Worum es geht
Es gibt Berichte über einen Streit um Geschäftsgeheimnisse zwischen OpenAI und Apple, in dem beide Seiten einander Vorwürfe machen. Die Einzelheiten sind für diesen Artikel nicht wichtig und hier nicht bewertet. Interessant ist die allgemeine Lehre: Wer Inhalte an einen fremden KI-Dienst schickt, gibt sie aus der Hand, und Schutz gegen Missbrauch hängt dann von Verträgen und der Sorgfalt des Anbieters ab, nicht mehr von dir.
Für eine Überwachungs-Pipeline ist das konkret. Die Klassifikation schickt Texte aus Feeds an ein Sprachmodell. Bei öffentlichen Quellen ist das harmlos, bei anderen nicht.
Welche Inhalte heikel sind
- Interne Mailinglisten und Foren, die nicht öffentlich lesbar sind.
- Vertrauliche Repositories und Ticket-Systeme, auch nur als Benachrichtigung.
- Recherchematerial für Kunden oder Arbeitgeber.
- Alles, was unter eine Geheimhaltungsvereinbarung fällt.
Schon kurze Ausschnitte können sensible Details enthalten. Nachrichtenseiten und öffentliche Release-Listen sind dagegen unkritisch.
Die Regel: Was vertraulich ist, bleibt lokal
Die einfachste belastbare Regel lautet: Sensible Inhalte verlassen den Rechner nicht. Sie werden ausschließlich mit einem lokal betriebenen Modell klassifiziert, zum Beispiel über Ollama. Öffentliche Inhalte dürfen weiterhin an eine Cloud-API gehen, wenn dort die Qualität besser ist.
Dieser Grundsatz sollte in der Architektur stecken und nicht nur in einer Absprache. Eine Markierung pro Feed macht ihn durchsetzbar.
Hybrid-Routing mit einem Flag pro Feed
Jeder Feed bekommt in SQLite eine Spalte, die festlegt, ob er sensibel ist. Die Klassifikation liest sie und wählt das Backend.
import sqlite3
from dataclasses import dataclass
@dataclass(frozen=True)
class FeedPolicy:
feed_id: int
name: str
sensitive: bool
def load_policies(db: sqlite3.Connection) -> dict[int, FeedPolicy]:
rows = db.execute(
"SELECT id, name, sensitive FROM feeds WHERE active = 1").fetchall()
return {r[0]: FeedPolicy(r[0], r[1], bool(r[2])) for r in rows}
def classify(text: str, policy: FeedPolicy, local, cloud) -> str | None:
if policy.sensitive:
return local(text) # niemals in die Cloud
return cloud(text) or local(text)
Die Funktionen local und cloud stehen für deine eigenen Aufrufe. Wichtig ist der Pfad für sensible Feeds: Er hat keinen Ausweg in die Cloud, auch nicht als Ausweichlösung bei einem Ausfall. Fällt das lokale Modell aus, wird der Eintrag zurückgestellt.
Die Spalte sicher vorbelegen
Neue Feeds sollten standardmäßig als sensibel gelten. So gelangt ein vergessener Eintrag nicht versehentlich in die Cloud.
ALTER TABLE feeds ADD COLUMN sensitive INTEGER NOT NULL DEFAULT 1;
Erst wenn du einen Feed bewusst als öffentlich einstufst, setzt du den Wert auf 0.
Nachvollziehbarkeit
Speichere zu jeder Klassifikation, welches Backend sie erzeugt hat. Dann kannst du später belegen, dass sensible Feeds nie in der Cloud waren, und siehst, wie sich das Verhältnis entwickelt. Im täglichen Heartbeat lässt sich die Verteilung mit einer Zeile ausweisen.
Prüfe außerdem, ob Protokolle sensible Texte enthalten. Ein Log, das den ganzen Eintrag ausgibt, umgeht den Schutz auf anderem Weg.
Wann sich das lohnt (und wann nicht)
Die Trennung lohnt sich, sobald eine Quelle Inhalte enthält, die nicht für Dritte bestimmt sind. Dann ist sie keine Übertreibung, sondern Grundhygiene. Der Aufwand ist gering: eine Spalte, eine Verzweigung und ein lokales Modell.
Nicht nötig ist sie, wenn alle Quellen öffentlich sind und nur die Kosten drücken. Dann genügt eine Cloud-API, und ein zweites Backend wäre unnötige Komplexität. Lass dich zudem nicht von einzelnen Berichten zu einem Pauschalurteil über Cloud-Dienste verleiten: Entscheidend ist, welche Daten du schickst, nicht welcher Anbieter gerade in den Nachrichten ist.