonymizer ist die Antwort auf genau dieses Problem.

Wie funktioniert der ongoing Anonymizer?

Der Anonymizer sitzt als Filter zwischen deiner Anwendung und der Cloud-KI. Personendaten werden lokal maskiert, das anonymisierte Resultat geht an das Modell deiner Wahl, danach werden die echten Daten lokal wieder eingesetzt. Vier Schritte, alle auf deiner Schweizer Infrastruktur.

Erkennen. Personendaten in deiner Anfrage werden identifiziert: Namen, Adressen, Kontakte, IDs, Geo-Bezüge, Personenbezüge im Fliesstext.
Maskieren. Die erkannten Daten werden durch Platzhalter ersetzt. Aus „Kurt Kurios, Bahnhofstrasse 1, 6300 Zug“ wird „[PERSON_1], [STREET_1], [POSTCODE_1] [CITY_1]“.
Verarbeiten. Der anonymisierte Kontext geht an dein Cloud-Modell deiner Wahl. Das Modell arbeitet mit dem inhaltlichen Kontext, ohne die Personen zu kennen.
Zurückführen. Die Antwort kommt zurück, die Platzhalter werden lokal wieder durch die Originaldaten ersetzt. Dein User sieht die fertige Antwort mit echten Namen und Adressen.

Personendaten haben das Schweizer Rechenzentrum dabei nie verlassen.

Drei Levels /

Welcher Level passt zu deinem Use Case?

Häufig kombinieren wir mehrere Levels: einen Inline-Anonymizer für die Live-Anwendung, dazu einen Dokumenten-Proxy fürs Backoffice. Was zu deinem Use Case passt, klären wir im Architektur-Gespräch.

Level 1 · Inline-API

Wofür: Echtzeit-Anonymisierung in laufenden Anwendungen, Round-trip mit Re-Identifikation in Millisekunden.

Use Case: Support-Chatbot, Scam-Detection, Compliance-Prüfung von Inhalten.

Integration: API-Call vor und nach der Cloud-KI.

Level 2 · Dokumenten-Proxy

Wofür: Ganze Dateien (PDF, Word, Excel, Mail-Threads) durchschleusen, anonymisieren, durch eine beliebige Cloud-KI bearbeiten lassen, re-identifiziert zurückbekommen.

Use Case: Vertragsprüfung, CV-Screening, Befund-Zusammenfassungen, Analyse von Kundenkorrespondenz.

Integration: HTTP-Endpoint oder Drop-Folder.

Level 3 · Batch-Pipeline

Wofür: Grössere Datenmengen, automatisiert, regelmässig. Anonymisierung als fester Schritt in der Daten-Pipeline.

Use Case: CRM-Anreicherung, Akten-Analyse, Reporting-Aufbereitung, Massenmail-Auswertung.

Integration: Hook in n8n, Zapier, eigene Pipeline.

Drei Beispiele aus laufenden Projekten

TECHTALKREFERENZENAI

Wie wir B2B-Scam mit KI stoppen

Wenn aus ongoing.ch plötzlich ongcing.ch wird
Montag, 9:15 Uhr. Deine Buchhaltung öffnet eine E-Mail: "Neue Bankverbindung für laufende Aufträge – bitte umgehend aktualisieren."
Absender: ein langjähriger Lieferant. Oder doch nicht?

Insight lesen

TECHTALKREFERENZENAI

Support-Anfragen mit KI beantworten ohne wie ein Roboter zu klingen

Lass uns ehrlich sein: Niemand wacht morgens auf und denkt sich: «Geil, heute beantworte ich 100 Mal die fast exakt gleiche Frage per E-Mail.» Doch genau das ist das Problem, wenn dein digitales Produkt plötzlich durch die Decke geht.

Für hoyou – die erste Schweizer Immobilien-Tauschbörse – haben wir dieses Luxusproblem gelöst. Nicht mit mehr Personal, sondern mit smarter Technologie.

Insight lesen

ALLGEMEINAI

KI einsetzen, ohne dass Daten die Schweiz verlassen

KI einsetzen, ohne dass Daten in die USA wandern: das hat lange wie ein Widerspruch geklungen. Ist es nicht. Es ist eine Architekturfrage.

Insight lesen

Sechs Punkte, die den Unterschied machen

Round-trip ohne Datenverlust. Simple PII-Stripper entfernen nur Namen und Adressen. Wir ersetzen sie durch eindeutige Platzhalter und setzen in der Antwort die Originaldaten wieder ein. Deine Anwendung sieht den vollwertigen Output, die Cloud-KI hat die Personendaten nie gesehen.
Mehrere Erkennungsebenen. Strukturierte Daten (E-Mail, Telefon, IBAN, AHV) und unstrukturierte Personenbezüge (Namen, Adressen, Geo-Bezüge im Fliesstext), je nach Level mit unterschiedlicher Tiefe und Latenz.
Drei Levels für unterschiedliche Anforderungen. Vom millisekunden-schnellen API-Call bis zum durchgereichten PDF.
Datenstandort Schweiz. Der Filter läuft in einem Schweizer Rechenzentrum oder bei dir on-premise. Keine externen Calls, kein Logging ausser Haus.
Eingebaut in deine KI-Lösung. Wir bauen den Anonymizer direkt in eure Anwendung ein. Für Tech-Teams gibt es ihn auch als API-Komponente zur Eigenintegration.
ISO 27001, 9001, 14001 zertifiziert. Drei Zertifizierungen, die in regulierten Branchen den Unterschied machen.

Wann lohnt sich der Anonymizer nicht?

Nicht jede KI-Anwendung braucht einen Anonymizer. In drei Fällen raten wir ab.

Wenn keine Personendaten oder sensiblen Daten im Spiel sind. Marketing-Texte, öffentliche Inhalte, generische Auswertungen: nimm Cloud-KI direkt, fertig.
Wenn die KI den Personenbezug als zentralen Bestandteil braucht. Persönliche Coaching-Tools, in denen Anrede und individuelle Beziehung zur Antwort gehören. Da hilft die Maskierung wenig, weil die Antwort ohne Personenbezug ihren Sinn verliert.
Wenn ein lokales Modell die bessere Antwort ist. Bei sehr grossen Volumen oder strikter Compliance-Auflage kann es sinnvoller sein, gleich ein lokales Open-Weight-Modell zu betreiben. Wir beraten dazu in der gleichen Sitzung.

FAQs /

Fragen zum ongoing Anonymizer

Strukturierte Daten wie E-Mails, Telefonnummern und IDs erkennen wir mit hoher Trefferquote. Bei unstrukturierten Personenbezügen (Namen im Fliesstext, indirekte Identifikation) hängt die Genauigkeit am Use Case und an der gewählten Tiefe. In sensiblen Setups kombinieren wir mehrere Erkennungsmethoden und ergänzen mit menschlicher Stichprobenkontrolle.

GPT (OpenAI), Claude (Anthropic), Gemini (Google), die Schweizer Lösung Apertus und Open-Weight-Modelle wie Llama, Mistral oder Gemma. Der Anonymizer ist agnostisch. Er sitzt vor dem Modell, nicht im Modell.

Ja. In unserem Schweizer Setup oder bei dir im Rechenzentrum. Bei strikter Compliance-Auflage ist on-premise oft die einzige akzeptable Variante.

Nein, sofern der Anonymizer korrekt eingesetzt ist. Der Filter läuft lokal, die Maskierung passiert vor dem Cloud-Call, die Re-Identifikation lokal nach der Antwort. Für die Cloud-KI sind Personendaten nie sichtbar.

In sicherheitskritischen Setups schalten wir mehrere Erkennungsebenen hintereinander und definieren ein Reject-Verhalten: bei Unsicherheit geht die Anfrage gar nicht raus, sondern an einen Menschen oder ein lokales Modell. Welcher Schwellwert für deinen Use Case sinnvoll ist, gehört in die Architektur-Entscheidung.

Das hängt am Use Case, am Volumen und am gewählten Level. Im Rahmen einer KI-Lösung von ongoing ist der Anonymizer üblicherweise Bestandteil.

Ja. Das ist genau der Dokumenten-Proxy. Du schickst eine Datei rein, bekommst die anonymisierte Version raus, schickst sie an die Cloud-KI deiner Wahl und kannst sie mit dem Anonymizer auch wieder rekonstituieren.

Kontakt

Deine Ansprechperson 🤝 /

Paavo Schmid

Wenn du KI einsetzen willst, deine Daten aber die Schweiz nicht verlassen dürfen oder sollen, vereinbaren wir ein Architektur-Gespräch. Wir hören uns deinen Use Case an und sagen dir ehrlich, ob ein Anonymizer der richtige Hebel ist oder ob du mit einem lokalen Modell besser fährst.

📆 Kennenlerntermin vereinbaren

📱 WhatsApp mit Paavo Schmid

✉️ E-Mail schreiben: paavo.schmid@ongoing.ch

🤙 Ruf mich an: +41 41 552 13 53

📝 Schreib mir eine Nachricht:

Im nächsten Schritt fragen wir dich noch nach deiner E-Mail Adresse.

Senden

👋 Hast du Fragen?