MCP-Server zum Schutz personenbezogener Daten: Daten in Claude Desktop und Cursor schützen

Was ist ein MCP-Server und warum ist er für den Datenschutz relevant?

Das von Anthropic eingeführte Model Context Protocol (MCP) ist ein offener Standard. Damit können KI-Assistenten wie Claude Desktop, Cursor und VS Code Copilot während eines Gesprächs externe Werkzeuge aufrufen. Sie müssen Text nicht von Hand in ein separates Programm zur Anonymisierung kopieren. Mit MCP genügt eine einzige Eingabe, und die KI kann die Daten während der Bearbeitung durch die von Ihnen gewählten Werkzeuge leiten.

Für Datenschutzteams verändert das die Arbeit grundlegend. Mit dem MCP-Server von anonym.legal kann der Assistent vertraulichen Text an ein Werkzeug übergeben, eine pseudonymisierte Fassung erhalten, damit weiterarbeiten und die ursprünglichen Werte in der Antwort wiederherstellen. Das ist kein automatischer Filter: Alles im Chat hat das Modell bereits erreicht. Das gilt auch für den Text, den der Assistent an das Werkzeug übergibt.

Wo die Daten bleiben: Der MCP-Server ruft die anonym.legal-API über TLS auf. Der Text wird daher auf unseren Servern in Deutschland verarbeitet. Wenn er Ihren Rechner nicht verlassen darf, bietet anonym.plus Enterprise stattdessen einen lokalen MCP-Server.

Die 9 MCP-Werkzeuge zum Schutz personenbezogener Daten

Der MCP-Server (npm-Paket anonym-legal-mcp-server) stellt 9 Werkzeuge bereit. Zusätzlich zu den sechs unten beschriebenen zeigen anonym_legal_get_balance, anonym_legal_estimate_cost und anonym_legal_list_presets Ihr Token-Guthaben, die Kosten einer Anfrage und die verfügbaren Voreinstellungen an:

1. anonym_legal_anonymize_text

Zweck: Erkannte personenbezogene Daten durch Platzhalter-Token ersetzen (Token-Modus, die Voreinstellung) oder dauerhaft entfernen (Entfernungsmodus). Im Token-Modus wird die Zuordnung für eine spätere Wiederherstellung verschlüsselt auf dem Server gespeichert.

Beispieleingabe: „Anonymisieren Sie dieses Support-Ticket, bevor ich es zur Analyse weitergebe: [Text einfügen]“

2. anonym_legal_analyze_text

Zweck: Text prüfen und gefundene personenbezogene Daten zurückgeben, ohne den Text zu verändern. Das hilft bei Prüfungen und Risikobewertungen.

Beispieleingabe: „Erkennen Sie alle personenbezogenen Daten in dieser Protokolldatei und nennen Sie mir die gefundenen Arten.“

3. anonym_legal_redact_image

Zweck: Personenbezogene Daten in einem PNG- oder JPEG-Bild mittels Texterkennung (OCR) schwärzen oder analysieren. Die Bildschwärzung muss für Ihr Konto aktiviert sein.

Beispieleingabe: „Schwärzen Sie die personenbezogenen Daten in diesem eingescannten Formular.“

4. anonym_legal_detokenize_text

Zweck: Ursprüngliche Werte aus Platzhaltern wiederherstellen. Dafür wird die Sitzungskennung eines früheren Anonymisierungsaufrufs im Token-Modus verwendet. So wird der Ablauf aus Anonymisieren, Verarbeiten und Rückgängigmachen der Pseudonymisierung abgeschlossen.

Beispieleingabe: „Stellen Sie die ursprünglichen Werte in der KI-Antwort wieder her, damit ich sie an den betreffenden Kunden senden kann.“

5. Die Verarbeitungsart „verschlüsseln“

Zweck: Als Option des Anonymisierungswerkzeugs personenbezogene Daten durch umkehrbare verschlüsselte Token (AES) ersetzen. Diese lassen sich nur mit Ihrem Schlüssel rückgängig machen. Der Schlüssel wird mit der Anfrage gesendet, und der Server sieht den Text bei diesem Schritt.

Beispieleingabe: „Verschlüsseln Sie alle personenbezogenen Daten in dieser CSV-Datei, bevor ich sie in unser Data Warehouse hochlade.“

6. anonym_legal_list_sessions und anonym_legal_delete_session

Zweck: Die gespeicherten Token-Zuordnungen Ihres Kontos auflisten und eine Zuordnung vor ihrem Ablauf löschen (standardmäßig nach 24 Stunden, bei Wahl einer dauerhaften Speicherung nach 30 Tagen).

Beispieleingabe: „Löschen Sie die Token-Zuordnung aus der Sitzung von heute Morgen.“

Einrichtung: JSON-Konfiguration

Tragen Sie den MCP-Server von anonym.legal in die Konfigurationsdatei von Claude Desktop oder Cursor ein. Bei Claude Desktop liegt diese Datei unter macOS unter ~/Library/Application Support/Claude/claude_desktop_config.json und unter Windows unter %APPDATA%\Claude\claude_desktop_config.json.

{
  "mcpServers": {
    "anonym-legal": {
      "command": "npx",
      "args": ["-y", "anonym-legal-mcp-server"],
      "env": {
        "ANONYM_LEGAL_API_KEY": "your-api-key-here"
      }
    }
  }
}

Wenn Sie VS Code mit der Copilot-MCP-Erweiterung verwenden, fügen Sie denselben Block in die Datei .vscode/mcp.json Ihres Arbeitsbereichs ein. Starten Sie den KI-Assistenten nach dem Speichern neu.

Einrichtung überprüfen

Geben Sie nach der Einrichtung diese Eingabe in Claude Desktop ein:

Verwenden Sie das Anonymisierungswerkzeug für diesen Text: „Die E-Mail-Adresse von John Smith ist john@acme.com und seine US-Sozialversicherungsnummer lautet 123-45-6789.“

Sie sollten Folgendes erhalten: „Die E-Mail-Adresse von [PERSON_1] ist [EMAIL_1] und seine US-Sozialversicherungsnummer lautet [US_SSN_1].“

Arbeitsablauf: Anonymisieren → an das Sprachmodell senden → ursprüngliche Werte wiederherstellen

Der vollständige Arbeitsablauf zum Schutz der Daten umfasst drei Schritte. Jeder ist ein eigener Werkzeugaufruf, den ein kompatibler Client aus einer einzigen Eingabe heraus verketten kann:

Schritt 1 – Eingabe des Nutzers:
„Anonymisieren Sie die folgende Patientennotiz, fassen Sie sie anschließend
für eine Abrechnungsprüfung zusammen und stellen Sie danach die
ursprünglichen Werte in der Zusammenfassung wieder her.“

Patientennotiz: „Maria Rossi, geboren am 03.12.1981, Patientenaktennummer
78234, wurde wegen Brustschmerzen aufgenommen. Ihre Versicherung ist
BlueCross, Versicherungsnummer BC-9923. Sie wohnt in der 42 Maple Street,
Boston, MA.“

Schritt 2 – MCP anonymisiert (intern):
„[PERSON_1], geboren am [DATE_1], Patientenaktennummer [MRN_1], wurde
wegen Brustschmerzen aufgenommen. Ihre Versicherung ist [ORG_1],
Versicherungsnummer [ID_1]. Sie wohnt unter [ADDRESS_1].“

Schritt 3 – Das Sprachmodell fasst den anonymisierten Text zusammen
(die Platzhalter bleiben erhalten).

Schritt 4 – Der Assistent ruft das Werkzeug zur Wiederherstellung der
ursprünglichen Werte für seine Ausgabe auf.

Ein kompatibler MCP-Client kann diese Schritte in einem Durchgang verketten. Prüfen Sie das in Ihrem Client, denn der Server erzwingt die Reihenfolge nicht. Text, den Sie direkt in die Chat-Eingabe einfügen, erreicht das Modell in dieser Form. Soll das Modell ihn nicht sehen, anonymisieren Sie ihn, bevor er in den Chat gelangt.

Voreinstellungen für Datenarten: DSGVO, HIPAA, PCI-DSS und eigene Regeln

Voreinstellungen bestimmen, welche Arten personenbezogener Daten der MCP-Server erkennt. anonym_legal_list_presets zeigt die für Ihr Konto verfügbaren Voreinstellungen. Wählen Sie diejenige, die zu Ihren Compliance-Anforderungen passt:

Praktische Anwendungsfälle

Codeprüfung mit Kundendaten

Entwickler fügen häufig Ergebnisse von Datenbankabfragen in Claude ein, um Fehler zu untersuchen. Ohne Anonymisierung gelangen echte Kundendatensätze mit Namen, E-Mail-Adressen und Kontonummern in den Kontext des Sprachmodells. Mit dem MCP-Server kann der Assistent diese Daten durch Platzhalter ersetzen, bevor er weiter damit arbeitet. Sollen sie das Modell überhaupt nicht erreichen, anonymisieren Sie sie vor dem Einfügen.

Eingabe: „Anonymisieren Sie dieses Abfrageergebnis und helfen Sie mir anschließend, die zugehörige SQL-Abfrage zu optimieren.“

Dokumentenanalyse für Rechtsteams

Rechtsdokumente enthalten Namen von Mandanten, Aktenzeichen, Geldbeträge und Datumsangaben. Anonymisieren Sie die Dokumente, bevor Sie Claude um eine Zusammenfassung oder das Herausziehen wichtiger Begriffe bitten. Stellen Sie die ursprünglichen Werte in der Ausgabe wieder her, bevor Sie sie an den Mandanten senden.

API-Fehlersuche mit Protokollen aus dem Produktivbetrieb

Protokolle aus dem Produktivbetrieb enthalten häufig personenbezogene Daten in Anfrageinhalten, Kopfzeilen und Fehlermeldungen. Erkennen und entfernen Sie diese Daten, bevor Sie die Protokolle zur Fehlersuche in Cursor einfügen.

Eingabe: „Erkennen Sie personenbezogene Daten in diesem API-Protokoll und helfen Sie mir anschließend, die Ursache des Fehlers 500 zu finden.“

Verarbeitungsabläufe für Kundendaten

Wenn Ihr Team Datenverarbeitungsabläufe mit KI-gestützter Codeerzeugung entwickelt, können Sie Beispieldaten während der Entwicklung mit der Verarbeitungsart „verschlüsseln“ pseudonymisieren. Das Schema und die Verarbeitungslogik bleiben sichtbar. Personenbezogene Werte werden durch verschlüsselte Token ersetzt.

Was der Server sieht: So funktioniert es mit MCP

Im MCP-Kontext sind drei Punkte wichtig:

1. Ihr API-Schlüssel authentifiziert die Anfrage. Die anonym.legal-API verarbeitet den Text über TLS und gibt eine anonymisierte Ausgabe zurück. Der Text wird im Arbeitsspeicher verarbeitet. Verschlüsselt gespeichert wird er nur, wenn Sie den Verlauf aktivieren, oder als Token-Zuordnung für eine umkehrbare Anonymisierung (standardmäßig 24 Stunden, bei Wahl einer dauerhaften Speicherung bis zu 30 Tage).
2. Die Zuordnungstabelle wird verschlüsselt auf dem Server gespeichert. Im Token-Modus bleibt die Zuordnung zwischen Daten und Platzhaltern standardmäßig 24 Stunden erhalten (bei Wahl einer dauerhaften Speicherung 30 Tage). Mit den Werkzeugen zum Auflisten und Löschen von Sitzungen können Sie sie verwalten. Mit der Option e2e_mode gibt der Server stattdessen Textpositionen zurück, sodass Ihr Client die Zuordnung selbst verwalten kann.
3. Das Modell sieht, was im Chat steht. Der Assistent muss Text an das Werkzeug übergeben. Dieser Text hat das Modell daher bereits erreicht. Die Werkzeuge halten Kennungen aus dem Text heraus, mit dem der Assistent anschließend arbeitet, und stellen sie in der Antwort wieder her. Der auf Servern betriebene Dienst liest den Text für die Erkennung. Wenn der Text dort überhaupt nicht gelesen werden darf, steht dieselbe MCP-Schnittstelle über das lokale Programm zur Verfügung. Dabei wird nichts nach außen gesendet.

Die MCP-Werkzeuge begrenzen somit, wohin Kennungen nach dem Werkzeugaufruf gelangen. Sie schirmen den Chat nicht vom Modell ab.

Compliance: DSGVO und Artikel 10 der EU-KI-Verordnung

Der Einsatz des MCP-Servers kann zwei rechtliche Anforderungen unterstützen. Für sich allein stellt er die Einhaltung keiner der beiden Anforderungen sicher:

Artikel 25 DSGVO (Datenschutz durch Technikgestaltung): KI-Arbeitsabläufe durch eine Anonymisierungsschicht zu leiten, kann eine technische Maßnahme sein, die Datenminimierung und Datenschutz durch Technikgestaltung unterstützt.

Artikel 10 der EU-KI-Verordnung (Daten und Daten-Governance): Für Trainings-, Validierungs- und Testdatensätze gelten laut Artikel 10 „Daten-Governance- und Datenverwaltungsverfahren, die für die Zweckbestimmung des Hochrisiko-KI-Systems geeignet sind“. Die Vorschrift betrifft die Trainings-, Validierungs- und Testdaten von Hochrisiko-KI-Systemen und nicht alltägliche Eingaben an ein KI-Modell. Anonymisierte Daten können ein Teil der geforderten Daten-Governance sein.

Grenzen und ehrliche Einschränkungen

Eine MCP-Anonymisierungsschicht schützt den Text, der durch sie fließt, und sonst nichts. Ihre Grenzen sind klar: Sie kann keine Daten sehen, die auf einem privaten Telefon eingefügt werden, in einem Bildschirmfoto stehen oder den Server auf einem anderen Weg umgehen. Sie ist daher eine Schutzmaßnahme, keine vollständige Grenze. Die Erkennung ist nie perfekt. Behandeln Sie übersehene Daten als ein Risiko, das Sie steuern müssen, statt von einer Fehlerquote von null auszugehen. Und sie ist nicht für Arbeitsabläufe gedacht, in denen die echten Werte später wieder benötigt werden. Dort ist umkehrbare Verschlüsselung mit strenger Kontrolle über den Schlüssel die bessere Wahl als Schwärzung. Die Nachteile betreffen den Betrieb und sind nicht unüberwindbar: Ergänzen Sie die Anonymisierungsschicht durch klare Regeln und Schulungen für Nutzer.