Inhalt
Wir verarbeiten in jeder Konversation einen oder mehrere personenbezogene Datensätze. Wer Recruiting-KI sagt, sagt Bewerberdaten. Und Bewerberdaten gehören nicht in Server, über die wir keine Kontrolle haben.
Das Versprechen, das wir Kunden geben
Beim Verkaufsgespräch bekommen wir die Frage in den ersten 15 Minuten. „Wo läuft eure KI?" Unsere Antwort: ausschließlich in Rechenzentren in Frankfurt am Main, betrieben unter deutschem Recht, ohne API-Calls zu OpenAI, Anthropic oder Google. Kein Wenn, kein Aber, keine „Telemetrie" als Hintertür.
Dieses Versprechen ist nicht trivial. Es kostet Geld, es bremst uns in Einzelfällen aus, und es zwingt uns in Engineering-Entscheidungen, die ein US-Wettbewerber nicht treffen müsste. Trotzdem ist es nicht verhandelbar.
Warum wir uns gegen die US-APIs entschieden haben
Drei Gründe.
- Rechtssicherheit. Schrems II hat 2020 den Privacy Shield gekippt. Der EU-US Data Privacy Framework von 2023 ist juristisch wackelig, mindestens eine weitere Klagerunde kommt sicher. Wer 2026 ein KI-System für HR baut, sollte nicht auf eine Übergangsregelung wetten.
- Kontrolle über das Modellverhalten. Wenn OpenAI morgen sein Modell ändert, ändert sich auch unser Produkt. Wir bauen ein System, das Bewerber beantwortet. Wir können nicht akzeptieren, dass sich die Antwortqualität über Nacht verschiebt, weil ein anderes Team in San Francisco ein Update ausrollt.
- Datenschutz als Kaufargument. Unsere Zielgruppe sind HR-Abteilungen in deutschen Konzernen, Krankenhäusern, Logistikern. Dort ist „US-Cloud" ein KO-Kriterium. Wer auf der Vorstandsfolie OpenAI hat, kommt nicht in den Pilot.
Was wir stattdessen betreiben
Wir betreiben einen Stack aus zwei Komponenten:
- Ein Mixture-of-Experts-Modell der Llama-3-Familie, finegetuned auf 1,3 Millionen anonymisierten Bewerber-Dialogen aus unseren bestehenden Kundenprojekten.
- Ein kleineres Routing-Modell, das eingehende Nachrichten klassifiziert und entscheidet, ob eine schnelle Vorlage, eine Modellantwort oder ein menschlicher Eingriff sinnvoll ist.
Beide Modelle laufen auf NVIDIA H100-GPUs in einem ISO-27001-zertifizierten Rechenzentrum am Frankfurter Westhafen. Der Datenpfad verlässt die EU zu keinem Zeitpunkt.
Anonymisierung vor dem Modell
Bevor eine Nachricht das Modell erreicht, durchläuft sie eine Anonymisierungs-Pipeline. Konkret bedeutet das: Namen werden durch Token-IDs ersetzt, Telefonnummern und E-Mail-Adressen rausgenommen, Adressdaten auf PLZ-Ebene generalisiert. Das Modell sieht den semantischen Gehalt einer Nachricht („Stapler-Schein, 4 Jahre, Frankfurt-Süd"), nicht die Identität dahinter.
Das hat zwei Effekte: Das Modell kann nicht mehr „auswendig" lernen, wer Anna Schmidt aus Köln ist, selbst wenn wir es wollten. Und ein Datenleck auf Modellseite würde keine identifizierbaren Personendaten preisgeben.
Der Preis: 200 Millisekunden mehr Latenz
Eigene Modelle sind langsamer als die hochgradig optimierten APIs der großen Anbieter. Wir messen aktuell eine durchschnittliche Antwortzeit von 1,2 Sekunden auf Server-Ebene, gegenüber ungefähr 0,8 Sekunden, die uns OpenAI in Lasttests gegeben hätte. 200 bis 400 Millisekunden mehr.
Für einen Sprach-Assistenten wäre das ein Killer. Für einen WhatsApp-Dialog ist es irrelevant. Niemand bemerkt, ob die Antwort nach 14 oder nach 14,3 Sekunden im Chat steht. Den Preis zahlen wir gern.
Was Kunden konkret davon haben
Drei Dinge.
- Eine ehrliche „Wo laufen die Daten?"-Antwort im Datenschutzkonzept, die jeder externe Datenschutzbeauftragte abnicken kann.
- Keine Subprozessoren in den USA, die im AV-Vertrag deklariert werden müssten.
- Keine Abhängigkeit von Preisänderungen, Rate Limits oder Modell-Updates eines Drittanbieters. Unser Produkt ist stabil über Quartale, nicht über Wochen.
Was wir nicht behaupten
Wir behaupten nicht, dass unsere Modelle in jedem Benchmark besser sind als GPT-4. Sie sind es nicht. Wir behaupten, dass sie für genau den Anwendungsfall, den wir bedienen, ausreichend gut sind, und dass die DSGVO-Konformität den marginalen Qualitätsunterschied mehr als rechtfertigt.
Für ein Recruiting-Gespräch über WhatsApp brauchen Sie kein PhD-Reasoning. Sie brauchen schnelle, konsistente, mehrsprachige Antworten, die Bewerber ernst nehmen und Termine vereinbaren. Genau das liefern wir, in Frankfurt, ohne Umweg über Kalifornien.