Sicherheit, Datenschutz und Daten
So werden Ihre Daten verarbeitet.
Vera, Clara und Lucia arbeiten in der vom Nutzer gewählten KI-Arbeitsumgebung. Mparanza-gehostete Dienste und andere externe Ziele sind davon getrennt.
Vera + Clara · Video
Wie Vera und Clara Daten verarbeiten.
Sehen Sie den Unterschied zwischen lokaler Vorbereitung, Modellverarbeitung in der gewählten Umgebung und einem von Mparanza gehosteten Dienst.
Auf YouTube ansehen
Die gewählte KI-Arbeitsumgebung ist die Hauptgrenze.
Für die Arbeit benötigte Daten können in den Modellkontext des gewählten OpenAI-ChatGPT- oder Codex-Kontos beziehungsweise Anthropic-Claude- oder Cowork-Kontos gelangen. Mparanza ist kein separater Empfänger der gewöhnlichen Plugin-Arbeit.
Gewöhnliche Plugin-Arbeit sendet keine Mandanten- oder Arbeitsinhalte an Mparanza.
Lokale Vorbereitung ist nützlich, aber keine automatische Anonymisierung.
Lokales Python kann sortieren, berechnen, abstimmen, filtern, aggregieren und Ergebnisse erstellen. Ein Workflow kann dies vor einem Modellschritt nutzen, wenn es die Arbeit verbessert.
Die Plugins anonymisieren oder pseudonymisieren Daten nicht automatisch. Namen, Dokumente, Originalformulierungen und Fallfakten bleiben erhalten, wenn sie dem beruflichen Zweck dienen.
Die detaillierte Grenze gehört zum Workflow.
Jeder Workflow kann Daten anders nutzen. Seine eigene Seite erklärt den Ablauf: was das Modell sieht, was der Code verarbeitet und wann der Prozess stoppt. Diese Seite dupliziert diese spezifischen Aussagen nicht.
Geben Sie niemals Passwörter, API-Schlüssel, Authentifizierungs-Cookies, Zugriffstoken oder Sitzungsdaten in Prompts oder Dateien ein, die die gewählte KI-Arbeitsumgebung lesen kann.
Vera dokumentiert die Datengrenze jeder substanziellen Ausführung.
Nach jeder substanziellen Vera-Ausführung dokumentiert ein kompakter Bericht jede für das Modell sichtbare Phase in den natürlichen Einheiten des Workflows. Er unterscheidet den verfügbaren Quellumfang, die lokale Codeverarbeitung, die für das Modell sichtbaren Daten, den Teil, der für das Modell nie sichtbar war, den Zweck des Kontexts und die verfügbare Nachweisgrundlage. Kann die Umgebung Dateien schreiben, speichert Vera einen JSON-Beleg und eine Markdown-Version im Ergebnis dieser Ausführung; andernfalls zeigt sie den Bericht im Chat und erklärt, dass kein dauerhafter Beleg erstellt wurde. Der lokal verarbeitete Gesamtumfang und der für das Modell nie sichtbare Teil überlappen; sie sind keine alternativen Kategorien, die addiert werden dürfen.
Ein möglicher engerer Codepfad erscheint nur, wenn die Nachweise der Ausführung ihn stützen und eine Sicherung der analytischen Qualität nennen. Ein vollständiges relevantes Dokument oder eine vollständige Grundgesamtheit kann das richtige Minimum sein. Der Bericht ist keine Netzwerküberwachung, Provider-Bestätigung, Datenschutz-Folgenabschätzung, Rechtsauskunft oder DSGVO-Zertifizierung; ein gespeicherter Hash bindet einen Beleg an Bytes, beweist aber keine Übermittlung auf Providerseite.
Jede dauerhafte Ausführung sendet automatisch nur eine zufällige Beleg-ID, die Vera-Version und den Hash des lokalen Berichts an Mparanza. Mparanza ergänzt Serverzeit und Ed25519-Signatur und speichert nur diese Nachweisfelder, nicht den Bericht, Mandantendaten, Dateinamen, Inhalte oder Hashes der Quelldokumente. Der HTML-Beleg kann an den Mandanten gesendet, als PDF gespeichert und öffentlich geprüft werden. Er belegt nur Existenz, Serverzeit und Berichtsintegrität und weist den Absender des Hashes nicht unabhängig nach. Ist der Dienst nicht verfügbar, bleiben die Arbeit und der lokale Bericht abgeschlossen und die Anfrage für einen erneuten Versuch ausstehend.
Connectoren und Sendefunktionen nutzen ihr eigenes Ziel.
Eine verbundene App, öffentliche Suche, ein Portal oder eine Sendefunktion wird nur genutzt, wenn dieser Weg Teil der gewählten Arbeit ist. Bedingungen und Kontrollen des Ziels gelten separat.
Die Nutzung eines externen Ziels macht Mparanza nicht zum Empfänger. Der Workflow oder der Hinweis am Nutzungsort kennzeichnet einen von Mparanza gehosteten Weg, wenn er beteiligt ist.
Mparanza-gehostete Dienste haben eine separate Grenze.
Wenn eine Funktion einen Mparanza-gehosteten Dienst nutzt, erreichen die erforderlichen Inhalte von Mparanza kontrollierte Systeme. Gehostete Interviews, Spracherfassung und Retail-Daten sind Beispiele.
Der Hinweis dort, wo der Dienst genutzt wird, nennt die übermittelten Inhalte und die geltenden Zugriffs-, Aufbewahrungs- und Löschregeln.
Diese Position überprüfen.
Sie müssen sich nicht allein auf diese Aussage verlassen.
Eine globale Grenze. Prozessdetails bleiben beim Prozess.