Datenschutz DFKI veröffentlicht Schutzschicht für KI-Prompts direkt im Browser

Anbieter zum Thema

DFKI GmbH

Metrofunk Kabel-Union GmbH

Rose Systemtechnik GmbH & Co. KG

TURCK GmbH

Immer mehr vertrauliche Informationen landen heute in Prompts für KI-Chatdienste. Mit Privacy Guardrail veröffentlicht das DFKI eine Open-Source-Erweiterung für Google Chrome, die personenbezogene und andere sensible Inhalte vollständig lokal im Browser erkennt, anonymisiert und nach der KI-Antwort wiederherstellt.

Generative KI ist längst im Arbeitsalltag angekommen – in E-Mails, Support-Tickets, Protokollen, Forschungsnotizen oder internen Dokumenten. Genau dort entsteht jedoch eine neue Schutzlücke: Wer KI produktiv nutzen will, muss häufig Texte verarbeiten, die eigentlich nicht ohne Weiteres an externe Dienste weitergegeben werden sollten. Privacy Guardrail setzt deshalb genau an dem Moment an, in dem aus vertraulichem Text ein KI-Prompt wird.

Datenschutz am Entstehungsort

Die Erweiterung prüft eingefügte Inhalte automatisch lokal, markiert erkannte sensible Stellen und ersetzt sie vor dem Absenden durch typisierte Platzhalter wie [EMAIL_1] oder [PERSON_1]. Nutzer können die Erkennung vor dem Versand prüfen, anpassen oder einzelne Treffer bewusst ignorieren. Nach der Antwort des KI-Systems lassen sich bekannte Platzhalter lokal wieder durch die ursprünglichen Werte ersetzen, sodass der inhaltliche Zusammenhang erhalten bleibt.

Der zentrale Unterschied zu vielen anderen Ansätzen liegt im local-first-Ansatz: Erkennung, Platzhalterzuordnung, Anonymisierung und Wiederherstellung erfolgen vollständig im Browser. Eingefügte Texte werden nicht an einen externen Inferenzdienst gesendet. Privacy Guardrail macht den Browser damit selbst zum Ort des Datenschutzes – direkt dort, wo aus sensiblen Inhalten ein Prompt entsteht.

Alle relevanten Daten verbleiben im lokalen Chrome-Profil des jeweiligen Browsers. Dazu gehören je nach Nutzung Einstellungen, Platzhalterzuordnungen, Identity-Vault-Einträge sowie lokale Korrektur- und Feedbackdaten; eine Speicherung in Chrome Sync erfolgt nicht. So bleibt die Kontrolle über sensible Informationen bei den Nutzern.

Zwei lokale Erkennungsebenen

Technisch kombiniert Privacy Guardrail zwei lokale Erkennungslayer. Deterministische Pattern-Recognizer erfassen strukturierte Inhalte wie E-Mail-Adressen, Kreditkartennummern, IBANs oder IP-Adressen. Ergänzend kann die lokale KI-Komponente kontextabhängige Begriffe wie Personen, Organisationen, Adressen, Orte oder Passwörter erkennen. Wenn WebGPU verfügbar ist, läuft die Inferenz lokal über die Grafikkarte; andernfalls nutzt das System einen langsameren CPU/WASM-Pfad. Für Geräte mit begrenzten Ressourcen kann die Erweiterung zudem in einen Pattern-only-Modus wechseln, bei dem strukturierte Formate weiterhin erkannt werden, die Abdeckung freier Textstellen aber geringer ausfällt.

Einschränkungen und Transparenz

Bei sogenannten Low-Signal-Kategorien wie URL, DATE oder MISC ist die Erkennungsleistung eingeschränkt. Das DFKI kommuniziert diese Grenzen bewusst offen: Sensible Inhalte können übersehen werden, harmlose Inhalte fälschlich als kritisch gelten, und ungewöhnlich formatierte Texte lassen sich teilweise schlechter erkennen. Privacy Guardrail ist daher als assistive Schutzschicht konzipiert – nicht als Garantie für vollständige Anonymisierung, die lückenlose Verhinderung von Datenoffenlegung oder regulatorische Compliance. Gerade diese Transparenz ist Teil des Konzepts: Vertrauenswürdige KI entsteht durch nachvollziehbare Verfahren, offene Dokumentation und echte Nutzerkontrolle.

Open Source mit klarer Beta-Grenze

Privacy Guardrail wird als Open-Source-Projekt auf GitHub veröffentlicht und steht unter der Apache-2.0-Lizenz. Der offene Quellcode, dokumentierte Erkennungsregeln und die lokale Verarbeitung machen das System auditierbar und überprüfbar. Für die erste öffentliche Beta unterstützt die Erweiterung offiziell Chrome auf dem Desktop sowie die Plattformen chatgpt.com, chat.openai.com, claude.ai und gemini.google.com.

Andere Chromium-basierte Browser können grundsätzlich funktionieren, werden derzeit aber nicht vollständig getestet. Perspektivisch arbeitet das Team an einer besseren Erkennungsqualität, kleineren und effizienteren lokalen Modellen, weiteren Plattformen und möglichen mobilen Szenarien.