Sensible Daten mit KI verarbeiten: 2 Wege ohne Cloud
Irgendwann kommt in jeder Automatisierung der Moment, an dem du merkst: Diese Daten kann ich so nicht an ChatGPT geben. Kundenverträge, Personalunterlagen, Meeting-Notizen mit Namen und Zahlen darin. Wenn du sensible Daten mit KI verarbeiten willst, heißt das aber nicht, dass du auf die Automatisierung verzichten musst. Du musst nur trennen, wer die Struktur baut und wer die Daten sieht.
Es läuft immer auf denselben Satz hinaus: ChatGPT erstellt die Automation, bekommt die eigentlichen Daten aber nie zu Gesicht. Welcher der beiden Wege für dich passt, hängt an einer einzigen Frage. Brauchst du in der laufenden Automation überhaupt KI, oder reicht normale Software?
Weg 1: ChatGPT schreibt nur das Skript
Viele Aufgaben, die nach KI klingen, brauchen gar keine. Immer wenn deine Eingangsdaten gleich aufgebaut sind, reicht normale Software, und die kann ChatGPT dir schreiben.
Ein Fall aus meiner Praxis: aus Kaufverträgen automatisch Rechnungen erstellen. Ich habe dafür einen Ordner vorbereitet, in dem zwei Verträge liegen. Beide sind Demoverträge ohne echte Kundendaten, aber sie haben exakt die Struktur, die später auch produktiv da ist. Genau darauf kommt es an.
Diesen Ordner ziehe ich in ChatGPT Work hinein und schreibe dazu: "Ich möchte ein kleines Tool bauen, das aus unseren Kaufverträgen automatisch Rechnungen erstellt. Im Ordner sind zwei Beispiele, noch ohne echte Kundendaten. Die Struktur ist später aber genau gleich."
Damit weiß ChatGPT alles, was es braucht. Es kann den Code schreiben, der die Daten aus einem Vertrag zieht und in ein festes Rechnungstemplate einsetzt. Es baut die Oberfläche dazu, kümmert sich um die Fehlerbehandlung und legt das Layout der Rechnung fest. All das entsteht ausschließlich an den Demodaten.
Am Ende steht ein kleines Programm, in das ich links einen Vertrag gebe und aus dem rechts die fertige Rechnung als PDF fällt. Wie schnell das geht, merkst du sofort, denn da ist keine Cloud mehr im Spiel. ChatGPT war der Entwickler, mehr nicht. Die echten Verträge sehen nur dein Rechner und du.
Anpassen kannst du das Tool danach jederzeit weiter über ChatGPT, solange du dabei bei Demodaten bleibst. Wie die Rechnung am Ende aussieht, wie die Oberfläche aufgebaut ist, ob du das Ganze mit einem Klick auf ein Icon öffnen kannst: Das lässt sich alles nachträglich ändern, ohne dass je ein echter Vertrag im Chat landet. Wie so ein Bau-Prozess grundsätzlich abläuft, habe ich in Webapp mit KI erstellen beschrieben.
Deine Demodaten entscheiden über das Ergebnis
Der Teil, den die meisten unterschätzen, ist die Vorbereitung. ChatGPT baut immer genau das Tool, das zu den Beispielen passt, die es gesehen hat. Sind deine Demodaten zu dünn, bekommst du ein Tool, das beim ersten echten Durchlauf auseinanderfällt.
Ich nehme mir deshalb vorher ein paar Minuten und baue mir zwei oder drei Beispieldateien, die exakt so aufgebaut sind wie die echten. Gleiche Felder, gleiche Reihenfolge, gleiche Schreibweisen, nur mit erfundenen Namen und Zahlen. Wenn es in der Praxis Sonderfälle gibt, etwa einen Vertrag ohne Rabattzeile oder mit zwei Positionen, dann gehört mindestens einer davon mit in den Ordner. Sonst lernt die KI eine Struktur, die es so nur in deinem Kopf gibt.
Sag im Prompt außerdem dazu, dass es sich um Demodaten handelt und die Struktur später identisch bleibt. Das ist der Satz, der dafür sorgt, dass ChatGPT nicht ein Einmal-Skript für diese zwei Dateien schreibt, sondern ein Tool für den Dauerbetrieb.
Weg 2: Eine lokale KI übernimmt die Auswertung
Manchmal reicht Code nicht, weil die Aufgabe selbst Verstehen erfordert. Meeting-Notizen zusammenfassen zum Beispiel. Da hilft dir kein festes Schema, und trotzdem wollen die wenigsten ihre internen Protokolle auf fremde Server schicken.
Dafür gibt es lokale KI, also ein Modell, das komplett auf deinem Rechner läuft. Es ist schwächer als die großen Modelle, aber für abgegrenzte Aufgaben wie Zusammenfassungen reicht es gut. Und du musst dich mit der Einrichtung nicht selbst herumschlagen, denn die kann ChatGPT für dich übernehmen.
Ich habe dafür geschrieben: "Bitte erstelle mir ein kleines Tool, bei dem ich ein Meeting-Transkript reingeben kann und ein lokales KI-Modell erstellt daraus eine hilfreiche, auf den Punkt gebrachte Zusammenfassung."
ChatGPT installiert und konfiguriert daraufhin das lokale Modell, stellt unterwegs ein paar Rückfragen und baut die App drumherum. Bei mir kam das Ergebnis im ersten Anlauf. Links gebe ich das Transkript hinein, wähle das lokale Modell und stelle ein, ob die Zusammenfassung knapp oder ausführlicher sein soll. Rechts steht das Ergebnis, das ich kopieren oder als Datei speichern kann. Mit einem lokalen Modell dauert das einen Moment länger als in der Cloud, aber es läuft.
Auch hier hat ChatGPT nie ein Meeting gesehen. Es hat die Umgebung gebaut, den Prompt mitgegeben und alles verkabelt. Ausgewertet wird bei dir.
Der Test, der Gewissheit bringt
Wenn du dir unsicher bist, schalte einfach die Internetverbindung aus und starte das Tool noch einmal. Funktioniert es weiterhin, läuft wirklich alles lokal. Hakt es, geht doch irgendwo etwas nach draußen, und du weißt, wo du nachschauen musst.
Diesen Test würde ich bei jedem Tool machen, bevor echte Daten hineinkommen. Er kostet dich eine Minute.
Worauf du trotzdem achten solltest
Lokal bedeutet nicht automatisch, dass alles sauber geregelt ist. Die Daten liegen weiter auf deinem Gerät, mit allem was dazugehört: Backups, Verschlüsselung, Zugriffsrechte, Aufbewahrungsfristen. Wer außer dir kommt an den Ordner? Wo landen die erzeugten Rechnungen? Diese Fragen beantwortet dir kein Tool.
Und noch etwas: Achte beim Bauen darauf, dass wirklich nur Demodaten in den Chat wandern. Es passiert schneller als man denkt, dass man zur Fehlersuche doch mal die echte Datei hineinzieht. In dem Moment ist der ganze Aufbau umsonst gewesen.
Für alles, was nicht sensibel ist, bleibt der normale Weg der bequemere. Wie du die dafür auf einen Zeitplan legst, steht in ChatGPT geplante Aufgaben, und wie die KI dabei auf deine Programme zugreift, in ChatGPT Chrome-Erweiterung.