Redacta: Eine OpenClaw-Fähigkeit, die klinischen Text pseudonymisiert, bevor er ein LLM erreicht

Wenn Sie einen KI-Agenten entwickeln, der klinische Texte verarbeitet, machen Sie sich wahrscheinlich Sorgen über PHI-Leaks an ein externes Modell. Redacta, eine neue OpenClaw-Fähigkeit, geht das direkt an, indem es Identifikatoren pseudonymisiert, bevor sie Ihre Umgebung verlassen.

Was Redacta tut

Statt Identifikatoren einfach zu löschen (was den Kontext zerstört), ersetzt Redacta sie durch konsistente Pseudonyme. Zum Beispiel:

John Smith → PERSON_001

Wiederholte Verweise bleiben im gesamten Dokument konsistent, und die Zuordnung kann später verwendet werden, um den Originaltext bei Bedarf wiederherzustellen. Dies bewahrt nützlichen Kontext, während Patientendaten lokal bleiben.

Hauptfunktionen aus der Quelle

• Erkennt Namen, Daten, Kontaktdaten und Krankenaktennummern (MRNs).
• Ersetzt durch deterministische Pseudonyme wie PERSON_001 — nicht durch ein generisches [NAME].
• Zuordnung ermöglicht Round-Trip-Wiederherstellung des Originaltexts.
• Läuft vollständig lokal — keine identifizierbaren Daten an ein externes Modell gesendet.
• Open Source und als OpenClaw-Fähigkeit verpackt.
• Über 1.400 Downloads auf ClawHub.

Warum dies für Agenten-Workflows wichtig ist

Wenn Sie klinischen Text an eine LLM-API senden, setzen Sie alles aus, was in diesem Text steht. Redacta ermöglicht es Ihnen, die Daten zuerst zu transformieren, sodass das Modell nur Pseudonyme sieht. Für Entwickler im Gesundheitswesen oder überall dort, wo mit sensiblen PII/PHI umgegangen wird, ist dies eine praktische Möglichkeit, Ihrem Agenten-Pipeline eine Datenschutzschicht hinzuzufügen.

Redacta ist auf ClawHub verfügbar und die Quelle ist auf GitHub.

Wenn Sie bisher mit selbstgebauten Regex-Mustern Identifikatoren entfernt oder auf externe Bereinigungsdienste vertraut haben, schauen Sie es sich an. Der konsistente Pseudonym-Ansatz ist ein Mittelweg zwischen vollständiger Schwärzung und Rohtext.