--- title: "OpenAI Privacy Filter: PII-Maskierung für DSGVO-konforme KI-Workflows" description: "Open-Weight-Modell von OpenAI maskiert PII lokal vor dem LLM-Call. Was es für DSGVO und EU-AI-Act bedeutet — Use-Cases, Setup, Limits." canonical: "https://jens.marketing/tool/openai-privacy-filter/" last_updated: 2026-05-01T00:00:00.000Z language: de source: "https://jens.marketing/llms.txt" --- # OpenAI Privacy Filter: PII-Maskierung für DSGVO-konforme KI-Workflows > OpenAI bringt mit Privacy Filter ein Open-Weight-Modell, das PII direkt auf deinem Laptop erkennt und maskiert — bevor Lead-Daten, Support-Tickets oder Workshop-Notizen überhaupt zu ChatGPT, Claude oder Gemini wandern. Das ist mehr als ein Tool — das ist ein DSGVO-Hebel. Wenn du in einem deutschen Marketing-Team arbeitest, kennst du das Spiel: Du willst eine Excel mit 800 Lead-Datensätzen schnell von Claude clustern lassen, die HubSpot-Tickets vom letzten Quartal von ChatGPT zusammenfassen lassen, oder die Mitschrift aus dem Workshop letzte Woche durch ein LLM jagen. Und dann zuckst du. Weil da Klarnamen, Telefonnummern, IBAN-Schnipsel und Mail-Adressen drin stehen — und seit dem **2. Februar 2025** der EU-AI-Act greift, seit Mai 2018 die DSGVO sowieso. OpenAI hat am **22. April 2026** ein Werkzeug veröffentlicht, das genau dieses Reibungs-Problem adressiert: den **[Privacy Filter](https://openai.com/index/introducing-openai-privacy-filter/)** — ein Open-Weight-Modell, das persönlich identifizierbare Informationen in unstrukturiertem Text erkennt und maskiert, bevor der Text überhaupt das eigene Gerät verlässt. **Apache 2.0**, läuft auf einem normalen Laptop, kostet nichts. Das ist ungewöhnlich für OpenAI — und es ist genau das Setup, das DACH-B2B-Teams seit Jahren wollten. ## Was Privacy Filter konkret macht Privacy Filter ist ein **1,5-Milliarden-Parameter-Modell** mit **Sparse-Mixture-of-Experts-Architektur** — von diesen 1,5B sind aber nur **50M Parameter pro Inferenz aktiv** (128 Experten, Top-4-Routing). Heißt im Klartext: Das Ding läuft auf einem MacBook, theoretisch sogar im Browser via WebAssembly. Du brauchst keine GPU-Cluster, kein Azure-Abo, keinen API-Call zu OpenAI — die Gewichte liegen auf [Hugging Face](https://huggingface.co/openai/privacy-filter), du lädst sie runter, du fährst los. Erkannt werden **acht PII-Kategorien**: `account_number` (Kontonummern, IBANs), `private_address`, `private_email`, `private_person` (Klarnamen), `private_phone`, `private_url`, `private_date` (Geburtsdaten etc.) und `secret` (Passwörter, Tokens, API-Keys). Die Detection ist **kontextsensitiv** — das Modell erkennt also den Unterschied zwischen "Müller GmbH" als Firmenname und "Hans Müller" als Person, oder zwischen einer öffentlichen Support-Mail und einer privaten Adresse. Auf dem **PII-Masking-300k-Benchmark** liefert Privacy Filter einen **F1-Score von 96 %** (94 % Precision, 98 % Recall). In der bereinigten Benchmark-Version, die Annotations-Fehler korrigiert, sind es **97,4 %**. Das Kontextfenster liegt bei **128.000 Tokens** in einem einzigen Pass — du kannst also einen 200-Seiten-Salesforce-Export am Stück durchschicken, ohne ihn zu chunken. Statt simpler Token-Klassifizierung läuft die Inferenz über **Constrained Viterbi Decoding** mit BIOES-Schema und sechs anpassbaren Transition-Bias-Parametern. Auf Deutsch: Du kannst Precision und Recall zur Laufzeit verschieben, ohne nachzutrainieren — bei rechtlich heiklen Workloads drehst du auf Recall-Maximum, bei UX-orientierten Pipelines auf Precision. ## Drei Marketing-Use-Cases die wirklich relevant sind **1. Lead-Daten anonymisieren vor dem LLM-Call.** Du hast einen CSV-Export aus HubSpot mit 1.200 MQLs aus dem Q1-Webinar. Du willst Claude oder ChatGPT bitten, daraus Persona-Cluster, Branchenmuster und Outreach-Ansätze zu ziehen. Klassisches DSGVO-Problem: Klarnamen, Firmen-Mails und Telefonnummern bei OpenAI oder Anthropic in den USA. Workflow neu: Excel → Privacy Filter lokal → masked CSV (`[PERSON_1]`, `[EMAIL_1]`, `[COMPANY_1]`) → ans LLM → Erkenntnisse zurück → Mapping über die Token-IDs zurück auf die echten Datensätze. Für Auftragsverarbeitung nach **Art. 28 DSGVO** entfällt damit der heikelste Teil: Es werden gar keine personenbezogenen Daten mehr an den Auftragsverarbeiter übertragen. **2. Support-Tickets bereinigen vor KI-Analyse.** Zendesk- oder Freshdesk-Export der letzten 90 Tage, du willst Themen-Cluster, Sentiment-Verläufe und Eskalations-Trigger. In jedem Ticket: Kunden-Name, Bestellnummer, Telefonnummer, manchmal IBAN bei Refund-Cases. Privacy Filter läuft als Pre-Processing-Step in deinem n8n- oder Make-Workflow — Webhook rein, maskierter Text raus, dann erst zu Gemini oder Claude. **Die Bestellnummern bleiben als Token erhalten**, du kannst die Cluster später wieder rückübersetzen, ohne dass der Volltext jemals US-Server gesehen hat. **3. Workshop-Notizen pseudonymisieren.** Wer wie ich regelmäßig **KI-Workshops** in Konzernen hält, sammelt am Ende eines Tages 30+ Seiten Whiteboard-Fotos, Otter-Transkripte, Slack-Auszüge. Da stehen Namen von Mitarbeitenden, Gehaltszahlen, interne Projekt-Codenamen. Wenn du daraus eine Zusammenfassung mit ChatGPT bauen willst — oder schlimmer, ein internes Wissens-Repository — musst du das pseudonymisieren. Privacy Filter macht das in einem Pass über alle Dateien. Für die [EU-AI-Act-Schulungspflicht](https://jens.marketing/ai-act-schulungspflicht) ist das nebenbei ein dokumentierbarer technischer Schutz — du kannst gegenüber Datenschutzbeauftragten, Betriebsrat und Auditoren belegen, dass personenbezogene Trainings-Inputs technisch maskiert werden. ## Wo Privacy Filter nicht reicht So gut das Modell ist, **es ist kein DSGVO-Allheilmittel**. Drei Limits, die du kennen solltest: **Deutsche Spezifika sind unterrepräsentiert.** Steuer-IDs (11-stellig), Sozialversicherungsnummern, Krankenkassen-IK-Nummern, Personalnummern aus SAP-HR — das Trainings-Set ist primär englischsprachig. Die generischen Kategorien (`account_number`, `secret`) fangen vieles, aber wenn du im HR-Marketing oder im Healthcare-Vertrieb unterwegs bist, brauchst du Domänen-Fine-Tuning. OpenAI gibt an, dass Fine-Tuning auf wenigen Tausend Beispielen den F1-Score von 54 % auf 96 % auf domänenspezifischen Tasks hebt — das ist gut, aber es ist Aufwand. **Kontextsensitive PII bleibt schwierig.** Wenn in einem Ticket steht "Der Kunde von der Bonner Filiale, Sie wissen schon, der mit dem Mercedes" — dann ist das nach DSGVO **identifizierbar** (Art. 4 Nr. 1), für Privacy Filter aber unsichtbar. Quasi-Identifier, indirekte Personenbezüge und Kombinations-Risiken (k-Anonymität) sind außerhalb des Scope. **Maskierung ist nicht Anonymisierung.** Wenn du Token wie `[PERSON_1]` zurück auf echte Datensätze mappen kannst, ist das **Pseudonymisierung** im Sinne von Art. 4 Nr. 5 DSGVO — nicht Anonymisierung. Du brauchst trotzdem AVV, TOMs, Löschkonzept und Rechtsgrundlage. Privacy Filter senkt das Risiko-Niveau, er entkoppelt dich nicht von der Verordnung. ## Alternativen im Vergleich **[Microsoft Presidio](https://microsoft.github.io/presidio/)** ist das Open-Source-Schwergewicht: kostenlos, Python-SDK, Self-Hosted, deckt mehr Datentypen ab (auch Bilder, strukturierte Daten). Schwächer bei kontextsensitivem Text, weil regelbasiert plus klassisches NER — Privacy Filter schlägt es deutlich bei freier Prosa wie Tickets und Mails. **AWS Comprehend PII** kostet **0,0001 $ pro 100 Zeichen**, läuft als Managed API. Heißt: Dein Text geht zu AWS-Servern. Für US-Workloads okay, für DACH-DSGVO-Compliance ist das ein **Auftragsverarbeitungs-Verhältnis** mit Drittland-Implikationen — gerade nach dem Schrems-II-Urteil unangenehm. Sprachen: Englisch, Spanisch. Deutsch wird über Translate-Vorstufe gemacht, was die Genauigkeit drückt. **Google Cloud DLP** ist umfangreicher, deckt strukturierte Daten und Bilder mit ab, hat tausend Konfigurationsschrauben. Nachteile: SaaS-only, Pricing nicht trivial, und auch hier verlässt der Text die EU-Grenze (außer bei expliziten EU-Region-Pinnings, die zusätzliche Konfiguration brauchen). **Privacy Filters Killer-Feature** im DACH-Kontext: **Lokale Ausführung + Apache 2.0 + 96 % F1**. Diese Kombination gab es vorher nicht in der Form. Presidio kommt am nächsten — wer maximale Genauigkeit auf freiem Text will, nimmt Privacy Filter, wer maximale Datentyp-Abdeckung will, nimmt Presidio. Beides parallel ist ein valider Ansatz. ## Setup & Pricing **Pricing: 0 €.** Apache-2.0-Lizenz, kommerzielle Nutzung erlaubt, keine Per-Call-Kosten. Du zahlst nur die Hardware, auf der es läuft — und die ist minimal. Ein **MacBook Pro M2 reicht**, ein dedizierter Server mit 16 GB RAM auch. Setup in der Praxis: `pip install transformers`, Modell von Hugging Face ziehen (`openai/privacy-filter`), in eine Python-Function packen, als FastAPI-Endpoint exposen oder direkt in deinen n8n-Code-Node bauen. Wer mit **Make.com** oder **Zapier** arbeitet, hostet sich am besten einen kleinen Endpoint auf einem **Hetzner Cloud Server** (ab 4,50 €/Monat) — DSGVO-konform in Falkenstein, latenzarm, in 30 Minuten aufgesetzt. Latenz pro Anfrage liegt bei wenigen hundert Millisekunden für typische Marketing-Texte; du kannst mit dem 128k-Kontextfenster auch große Dokumente am Stück verarbeiten. ## Fazit für Marketing-Verantwortliche Privacy Filter ist eines der wenigen KI-Releases 2026, das **kein Hype-Problem** hat. Es löst eine konkrete, teure, regelmäßig auftretende Friktion: den Konflikt zwischen "wir wollen LLMs nutzen" und "wir dürfen keine personenbezogenen Daten an US-Anbieter geben". Wer in DACH-B2B-Marketing arbeitet, sollte das Tool diese Woche in einer Testpipeline durchspielen — Lead-Export anonymisieren, einmal durch Claude oder ChatGPT jagen, Resultate zurück-mappen. Drei Empfehlungen: **(1)** Wenn du einen DSB im Haus hast, leg ihm das Tool inklusive Modell-Card vor — das ist konkretes Material für eure TOMs. **(2)** Baue Privacy Filter als Pre-Processing-Step in alle Workflows ein, in denen Texte mit Kundenbezug an externe LLMs gehen. **(3)** Plane Domänen-Fine-Tuning für eure Spezifika ein, wenn ihr mit Personalakten, Health-Daten oder Finanzdaten arbeitet — der Weg von 54 % auf 96 % F1 mit wenigen tausend Beispielen ist nachweislich machbar. Praxis statt Hype: Hier ist es endlich beides. ## Verwandt - [KI-Kompetenz ist Pflicht ab 2025: Neue gesetzliche Anforderungen des EU AI Act](https://jens.marketing/ai-act-schulungspflicht) - [AgenticSeek: Schütze deine Daten lokal](https://jens.marketing/tool/agenticseek-schuetze-deine-daten-lokal) ## Weiter im Kontext - Vollständiger Index für Agenten: https://jens.marketing/llms.txt - Alle URLs: https://jens.marketing/sitemap.xml - Menschliche Übersicht: https://jens.marketing/uebersicht/