Fernuni Hagen stellt Privacy Gateway als Filter für ChatGPT-Eingaben vor

Forscher der Fernuniversität Hagen haben mit Privacy Gateway einen Prototyp für den Schutz sensibler ChatGPT-Eingaben vorgestellt. Der Filter soll vertrauliche Angaben vor dem Versand an Sprachmodelle erkennen und entfernen und adressiert damit ein akutes Datenschutzproblem in Unternehmen.

Der Bericht erschien am 22. August 2026 bei t3n. Demnach entwickelte der Doktorand Pascal Tippe den Prototyp gemeinsam mit Masterstudent Michael Maximilian Grötzner an der Fernuniversität Hagen. Anlass ist die verbreitete Nutzung von Werkzeugen wie ChatGPT, Perplexity oder Copilot für E-Mails und die Auswertung großer Dokumente. Laut dem im Artikel genannten Verweis auf eine Bitkom-Umfrage nutzt rund ein Drittel der Menschen in Deutschland KI mindestens einmal pro Woche.

Filter vor dem Sprachmodell

Privacy Gateway arbeitet laut t3n als Vermittler zwischen Nutzern und dem jeweiligen Sprachmodell. Das System soll nicht nur offensichtliche Angaben erkennen, sondern den gesamten Zusammenhang einer Anfrage bewerten. Damit zielt der Ansatz auf Fälle, in denen schon einzelne Informationen Rückschlüsse auf Personen zulassen. Gerade in Unternehmen betreffen Eingaben dem Bericht zufolge oft auch Kollegen, Kunden oder Familienmitglieder.

Das Forschungsteam hält ein vollständiges Verbot generativer KI laut dem Artikel für den falschen Weg, weil dies zu Produktivitätseinbußen führen würde. Stattdessen soll der Schutz vor dem Datentransfer an externe KI-Systeme ansetzen. Im Text wird zudem auf das Risiko verwiesen, dass Eingaben an Tech-Konzerne aus den USA oder China weitergegeben werden.

DSGVO als Regelwerk im Code

Nach Angaben im Bericht basiert der Prototyp auf einem Codebook, das rechtliche Definitionen aus Artikel 4 und Artikel 9 der DSGVO sowie das deutsche Geschäftsgeheimnis in Anweisungen übersetzt. Dadurch soll Privacy Gateway begründen können, warum bestimmte Informationen geschützt werden müssen. Der Ansatz unterscheidet sich damit von einfachen Filtern, die nur nach Begriffen oder Zahlenfolgen suchen.

Grenzen bei medizinischen Angaben

Tippe und Grötzner prüften den Prototyp laut t3n mit einem umfangreichen Datensatz aus unterschiedlichen Alltagsszenarien. Untersucht wurden die Erkennung und Anonymisierung vertraulicher Informationen sowie die Auswirkungen auf die Antwortqualität. Dabei zeigte sich, dass sich sensible Inhalte nicht immer entfernen lassen, ohne die Nutzbarkeit zu verschlechtern. Als Beispiel nennt der Bericht umfangreiche medizinische Diagnosen mit sehr vielen personenbezogenen Daten.