AI2SQL maskiert Ergebnisse vor der Übergabe an den Assistenten. Das bedeutet nicht, dass die Daten in der Datenbank bleiben

Die MCP-Ergebnismaskierung von AI2SQL erfolgt serverseitig und kann dafür sorgen, dass der Assistent Platzhalter statt ursprünglicher Kundenwerte erhält. Sie eignet sich für Analysen, deren Abfragen weiterhin echte Daten benötigen. Sie ersetzt jedoch keine Datenbankberechtigungen und bedeutet nicht, dass die Originaldaten AI2SQL nie erreicht haben. Für die Nutzung mit einer eigenen Datenbank ist Team erforderlich.

Quelle: ai2sql.io
November 12, 2026
4 min

Wenn ein Team Bestellungen von einem KI-Assistenten analysieren lassen möchte, ohne ihm Kunden-E-Mail-Adressen und Telefonnummern direkt zu zeigen, lohnt sich eine Prüfung der Ergebnismaskierung von AI2SQL. Entscheidend ist, wo sie greift: Die Abfrage verwendet weiterhin echte Daten. Erst nachdem die Ergebnisse auf den Servern von AI2SQL verarbeitet wurden, werden sie an den Assistenten übergeben. Verlangt eine Organisation, dass selbst der AI2SQL-Dienst keinen Zugriff auf ursprüngliche Kundenwerte haben darf, bietet diese Funktion allein nicht die benötigte Datengrenze.

Diese Funktionsanalyse basiert auf der offiziellen MCP-Beschreibung von AI2SQL. Es wurden keine Tests mit echten Kundendaten durchgeführt. Laut Anbieter kann der Assistent nach der Maskierung Platzhalter, teilweise verdeckte Werte oder ausgeblendete Felder erhalten; die Originalwerte werden ihm nicht mehr übergeben. Diese Zusage betrifft die Übergabe der Ergebnisse. Sie darf nicht dahingehend ausgeweitet werden, dass die Daten die Quelldatenbank niemals verlassen hätten.

Echte Daten abfragen, verarbeitete Ergebnisse ausgeben

Die offizielle Beschreibung erklärt, dass Abfragen auf echten Daten ausgeführt werden, sodass Zählungen, Joins und Filter weiterhin funktionieren. Die Maskierung erfolgt, bevor die zurückgegebenen Zeilen an den Assistenten gelangen. Dadurch können für „Bestellzahlen nach Region auswerten“ und „Kundenkontaktdaten für den Assistenten auflisten“ unterschiedliche Regeln zur Ergebnisübergabe gelten.

Möchte beispielsweise eine Person im operativen Geschäft lediglich wissen, in welchen Regionen die meisten offenen Bestellungen vorliegen, müssen Kundennamen und E-Mail-Adressen nicht im Abfrageergebnis enthalten sein. Zunächst lässt sich die Abfrage selbst auf die benötigten Felder beschränken und die Maskierung anschließend als zusätzlichen Schutz einsetzen. Muss für eine Aufgabe ein bestimmter Datensatz überprüft werden, kann geprüft werden, ob Platzhalter oder teilweise verdeckte Werte dafür ausreichen, statt dem Assistenten standardmäßig vollständige Kontaktdaten zu geben. Dies ist ein vorgeschlagenes Analyseszenario, kein Praxistest des Produkts.

Die Feinheit der Einstellungen bestimmt, was der Assistent letztlich sieht

Die MCP-Seite führt Platzhalter, teilweise Verdeckung, Ausblenden und Anzeigen als Regeln auf. Sie lassen sich pro Spalte festlegen; außerdem gibt es eine Vorschau vor dem Speichern. Die Maskierung kann auch auf Verbindungsebene aktiviert werden. Für Teams ist „eine Maskierungsfunktion ist vorhanden“ lediglich der Ausgangspunkt. Sie müssen prüfen, welche Regeln tatsächlich für jede freizugebende Verbindung und jedes Feld gelten.

Empfehlenswert ist ein Abnahmedatensatz aus synthetischen Daten: eine übliche E-Mail-Spalte, Kontaktdaten in Notizfeldern und Kategorisierungsfelder, die für die Analyse erhalten bleiben müssen. Prüfen Sie, ob die Vorschau mit den Ergebnissen übereinstimmt, die der Assistent tatsächlich erhält. Stellen Sie außerdem sicher, dass die Regel „Anzeigen“ keine Werte wieder freigibt, die eigentlich verborgen bleiben sollten. Die offiziellen Angaben beschreiben auch die Erkennung sensibler Muster in Freitext. Diese Beschreibung ersetzt jedoch nicht die Überprüfung der eigenen Felder und Datenformate.

Bei der Anbindung eigener Datenbanken gehört die Ergebnismaskierung zum Team-Tarif. Mit der offiziellen Beispieldatenbank demo_shop lässt sie sich dagegen in allen Tarifen ausprobieren. Dass im Beispiel maskierte Ergebnisse sichtbar sind, beweist nicht, dass der aktuelle Tarif auch die eigenen Produktionsverbindungen abdeckt. Beim Kauf sollten sowohl der erforderliche Tarif als auch die Einstellungen der tatsächlichen Verbindung bestätigt werden.

Schreibschutz, Maskierung und Zugriffsumfang erfüllen jeweils eine eigene Aufgabe

Dieselbe Seite erklärt, dass der Abfragedienst Schreibvorgänge, DDL und Stapelverarbeitung mit mehreren Anweisungen serverseitig ablehnt. Die Nur-Lese-Beschränkung betrifft Datenänderungen, die Ergebnismaskierung dagegen die Werte, die der Assistent sieht. Beides darf das Prinzip der minimalen Berechtigungen auf Datenbankseite nicht ersetzen. Teams sollten weiterhin nur die für die Aufgabe erforderlichen Tabellen, Ansichten und Felder freigeben und prüfen, ob die Verarbeitung dieser Daten durch den Dienst ihren eigenen Anforderungen entspricht.

Die Funktion eignet sich für Teams, die AI2SQL die Verarbeitung von Abfrageergebnissen erlauben, aber den Zugriff nachgelagerter Assistenten auf ursprüngliche Kundenwerte reduzieren möchten. Werden hauptsächlich aggregierte Kennzahlen benötigt, ist eine Verringerung der zurückgegebenen Felder meist der direktere Weg. Erfordert der Geschäftsprozess hingegen die vollständige Prüfung von Identitätsinformationen für jeden einzelnen Datensatz, reichen maskierte Ergebnisse möglicherweise nicht aus. Erst wenn diese beiden Anforderungen bei der Auswahl klar getrennt werden, lässt sich erkennen, ob unnötige Offenlegung reduziert oder zugleich notwendige Arbeit verhindert wird.

Hinweis zum Inhalt:Dieser Artikel basiert auf öffentlich verfügbaren Informationen und dient als Orientierung bei der Auswahl von Tools. Funktionen, Preise und zugehörige Richtlinien können sich jederzeit ändern; maßgeblich sind die aktuellen offiziellen Angaben.

Originalquelle:ai2sql.io