Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs: Update docs with DEV/PROD environment variable standards

Browse Source
This commit is contained in:
Jarvis
2026-02-09 13:02:13 +00:00
parent 41570534fa
commit 5d6ce40a7e
1 changed files with 5 additions and 27 deletions
Download Patch File Download Diff File Expand all files Collapse all files

32
ARCHITEKTUR_GCP_SETUP.md
View File

@@ -55,13 +55,12 @@ Sobald die Projekte da sind, führe ich folgende Schritte durch:
3. **API Key erstellen:** 3. **API Key erstellen:**
* Klick auf **"Create API Key"**. * Klick auf **"Create API Key"**.
* Wähle das verknüpfte GCP-Projekt. * Wähle das verknüpfte GCP-Projekt.
* Kopiere den Key (`AIza...`) sicher weg. Diesen nutze ich in meinen lokalen Skripten. * Kopiere den Key (`AIza...`) sicher weg.
4. **Vertex AI API aktivieren (Optional/Advanced):** 4. **Environment Variablen setzen (Lokal):**
* Falls ich Service Accounts (JSON-Dateien) statt API-Keys nutzen will (für Server-zu-Server): Damit wir Dev und Prod sauber trennen, nutzen wir standardisierte Variablennamen in `.env` Dateien:
* Gehe in die GCP Console -> "APIs & Dienste" -> "Bibliothek". * `GEMINI_API_KEY_DEV` -> Für CLI, OpenClaw, lokale Tests (Projekt: `roboplanet-ai-dev`)
* Suche nach "Vertex AI API". * `GEMINI_API_KEY_PROD` -> Für Company Explorer, GTM-Engine (Projekt: `roboplanet-ai-prod`)
* Klick auf "Aktivieren".
### Checklist für den Termin ### Checklist für den Termin
- [ ] Projekte `roboplanet-ai-dev` und `roboplanet-ai-prod` existieren. - [ ] Projekte `roboplanet-ai-dev` und `roboplanet-ai-prod` existieren.
@@ -184,27 +183,6 @@ flowchart TD
* Vorteil: Wir nutzen die sichere Enterprise-API, ohne Office-Lizenzen ändern zu müssen. * Vorteil: Wir nutzen die sichere Enterprise-API, ohne Office-Lizenzen ändern zu müssen.
* Daten bleiben im kontrollierten GCP-Bereich. * Daten bleiben im kontrollierten GCP-Bereich.
## Datenschutz & Compliance Strategie
### Grundsatz: "Safe Space" & Transparenz
Wir verfolgen einen zweistufigen Ansatz ("Salami-Taktik"), um Datenschutzrisiken zu minimieren und Vertrauen aufzubauen.
**Phase 1: Der "Safe Space" (Aktueller Status)**
* **Datenbasis:** Ausschließlich öffentlich zugängliche B2B-Firmendaten (Handelsregister, Webseiten).
* **Personenbezug:** Keiner (oder nur reine B2B-Kontaktdaten gem. DSGVO Erwägungsgrund 47 / berechtigtes Interesse).
* **Infrastruktur:** Nutzung der bestehenden Google Workspace Enterprise Umgebung ("Walled Garden").
* **Training:** Expliziter Ausschluss der Datennutzung zu Trainingszwecken in der Google Admin Konsole (Enterprise Data Protection).
**Phase 2: Erweiterte Szenarien (Zukunft / Genehmigungspflichtig)**
* **Szenario:** Nutzung interner Daten (z.B. Support-Tickets) zur Mustererkennung.
* **Voraussetzung:** Vorherige Abstimmung eines separaten Datenschutzkonzeptes (z.B. PII-Redaction/Schwärzung vor API-Transfer, Nutzung lokaler LLMs).
* **Commitment:** Keine Verarbeitung kritischer Daten ohne explizites "Go" durch den Datenschutzbeauftragten.
### Technische Maßnahmen
1. **Vertrag:** Nutzung von Vertex AI im Rahmen des bestehenden Google Workspace Enterprise-Vertrags (DPA).
2. **Zero Retention:** Nutzung der API im Modus ohne Datenspeicherung seitens Google.
3. **Data Residency:** Konfiguration der Datenverarbeitung in EU-Rechenzentren (Frankfurt/Belgien) wo möglich.
## Strategie zur Lizenzierung & Kosten (Der "Cloud Identity Free" Ansatz) ## Strategie zur Lizenzierung & Kosten (Der "Cloud Identity Free" Ansatz)
**Ausgangslage:** **Ausgangslage:**