Forschungsprivileg § 27 BDSG: Gesundheitsdaten für Studien anonymisieren – DSGVO-konform anonymisieren (§ 27 BDSG)

Das Forschungsprivileg nach § 27 BDSG erlaubt die Verarbeitung besonderer Kategorien personenbezogener Daten nach Art. 9 Abs. 1 DSGVO für wissenschaftliche Forschungszwecke, sofern die Interessen des Verantwortlichen die Interessen der Betroffenen erheblich überwiegen; die Daten sind gemäß § 27 Abs. 3 BDSG sobald wie möglich zu anonymisieren, bis dahin sind Identifizierungsmerkmale gesondert zu speichern. anonym.legal setzt diese Pflicht technisch um, bis eine endgültige Anonymisierung möglich ist.

When this applies

Ein Forschungsinstitut verarbeitet Gesundheitsdaten aus klinischen Behandlungsverläufen für ein wissenschaftliches Forschungsvorhaben und stützt sich dabei auf das Forschungsprivileg des § 27 BDSG, wonach die Interessen des Verantwortlichen an der Verarbeitung die Interessen der Betroffenen an einem Ausschluss der Verarbeitung erheblich überwiegen müssen und die Daten gemäß § 27 Abs. 3 BDSG so bald wie möglich zu anonymisieren sind, sobald der Forschungszweck dies zulässt; bis dahin sind die Identifizierungsmerkmale gesondert zu speichern. Ein Verstoß gegen diese besonderen Verarbeitungsvoraussetzungen für Gesundheitsdaten kann nach Art. 83 Abs. 5 DSGVO mit Bußgeldern bis zu 20 Mio. € oder 4 % des weltweiten Konzernjahresumsatzes geahndet werden. Es entsteht der Bedarf, die gesonderte Speicherung der Identifizierungsmerkmale technisch umzusetzen, ohne die fachliche Auswertbarkeit der Forschungsdaten zu verlieren.

  1. Die für das Forschungsvorhaben vorgesehenen Gesundheitsdaten werden im Originalformat in anonym.legal hochgeladen.
  2. Die Erkennung prüft den Inhalt gegen über 267 Entitätstypen und identifiziert Namen, Kontaktdaten und weitere Personendaten der Betroffenen.
  3. Jede betroffene Person wird über alle Datensätze hinweg konsistent durch dasselbe Pseudonym ersetzt.
  4. Fachlich relevante Angaben ohne unmittelbaren Personenbezug bleiben für die statistische Auswertung im Klartext erhalten.
  5. Die Zuordnung von Pseudonym zu Klarname wird in einer verschlüsselten, EU-ansässigen Mapping-Tabelle abgelegt — die gesonderte Speicherung der Identifizierungsmerkmale, die § 27 Abs. 3 Satz 2 BDSG bis zur endgültigen Anonymisierung verlangt.
  6. Die pseudonymisierte Fassung wird dem Forschungsinstitut zur Auswertung bereitgestellt; eine Re-Identifizierung bleibt auf begründete Ausnahmefälle mit Schlüsselzugriff beschränkt.

What you provide

  • Gesundheitsdaten aus klinischen Behandlungsverläufen
  • Beschreibung des wissenschaftlichen Forschungsvorhabens
  • Angabe der betroffenen Personen

Limitations & cautions

  • Ob die Interessen des Verantwortlichen an der Verarbeitung die Interessen der Betroffenen an einem Ausschluss der Verarbeitung im Sinne des § 27 BDSG tatsächlich erheblich überwiegen, bewertet anonym.legal nicht.
  • Die Pseudonymisierung ist reversibel; eine endgültige Anonymisierung tritt erst mit dem Löschen des Zuordnungsschlüssels ein.
  • Wann genau der Forschungszweck eine endgültige Anonymisierung nach § 27 Abs. 3 BDSG zulässt oder verlangt, bleibt Ihre fachliche Einschätzung.

FAQ

Was verlangt das Forschungsprivileg nach § 27 BDSG konkret?

§ 27 BDSG verlangt, dass die Interessen des Verantwortlichen an der Verarbeitung die Interessen der Betroffenen an einem Ausschluss der Verarbeitung erheblich überwiegen und die Daten gemäß § 27 Abs. 3 BDSG so bald wie möglich anonymisiert werden, sobald der Forschungszweck dies zulässt; bis dahin sind die Identifizierungsmerkmale gesondert zu speichern.

Bleiben statistisch relevante Angaben nach der Pseudonymisierung erhalten?

Ja, fachliche Angaben ohne unmittelbaren Personenbezug bleiben für die statistische Auswertung im Klartext erhalten. Nur identifizierende Personendaten werden ersetzt.

Wie wird dieselbe betroffene Person über mehrere Datensätze erkannt?

Jede betroffene Person wird über alle Datensätze hinweg konsistent durch dasselbe Pseudonym ersetzt. Die Zuordnung wird verschlüsselt mit EU-Datenresidenz gespeichert.

Ist die Pseudonymisierung nach § 27 BDSG endgültig?

Nein, die Pseudonymisierung ist reversibel; eine endgültige Anonymisierung tritt erst mit dem Löschen des Zuordnungsschlüssels ein. Wann dies zulässig ist, bleibt Ihre fachliche Einschätzung.

Klinische Forschung

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.

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 company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.

Hetzner holds 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.