anonym.legal

By · Last updated 2026-05-24

Terug naar BlogGDPR & Naleving

GDPR DSAR op schaal: 200 verzoeken per maand

GDPR Artikel 15 DSAR's stijgen met 40–60% per jaar. Organisaties ontvangen er honderden per maand. Batch PII-redactie maakt DSAR-verwerking 10× sneller.

May 24, 20268 min lezen
DSAR processingGDPR Article 15data subject access requestright of accessbatch redaction

GDPR DSAR-naleving op schaal: 200 verzoeken per maand

Bijgewerkt voor 2026

GDPR Artikel 15 geeft mensen het recht een kopie van hun gegevens te ontvangen. De 30-dagen antwoordtermijn is verplicht. Verlengingen tot 90 dagen zijn toegestaan voor complexe verzoeken. Boetes zijn reëel: Vodafone Spanje betaalde €1,2 miljoen in 2021. Een Duits bedrijf betaalde €225.000 in 2023. Beide werden beboet voor DSAR-tekortkomingen.

Het DSAR-volume blijft groeien. Privacygroepen helpen mensen verzoeken in bulk in te dienen. Browser-extensies maken het gemakkelijk aanvragen naar meerdere organisaties tegelijk te sturen.

Het schaalprobleem

Elke DSAR vereist dat u identificeert welke gegevens u heeft over de aanvrager. Dan moet u die gegevens verzamelen uit alle systemen. Dan moet u derdengegevens redigeren vóór openbaarmaking — u mag geen informatie over andere personen onthullen in de DSAR-respons van de aanvrager.

Handmatig: 2–4 uur per verzoek. Bij 200 verzoeken per maand: 400–800 uur per maand aan DSAR-werk. Dat is méér dan één voltijds medewerker, alleen voor DSAR's.

Batchverwerking op schaal

Anonym.legal's batch-API verwerkt meerdere DSAR-pakketten tegelijk.

Processtroom:

  1. Export van alle gegevens over de aanvrager uit alle systemen (CRM, ondersteuning, transacties, e-mail)
  2. Upload batchpakket naar anonym.legal
  3. Automatische detectie van PII van derde partijen in het exportpakket
  4. Review van detectiemarkeringen
  5. Productie van geredigeerde DSAR-responsset
  6. Auditlogboek per aanvrager voor compliancedocumentatie

Tijdswinst per verzoek: 2–4 uur handmatig → 20–40 minuten met automatische detectie.

Bij 200 verzoeken per maand: 400–800 uur handmatig → 70–130 uur met automatisering. Dat is een besparing van een halve tot drie kwart FTE.

Artikel 12-naleving

Artikel 12 vereist dat u de aanvrager de categorieën verwerkte gegevens, de doeleinden en de ontvangers meedeelt. Het auditlogboek van anonym.legal documenteert:

  • Welke gegevens zijn gevonden over de aanvrager
  • Welke PII van derde partijen is geredigeerd
  • De tijdstempel van verwerking

Dit biedt de gestructureerde basis voor de Artikel 15-respons.

Gerelateerde Artikelen

GDPR & Naleving

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR & Naleving

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR & Naleving

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

Klaar om uw gegevens te beschermen?

Begin met het anonimiseren van PII met 285+ entiteitstypen in 48 talen.

Start Gratis ProefperiodeBekijk Kenmerken

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.