Udemy
Turn what you know into an opportunity and reach millions around the world.
Learn More
Your cart is empty.
Keep shopping
Enterprise-RAG-Sicherheit: Vektordatenbanken & Datenschutz
New

Enterprise-RAG-Sicherheit: Vektordatenbanken & Datenschutz

Sichere RAG-Pipelines: Zugriffskontrolle in der Vektordatenbank, PII-Schutz, Abwehr von Prompt-Injection & Datenabfluss
Last updated 11/2026
German
German

What you'll learn

  • Eine RAG-Pipeline mit den OWASP Top 10 für LLM-Anwendungen (2026) auf Bedrohungen analysieren.
  • Erklären, warum Embeddings keine Anonymisierung sind und als sensible Daten behandelt werden müssen.
  • Die Datenaufnahme mit Klassifizierung, DLP, Maskierung von PII/PHI, Schwärzung und Pseudonymisierung absichern.
  • Chunk-Metadaten und ACL-Schemas entwerfen, die die Zugriffskontrolle in den Vektorspeicher tragen.
  • Vektordatenbanken härten (Authentifizierung, Verschlüsselung, Netzwerkisolation, Muster der Mandantenfähigkeit).
  • Verpflichtende, identitätsbasierte RBAC- und ABAC-Metadatenfilterung zur Abfragezeit umsetzen.
  • Direkte und indirekte Prompt-Injection mit Guardrails für Ein- und Ausgabe abwehren.
  • Die Offenlegung des Systemprompts und die Offenlegung sensibler Informationen in Antworten verhindern.
  • RAG sicher betreiben: Observability, Missbrauchserkennung, Ratenbegrenzung und Incident Response.
  • Kontrollen HIPAA, DSGVO, SOC 2 und der KI-Verordnung zuordnen und das Recht auf Vergessenwerden umsetzen.
  • Eine vollständige sichere RAG-Referenzarchitektur und ein Abschlussprojekt für das Portfolio erstellen.

Course content

6 sections • 32 lectures • 3h 18m total length
  • Willkommen — warum RAG-Sicherheit jetzt Ihr Thema ist6:38
  • Wie RAG wirklich funktioniert — die Pipeline, die Sie verteidigen6:25
  • Die RAG-Bedrohungslandschaft — OWASP LLM Top 10, zugeordnet6:01
  • Datenschutz-Grundlagen — warum Embeddings keine Anonymisierung sind5:27
  • Das Modell der geteilten Verantwortung für Enterprise-RAG5:33
  • Quiz zu Kapitel 1 — Grundlagen der RAG-Sicherheit
  • Aufgabe 1 — Bedrohungsmodell für die RAG-Pipeline von Atlas

Requirements

  • Sie können Python-Code lesen und Skripte lokal ausführen (die Labs nutzen Python).
  • Grundkenntnisse über LLMs und die Idee von RAG (hilfreich, nicht erforderlich — Kapitel 1 bringt Sie auf Stand).
  • Ein allgemeiner Hintergrund in Sicherheit oder Softwareentwicklung hilft, ist aber nicht zwingend.
  • Für die Praxis-Labs: ein Rechner, auf dem Python und Docker laufen (Lab 3 ist vollständig eigenständig und braucht keine externen Dienste).

Description

Dieser Kurs wurde unter Zuhilfenahme von künstlicher Intelligenz erstellt.

Retrieval-Augmented Generation (RAG) ist der Weg, auf dem Unternehmen ihre eigenen Daten hinter ein LLM stellen — und zugleich eines der riskantesten Systeme, die Sie bauen können. Sobald Sie Ihre Dokumente chunken und einbetten, gehen ihre ursprünglichen Zugriffsberechtigungen verloren. Solange Sie die Autorisierung nicht auf Vektorebene neu aufbauen, kann jede Person, die dem Assistenten Fragen stellen darf, potenziell jeden aufgenommenen Chunk abrufen: die Unterlagen einer anderen Abteilung, personenbezogene Daten von Kunden, den Vertrag eines Wettbewerbers oder Ihren eigenen Systemprompt.

In diesem Kurs lernen Sie, sichere RAG-Pipelines von Anfang bis Ende aufzubauen. Der Kurs setzt auf Animation und konkrete Beispiele und folgt durchgehend einer Modellfirma — Meridian Health und ihrem internen Assistenten „Atlas“ —, begleitet von der leitenden Sicherheitsingenieurin Priya Nair. Sie sehen genau, wo Daten abfließen, warum Embeddings keine Anonymisierung sind und wie Sie Kontrollen über Aufnahme, Vektorspeicher, Abruf, Generierung und Betrieb staffeln.

Alles ist den OWASP Top 10 für LLM-Anwendungen (2026) zugeordnet, mit besonderem Fokus auf die RAG-spezifischen Kategorien: LLM09 Schwachstellen bei Vektoren und Embeddings, LLM01 Prompt-Injection, LLM02 Offenlegung sensibler Informationen und LLM08 Offenlegung verborgenen Kontexts (früher Offenlegung des Systemprompts).

Was diesen Kurs auszeichnet

  • Eine echte Architektur statt Spielzeug-Demos. Jedes Konzept wird auf den Assistenten Atlas von Meridian Health angewendet — Klassifizierung, Schwärzung, ACL-Metadaten, RBAC/ABAC-Filterung zur Abfragezeit, Guardrails, Monitoring, Incident Response und das Recht auf Vergessenwerden.
  • Vier Praxis-Labs. Sichere Aufnahme (klassifizieren, PII schwärzen, ACL-Metadaten anhängen), Zugriffskontrolle zur Abfragezeit (das zentrale RBAC/ABAC-Lab), Red Teaming (ein System von 6/6 erfolgreichen Angriffen auf 0/6 bringen) und Recht auf Vergessenwerden (die Vektoren einer Person löschen und die Nichtabrufbarkeit nachweisen).
  • Ein Abschlussprojekt für Ihr Portfolio. Sechs aufeinander aufbauende Aufgaben ergeben ein vollständiges Sicherheitspaket „Atlas absichern“ — ein echtes Bedrohungsmodell und eine Kontrollarchitektur für ein Enterprise-RAG-System, die Sie auch im Bewerbungsgespräch zeigen können.
  • Compliance, die Sie vertreten können. Sie ordnen Ihre Kontrollen HIPAA, DSGVO, SOC 2 und der KI-Verordnung der EU zu.
  • Hinweis zur Sprache. Videos, Quizze und Unterlagen sind auf Deutsch; der Code der Praxis-Labs, Befehle und die Angriffs-Prompts bleiben auf Englisch, damit sie mit dem Lab-Code übereinstimmen.

Am Ende des Kurses können Sie

  • eine RAG-Pipeline anhand der OWASP LLM Top 10 auf Bedrohungen analysieren und die wirklich relevanten Risiken priorisieren;
  • den Abfluss sensibler Daten schon bei der Aufnahme stoppen — mit Klassifizierung, DLP, Maskierung und Pseudonymisierung;
  • die Autorisierung auf Vektorebene neu aufbauen, mit verpflichtender, identitätsbasierter RBAC- und ABAC-Metadatenfilterung zur Abfragezeit — und nachweisen, dass sie den Zugriff über alle Formulierungen und Mandanten hinweg verweigert;
  • den Abruf- und Generierungspfad gegen direkte und indirekte Prompt-Injection, die Offenlegung des Systemprompts und die Offenlegung sensibler Informationen verteidigen;
  • RAG sicher betreiben: Logging, Missbrauchserkennung, Incident Response und nachgewiesene Datenlöschung;
  • all das zu einer sicheren RAG-Referenzarchitektur und einem portfoliotauglichen Abschlussprojekt zusammenführen.

Wenn Sie Systeme bauen, absichern oder freigeben, die Unternehmensdaten hinter ein LLM stellen, gibt Ihnen dieser Kurs das Denkmodell und die konkreten Kontrollen, um das zu tun, ohne preiszugeben, was Ihnen anvertraut wurde.

Who this course is for:

  • Software-, ML- und Plattform-Engineers, die RAG- und LLM-Anwendungen bauen oder betreiben.
  • Sicherheitsingenieure und -architekten, die für KI/LLM-Systeme und Datenschutz verantwortlich sind.
  • Technische Leads sowie Fachleute aus AppSec und GRC, die Enterprise-RAG bewerten oder freigeben müssen.
  • Alle, die proprietäre oder regulierte Daten hinter ein LLM stellen und das tun müssen, ohne sie preiszugeben.