1NCE AI im Praxis-Check: Wie zuverlässig schützt das neue KI-Gateway persönliche Daten?

1NCE stellte seinen Kunden am vergangenen Donnerstag per Newsletter ein neues Feature vor: 1NCE AI, eine „EU-hosted Multi Model Platform“ mit einheitlichem API-Zugang zu zunächst 17 KI-Modellen von Claude, Llama, Mistral und mehr. Angeboten von einem Unternehmen, das man bislang eher mit IoT-Konnektivität und Mobilfunkverträgen verbindet als mit künstlicher Intelligenz.

Was ist 1NCE AI und wie funktioniert die Plattform technisch?

1NCE AI ist im Kern ein gehosteter LiteLLM-Proxy, ein bekanntes Open-Source-Projekt für ein einheitliches API-Gateway zur Nutzung unterschiedlicher KI-Modelle. 1NCE AI stellt seinen Kunden damit einen zentralen API-Zugang zur Verfügung, über den sie auf eine wachsende Liste von KI-Modellen verschiedener Anbieter zugreifen können, statt sich bei jedem Anbieter einzeln zu registrieren. Im Angebot enthalten sind zum Start laut Newsletter insgesamt 17 Modelle von Anthropic (Claude, in mehreren Größen von Haiku bis Opus), Meta (Llama) und Mistral, dazu Amazon Nova und weitere – alle mit Datenverarbeitung innerhalb der EU.

Dazu kommt ein ganzes Bündel an Governance-Funktionen, die man sonst selbst bauen müsste: Ausgabenlimits pro API-Key, Ratenbegrenzung, Nutzungs-Dashboards und eine automatische Schwärzung personenbezogener Daten, sogenannte PII-Redaction. Die Modelle selbst laufen über AWS Bedrock, den Managed Service von Amazon für fremde KI-Modelle. 1NCE betreibt die Sprachmodelle also nicht selbst, sondern kauft Zugriff bei Amazon Web Services ein und verpackt ihn in ein eigenes Dashboard, eine eigene Rechnung sowie eigene Sicherheits- und Governance-Features. Zum Start bietet 1NCE AI allen Kunden fünf Euro Guthaben. Ein Account ist schnell angelegt, ein eigener AWS-Account dabei nicht notwendig, API Keys sind sofort verfügbar.

Mit einem Startguthaben von 5 Euro bietet 1NCE AI maximal 10 API Keys für aktuell ingesamt 17 verschiedene Modelle gehostet von AWS im EWR-Raum zum Bedrock Preis. Screenshot: 1NCE AI

Bleiben KI-Anfragen wirklich im europäischen Wirtschaftsraum?

Sowohl die Landingpage als auch die technische Produktbeschreibung formulieren, dass Claude „in AWS Germany (eu-central-1)“ – also konkret in Frankfurt – verarbeitet werde. Hier lohnt der genaue Blick: Ein Abgleich mit AWS‘ eigener Dokumentation zeigt für Claude-Modelle in Frankfurt keine sogenannte „In-Region“-Option, also keine Betriebsart, bei der die Verarbeitung garantiert innerhalb einer einzelnen Stadt bleibt. Stattdessen dient eu-central-1 als Einstiegspunkt in ein EU-weites „Geo-Profil“, das die eigentliche Rechenlast je nach aktueller Auslastung auf AWS-Rechenzentren in Irland, Schweden, Italien, Spanien oder Frankreich verteilen kann.

Auf Nachfrage bestätigte Jan Sulaiman, VP Global IoT Solutions bei 1NCE, genau diesen Mechanismus: „Frankfurt/eu-central-1 ist die Home- beziehungsweise Einstiegsregion des EU-Inference-Profils von AWS; die Verarbeitung bleibt dabei innerhalb des EWR.“ 1NCE verweist zusätzlich auf die vertragliche Zusage im Data Processing Addendum: Für als „Germany-Hosted“ eingestufte Modelle – dazu zählt Claude – verlassen Kundendaten den Europäischen Wirtschaftsraum demnach grundsätzlich nicht. Für die Einhaltung der DSGVO ist das der entscheidende Punkt.

Wie zuverlässig schwärzt 1NCE AI personenbezogene Daten?

Eine weitere beworbene Sicherheitsfunktion ist die automatische Schwärzung personenbezogener Daten. Namen, E-Mail-Adressen, IBANs und Ähnliches sollen erkannt und durch Platzhalter wie ersetzt werden, bevor die Anfrage das eigentliche KI-Modell erreicht.

1NCE nennt als typische Anwendungsfälle die KI-gestützte Zusammenfassung von Verträgen oder die Übersetzung technischer Reports in Klartext – Szenarien, in denen personenbezogene Daten vor der Übergabe anonymisiert werden müssen. Die Funktion ist im 1NCE-AI-Portal standardmäßig aktiviert und lässt sich nicht abschalten, auch wenn die FAQ der Landingpage aktuell noch das Gegenteil behauptet.

PII-Redaction, also die Mustererkennung von personenbezogenen Daten, ist besonders im Deutschen schwierig. 1NCE hat aber nach einem ersten Hinweis seit Produktlaunch bereits deutlich nachgebessert. Zunächst wurden alle Substantive als Namen von Personen fehlgedeutet. Hier war die Zensur der Dokumente eindeutig zu streng. Screenshot: 1NCE AI Portal/WeSpeakIoT

In einem ersten Test gleich nach Produktlaunch am Donnerstag filterte die Erkennung in deutscher Sprache zu viele Wörter heraus: nahezu alle groß geschriebenen Substantive interpretierte sie fälschlich als Namen. Eine harmlose Frage wie „Was ist dein Wissensstand?“ oder „Wie heißt du genau?“ zensierte das System gnadenlos. Claude antwortete daraufhin, ein Name oder Begriff sei offenbar durch ersetzt worden. Dieselbe Frage auf Englisch lief dagegen sauber durch. Jan Sulaiman bestätigte auf Nachfrage einen echten Bug.

Nach meinem Hinweis am Freitag war der Fehler von 1NCE bereits am darauffolgenden Montag behoben. 

PII-Redaction bleibt dennoch eine kniffelige Angelegenheit, besonders im Deutschen. Technisch stecken meist zwei Verfahren dahinter: Musterabgleich für alles, was einer festen Form folgt – IBANs, Kreditkarten- und Telefonnummern, E-Mail-Adressen – und ein spezialisiertes Erkennungsmodell für das, was sich nur aus dem Zusammenhang erschließt, allen voran Personennamen und Orte.

Genau diese zweite Stufe ist im Deutschen tückisch: Während im Englischen die Großschreibung ein verlässliches Signal für Eigennamen liefert, schreibt das Deutsche schlicht jedes Substantiv groß. Der Filter verliert damit sein wichtigstes Unterscheidungsmerkmal.

Der erneute Test nach dem Fix zeigte Fortschritt und die Grenzen des Machbaren zugleich: Die ursprünglich fälschlich geschwärzten Sätze liefen nun sauber durch, echte Namen und IBANs erkannte und ersetzte das System weiterhin zuverlässig. Doch beim Satz „Der Ingenieur Thomas Schmidt prüft am Montag die Maschine in der Halle“ verschwand neben dem Namen auch das Wort „Halle“ – gemeint war die Werkshalle, erkannt wurde vermutlich die Stadt an der Saale. Ein Kontrollsatz mit „Werkstatt“ statt „Halle“ lief anstandslos durch.

Der direkte Aussagesatz führt zur Schwärzung von „Halle“:

curl -s https://llm.1nce.ai/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [{"role": "user",
      "content": "Der Ingenieur Thomas Schmidt prüft am Montag die Maschine in der Halle."}]
  }'

Antwort (gekürzt) – sowohl Name als auch „Halle“ werden erkannt:

{
  "content": "Der Satz enthält zwei anonymisierte Entitäten:
    <PERSON> – Name des Ingenieurs
    <LOCATION> – Ort/Standort der Maschine"
}

Wird derselbe Satz als Wiedergabe-Auftrag formuliert, bleibt „Halle“ unerkannt:

curl -s https://llm.1nce.ai/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [{"role": "user",
      "content": "Wiederhole diesen Satz: \"Der Ingenieur Thomas Schmidt prüft am Montag die Maschine in der Halle\""}]
  }'

Antwort – der Personenname wird geschwärzt, „Halle“ nicht:

{
  "content": "Der Ingenieur <PERSON> prüft am Montag die Maschine in der Halle"
}

Der Filter stolpert also über Wörter, die zugleich Alltagsbegriff und Städtename sind – und davon kennt das Deutsche einige: Bad, Essen, Hof, Sand. Ob „Halle“ Gebäude oder Großstadt meint, entscheidet allein der Kontext. Ihn vollständig zu erfassen, bevor der Text die eigentliche KI erreicht, ist selbst für gute Modelle schwer.

Ein Nachtest zeigte zudem eine Feinheit: Wurde derselbe Satz nicht als direkte Aussage, sondern als Wiedergabe-Auftrag formuliert – ‚Wiederhole diesen Satz: …‘ –, blieb ‚Halle‘ plötzlich unerkannt, während der Personenname weiterhin zuverlässig geschwärzt wurde. Die bloße Einbettung in Anführungszeichen allein veränderte daran nichts. Die Erkennung von Ortsnamen reagiert also nicht nur auf das Wort selbst, sondern auf die Formulierung der gesamten Anfrage – ausgerechnet bei der Art von ‚Fasse das zusammen‘- oder ‚Wiederhole das‘-Prompts, wie sie bei Dokumentenverarbeitung typisch sind.

Ein weiterer, unabhängiger Test brachte eine dritte Beobachtung: Während englische Wochentagsangaben wie ‚Monday‘ in allen Testfällen stets als Datums-/Zeitangabe erkannt und geschwärzt wurden, blieb die deutsche Entsprechung ‚Montag‘ in identischer Satzstruktur durchgängig unerkannt. Für sich genommen ist das wenig kritisch – ein einzelner Wochentag identifiziert niemanden –, es zeigt aber, dass der nachträgliche Sprachausbau des Filters offenbar kategorienweise erfolgt und nicht alle Entitätstypen gleichermaßen erfasst.

Bei englischsprachigen Eingaben funktionierte die Schwärzung im Test wie beworben. Ein Testsatz mit erfundenem Namen und IBAN wurde korrekt erkannt und durch Platzhalter ersetzt, bevor er das Modell erreichte. Lediglich eine Telefonnummer ohne internationale Vorwahl rutschte durch – ein Hinweis darauf, dass die Erkennung nicht nur sprach-, sondern auch formatabhängig Lücken haben kann.

Auf Englisch wird der Wochentag „Monday“ zuverlässig als Datums-/Zeitangabe geschwärzt:

curl -s https://llm.1nce.ai/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [{"role": "user",
      "content": "Repeat this sentence: \"The engineer Thomas Schmidt inspects the machine in the hall on Monday.\""}]
  }'

Antwort – Name und Wochentag werden erkannt:

{
  "content": "The engineer <PERSON> inspects the machine in the hall on <DATE_TIME>."
}

Dieselbe Satzstruktur auf Deutsch – „Montag“ bleibt unerkannt:

curl -s https://llm.1nce.ai/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [{"role": "user",
      "content": "Wiederhole diesen Satz: \"Der Ingenieur Thomas Schmidt prüft am Montag die Maschine.\""}]
  }'

Antwort – nur der Name wird geschwärzt, „Montag“ nicht:

{
  "content": "Der Ingenieur <PERSON> prüft am Montag die Maschine."
}

Wie schlägt sich die PII-Redaction im Praxistest mit Paperless AI?

Auch in Kombination mit Paperless AI, der KI-gestützten Dokumentenverwaltung der Open-Source-Software Paperless-ngx, zeigten sich hin und wieder Lücken. Die 1NCE-AI-API funktioniert hervorragend mit Paperless und beantwortet spezifische Fragen aus Dokumenten schnell und zuverlässig.

Doch auch hier ergab der Test: Nicht immer erkannte und blockierte das System alle personenbezogenen Daten genau. So anonymisierte das 1NCE-AI-Gateway zwar Name, Telefonnummer, Straße und Stadt auf mehreren Testdokumenten zuverlässig, leitete aber oft die deutsche Postleitzahl ungeschwärzt weiter. Sowohl auf Rechnungen der Quittungsbelegen. Einen sichtbaren Unterschied macht die Erkennung manchmal zwischen Privat- und Firmenadressen. Privatadressen wurden deutlich strenger geschwärzt als Firmenanschriften, die manchmal komplett ungeschwärzt blieben.

Dass die PII Redaction mit deutschen Postleitzahlen und Hausnummern großzügiger umgeht, sei unter anderem daher geschuldet, dass man vermeiden möchte, Bestellmengen oder Bestellnummern auf Dokumenten fälschlicherweise zu filtern, erklärt Jan Sulaiman weiter. Für Deutschland müsse zudem noch eine bessere Erkennung von Postleitzahlen nach dem typisch deutschen Muster „12345 Ort“ nachgeliefert werden. Das sei auch relativ einfach umsetzbar und bereits auf der To-Do-Liste. Bei Hausnummern gestaltet sich die Lage allerdings schwieriger, da hier die Muster nicht immer leicht erkennbar sind.

Screenshot: Paperless AI mit 1NCE AI API und claude-sonnet-4-6

Diese Ungenauigkeiten haben aber auch nicht immer mit der PII Redaction selbst zu tun, sondern vielmehr, wie die Texterkennung von Paperless NGX den Inhalt des Dokuments transkribiert hatte. PII Redaction funktioniert kontextabhängig, nach wiederkehrenden Mustern. Es ist wichtig, in welcher Reihenfolge, bestimmte Informationen vorliegen. Ist ein Dokument mit schwierigem Layout so von der Texterkennung von Paperless NGX gescannt worden, dass Adressen oder Namen in den Metadaten nun nicht mehr in der „gelesenen“ Reihenfolge erscheinen, sondern beispielsweise zeilenweise durcheinander gewürfelt sind, bekommt die PII Redaction Probleme bei der Erkennung. Wer also auf keinen Fall möchte, dass personenbezogene Daten in einer KI-Cloud landen, selbst wenn alles im EWR bleibt, kommt um Eigenhosting kaum herum. 

Wie schützt 1NCE AI vor Prompt-Injection-Angriffen?

Den Trick, über eine sogenannte Prompt Injection an die genauen Anweisungen eines Systemprompts zu gelangen, fingen die 1NCE-eigenen Schutzfunktionen – sogenannte Guardrails – zuverlässig ab. Für den Test forderte ich die KI auf, ihre eigenen Instruktionen wortwörtlich zu wiederholen. Das Gateway blockierte die Anfrage sofort – nicht das Modell, sondern die Schicht davor.

Die Fehlermeldung verwies ausdrücklich auf eine „1NCE AI safety guardrail“ gegen Manipulations- und Jailbreak-Versuche. Jan Sulaiman bestätigt: „Das ist eine bewusste zweite Schutzschicht, getrennt von der PII-Redaction: ein Prompt-Injection-/Jailbreak-Schutz, der unter anderem Versuche blockiert, den System-Prompt auszulesen oder hinterlegte Instruktionen zu überschreiben.“

Warum steigt ein IoT-Connectivity-Anbieter ins KI-Geschäft ein?

Die 17 KI Modelle in 1NCE AI sind offenbar nur der Anfang. Wer aufmerksam die Pricing-Liste im Portal durchliest, findet auch Modelle, die in der API noch gar nicht auswählbar sind – darunter OpenAIs GPT-5.4 und GPT-5.5, die allerdings in den USA gehostet sind. „Diese Modelle sind bewusst noch nicht freigeschaltet“, ergänzt Sulaiman. „Sie würden nach us-east-1/us-east-2 routen, also außerhalb des EWR. Wir geben sie erst nach interner EU-Residency-/Compliance-Freigabe frei, als bewusstes Opt-in, das der Kunde explizit aktivieren muss.“

Dass 1NCE als globaler IoT-Connectivity-Provider nun mit einer KI-Plattform aufwartet, mag erstaunen – das ist nicht gerade das Kerngeschäft des Unternehmens. Wettbewerber finden sich eher in anderen Branchen: Requesty, der IONOS AI Model Hub oder TrueFoundry bieten ein ähnliches Angebot wie 1NCE AI. Mit IoT oder Mobilfunk haben die aber nichts zu tun.

1NCE AI fügt sich in ein Muster, das sich schon länger beobachten lässt: Als ich von 2020-2023 noch für 1NCE gearbeitet habe, war das „10 Dollar/10 Jahre“-Versprechen die Story, mit der 1NCE den Markt aufgerüttelt hat. Doch heute wird Connectivity zur Commodity, zur Nebensache. Anbieter gibt es mittlerweile viele, differenzieren muss man sich über Software und Services. Zunächst kam 1NCE OS, Softwaretools für Entwickler, mit denen sich Devices besser managen lassen: Energieoptimierung, Lokalisierung, Datenintegrationen. Im Januar stellte 1NCE mit 1NCE Insights ein KI-gestütztes Tool zur Analyse eigener Projekte und zum Benchmarking gegenüber Branchengrößen vor.

Jede Erweiterung legt eine weitere Softwareschicht über das ursprüngliche Kerngeschäft: den Verkauf von IoT-SIM-Karten und Datenvolumen. Geld wird 1NCE mit 1NCE AI allein kaum verdienen – Nutzer zahlen den gleichen Preis wie bei AWS Bedrock. Der Mehrwert entsteht erst durch das Gesamtpaket: Kunden bekommen eine weitere Dienstleistung auf derselben Rechnung, der Wechsel zu einem anderen Anbieter wird unattraktiver.

Ob sich das langfristig auszahlt, hängt davon ab, ob genügend – und vor allem die richtigen – Kunden diesen Service überhaupt nutzen. Aktuell kann sich jeder über die Portalseite unter 1nce.ai anmelden. 1NCE belohnt das sogar mit einem Empfehlungsprogramm: Für jeden neu geworbenen Nutzer gibt es fünf Euro Nutzungscredit, unabhängig davon, ob man parallel IoT-Connectivity von 1NCE bezieht.

Fazit

1NCE AI zeigt, wie ein IoT-Connectivity-Anbieter sein Kerngeschäft absichert: nicht über den direkten Umsatz mit KI-Tokens, sondern über zusätzliche Kundenbindung. Technisch überzeugt das EU-Hosting-Versprechen für Claude im Kern, auch wenn Frankfurt nur ein Einstiegspunkt in ein größeres Geo-Profil ist. Die PII-Redaction funktioniert im Englischen solide, braucht im Deutschen und vielleicht auch anderen Sprachen noch etwas Nacharbeit.