Maskieren Sie personenbezogene Daten in Texten, Dokumenten und Tabellen, bevor sie KI-, Analyse- und Testsysteme erreichen.
Oktober 2026 · Entgeltübersicht
HR-2026/118 · 17.10.2026| Entgeltbestandteil | Betrag |
|---|---|
| Bruttogehalt | 4.500,00 EUR |
| Abzüge | 1.020,00 EUR |
| Nettogehalt | 3.480,00 EUR |
Entgeltposten bleiben nutzbar; Identität und Bankdaten werden maskiert.
Fiktives Dokument · Keine echten Personen- oder Unternehmensdaten
Unterstützen Sie Datenminimierung, indem Sie personenbezogene Daten vor Freigabe, Analyse und KI-Abläufen maskieren.
Rohdateien und Wiederherstellungszuordnungen werden nicht im Verlauf gespeichert; Ergebnisse werden direkt von Benutzern heruntergeladen.
Im SaaS-Ablauf werden Dokumentinhalte nicht dauerhaft archiviert; bei lokaler Bereitstellung bleiben sie in Ihrer Infrastruktur.
Die SaaS-Variante kann für Hosting in der EU-Region ausgelegt werden; die lokale Bereitstellung bleibt verfügbar.
Z-Mask versteht Sicherheit nicht als einzelne Funktion. Übertragung, Speicherung, Modellausführung, Zugriff und Löschregeln werden gemeinsam gestaltet, damit Dokumente im gesamten Maskierungsablauf vertraulich bleiben.
Der Verkehr zwischen Browser, Arbeitsbereich und API wird mit TLS geschützt. Dateien gelangen über sichere Verbindungen in die Verarbeitung.
Im SaaS-Ablauf nutzen temporäre Datei- und Ergebnisbereiche verschlüsselte Speicherung; bei lokaler Bereitstellung wird dieselbe Richtlinie in Ihrer Infrastruktur angewendet.
Verschlüsselungsschlüssel und Dokumentdaten werden getrennt verwaltet. Wiederherstellungszuordnungen werden nur in erforderlichen Workflows mit begrenztem Zugriff genutzt.
Je nach Bereitstellungsmodell können Erkennungsdienste lokal oder isoliert betrieben werden, ohne Dokumente an öffentliche LLM-Anbieter senden zu müssen.
Upload, Scan, Maskierung und Download laufen automatisch. Operativer Zugriff wird minimiert und durch die Unternehmensrichtlinie begrenzt.
Für Rohdokumente, maskierte Ausgaben und Verarbeitungshistorie können separate Aufbewahrungsregeln definiert werden. Unnötige Archivierung und Nutzung als Trainingsdaten werden verhindert.
Mit SaaS-, Private-Cloud- oder lokaler Bereitstellung können Datenstandort, Netzwerkzugriff und Kapazitätsmodell passend gewählt werden.
Gesuchte Datentypen, angewendete Methoden und Ausgabezeitpunkte können nachvollzogen werden, ohne sensible Inhalte unnötig zu protokollieren.
Ersetzen Sie personenbezogene Daten in Gesprächsnotizen, E-Mails und Beschwerden durch konsistente Platzhalter. Stellen Sie KI-Antworten mithilfe der Zuordnung wieder her.
Lesen Sie gescannte Seiten. Schwärzen Sie persönliche Angaben, Gesichter, Unterschriften und QR-Codes und laden Sie eine maskierte PDF herunter.
Erkennen Sie Spalten mit personenbezogenen Daten automatisch. Verwenden Sie formatgetreue synthetische Werte, Platzhalter oder Teilmaskierung.
Nutzen Sie Z-Mask für einzelne Texte oder regelmäßige Datenverarbeitung. Web-Arbeitsbereich und API verwenden dieselben Maskierungsdienste.
Melden Sie sich an und verarbeiten Sie Texte, PDFs, Bilder oder Tabellen. Wählen Sie Maskierungseinstellungen, laden Sie Ergebnisse herunter und sehen Sie Ihren Verlauf ein.
Arbeitsbereich öffnenMaskieren Sie mehrere Texte in einem JSON-Array mit einer Anfrage. Verarbeiten Sie viele Datensätze in CSV-, Excel- und SQLite-Dateien mit spaltenspezifischen Methoden.
Stapelverarbeitung testenSenden Sie Anfragen aus CRM, Dokumentenmanagement, Analyse- und KI-Abläufen. Für Dokumentensammlungen erstellen Sie einen Ablauf, der jede Datei nacheinander übermittelt.
API-Integration besprechenCRM-Notizen → Stapelmaskierung · Dokumentenarchiv → Schwärzung pro Datei · Testdaten → Spaltenmaskierung · LLM → maskieren, dann die Antwort per Zuordnung wiederherstellen
Von einmaliger Dokumentmaskierung bis zu Team-Workflows: Testen Sie mit kostenlosen Seitenguthaben und fügen Sie bei Bedarf weitere Seitenguthaben über Stripe hinzu.
Für persönliche Tests und kleine einmalige Aufgaben.
Für kleine Teams mit regelmäßigem Bedarf an Dokumentenredaktion.
Für Unternehmen, die große Dokumentarchive für Compliance-Zwecke verarbeiten.
Bereitstellung in Ihrer eigenen Infrastruktur mit Installation und Integration nach den Anforderungen Ihres Unternehmens.
Von Bankwesen und Gesundheitswesen bis zu Rechtsakten und Kundengesprächen: ein Maskierungsablauf, der Daten nutzbar hält.
Kundin Anna Schneider meldete eine SEPA-Erstattung über 1.240,80 EUR von DE89 3704 0044 0532 0130 00; im Mandat steht Referenz MND-2026-88421.
Zur Verifizierung bestätigte der Agent +49 151 23456789 und anna.schneider@example.com.
Anfrage: Rückbuchungsgrund und Beschwerdeverlauf mit Compliance teilen; Produkt, Betrag und Status können sichtbar bleiben.
Betrag, Produkt und Vorgangsstatus bleiben nutzbar; Namen, IBAN, Mandatsreferenz und Kontaktdaten werden konsistent ersetzt.
Patientin Laura Weber fragte nach dem Befund; im Datensatz steht Versichertennummer A123456789 und Geburtsdatum 03.04.1988.
Dr. Martin Keller empfahl eine Kontrolle nächste Woche und bat, Ergebnisse nicht an laura.weber@example.com zu senden.
Rückrufnummer: +49 170 4455667. Diagnosegruppe und Kontrollintervall können für die Qualitätssicherung sichtbar bleiben.
Diagnosekontext und Nachsorgeplan bleiben lesbar; Patient, Arzt, Versichertennummer und Kontaktfelder werden maskiert.
Antragsteller Jonas Richter verlangt Kopien der Bewerbungsnotizen zu Vorgang REC-2026-4491 und sämtlicher E-Mail-Korrespondenz.
Die Bewertung enthält Kommentare von Katrin Vogel und eine Randnotiz von Michael Braun zur Teamentscheidung.
Vor Herausgabe sollen Drittpersonennamen, private E-Mail-Adressen und interne Bewertungsnotizen nach Richtlinie geprüft und maskiert werden.
Auskunftsgrund, Zeitlinie und Entscheidung bleiben sichtbar; Drittpersonen und interne Kommentare werden kontrolliert verdeckt.
Mia Hoffmann: Bitte löschen Sie alte Tickets zu Kundennummer KD-884291; dort steht noch meine Adresse Prenzlauer Allee 88, 10405 Berlin.
Agent: Rückrufdaten wurden bestätigt: +49 160 99887766 und mia.hoffmann@example.com.
Ergebnis: Aufbewahrungsgrund und Löschstatus bleiben für Audit sichtbar; persönliche Felder werden in Exporten und Analysen maskiert.
Kategorie, SLA und Lösung bleiben verständlich; Name, Kundennummer, Adresse, E-Mail und Telefon werden verborgen.
Ersetzen Sie persönliche Angaben vor dem Modellaufruf für Gesprächszusammenfassungen, E-Mail-Antworten oder Dokumentanalysen. Stellen Sie Platzhalter in der Antwort mithilfe der Zuordnung wieder her.
Ihre Anwendung empfängt eine Gesprächsnotiz, E-Mail oder Kundenanfrage.
Ausgewählte Angaben werden zu konsistenten Platzhaltern wie [PERSON_1] und [PHONE_1].
Ein Cloud- oder lokales Modell erstellt eine Zusammenfassung oder Antwort aus den maskierten Inhalten.
Verwenden Sie die Zuordnung in Ihrem eigenen Ablauf, um Platzhalter durch Originalwerte zu ersetzen.
Ihr Unternehmen verwaltet den Zugriff auf Zuordnungen für reversible Platzhalter. Für Testdaten können Sie synthetische Werte oder Hashes wählen.
Lesen Sie Text per OCR und maskieren Sie neben persönlichen Angaben auch Gesichter, Unterschriften, QR-Codes und Barcodes. Prüfen Sie die Bereiche, ergänzen Sie fehlende Stellen manuell und laden Sie das Ergebnis herunter.
Namen, Identitätsnummern, Geburtsdaten, Fotos und maschinenlesbare Passfelder.
Berechtigte, Familienangaben, Identitätsfelder und Unterschriften in unterschiedlichen Dokumentlayouts.
Persönliche Angaben in dichtem Text, mehrzeiligen Tabellen und gedrehten Scans.
Kopfzeilen, Ingenieurnamen, Telefonnummern, Adressen und Unterschriften bei Erhalt der technischen Zeichnungsinhalte.
Eine Regelengine mit Validierung arbeitet mit einem mehrsprachigen Erkennungsmodell zusammen. Persönliche Angaben werden maskiert, während Organisations- und Ortsnamen lesbar bleiben.
Definieren Sie eigene Datentypen ohne erneutes Training oder Codeänderungen.
medizinische Diagnose → [DIAGNOSE_1]KD-482913 → [KUNDEN_ID_1]Projekt Atlas → [PROJEKT_1]Profilieren Sie Spalten in CSV-, Excel- und SQLite-Dateien. Wählen Sie Methoden nach Datentyp und Zweck und erhalten Sie Beziehungen durch konsistente Transformationen.
| Methode | Beispielausgabe | Verwendungszweck |
|---|---|---|
| Synthetischer Wert | Anna Schneider | Realistische Testdaten mit gültigen Formaten für unterstützte Typen. |
| Platzhalter | [PERSON_1] | Personen und Datensatzbeziehungen mit lesbaren Platzhaltern verfolgen. |
| Teilmaskierung | A*** S******** | Nur den benötigten Teil eines Werts sichtbar lassen. |
| Hash | c91d4… | Eine konsistente Darstellung erzeugen, ohne den Originalwert offenzulegen. |
| Schwärzung | ████████ | Den Feldinhalt vollständig verbergen. |
Verbinden Sie die Maskierungsengine des Arbeitsbereichs mit Ihren Anwendungen. Nutzen Sie eine gemeinsame Dienstschicht für Texte, Dokumente und Tabellen.
Mehrsprachige Erkennung mit Prüfregeln für EU-Ausweisnummern, IBANs und Kartennummern.
Neue Datentypen über Beschreibungen, reguläre Ausdrücke und Begriffslisten mit wählbaren Typen und Schwellenwerten.
Starten Sie mit CPU, beschleunigen Sie mit GPU und verarbeiten Sie bei Bedarf parallel. Messen Sie die Kapazität im Pilotprojekt mit Ihren Daten.
Wir installieren Z-Mask auf den eigenen Servern Ihres Unternehmens oder in Ihrer privaten Cloud. Besprechen Sie mit unserem Team Ihre Infrastruktur, Ihr Dokumentenvolumen und Ihre Integrationsanforderungen.
Offline-Maskierung, lokale Modelle und eigene Richtlinien. Beginnen Sie mit CPU und ergänzen Sie bei Bedarf GPU-Kapazität.
Betreiben Sie Z-Mask in Ihrem eigenen Cloud-Konto. Skalieren Sie horizontal mit zustandslosen Diensten.
Melden Sie sich an, verarbeiten Sie Texte oder Dokumente und verwalten Sie Ergebnisse in einem Arbeitsbereich.
Besprechen Sie den Installationsumfang, Hardwareanforderungen, Integration und Support mit unserem Team. Unternehmensinstallationen werden individuell und getrennt von Online-Abonnements angeboten.
Definieren Sie gemeinsam Erfolgskriterien: Welche Angaben werden verborgen, welcher Kontext bleibt erhalten und wie wird die Arbeitslast bewältigt?
Messen Sie Erkennungsqualität und Geschwindigkeit mit Beispieldaten und legen Sie Datentypen und Maskierungsrichtlinien fest.
Verbinden Sie die API mit Authentifizierung, LLM-, Dokument- und Datenbankabläufen.
Schließen Sie Bereitstellung, Kapazitätsplanung und Überwachung ab und nehmen Sie reale Arbeitslasten in Betrieb.
Erweitern Sie Richtlinien um neue Datentypen und Platzhalter und prüfen Sie regelmäßig die Qualität.
Die Zeitangaben sind Richtwerte und werden anhand Ihres Umfangs und Integrationsbedarfs abgestimmt.
Pilotprojekt besprechenBei Textmaskierung mit Platzhaltern und Zuordnungen können Sie die Originalwerte wiederherstellen. Synthetische Werte, Hashes und Schwärzung verwenden diesen Wiederherstellungsablauf nicht.
Ja. Nutzen Sie einen regulären Ausdruck für Kundennummern, eine Begriffsliste für Projektnamen oder einen beschreibungsbasierten Datentyp für Diagnosen.
Vergleichen Sie Originalseiten mit maskierten Seiten, entfernen oder ergänzen Sie Maskierungsbereiche und erstellen Sie die PDF neu.
Die Maskierungsengine verarbeitet Anfragen im Speicher. Der SaaS-Arbeitsbereich speichert Verarbeitungsübersichten und maskierte Texte für Ihr Konto; Verlaufseinträge können Sie im Arbeitsbereich löschen.
Lokale Bereitstellung mit lokalen Modellen wird unterstützt. Hardware-, Kapazitäts- und Integrationsbedarf werden im Pilotprojekt bewertet.
Starten Sie ein Pilotprojekt mit Ihren eigenen Daten.