anonym.legal

By · Last updated 2026-05-01

Terug na BlogGDPR & Nakoming

Interne Werknemeridentifiseerders Is Ook PII

Elke groot organisasie het eie interne identifiseerders wat geanonimiseerde rekords terugkoppel aan regte mense. 34% van GDPR-boetes behels onvoldoende tegniese maatreels.

May 1, 20268 min lees
employee ID anonymizationproprietary identifier detectionquasi-PIIGDPR custom entitiesno-code pattern builder

Wat Is Kwasi-PII?

GDPR Artikel 4 dek enige data wat 'n persoon kan identifiseer. Die data hoef nie iemand direk te noem nie. Dit hoef slegs identifikasie moontlik te maak deur ekstra stappe.

Interne werknemeridentifiseerders is 'n duidelike voorbeeld. Neem die waarde "EMP-EU-123456." Daardie string noem niemand nie. Maar die HR-stelsel hou 'n eenvoudige opsoektabel. EMP-EU-123456 wys na Maria Schmidt, Senior Ingenieur, Munchen. Enigiemand met toegang tot daardie tabel kan haar vind. Onder GDPR is die ID persoonlike data.

Dieselfde reel geld vir ander interne kodes:

  • Klienterekening-nommers wat na CRM-rekords skakel
  • Projekkodes wat na kliennamme in kontraksisteme skakel
  • Sake-verwysingsnommers in regsleers
  • Mediese rekordnommers wat na pasienterekords skakel

Die verwydering van name en e-posse is nie genoeg nie. As interne ID'e in 'n leer bly, is her-identifikasie slegs twee stappe weg.

Waarom Hierdie Gaping tot Boetes Lei

34% van alle GDPR-boetes behels onvoldoende tegniese maatreels onder Artikel 32. Hierdie syfer kom van die DLA Piper 2025 GDPR-jaarverslag. Versuim om kwasi-identifiserende interne identifiseerders op te spoor val in hierdie kategorie.

Die EDPB het meer as 900 konsistensie-meganismesake in 2024 gehanteer. Grensoverschreidende handhawing beteken een gaping in 'n gedeelde datastel kan lei tot gekoordineerde optrede oor verskeie EU-lidstate.

Standaard PII-gereedskap vind universele patrone: name, e-posse, telefoonnommers, nasionale ID'e. Hulle ken nie u interne ID-formaat nie. Geen instrument doen dit totdat u dit vertel nie. Dit is die gaping.

Hoe die Geen-Kode Patroonbouer Werk

'n Globale logistieke maatskappy moet werknemersrekords vir 'n eksterne oudit anonimiseer. Hul werknemeridentifiseerders gebruik hierdie formaat: EMP-[STREEK]-[6 syfers]. Drie voorbeelde: EMP-EU-123456, EMP-APAC-789012, EMP-AMER-345678.

Die nakomingspan voer drie voorbeelde in die KI-patroonhulper in. Die KI gee terug:

  • Patroon: EMP-[A-Z]{2,4}-\d{6}
  • Pas alle drie voorbeelde
  • Voorgestelde entiteitsnaam: WERKNEMER-ID
  • Aanbevole volgende stap: toets met meer streekkodes

Die span toets tien meer voorbeelde. Die patroon werk op almal.

Hulle stoor die pasgemaakte entiteit na die span se gedeelde GDPR-voorinstelling. Al 47 dokumente in die ouditpakket word in een bondel verwerk. Elke werknemeridentifiseerder word vervang met 'n rolgebaseerde etiket. Die ouditfirma kry leers wat nie meer na enige individu skakel nie.

Geen ingenieurshulp is nodig nie. Die hele opstelling neem minder as 'n uur.

Wat Volgende Gebeur

Sodra die pasgemaakte entiteit na 'n gedeelde voorinstelling gestoor is, gebruik alle spanlede dieselfde opstelling. Nuwe personeel kry dit op dag een. Bondeltake, API-oproepe en handmatige opladings pas almal dieselfde patroon toe.

Die ouditspoor toon watter voorinstelling vir elke leer gebruik is. As 'n DPA bewys van u anonimiseringsproses vra, kan u dit wys.

Vir die volledige pasgemaakte entiteitsopstelling-werkstroom, sien pasgemaakte PII-identifiseerders vir organisatoriese anonimisering. Vir die handhawing van hierdie opstelling oor spanne heen, sien anonimiseringskonsisteensievoorinstellings vir GDPR-oudit.

Bronne

Gereed om u data te beskerm?

Begin om PII te anonimiseer met 285+ entiteitstipes in 48 tale.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.