Getting Started

Diese Seite führt einmal durch den vollen Cortina-Round-Trip: Session erstellen, Text anonymisieren, einen LLM-Call simulieren, das Ergebnis deanonymisieren. Erst per cURL gegen die Live-API, dann mit den SDKs.

Prerequisites

Einen API-Key.

Aktuell werden Keys auf direkte Anfrage ausgestellt (E-Mail an [email protected]). Self-Service-Verwaltung kommt mit dem Platform-Portal — bis dahin: kurz schreiben, Rate- Limit nennen, Key kommt zurück.

Sobald platform.tup-ai.de live ist, können API-Keys dort ausgestellt, rotiert und mit Rate-Limit-Overrides konfiguriert werden. Bis dahin: direkter Kontakt.
Ein Terminal mit curl (für den ersten Teil) oder Node ≥ 18 / Python ≥ 3.10 (für den SDK-Teil).
Den Key in einer Umgebungsvariable. Alle folgenden Beispiele nehmen TUP_ANON_KEY aus dem Environment.
Terminal window
```
export TUP_ANON_KEY=tup_live_<dein-key>
```

First Request — cURL

Die drei Calls unten reichen für einen vollen Round-Trip. Die session_id aus Schritt 1 muss im Body der Folge-Calls stehen (nicht in einem Header — das ist die häufigste Verwechslung beim ersten Anlauf).

Session erstellen.

curl -sS -X POST https://api.tup-ai.de/v1/cortina/session \
  -H "Authorization: Bearer $TUP_ANON_KEY" \
  -H "Content-Type: application/json" \
  -d '{"ttl_seconds": 600}'

Antwort:

{
  "session_id": "018f4a2c-3d7e-7b4a-8c1e-2f9b3d4e5a6f",
  "expires_at": "2026-05-06T20:00:00Z",
  "status": "active"
}

Die session_id für die nächsten Schritte merken.

Text anonymisieren.

curl -sS -X POST https://api.tup-ai.de/v1/cortina/anonymize \
  -H "Authorization: Bearer $TUP_ANON_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Bitte auf IBAN DE89 3704 0044 0532 0130 00 überweisen. Tel: +49 6131 1234567",
    "session_id": "018f4a2c-3d7e-7b4a-8c1e-2f9b3d4e5a6f"
  }'

Antwort (gekürzt):

{
  "anonymized_text": "Bitte auf IBAN [DE_IBAN_1] überweisen. Tel: [DE_PHONE_NUMBER_1]",
  "entities": [
    { "entity_type": "DE_IBAN", "start": 16, "end": 41, "placeholder": "[DE_IBAN_1]", "confidence": 1.0 },
    { "entity_type": "DE_PHONE_NUMBER", "start": 58, "end": 75, "placeholder": "[DE_PHONE_NUMBER_1]", "confidence": 0.95 }
  ],
  "session_id": "018f4a2c-3d7e-7b4a-8c1e-2f9b3d4e5a6f",
  "audit_flags": []
}

Den anonymized_text kannst du jetzt sicher an dein LLM weitergeben. Die Original-PII liegt verschlüsselt in der Session.

Antwort deanonymisieren.

Angenommen das LLM antwortet mit "Ich bestätige die Überweisung an [DE_IBAN_1]." — diesen Text ans Deanonymize-Endpoint:

curl -sS -X POST https://api.tup-ai.de/v1/cortina/deanonymize \
  -H "Authorization: Bearer $TUP_ANON_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Ich bestätige die Überweisung an [DE_IBAN_1].",
    "session_id": "018f4a2c-3d7e-7b4a-8c1e-2f9b3d4e5a6f"
  }'

Antwort:

{
  "original_text": "Ich bestätige die Überweisung an DE89 3704 0044 0532 0130 00.",
  "session_id": "018f4a2c-3d7e-7b4a-8c1e-2f9b3d4e5a6f"
}

import { CortinaClient } from "@tup-ai/cortina";

const cortina = new CortinaClient({ apiKey: process.env.TUP_ANON_KEY! });

// 1. Anonymisieren — Convenience-Pfad mit Auto-Session
const masked = await cortina.anonymize(
  "Bitte auf IBAN DE89 3704 0044 0532 0130 00 überweisen. Tel: +49 6131 1234567",
);
console.log(masked.anonymizedText);
// "Bitte auf IBAN [DE_IBAN_1] überweisen. Tel: [DE_PHONE_NUMBER_1]"

// 2. Den anonymisierten Text an dein LLM
const llmReply = await callMyLLM(masked.anonymizedText);

// 3. Originale wieder einsetzen
const restored = await cortina.deanonymize({
  text: llmReply,
  sessionId: masked.sessionId,
});
console.log(restored.originalText);

import asyncio
from cortina import AsyncCortinaClient

async def main() -> None:
    async with AsyncCortinaClient(api_key=os.environ["TUP_ANON_KEY"]) as cortina:
        # 1. Anonymisieren
        masked = await cortina.anonymize(
            "Bitte auf IBAN DE89 3704 0044 0532 0130 00 überweisen. "
            "Tel: +49 6131 1234567"
        )
        print(masked.anonymized_text)
        # "Bitte auf IBAN [DE_IBAN_1] überweisen. Tel: [DE_PHONE_NUMBER_1]"

        # 2. Den anonymisierten Text an dein LLM
        llm_reply = await call_my_llm(masked.anonymized_text)

        # 3. Originale wieder einsetzen
        restored = await cortina.deanonymize(
            text=llm_reply, session_id=masked.session_id
        )
        print(restored.original_text)

asyncio.run(main())

Was hinter den Kulissen passiert

Wenn du anonymize aufrufst, läuft Text durch eine vierstufige Pipeline (Pattern-Recognizer → spaCy NER → Context-LLM → Adversarial-Loop), und das Original-Mapping wird verschlüsselt in Redis abgelegt.

→ 4-Stage Pipeline im Detail → Sessions & Mapping-Lifecycle