cashcrown // ai security layer
Guardrails Gateway
guardrails-gwliveEin kontrollierter Einstiegspunkt für jeden LLM-Aufruf: Modell-zu-Aufgabe-Routing, PII-Maskierung vor dem Modell, Input- und Output-Guardrails, Budgets pro Mandant und ein vollständiges Audit-Log.
4 tryby
Guardrail-Modi
zero-retention
Daten
self-host
Deployment
1×
Einstiegspunkt
// 01
Problem
Über den Code verstreute LLM-Aufrufe sind ein unkontrolliertes Risiko: PII gelangt zum Modell, Prompt-Injection und Jailbreaks passieren ungefiltert, und es fehlen Budgets pro Team sowie ein Audit-Trail. Ohne ein einziges Gateway ist nichts davon steuerbar oder DSGVO-fest.
// 02
Funktionen
- Modell-zu-Aufgabe-Routing mit Fallback
- PII-Maskierung, bevor etwas das Modell erreicht
- Input- und Output-Guardrails: Prompt-Injection, Jailbreak, Secrets, schädliche Ausgaben
- Zugriff und Budgets pro Mandant + vollständiges Audit-Log
- Zero-Retention: Inhalte werden nach der Verarbeitung nicht gespeichert
// 05
Integrationen
OpenClawBGE-M3QdrantOllaman8n
// 06
Architektur
Knoten wählen, um Beschreibung und Datenfluss zu sehen.
Architektur — Textbeschreibung
- Eingang / Daten
- Datenquellen — Inhalte, Dokumente und Ereignisse speisen den Index. (Fluss zu: BGE-M3)
- BGE-M3 — Lokale Embeddings (1024-dim) — PII bleibt lokal. (Fluss zu: OpenClaw-Router)
- KI-Kern
- OpenClaw-Router — Einziger Modellzugang — maskiert PII, wählt Modell, drosselt. (Fluss zu: Guardrails Gateway)
- Guardrails Gateway — Ein kontrollierter Einstiegspunkt für jeden LLM-Aufruf: Modell-zu-Aufgabe-Routing, PII-Maskierung vor dem Modell, Input- und Output-Guardrails, Budgets pro Mandant und ein vollständiges Audit-Log. (Fluss zu: API)
- Ausgabe
- API — REST-Fläche — belegte Antworten mit Zugriffskontrolle. (Fluss zu: OpenClaw, BGE-M3, Qdrant, Ollama)
- OpenClaw — Integration: OpenClaw.
- BGE-M3 — Integration: BGE-M3.
- Qdrant — Integration: Qdrant.
- Ollama — Integration: Ollama.
// 07
Live-Demo
// 08
FAQ
Was kostet es und wie läuft die Einführung ab?
Wir arbeiten in Spannen je nach Umfang — wir starten mit einem Pilot zu Festkosten, in dem wir das Gateway vor einige bestehende LLM-Aufrufe setzen und das Audit-Log sowie abgefangene Angriffsversuche zeigen. Wenn die Schicht Vorfallsrisiko und manuellen Prüfaufwand reduziert, rechnet sie sich meist in 2–4 Monaten. Sie senkt Risiko und schafft Kontrolle — sie ist keine Garantie für Perfektion. Die Rendite schätzen Sie im ROI-Rechner.
Lässt es sich in unsere Systeme integrieren und ist es DSGVO-konform?
Ja. Das Gateway steht vor Ihren aktuellen Modellaufrufen — Sie wechseln nicht den Anbieter, sondern leiten bestehenden Traffic über einen Punkt. Wir maskieren PII vor dem Modell, verarbeiten sensible Pfade lokal, betreiben Inhalte mit Zero-Retention, und jeder Aufruf landet im Audit-Log. DSGVO- und AI-Act-Konformität ist von Anfang an eingeplant — das macht es belastbar, während ein Mensch bei Entscheidungen im Loop bleibt.
Wo fangen wir an, und stoppt es jeden Angriff?
Wir beginnen mit einem am stärksten exponierten Flow — etwa einem Assistenten über Kundendaten — setzen ihn hinter das Gateway und betreiben die Guardrails zunächst im Beobachtungsmodus, damit Sie den Traffic ohne Blockieren sehen. Dann verschärfen wir die Regeln Schritt für Schritt und weiten auf weitere Aufrufe aus. Ehrlich: kein Filter fängt 100% — das Ziel ist eine deutliche Risikosenkung, Auditierbarkeit und ein Mensch, der bei unumkehrbaren Aktionen final entscheidet.
// →Verwandt