Dokumentbasierte PII-Übersicht

Dokumentbasierte PII in Azure KI Language Erkennung personenbezogener Informationen (Personally Identifiable Information, PII) hilft Ihnen, vertrauliche Daten direkt in systemeigenen Dokumentdateien zu erkennen und zu redigieren, einschließlich Microsoft Word- und PDF-Dateien, ohne Ihre eigene Textextraktions- und Wiederaufbaupipeline zu erstellen.

Dieses Feature verwendet einen asynchronen API-Workflow und gibt eine redigierte Ausgabe zurück, die die Dokumentstruktur und -formatierung beibehält. Sie können sie verwenden, wenn die Dokumenttreue für Complianceüberprüfungen, Freigaben, Analysen und nachgeschaltete KI-Workflows wichtig ist.

Videodemonstration

In diesem Video stellen wir den PII-Erkennungsdienst vor und zeigen Ihnen, wie vertrauliche Daten direkt aus systemeigenen Dokumenten erkannt und redigiert werden, während die Dateistruktur und Formatierung beibehalten wird. Darüber hinaus behandeln wir gängige Anwendungsfälle, unterstützte Formate und erste Schritte mit dokumentbasierten piI in Azure KI Language:

Untertitel sind für dieses Video verfügbar.

Auf einen Blick

Dokumentbasierte PII bietet die folgenden Funktionen:

• Natives Schwärzen bei .pdf-, .docx- und .txt-Dateien.
• Beibehaltenes Layout in Ausgabedokumenten, einschließlich Schriftart, Abstand und Farbe.
• Ein einzelner asynchroner API-Workflow für Extraktion, Erkennung und Redaction.
• Unternehmensbereite Ergebnisse: ein redigiertes Dokument und ein strukturiertes JSON-Ergebnis.
• Konfigurierbare Maskierungsrichtlinien für Zeichenmasken, Entitätsbezeichnungen und synthetische Ersetzungsszenarien.

GA-Funktionserweiterungen (2026-05-01)

Die allgemeine Verfügbarkeitsversion führt die folgenden Funktionen und betrieblichen Verbesserungen ein. Diese Ergänzungen erweitern die Redaction-Strategien der Plattform, verbessern die Konfigurationsflexibilität und verbessern die Unterstützung für spezialisierte Dokumentverarbeitungsszenarien:

• Verbesserte Ausgabequalität bei gleichzeitiger Beibehaltung von Schriftart, Farbe und Dokumentformatierung.
• Unterstützung zum Unkenntlichmachen durch Unschärfe bei bildbasierten Dokumentszenarien.
• Erweiterte Optionen für Maskierungsrichtlinien, einschließlich der Maskierung von Entitätsbezeichnungen und synthetischer Ersetzung.
• Steuerelemente für Zuverlässigkeitsschwellenwerte, um zu bestimmen, welche erkannten Entitäten unkenntlich gemacht werden.
• Optionale Optionen zum Deaktivieren der strikten Entitätsvalidierung für latenzempfindliche Workflows.
• Unterstützung für Entitätssynwörter, um kundenspezifische Vokabular den standardmäßigen PII-Entitätstypen zuzuordnen.
• Unterstützung für Richtlinien zum Ausschluss von Werten für Begriffe, die in ausgewählten Workflows ungeschwärzt bleiben sollen.

Vergleich von GA- und Vorschaufunktionen

Die folgende Tabelle enthält eine detaillierte Funktionsmatrix, die die Featuregruppen der allgemeinen Verfügbarkeitsversion (2026-05-01) und der Vorschau-API-Version (2026-05-15-preview) vergleicht. Verwenden Sie diesen Vergleich, um zu verstehen, welche Features in jeder Version verfügbar sind, und um fundierte Entscheidungen zur API-Versionsauswahl basierend auf Ihren spezifischen Featureanforderungen zu treffen:

Warum dokumentbasierte PII verwenden?

Viele benutzerdefinierte Pipelines erfordern mehrere Schritte zum Extrahieren von Text, Ausführen der Erkennung und Rekonstruieren der Dokumentausgabe. Dokumentbasierte PII vereinfacht diesen Fluss mit einem einzigen asynchronen API-Muster und Ausgabeartefakten, die für Dokumentverarbeitungssysteme entwickelt wurden.

Dokumentbasierte PII ist besonders nützlich, wenn Sie Folgendes benötigen:

• Unkenntlichmachen von PII in .pdf-, .docx- und .txt-Dateien.
• Dokumentlayout für nachgeschaltete Geschäftsprozesse beibehalten.
• Generieren Sie strukturierte JSON-Ausgabe für Überwachung und Integration.

Dokumentbasierte PII verwendet dieselben vordefinierten PII-Kategorien wie Text-PII, einschließlich Entitäten wie Adressen, Telefonnummern und Kreditkartennummern.

Ergebnisse von dokumentbasierten PII

Wenn ein Auftrag erfolgreich ist, erhalten Sie Folgendes:

• Ein redigiertes Dokument in Ihrem Ziel-Speichercontainer.
• Eine JSON-Ergebnisdatei mit erkannten Entitäten, Kategorien, Konfidenzbewertungen und Verarbeitungsmetadaten.
• Ergebnisse bei Unkenntlichmachung, die die visuelle Dokumenttreue für nachgeschaltete Überprüfungs- und Überwachungsprozesse beibehalten können.

Funktionsweise von dokumentbasierten personenbezogenen Informationen

Dokumentbasierte PII verwendet einen asynchronen Workflow:

1. Senden Sie einen Auftrag mit Quell- und Zielspeicherorten.
2. Abrufen des Auftragsstatus mithilfe des Vorgangsorts.
3. Abrufen von Ausgabedateien vom Zielspeicherort.

Implementierungsdetails und Anforderungsbeispiele finden Sie unter Erkennen und Schwärzen von persönlich identifizierbaren Informationen in nativen Dokumenten.

Unterschiede zwischen dokumentbasierten PII und anderen PII-Featuretypen

Alle PII-Featuretypen verwenden vordefinierte Entitätskategorien, optimieren aber für unterschiedliche Eingabetypen:

• Dokumentenbasierte PII ist für Workflows mit systemeigener Dateiredaktion und Dateiausgabetreue optimiert.
• Text-PII ist für die direkte Zeichenfolgenbasierte Eingabe und App-Integration optimiert.
• Conversation PII ist für turnbasierte und transkriptorientierte Konversationseingaben optimiert.

Häufige Anwendungsfälle

Dokumentbasierte PII wurde für Unternehmens- und regulierte Branchenworkflows entwickelt, bei denen Teams Dateien vor Speicher, Analyse, externer Freigabe oder nachgelagerter KI-Verarbeitung anonymisiert müssen.

Typische Beispiele sind:

• Gerichtsunterlagen und Rechtsunterlagen.
• Behördenformulare und interne Datensätze.
• Finanzdokumente.
• Interne Unternehmensdokumentationsworkflows.

Unterstützte Formate und Grenzwerte

Dokumentbasierte PII akzeptiert systemeigene Dateiformate direkt, ohne dass textvorverarbeitet werden muss. In der folgenden Tabelle sind die unterstützten Formate aufgeführt:

Die folgenden Eingabeeinschränkungen gelten:

Weitere Informationen finden Sie unter Sprachunterstützung und Kontingente und Grenzwerte für aktuelle Sprachabdeckung und Dienstgrenzwerte.

Preise

Dokumentbasierte PII-Schwärzung verwendet das Azure KI Language Preismodell. Aktuelle Preisdetails finden Sie unter Azure KI Language Pricing.

Probieren Sie es im Microsoft Foundry-Portal aus.

Die dokumentbasierte PII-Erkennung beinhaltet jetzt eine erste Playground-Erfahrung im Microsoft Foundry-Portal. Der Playground lädt standardmäßig ein vorbereitetes Beispieldokument, sodass Sie das Feature sofort auswerten können, ohne ihre eigene Datei bereitzustellen.

Wenn Sie Erkennen auswählen, übermittelt der Playground das Dokument über die vorhandene asynchrone PII-Pipeline für native dateibasierte Dokumente – derselbe Workflow wie unter Funktionsweise dokumentbasierter PII beschrieben. Nach Abschluss des Auftrags zeigt der Playground die geschwärzte Ausgabe neben dem Quelldokument an und weist Entitätskategorien, Konfidenzwerte und Ergebnisse zur Dateitreue aus, sodass Sie sowohl die Genauigkeit der Schwärzung als auch den Grad beurteilen können, in dem die Ausgabe die ursprüngliche Dokumentformatierung beibehält.

Eine Schritt-für-Schritt-Anleitung finden Sie unter Verwenden des Dokument-PII-Playgrounds in Microsoft Foundry.

Nächste Schritte

Verwenden Sie die folgenden Verweise, um die Implementierung fortzusetzen:

• Erstellen von SAS-Token für Speichercontainer
• Erstellen einer verwalteten Identität für Speichercontainer