kiwissenorg-skills Verblenden & Entblenden
Dieser Skill schützt personenbezogene Daten durch strukturierte Pseudonymisierung. Dokumente werden anonymisiert (verblendet), damit sie sicher mit KI-Systemen oder Dritten geteilt werden können — und danach präzise wiederhergestellt (entblendet).
Start — Immer zuerst
- Frage den User: „Verblenden oder Entblenden?"
- Frage: „Wie heißt das Projekt?"
- Prüfe ob der Projektordner existiert:
verblenden-skill/[Projektname]/
├── 01_eingang/
├── 02_mapping/
├── 03_verblendet/
├── 04_verarbeitet/
└── 05_entblendet/
- Existiert der Ordner → weiter mit dem gewählten Modus
- Existiert er nicht → lege ihn mit allen fünf Unterordnern an und bestätige:
"Neues Projekt '[Name]' wurde angelegt."→ dann weiter
Der Basispfad ist relativ zum Arbeitsverzeichnis des Users. Verwende beim Anlegen relative Pfade oder frage nach dem gewünschten Speicherort, falls unklar.
Modus 1: VERBLENDEN
Eingabe: Dokument(e) in verblenden-skill/[Projektname]/01_eingang/
Falls dort keine Dateien liegen, weise den User darauf hin und warte.
Schritt 1 — Analysieren
Lies das Dokument vollständig und erkenne alle datenschutzrelevanten Informationen:
| Kategorie | Beispiele |
|---|---|
| PERSON_ | Vor- und Nachnamen, Initialen, Pseudonyme die Personen identifizieren |
| FIRMA_ | Unternehmens-, Organisations-, Behördenbezeichnungen |
| ADRESSE_ | Straße, PLZ, Ort, Land (wenn einer Person/Firma zuordenbar) |
| TEL_ | Telefon- und Faxnummern |
| EMAIL_ | E-Mail-Adressen |
| NR_ | Vertrags-, Kunden-, Rechnungs-, Patienten-, Konto-, IBAN-Nummern |
| DATUM_ | Geburtsdaten, Behandlungsdaten, Vertragsdaten (wenn personenbezogen) |
| SONSTIGE_ | Alle weiteren identifizierenden Angaben (z.B. Kfz-Kennzeichen, IP-Adressen) |
Zähle alle Fundstellen durch — jeder einmalige Wert bekommt eine eigene ID. Gleiche Werte bekommen immer dieselbe ID (z.B. erscheint „Max Mustermann" dreimal → immer PERSON_01).
Schritt 2 — Mapping-Tabelle erstellen
Erstelle eine CSV-Datei in 02_mapping/ mit demselben Dateinamen wie das Original (z.B. vertrag.txt → vertrag.csv).
Format (Semikolon als Trennzeichen, UTF-8):
ID;Original
PERSON_01;Max Mustermann
PERSON_02;Anna Schmidt
FIRMA_01;Muster GmbH
ADRESSE_01;Musterstraße 12, 80331 München
TEL_01;+49 89 12345678
EMAIL_01;max@muster.de
NR_001;Vertrag-Nr. 4711
DATUM_01;15.03.1985
Die Mapping-Tabelle ist unveränderlich nach Erstellung — sie wird nie überschrieben oder ergänzt. Sie bleibt immer lokal und verlässt den Rechner nicht.
Schritt 3 — Verblendetes Dokument erstellen
Erstelle eine Kopie des Originals in 03_verblendet/ mit demselben Dateinamen.
Ersetze alle sensiblen Werte durch die entsprechenden IDs aus dem Mapping.
Das Original in 01_eingang/ bleibt unverändert.
Gib am Ende eine kurze Zusammenfassung aus:
✓ Verblendet: [Dateiname]
Gefundene Einträge: 8 (3 Personen, 2 Firmen, 1 Adresse, 1 Nummer, 1 Datum)
Mapping gespeichert: 02_mapping/[dateiname].csv
Verblendetes Dokument: 03_verblendet/[dateiname]
Bei mehreren Dateien in 01_eingang/: Alle nacheinander verarbeiten, je eine eigene Mapping-CSV.
Modus 2: ENTBLENDEN
Eingabe: Dokument in 03_verblendet/ oder 04_verarbeitet/
Der User legt das zu entblendende Dokument vor. Falls unklar welches, frage nach dem Dateinamen.
Schritt 1 — Mapping-Tabelle laden
Lade die passende CSV aus 02_mapping/ — der Dateiname entspricht dem Original-Dokumentnamen
(nicht dem verblendeten). Falls mehrere CSVs vorhanden sind, frage den User welche passt.
Schritt 2 — Entblenden
Lese alle ID→Original-Paare aus der CSV. Ersetze im Dokument alle IDs durch die Originalwerte (exakte String-Ersetzung, case-sensitiv).
Schritt 3 — Ergebnis speichern
Speichere das entblendete Dokument in 05_entblendet/ mit demselben Dateinamen.
Gib eine Bestätigung aus:
✓ Entblendet: [Dateiname]
Ersetzt: 12 IDs aus 8 Mapping-Einträgen
Ergebnis: 05_entblendet/[dateiname]
Dateiformat-Regeln
| Format | Vorgehen |
|---|---|
.txt |
Direkt lesen und bearbeiten |
.md |
Direkt lesen und bearbeiten |
.docx |
Text mit python-docx extrahieren, verarbeiten, neu als .docx speichern |
| Andere | Nach Möglichkeit als Text behandeln; sonst User fragen |
Für .docx-Dateien: Installiere python-docx falls nötig (pip install python-docx --break-system-packages).
Extrahiere den Text paragraphenweise, ersetze die Werte, schreibe die Paragraphen zurück.
Formatierung (Fett, Kursiv, Schriftgröße) so weit wie möglich erhalten.
Qualitätssicherung
Nach dem Verblenden: Prüfe stichprobenartig, ob noch Originalwerte im verblendeten Dokument vorkommen, indem du mindestens 2-3 bekannte Namen/Werte suchst.
Nach dem Entblenden: Prüfe, ob noch IDs (Muster: [A-Z]+_\d+) im Dokument übrig geblieben sind.
Falls ja, weise den User darauf hin — sie stammen möglicherweise aus dem KI-verarbeiteten Text.