By · Last updated 2026-05-28

Tilbage til BlogTeknisk

FOIA: AI Reducerer Redaktion fra Uger til Timer

Den føderale regering brugte anslået 500 millioner dollar på FOIA-behandling i 2024, primært manuel redaktion. ARPA-H søgte eksplicit AI-redaktionssoftware til at tackle de voksende efterslæb.

May 28, 20268 min læsning
FOIA automationgovernment AIARPA-HDSARpublic records redaction

FOIA: AI Reducerer Redaktion fra Uger til Timer

Opdateret for 2026.

Den føderale regering brugte anslået 500 millioner dollar på FOIA-behandling i 2024. Størstedelen af den omkostning var manuel redaktion. DOJ-efterslæbet passerede 100.000 åbne anmodninger.

ARPA-H udsendte et udbud i 2025 om AI-redaktionssoftware. HHS fandt, at dens CMS-afdeling havde brug for AI-drevne værktøjer. Manuelt arbejde havde skabt efterslæb, som personalet ikke kunne afvikle.

Spørgsmålet har skiftet. Det handler ikke længere om, hvorvidt automatisering skal bruges. Det handler om, hvordan man gør det på en måde, der holder i retten.

Det Føderale Efterslæbsproblem

Under 5 U.S.C. §552 skal agenturer svare inden for 20 arbejdsdage. I praksis tager mange måneder. Nogle tager år.

DOJ-efterslæbet på 100.000+ anmodninger svarer til ca. 2 milliarder minutters manuel gennemgang. Det forudsætter blot 20 minutter pr. anmodning. Til offentlige afregningssatser løber arbejdsomkostningerne op i milliarder.

Størstedelen af den tid går til én opgave. Personalet scanner sider for navne, adresser og telefonnumre. Det kræver ikke advokatvurdering. Det kræver mønstergenkendelse. En algoritme gør det på sekunder.

Hvad ARPA-H og HHS Krævede

ARPA-H søgte AI-redaktionssoftware til FOIA-dokumentbehandling. Deres angivne krav var:

  • Automatisk identifikation af Undtagelse 6 og 7(C) personoplysninger.
  • Batchbehandling af store dokumentsæt.
  • Understøttelse af blandede formater: PDF, Word og e-mail.
  • Dokumentation af revisionsspor.
  • Forsvarligt output til FOIA-svar.

HHS/CMS nåede til samme konklusion. Voksende mængder og uændret bemanding gjorde manuel gennemgang uholdbar. Disse agenturer jagtede ikke ny teknologi. De løste en compliance-krise.

Stat og Lokalt: Færre Ressourcer, Samme Regler

Føderale agenturer har dedikerede FOIA-kontorer og juridiske budgetter. Statslige og lokale myndigheder har de samme juridiske forpligtelser med langt færre ressourcer.

Californiens CPRA kræver svar inden for 10 kalenderdage. Et amt med et trepersoners juridisk team kan ikke gennemgå 2.000 dokumenter i det tidsvindue. Mulighederne er begrænsede:

  1. Afvis eller forsink — hvilket skaber juridisk risiko.
  2. Ansæt midlertidigt personale — dyrt og langsomt.
  3. Automatiser den mekaniske redaktionsfase.

Mulighed 3 er nu inden for rækkevidde. Den samme batchbehandling, som føderale agenturer bruger, er tilgængelig for amtets juridiske afdelinger. Ingen lange udbudstidslinjer kræves. Se vores compliance-oversigt for, hvordan regler om offentlige journaler gælder på tværs af jurisdiktioner.

EU DSAR'er: Det Samme Problem

GDPR Artikel 15 Registrerede Anmodninger (DSAR'er) skaber en parallel udfordring for EU-organisationer. I modsætning til FOIA gælder DSAR-forpligtelser for alle organisationer, der behandler personoplysninger. En lille SaaS-virksomhed kan modtage samme volumen af DSAR'er som en stor bank.

Den praktiske udfordring afspejler FOIA. En organisation skal fremlægge alle data, den har om en specifik person. Tredjeparters personoplysninger skal redigeres ud af svaret. Fristen er 30 dage.

Hver DSAR, der berører e-mailarkiver, supportbilletter og ordrejournaler, kan betyde hundredvis af dokumenter at gennemgå. For organisationer, der håndterer 20–50 DSAR'er pr. måned, kræver manuel gennemgang en eller flere fuldtidsmedarbejdere. Batchautomatisering reducerer det til deltidsarbejde.

Desktop-Behandling for Følsomme Journaler

Nogle agenturer kan ikke bruge webbaserede værktøjer. Data, der skal forblive inden for agenturets systemer, kræver lokal behandling.

Desktop-appen (anonym.plus) er bygget til dette brugsscenarie:

  • Al behandling kører på agenturets eget hardware.
  • Ingen data sendes til eksterne servere.
  • Batchkørsler håndterer 1–5.000 filer ad gangen.
  • Understøttede formater: PDF, DOCX, XLSX, TXT, CSV, JSON, XML.
  • Behandlede filer pakkes som et ZIP-arkiv.
  • CSV- og JSON-eksport med metadata pr. fil er inkluderet.

For agenturer med air-gappede netværk eller strenge dataresidens-regler er lokal behandling den eneste levedygtige vej. Desktop-appen bruger den samme detektionsmodel — XLM-RoBERTa med 285+ enhetstyper — som webplatformen. Den fungerer fuldt offline.

Se vores Desktop-app-dokumentation for opsætningsdetaljer.

Implementeringsnoter

Revisionsspor. Statslige arbejdsgange kræver registreringer af, hvad der blev redigeret, på hvilken basis og af hvem. Batchmetadata dækker de to første. Routing af undtagelsesdokumenter gennem personalets gennemgang dækker resten.

Konsistens. Et FOIA-svar, der redigerer et navn i ét dokument, men misser det i et andet, skaber juridisk eksponering. En fast automatiseret konfiguration fjerner den inkonsistens.

SBU-materialer. Mange offentlige dokumenter er følsomme men ikke klassificerede. Lokal behandling håndterer SBU-filer uden netværksbrug. Webbaseret behandling med passende DPA-aftaler dækker ikke-SBU-filer.

Outputformat. Rediger-metoden bruger sort-bjælke-erstatning. Dette passer til udseendet af standard FOIA-redaktioner og egner sig til rettsproduktion. Token-tilgangen — såsom [REDACTED - Undtagelse 6] — tilføjer eksplicit undtagelsescitation til mere detaljerede journaler.

Konklusionen

FOIA er en juridisk pligt. Fristen på 20 arbejdsdage er ikke et mål. Når anmodningsvolumener overstiger, hvad personalet kan håndtere, opstår fejl.

AI-drevet batchredaktion erstatter ikke juridisk vurdering. Den fjerner den mekaniske fase — at finde og markere standard personoplysninger på tværs af tusindvis af dokumenter. Den fase bruger 70–80% af gennemgangstiden. Personalet kan derefter fokusere på de 10–20% af dokumenterne, hvor kontekst er afgørende.

ARPA-H og HHS/CMS så begge dette. Statslige og lokale myndigheder og EU-organisationer, der står over for DSAR-forpligtelser, har den samme udfordring. Se vores sikkerheds- og compliance-oversigt for, hvordan forsvarlige redaktionsworkflows er struktureret.

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.