By · Last updated 2026-04-07

Tilbage til BlogJuridisk Teknologi

Excel og GDPR: Risici ved regnearkdata

GDPR-anmodninger om indsigt steg 180 % fra 2021 til 2024 (EDPB). Gennemsnitlig DSAR-behandling tager 12 timer manuelt. HR-afdelinger, der administrerer.

April 7, 20268 min læsning
Excel GDPR anonymizationspreadsheet redactionDSAR processingEDPB right of accessHR data compliance

Excel-GDPR-kløften

PDF-redigeringsværktøjer fungerer ikke på Excel-filer. Dette skaber en compliancekløft. I virksomhedsmiljøer berører den hvert HR-, finans- og driftsteam.

GDPR-anmodninger om indsigt steg 180 % mellem 2021 og 2024 (EDPB's årsrapport). Når en DSAR ankommer, skal du dele den registreredes personoplysninger. Du skal også beskytte alle andres data i den samme fil. Det er ikke nok at eksportere bestemte rækker. De øvrige poster forbliver synlige. Korrekt DSAR-overholdelse kræver anonymisering af alle ikke-anmoderens data.

Den gennemsnitlige DSAR tager 12 timer at behandle manuelt. Med 200 DSAR'er om måneden svarer det til 2.400 medarbejdertimer. Manuel behandling skalerer ikke.

Hvad Excel-anonymisering skal dække

Regneark har problemer, som tekstbaserede værktøjer ikke er bygget til at håndtere.

Skjulte rækker og kolonner. Excel-filer skjuler ofte rækker og kolonner. Disse kan indeholde kladdeoptegnelser eller originalværdier. Et værktøj, der kun læser synlige celler, overser persondata i skjulte områder.

Formelreferencer. En celle kan vise en værdi opbygget fra andre celler. At slette kildecelerne opdaterer ikke formelresultatet. Den originale persondata forbliver i formeloutputtet.

Pivottabel-cache. Excel-pivottabeller gemmer en kopi af kildedataene. At slette kildearkene rydder ikke cachen. Enhver med filen kan læse de cachelagrede data.

Tværgående arklinks. Et navn på Ark 1 kan optræde i en formel på Ark 3. At slette Ark 1 uden at opdatere Ark 3 kan afsløre den originale værdi via formlen.

Et compliancegodkendt værktøj skal behandle alle ark — herunder skjulte — og opdatere alle formelreferencer.

HR-scenariet: Deling af 50.000 medarbejderoptegnelser

En tysk producent skal dele 50.000 medarbejderoptegnelser med en ekstern konsulent. GDPR artikel 28 kræver tekniske kontroller ved deling af data med en databehandler. Filen har 37 kolonner: navne, hjemmeadresser, lønninger, bedømmelser og sygedagedata.

Manuel anonymisering af 50.000 rækker er ikke praktisk gennemførlig inden for noget compliancevindue.

Word og Excel-tilføjelsesprogrammet fungerer direkte i Microsoft Excel — ingen eksport nødvendig. PII-detektion kører på tværs af alle synlige og skjulte ark. Navne bliver til konsekvente pseudonymer. Det samme navn i to celler får det samme token. Analytiske sammenhænge bevares. Adresser bliver til typekorrekte pladsholdere. Lønninger efterlades uændrede. Alle 50.000 rækker behandles på få minutter.

Per-entitetsregler lader dig behandle hver datatype forskelligt. CPR-numre bliver til maskerede strenge. Adresser reduceres til bynavnniveau. Private e-mailadresser bliver til rollebaserede pladsholdere.

Denne udfordring er ikke unik for Excel. Hvert filformat har sine egne fejltilstande. Se hvordan formatfragmentering påvirker PII-detektion på tværs af filtyper.

Tre GDPR-regler i ét gennemløb

Regnearksunanonymisering opfylder tre artikel 5-regler på én gang.

Dataminimering (art. 5(1)(c)). Kun de kolonner, modtageren har brug for, deles. Identificerende kolonner ryddes.

Opbevaringsbegrænsning (art. 5(1)(e)). Originalfilen bevares til juridisk opbevaring. En ren kopi deles med en kortere opbevaringsperiode.

Integritet og fortrolighed (art. 5(1)(f)). Ingen identificerende data forlader kontrolzonen. Kun den rene kopi sendes ud.

Revisionssporet fra hvert gennemløb er også dit artikel 5(2)-register. Det viser, hvilken regel der er anvendt på hver fil og hver celle.

For teams, der håndterer store DSAR-mængder under stramme deadlines, se GDPR DSAR-batchbehandling i stor skala.

Kilder

Klar til at beskytte dine data?

Begynd at anonymisere PII med 285+ enhedstyper på tværs af 48 sprog.

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.