Die Pipeline
Jede Schicht fügt eine andere Art von Intelligenz hinzu. Aktivieren Sie alle fünf für maximale Genauigkeit oder konfigurieren Sie die Schichten, die zu Ihrem Workflow passen.
NER-Erkennung
Eine Entitätserkennungs-Engine identifiziert Namen, Adressen, Telefonnummern, E-Mails, Finanzdaten und Dutzende weiterer Entitätstypen mit statistischen Modellen und benutzerdefinierten Mustererkennern. Diese Schicht erfasst das Offensichtliche — schnell, zuverlässig und umfassend.
LLM-Analyse
Ein grosses Sprachmodell bewertet jede Erkennung im Kontext. Ein Name in einem Nachrichtenartikel unterscheidet sich von einem Namen in einer Beschwerde. Diese Schicht versteht die Absicht und unterscheidet Betroffene von Unbeteiligten, personenbezogene von öffentlichen Daten.
Verifizierung
Ein separates LLM-Deployment überprüft jede Entscheidung von L2. Dieser adversariale Durchgang fängt falsch-positive Ergebnisse ab und deckt übersehene Entitäten auf — dasselbe Prinzip wie Dual-Reviewer-Workflows, automatisiert.
Entitätsauflösung
Dieselbe Person, Adresse oder Kontonummer sollte überall gleich geschwärzt werden. Die Entitätsauflösung stellt sicher, dass „John Smith“ in Dokument 47 identisch behandelt wird wie „J. Smith“ in Dokument 3.200.
Prüfungs-Routing
Schwärzungen mit hoher Konfidenz werden automatisch angewendet. Schwärzungen mit niedriger Konfidenz werden für die menschliche Prüfung markiert, mit dem Kontext, der für eine schnelle Entscheidung benötigt wird. Ihr Team verbringt Zeit mit Grenzfällen, nicht mit Routinearbeit.
Was den Unterschied ausmacht
Kontextbewusst: versteht den Unterschied zwischen einem Betroffenen und einer beiläufig erwähnten Person
Konfigurierbare Konfidenzschwellen — steuern Sie den Automatisierungsgrad pro Entitätstyp
Sensible Kategorien (Gesundheit, politische Meinungen, sexuelle Orientierung) haben standardmässig strengere Schwellenwerte
Checkpoint-Wiederaufnahme: Wenn ein Job mittendrin abstürzt, setzt er dort fort
Vollständiger Audit-Trail bei jeder Schwärzungsentscheidung — wer, was, wann und warum
Deployen Sie in Ihrem eigenen Azure-Mandanten oder einer dedizierten Dezcry-Umgebung — alle KI-Verarbeitung bleibt bei Ihren Daten, keine Drittanbieter-APIs