So konfigurieren Sie Datenschutz, Gesprächsverlauf und Hugging Face API-Tokens in HuggingChat

Für datenschutzbewusste Anwender und Entwickler stellt HuggingChat eine der stärksten offenen Alternativen zu kommerziellen, proprietären Chatbot-Plattformen dar. Auf der Open-Source-Engine chat-ui aufbauend, setzt der offizielle Webservice unter huggingface.co/chat standardmäßig auf den Grundsatz „Privacy by Design“: Benutzerkonversationen werden weder an Dritte verkauft noch an externe Modellentwickler weitergegeben, um deren Basismodelle zu trainieren.

Gleichgültig, ob Sie HuggingChat für vertrauliche Recherchen im Arbeitsalltag einsetzen oder eine private Instanz für Ihr Entwicklerteam bereitstellen möchten: Das genaue Verständnis von Datenfreigaben, Aufbewahrungsfristen und Hugging Face API-Zugriffstokens (Access Tokens) ist entscheidend, um vertrauliche Eingaben zu schützen und Zugang zu beschränkten Modellen (Gated Models) zu erhalten.

1. Datenfreigaberichtlinien und Datenschutzarchitektur

Um das Sicherheitsniveau von HuggingChat realistisch zu bewerten, muss zwischen der öffentlichen Weboberfläche und selbst gehosteten Instanzen differenziert werden.

Standardmäßige Datenschutzbasis

Hugging Face hat für HuggingChat klare Leitlinien definiert:

• Kein Modelltraining durch Dritte: Benutzereingaben (Prompts) und Modellantworten werden standardmäßig nicht an Modellanbieter (wie Meta, Mistral AI oder Alibaba) übermittelt, um zukünftige Basismodelle zu trainieren oder zu optimieren.
• Serverseitige Speicherung: Bei Nutzung mit einem Benutzerkonto werden Konversationen in einer abgesicherten MongoDB-Datenbank gespeichert, um den Verlauf über verschiedene Endgeräte hinweg zu synchronisieren.
• Keine kommerzielle Profilbildung: Gesprächsinhalte werden nicht veräußert und nicht für verhaltensbasierte Werbezwecke analysiert.

Steuerung von Datenfreigaben

In selbst gehosteten chat-ui-Instanzen oder experimentellen Testumgebungen können Administratoren über die Umgebungsvariable PUBLIC_APP_DATA_SHARING=1 eine explizite Opt-in-Option im Einstellungsmenü aktivieren. Wenn dieser Parameter fehlt oder auf 0 gesetzt ist, existiert keine Schnittstelle zur externen Datenweitergabe; alle Konversationen verbleiben ausschließlich im lokalen System und der angebundenen Datenbank.

Datenschutzrisiken bei aktivierter Websuche

HuggingChat bietet im Eingabefeld eine optionale Websuchfunktion (Web Search). Ist diese aktiviert, extrahiert das System Suchbegriffe aus Ihrem Prompt und leitet diese an externe Suchmaschinen-APIs (wie Serper oder Exa) weiter, um aktuelle Kontextdaten abzurufen. Falls Ihre Anfrage vertraulichen Quellcode, interne IP-Adressen oder unveröffentlichte Unternehmensdaten enthält, deaktivieren Sie die Websuche vor dem Absenden, um zu verhindern, dass vertrauliche Begriffe in externen Suchindizes protokolliert werden.

Umgang mit öffentlichen Freigabelinks (Share)

Über die Funktion „Share“ kann eine öffentlich abrufbare Momentaufnahme einer Konversation erzeugt werden. Jede Person mit dem entsprechenden Link erhält vollen Lesezugriff. In geschäftlichen und sicherheitskritischen Kontexten sollte die Erstellung solcher Links untersagt sein. Wurde versehentlich ein Link generiert, führt das Löschen des ursprünglichen Chats in der Seitenleiste dazu, dass auch die öffentliche Webansicht unbrauchbar wird.

2. Aufbewahrung und vollständige Löschung des Chatverlaufs

HuggingChat bietet eine lückenlose Kontrolle über die Lebensdauer von Chatdaten, von völlig anonymen Gastsitzungen bis hin zur physischen Datenbankbereinigung.

Gastmodus (Anonyme Nutzung ohne Benutzerkonto)

HuggingChat kann ohne Erstellung oder Anmeldung eines Hugging Face-Kontos genutzt werden:

• Gastsitzungen speichern den Konversationsstatus ausschließlich temporär über Session-Cookies (hf-chat) und den lokalen Browser-Speicher, ohne Zuordnung zu einer Benutzer-ID.
• Durch das Schließen des Browser-Tabs oder das Löschen der Cookies wird der gesamte Sitzungskontext unwiderruflich verworfen.
• Für Anwender, die keine eigene Hardware betreiben, aber dennoch keine Spuren auf Cloud-Servern hinterlassen wollen, bietet der Gastmodus den höchsten Grad an operativer Anonymität.

Löschen einzelner Konversationen

Bei der Nutzung mit einem registrierten Konto wird der Verlauf in der linken Navigationsleiste aufgeführt:

1. Bewegen Sie den Mauszeiger über den Titel des betreffenden Chats in der Seitenleiste.
2. Klicken Sie auf das Drei-Punkte-Symbol (...) oder das Papierkorb-Symbol.
3. Bestätigen Sie den Löschvorgang im Dialogfenster.

HuggingChat führt eine physische Löschung (Hard Delete) aus: Der Datensatz wird unmittelbar und vollständig aus der MongoDB entfernt. Es gibt keinen 30-tägigen Papierkorb oder reversible Soft-Delete-Markierungen.

Vollständige Bereinigung des gesamten Kontoverlaufs

Um alle bisherigen Konversationen eines Kontos auf einen Schlag zu löschen:

1. Klicken Sie links unten auf das Zahnrad-Symbol (Settings).
2. Navigieren Sie zum Bereich für Datenverwaltung (Data Controls).
3. Wählen Sie Delete all conversations (Alle Konversationen löschen) und bestätigen Sie die Aktion.

Dadurch werden sämtliche Chatprotokolle, Tool-Aufrufe und Assistenteneinstellungen, die mit Ihrer Benutzer-ID verknüpft sind, unverzüglich aus der Datenbank entfernt.

3. Konfiguration von Hugging Face API-Tokens und Zugang zu Gated Models

Mithilfe von API-Zugriffstokens können Entwickler auf zugangsbeschränkte Repositories auf dem Hugging Face Hub zugreifen und fortgeschrittene Werkzeuge über das Model Context Protocol (MCP) einbinden.

Freischaltung beschränkter Modelle (Gated Models) im Webinterface

Führende Open-Weights-Modelle wie die Llama 3-Familie von Meta werden auf dem Hub als sogenannte „Gated Models“ bereitgestellt, deren Nutzung die Zustimmung zu Lizenzbedingungen voraussetzt:

1. Melden Sie sich bei Ihrem Konto auf Hugging Face an.
2. Rufen Sie die Repository-Seite des gewünschten Modells auf (z. B. meta-llama/Meta-Llama-3-70B-Instruct).
3. Füllen Sie das Antragsformular aus und akzeptieren Sie die Lizenzvereinbarung.
4. Kehren Sie zu HuggingChat zurück. Da die Plattform Ihre Kontoberechtigung übernimmt, erscheint das Modell automatisch im Modellauswahlmenü, ohne dass im Browser manuell API-Schlüssel hinterlegt werden müssen.

Weiterleitung von Benutzertokens an MCP-Server (Token Forwarding)

HuggingChat unterstützt das Model Context Protocol (MCP) zur Ausführung externer Werkzeuge:

1. Öffnen Sie Settings und wählen Sie MCP Servers.
2. Hinterlegen Sie die URL des gewünschten MCP-Server-Endpunkts.
3. In Unternehmensumgebungen kann die Option MCP_FORWARD_HF_USER_TOKEN=true aktiviert werden. Dadurch wird das Hugging Face-Token des angemeldeten Benutzers sicher an autorisierte MCP-Dienste weitergeleitet, sodass diese auf private Datasets und Repositories des Benutzers zugreifen können, ohne dass globale Administrator-Schlüssel auf dem Server exponiert werden müssen.

Eigene chat-ui-Instanz mit HF_TOKEN einrichten

Entwickler, die maximale Datenhoheit und Netzwerkkapselung verlangen, können den Quellcode von chat-ui lokal oder in einer privaten Cloud betreiben:

Schritt 1: Zugriffstoken mit Mindestrechten erstellen

1. Öffnen Sie Hugging Face Settings > Access Tokens.
2. Klicken Sie auf Create new token.
3. Wählen Sie als Berechtigung zwingend Read (oder erstellen Sie ein feingranulares Token ausschließlich für Inferenzaufrufe). Hinterlegen Sie keinesfalls Schreib- oder Administrator-Tokens in Chat-Frontends.
4. Kopieren Sie das mit hf_ beginnende Token.

Schritt 2: Umgebungsvariablen in .env.local definieren

Erstellen Sie die Konfigurationsdatei im Projektstammverzeichnis:

# OpenAI-kompatibler Endpunkt für Hugging Face Inferenz-Provider
OPENAI_BASE_URL=https://router.huggingface.co/v1

# Autorisierungstoken für Modellinferenz
OPENAI_API_KEY=hf_ihr_read_token_hier

# Bei OpenID-Authentifizierung: Jeder Nutzer nutzt sein eigenes Token für Anfragen
USE_USER_TOKEN=true

# Lokale MongoDB zur eigenständigen Kontrolle der Datenaufbewahrung
MONGODB_URL=mongodb://localhost:27017
MONGODB_DB_NAME=chat-ui-privat

# Externe Datenübermittlung strikt deaktivieren
PUBLIC_APP_DATA_SHARING=0

Schritt 3: Private Instanz starten

docker run -d -p 27017:27017 --name mongo-chatui mongo:latest
npm install
npm run dev

4. Datenschutzmatrix und Einsatzszenarien im Vergleich

5. Empfohlene Best Practices für optimalen Datenschutz

1. Lizenzbedingungen von Gated Models prüfen: Die Annahme von Bedingungen bei beschränkten Modellen stellt einen rechtsgültigen Vertrag dar; vergewissern Sie sich vor Eingabe geschützter Daten über die vertraglichen Grenzen.
2. Prinzip des geringsten Privilegs anwenden: Vergeben Sie für HF_TOKEN oder OPENAI_API_KEY stets reine Lese-Berechtigungen (Read), um im Falle eines Abflusses Schäden an Repositories abzuwenden.
3. Automatische Datenbanklöschung einrichten: Definieren Sie bei selbst gehosteten Installationen TTL-Indizes in MongoDB auf der conversations-Sammlung, um Datensätze automatisch nach 14 oder 30 Tagen zu vernichten.
4. Websuche bei sensiblen Inhalten deaktivieren: Schalten Sie die Websuche vor Eingabe vertraulicher Geschäftsdaten oder Programmzeilen ab, damit keine Parameter an externe Suchdienste gelangen.

Referenzen

• HuggingChat - Chat with AI models
• Privacy Policy – Hugging Face
• User access tokens · Hugging Face
• GitHub - huggingface/chat-ui: The open source codebase powering HuggingChat · GitHub