<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Pii on René Zander | KI-Automatisierungsberater</title><link>https://renezander.com/de/tags/pii/</link><description>Recent content in Pii on René Zander | KI-Automatisierungsberater</description><generator>Hugo</generator><language>de</language><lastBuildDate>Tue, 21 Apr 2026 10:00:00 +0000</lastBuildDate><atom:link href="https://renezander.com/de/tags/pii/index.xml" rel="self" type="application/rss+xml"/><item><title>95 % der PII-Redaktion brauchen keinen LLM. Die anderen 5 % sind das, was Ihre Maske durchlässt.</title><link>https://renezander.com/de/blog/pii-redaction-deterministic-vs-llm/</link><pubDate>Tue, 21 Apr 2026 10:00:00 +0000</pubDate><guid>https://renezander.com/de/blog/pii-redaction-deterministic-vs-llm/</guid><description>&lt;p&gt;Ein IT-Leiter eines SAP-Betriebs hat es mir kürzlich klar gesagt: &amp;ldquo;Jedes Mal wenn wir unsere Produktionsdaten in unsere Non-Prod-Landschaften kopieren, sickern PII-Daten durch. Und nein, wir werfen keinen LLM darauf. Das ist das Tausendfache der Rechenleistung, die wir heute schon fahren.&amp;rdquo;&lt;/p&gt;
&lt;p&gt;Er hat recht.&lt;/p&gt;
&lt;p&gt;Der größte Teil des PII-Redaktionsproblems in Enterprise-Daten ist kein Neural-Network-Problem. Es ist ein Lookup-Table-Problem. Und die etablierten Tools lösen es längst. SAP TDMS, Delphix, Informatica, IBM InfoSphere Optim. Alle schemakundig. Alle zeilenbasiert. Alle deterministisch.&lt;/p&gt;</description></item></channel></rss>