Löschnachweise — mit Quittung.
Die meiste „AI-Compliance" hört bei Zugriffsprotokollen und Prompt-Level-Leitplanken auf. Divinci geht ins Modell hinein. Jede Entitätsverknüpfung ist ein abfragbares Feature; jede Änderung ist ein portabler, prüfbarer Patch — und der vIndex ist hält fest, was das Modell vorher und nachher geantwortet hat — in einer Form, die Dritte prüfen können.
Forschungsvorschau. Das Model-Erasure-Produkt von Divinci befindet sich in aktiver Forschung und Entwicklung und ist nicht allgemein verfügbar. Nichts auf dieser Seite behauptet, dass es Sie DSGVO-, KI-VO- oder anderweitig rechtskonform macht. Wir veröffentlichen jedes Testergebnis, auch die Fehlschläge.
Kann eine KI vergessen? Ein ehrlicher Zwischenstand
Drei Minuten zum Stand unserer Forschung, Fakten aus Open-Weights-Modellen zu entfernen: was funktioniert, was eine Änderung kostet, was gescheitert ist und was wir als Nächstes versuchen.
Das vollständige Beispiel: Paris aus einem Sprachmodell löschen
What the regulation requires
The same artifact answers transparency, oversight, documentation, and erasure requirements.
| Regulation | Requirement | Competitors | vIndex |
|---|---|---|---|
 EU AI Act §13 Transparenz | „Ausreichende Transparenz, damit Nutzer Ausgaben interpretieren können" | Model Cards, prosa-basierte Systembeschreibungen | Annex-IV-Dossier aus Release-Daten und dem Modell-Änderungsprotokoll erzeugt — jede Lücke wird benannt |
| EU AI Act §14 Menschliche Aufsicht | Betreiber müssen sinnvoll eingreifen können | Prompt-Level-Leitplanken (jailbreak-anfällig) | DELETE-Patches auf Gewichtsebene am Feature, nicht am Prompt — in Erprobung; ihre Nebenwirkungen auf andere Antworten messen wir und veröffentlichen sie |
| EU AI Act Anhang IV Technische Doku | „Allgemeine Logik des KI-Systems" | Architekturdiagramme + Trainingsdaten-Zusammenfassungen | Bitgenaue mechanistische Dokumentation: das projizierte Vokabular jedes Features, die strukturelle Metrik jeder Schicht (C1–C5) |
 DSGVO Artikel 17 Recht auf Löschung | Nachweisbare Entfernung personenbezogener Daten | Feintuning zum „Vergessen" — nicht überprüfbar; Daten können adversariell wieder auftauchen | In Forschung: Entfernung durch Neuaufbau des Fine-Tunes ohne die Person, mit signierter Vorher-nachher-Quittung — noch nicht validiert |
 HIPAA · PCI · DSGVO De-Identifikation | PII aus Datenprodukten entfernen | Token-Filterung an I/O (Lecks möglich) | Deployment-Telemetrie als Nachweisgrundlage — Divinci ist nicht SOC-2-zertifiziert |
 NIST AI RMF Verwalten | Restrisiko quantifizieren und steuern | Risikobewertungen aus dem Bauch heraus | vIndex als führendes System — Zertifizierung liegt noch nicht vor |
Wie eine „Quittung" tatsächlich aussieht
Ein vIndex-Patch ist eine portable JSON-Datei mit einer SHA-256-Prüfsumme. Wenden Sie ihn an, um zu ändern, was das Modell antwortet; entfernen Sie ihn, um das Modell bitgenau wiederherzustellen. Der Patch ist das Audit-Log — Betreiber, Regulierungsbehörden und nachgelagerte Nutzer können dieselbe Operation unabhängig verifizieren. Er hält fest, was das Modell vorher und nachher geantwortet hat; er beweist für sich genommen nicht, dass das Modell vergessen hat.
Unten: eine Illustration des Formats — die Felder, die ein Gate-3-DELETE-Patch trägt, und die Prüfsumme, die ihn verifizierbar macht. Es ist ein Beispiel für die Form einer Quittung, keine Messung, die wir hier veröffentlichen.
{
"name": "gdpr-art17-paris-capital",
"version": 1,
"base_model": "google/gemma-4-E2B-it",
"created_at": "2026-04-22T22:34:00Z",
"operations": [{
"op": "delete",
"entity": "Paris",
"relation": "capital",
"target": "서울",
"weight": -1.0,
"layer": 27,
"feature": 11179
}]
}Werden Sie Design-Partner.
Wir suchen drei Design-Partner, die Open-Weight-Modelle betreiben und Löschanfragen erwarten. Gemeinsam wählen wir einen Fakt oder die Daten einer Person, führen die Entfernung und die Prüfungen gegen vorab festgelegte Schwellen durch und teilen die signierte Vorher-nachher-Quittung. Das ist Forschung, keine Dienstleistung: Die Methode wird noch validiert, und Sie sehen jedes Ergebnis, auch Fehlschläge.
Three limits worth stating up front. Weight-level editing requires an open-weight served model — GPT, Claude and Gemini cannot be edited this way, only retrieved-context can. The receipt certifies what the model answered before and after and the exact patch that undoes it; it does not by itself prove the model has forgotten. On Gemma 4 E2B our own measurements show that removing an association from the index can leave the chat answer unchanged, while an output-level override changes the answer and leaves the old one a rank below — the receipt says which kind of edit you got. And the dossier is a draft for your assessment, not a declaration of conformity: that is a judgement only you can make.
Gemma
Qwen
Llama
Mistral
Microsoft
Zwölf veröffentlichte vIndexes — Auf Hugging Face ansehen
Nachweise, die Sie prüfen können. Eine Forschungsvorschau auf Open-Weight-Modellen.