Invertix
SpracheENITDEES
Demo buchen

Sicherheit

Wir stehen zwischen Ihren Daten und den KI-Laboren.

Bevor ein Frontier-Modell von OpenAI, Anthropic oder Mistral Ihre Daten sieht, durchlaufen sie unser Harness.

Demo buchenHarness-Film ansehen34 s
Peer-reviewedTMLR 2026 Amplified Patch-Level Differential Privacy for Free via Random Cropping Kaan Durmaz, Jan Schuchardt, Sebastian Schmidt, Stephan Günnemann Zur Forschung →
Forschung von Kaan Durmaz, unserem Mitgründer und CTO.

01Forschung

Die Forschung hinter unseren Systemen.

Unser Mitgründer und CTO Kaan Durmaz ist Erstautor einer peer-reviewed Forschungsarbeit zu Differential Privacy im maschinellen Lernen. Daran orientiert sich unsere Entwicklung.

  1. Zwei Datensätze, identisch bis auf einen kleinen Bildbereich.
  2. Die Ausgaben müssen sich ähneln. ε misst, wie sehr.
  3. Die Standardmethode: zufällige Batches plus kalibriertes Rauschen.
  4. Zufällige Bildausschnitte verfehlen den sensiblen Bildbereich meist.
  5. Zwei Zufallsebenen multiplizieren sich. Das Offenlegungsrisiko sinkt.
  6. Gleiches Training, stärkere Garantie, genaueres Modell.
Warum zufällige Bildausschnitte die Privatsphäre auf Patch-Ebene stärken

  1. Sensibler Bildbereichklein, in der Mitte

  2. Ausschnitt verfehlt ihnkann nichts preisgeben

  3. Ausschnitt trifft ihnselten und begrenzt

Durmaz et al. · Transactions on Machine Learning Research, 2026

Paper auf OpenReview (öffnet in einem neuen Tab) arXiv (öffnet in einem neuen Tab) PDF (öffnet in einem neuen Tab) Code auf GitHub (öffnet in einem neuen Tab)

Im Detail
  1. So wenig wie möglich lernen

    Im Harness: Was ein Labor nie erhält, kann es nie zum Training nutzen.

  2. Differential Privacy

    Zwei Datensätze, die sich in einem einzigen Eintrag unterscheiden, liefern fast dieselbe Ausgabe.

  3. Was das Paper beiträgt

    Ein zufälliger Bildausschnitt verfehlt den kleinen sensiblen Bildbereich meist, was die Privatsphäre-Schranke verschärft.

  4. In unserem Produkt

    Differential Privacy läuft in unserem Produkt. Unsere Ingenieure zeigen Ihrem Sicherheitsteam, wo.

Kaan Durmaz, Jan Schuchardt, Sebastian Schmidt, Stephan Günnemann. Amplified Patch-Level Differential Privacy for Free via Random Cropping. Transactions on Machine Learning Research (TMLR), 2026, peer-reviewed. Die Arbeit entstand an der Technischen Universität München.

02Das Harness

Jede Anfrage durchläuft zuerst unser Harness.

Bevor ein Modell eine Anfrage sieht, prüft das Harness sie.

  1. Modelle sehen Ihre Portal-Zugangsdaten nie.
  2. Ihr Agent stellt eine Anfrage an ein Frontier-Modell.
  3. Jede Anfrage läuft durch unser Harness.
  4. Von jedem anderen Unternehmen getrennt.
  5. Standort- und Personennamen werden durch Platzhalter ersetzt.
  6. Bei Übertragung und Speicherung verschlüsselt.
  7. Nur vereinbarte Daten, nur an vereinbarte Modelle.
  8. Die Nutzungsbedingungen der Labore verbieten das Training damit.
  9. Die Antwort geht an Ihren Agenten zurück.
  10. Ihre Regeln bestimmen, was freigegeben werden muss.
  11. Jede Aktion wird protokolliert.
  1. Isolieren
  2. Namen ersetzen
  3. Ver­schlüsseln
  4. Weiter­leiten
Im Detail
  1. Isolieren

    Agenten und Daten sind pro Unternehmen isoliert. Die Agenten laufen in VM-Sandboxes.

  2. Namen ersetzen

    Standort- und Personennamen werden durch Platzhalter wie [SITE_1] ersetzt, bevor ein Modell eine Anfrage sieht.

  3. Ver­schlüsseln

    Ihre Daten werden bei Übertragung und Speicherung verschlüsselt.

  4. Weiter­leiten

    Jede Anfrage geht nur an ein Modell, das Sie für diese Daten freigegeben haben.

03Modelle

Sie entscheiden, welche Daten jedes Modell erhalten darf.

Die KI-Labore können nicht mit Ihren Daten trainieren. Die Nutzungsbedingungen der Labore verbieten es, und Ihre Standort- und Personennamen werden durch Platzhalter ersetzt, bevor ein Modell eine Anfrage sieht.

Illustratives Beispiel. Ein Standortname und ein Personenname durchlaufen das Harness und erreichen das Labor nur als Platzhalter [SITE_1] und [PERSON_1]. Vertragspreise werden im Harness zurückgehalten und nie gesendet. Portal-Zugangsdaten bleiben im Tresor und werden nie gesendet. Die freigegebene Anfrage geht an ein freigegebenes Labor: OpenAI, Anthropic oder Mistral. Die Labore trainieren nicht mit Ihren Daten.
Im Detail
  1. Nur drei Labore

    OpenAI, Anthropic und Mistral. Das ist die vollständige Liste.

  2. Ihre Regeln

    Für jede Art von Daten legt Ihr Team fest, welche Modelle sie erhalten dürfen.

  3. Zurückgehalten

    Daten, die Sie zurückhalten, etwa Vertragspreise, werden an kein Modell gesendet.

  4. Kein Training

    Invertix nutzt Ihre Daten nie, um Modelle zu trainieren oder per Fine-Tuning anzupassen, und die Nutzungsbedingungen der KI-Labore verbieten ihnen das Training mit Ihren Daten.

04Menschliche Kontrolle

Sie entscheiden, was ein Agent selbstständig tut.

Für jeden Workflow wählen Sie: vollständig autonom, oder eine Person gibt jede Aktion frei.

Illustratives Beispiel. Der Dispositions-Workflow ist so eingestellt, dass eine Person freigibt. In Microsoft Teams schlägt der Dispositions-Agent vor, einen Techniker zu buchen, und bittet um Freigabe. Die Leiterin O&M klickt auf „Freigeben“, die Nachricht zeigt, wer wann freigegeben hat, und die Aktion wird im Aktionsprotokoll erfasst. Das Monitoring läuft autonom. Die Anlagensteuerung braucht immer eine Freigabe.
Im Detail
  1. Ihre Wahl pro Workflow

    Vollständig autonom, oder eine Person gibt jede Aktion frei.

  2. Anlagen­steuerung

    Agenten greifen nur mit Ihrer Freigabe in die Anlagensteuerung ein.

  3. Prompt Injection

    In einer VM-Sandbox abgeschottet. Das Modell sieht nie Zugangsdaten. Eingriffe in die Anlagensteuerung brauchen eine Freigabe.

  4. Aktionsprotokoll

    Jede Aktion wird protokolliert und ist für Ihr Team sichtbar.

05Zugriff

Ihre Mitarbeitenden, Ihre Rollen, Ihre Zugangsdaten.

Single Sign-on und Rollen für Ihre Mitarbeitenden, dazu ein Tresor für Portal-Zugangsdaten, die weder Modelle noch Mitarbeitende von Invertix je zu sehen bekommen.

Ihre Mitarbeitenden: Eine Person meldet sich per Single Sign-on an, und ihre Rolle bestimmt, was sie sieht. Ihre Agenten: Ein Agent nimmt Zugangsdaten aus dem Tresor und meldet sich damit bei einem Anlagenportal an. Das Modell, mit dem der Agent arbeitet, sieht die Zugangsdaten nie.
Im Detail
  1. Single Sign-on

    Ihre Mitarbeitenden melden sich per Single Sign-on (SSO) an.

  2. Rollen und Berechtigungen

    Diese legen fest, wer was sieht und tut.

  3. Tresor für Zugangsdaten

    Portal-Zugangsdaten sind verschlüsselt. Agenten melden sich damit an.

  4. Nie sichtbar

    Weder die Modelle noch Mitarbeitende von Invertix können die Zugangsdaten sehen.

06Ihre Daten

Ihre Daten, von der Anbindung bis zur Löschung.

DSGVO-konform, standardmäßig in der EU-Cloud gehostet, auf Anfrage gelöscht.

Ihre Daten Schritt für Schritt, standardmäßig in der EU-Cloud. Anbinden: von anderen Unternehmen isoliert. Verarbeiten: Namen durch Platzhalter ersetzt, dann verschlüsselt und nach Ihren Regeln weitergeleitet. Protokollieren: jede Aktion der Agenten, für Ihr Team sichtbar. Löschen: auf Anfrage.
Im Detail
  1. EU-Cloud

    Ihre Umgebung und ihre Daten werden standardmäßig in der EU-Cloud gehostet.

  2. Verschlüsselt

    Bei Übertragung und Speicherung.

  3. Dritte

    Die von Ihnen freigegebenen Labore verarbeiten Modellanfragen. Die Cloud hostet Ihre Umgebung.

  4. Auf Anfrage gelöscht

    Wir löschen Ihre Daten auf Anfrage. Invertix ist DSGVO-konform.

07Fragen

Fragen, die eine Sicherheits­prüfung stellt.

Modelle und Training

Welche KI-Modelle verarbeiten unsere Daten?

Nur Modelle von OpenAI, Anthropic und Mistral, immer über unser Harness. 03 Modelle →

Trainiert Invertix Modelle mit unseren Daten?

Nein. Invertix nutzt Ihre Daten nie, um Modelle zu trainieren oder per Fine-Tuning anzupassen, und die Nutzungsbedingungen der KI-Labore verbieten ihnen das Training mit Ihren Daten.

Können die KI-Labore mit unseren Daten trainieren?

Die KI-Labore können nicht mit Ihren Daten trainieren. Die Nutzungsbedingungen der Labore verbieten es, und Ihre Standort- und Personennamen werden durch Platzhalter ersetzt, bevor ein Modell eine Anfrage sieht.

Welche Daten werden an ein Modell gesendet?

Nur die Daten, die Sie für dieses Modell freigegeben haben, wobei Standort- und Personennamen durch Platzhalter ersetzt sind. 02 Das Harness →

Können wir bestimmte Daten von den Modellen fernhalten?

Ja. Nur Daten, die Sie freigeben, erreichen ein Modell, und nur ein Modell, das Sie dafür freigegeben haben. 03 Modelle →

Isolation und Zugriff

Sind unsere Daten von denen anderer Unternehmen isoliert?

Ja. Agenten und Daten sind pro Unternehmen isoliert, und die Agenten laufen in VM-Sandboxes.

Unterstützen Sie SSO und rollenbasierten Zugriff?

Ja. Ihre Mitarbeitenden melden sich per Single Sign-on an, und Rollen und Berechtigungen legen fest, wer was sieht und tut. 05 Zugriff →

Wie sind die Zugangsdaten geschützt, die ein Agent verwendet?

Ihre Portal-Zugangsdaten liegen in einem verschlüsselten Tresor, den weder die Modelle noch Mitarbeitende von Invertix einsehen können.

Kontrolle der Agenten

Welche Aktionen kann ein Agent ohne menschliche Freigabe ausführen?

Sie entscheiden pro Workflow: vollständig autonom, oder eine Person gibt jede Aktion frei. 04 Menschliche Kontrolle →

Kann ein Agent in die Anlagensteuerung eingreifen?

Nur mit Ihrer Freigabe.

Was passiert, wenn ein Agent schädliche Anweisungen liest (Prompt Injection)?

Der Agent läuft in einer VM-Sandbox, das Modell sieht Ihre Zugangsdaten nie, und die Anlagensteuerung wird nur mit Ihrer Freigabe geändert.

Wird jede Aktion eines Agenten protokolliert?

Ja. Jede Aktion wird protokolliert und ist für Ihr Team sichtbar.

Ihre Daten

Wo werden unsere Daten gespeichert, und sind sie verschlüsselt?

Standardmäßig in der EU-Cloud, bei Übertragung und Speicherung verschlüsselt. 06 Ihre Daten →

Wer sind Ihre Unterauftragsverarbeiter?

Die KI-Labore, die Sie freigeben (OpenAI, Anthropic oder Mistral), und die Cloud, in der Ihre Umgebung gehostet wird (standardmäßig in der EU).

Werden unsere Daten nach Vertragsende gelöscht?

Auf Anfrage. Wir löschen Ihre Daten, wenn Sie es wünschen, und Invertix ist DSGVO-konform.

50+ GW

verwaltet von den Energieunternehmen, mit denen wir arbeiten.

08Kontakt

Bringen Sie Ihre Sicherheits­fragen mit.

Unsere Ingenieure gehen mit Ihrem Sicherheitsteam den Datenfluss, die Modellregeln und die Freigaben durch.

Europa +34 606 62 83 84 · US +1 (415) 718-7732

Datenschutzanfragen: Den Kontakt finden Sie in unserer Datenschutzerklärung (öffnet in einem neuen Tab)

Angaben zu Ihrem Team

Eine kurze Beschreibung reicht aus. Bitte geben Sie keine vertraulichen Unterlagen an. Wir verwenden diese Angaben, um Ihre Anfrage zu beantworten. Datenschutzerklärung (öffnet in einem neuen Tab)

Zuletzt aktualisiert: .