By · Last updated 2026-04-09

Tilbage til BlogJuridisk Teknologi

FOIA-bunke: Automatiseret sagsbehandling i det offentlige

Amerikanske FOIA-anmodninger nåede 1,5 millioner i FY2024 — en stigning på 25%. Sagsbunken voksede med 33% til 267.056 verserende anmodninger. Staten brugte 723 millioner dollars på behandlingen.

April 9, 20268 min læsning
FOIA automationgovernment document redactionpublic records compliancebatch Word processingfederal agency efficiency

Den føderale FOIA-krise

Amerikanske føderale myndigheder modtog 1,5 millioner FOIA-anmodninger i FY2024 — 25% flere end året før. Sagsbunkerne voksede 33% til 267.056 verserende anmodninger. Myndighederne brugte anslået 723 millioner dollars på at håndtere dem.

Det afspejler et kapacitetsproblem. Cirka 5.638 FOIA-medarbejdere er ansat på tværs af alle føderale myndigheder. Med 1,5 millioner anmodninger om året behandler hver person ca. 266 sager årligt. Det er lidt over én om arbejdsdagen. Der er ingen buffer til store, komplekse anmodninger og ingen margen til 33% vækst i sagsbunken. Personalenedskæringer hos mange myndigheder forværrer situationen yderligere.

Hvorfor hver anmodning tager så lang tid

De fleste føderale dokumenter er Word-filer. Juridiske notater, politiske beslutninger og korrespondance lever alle i Word. Medarbejderne skal læse hver side, anvende hver undtagelse og efterkontrollere arbejdet inden frigivelse.

Undtagelse 6 alene dækker navne, adresser, CPR-numre og fødselsdatoer. En enkelt 50-siders fil kan indeholde hundredvis af datapunkter, der hver kræver en selvstændig vurdering. Ganges det med tusindvis af dokumenter, bliver behandlingstiden strukturel — ikke et enkeltstående problem.

Færre medarbejdere, samme mængde. Sagsbunkematematikken forbedrer sig ikke af sig selv.

Hvad automatisering ændrer

ATF — Bureau of Alcohol, Tobacco, Firearms and Explosives — tilskriver automatiserede redigeringsværktøjer 20–30% produktivitetsgevinster i sagsbehandlingen. Det er et dokumenteret resultat, der sandsynligvis endda undervurderer gevinsten for myndigheder, der stadig bruger ren manuel gennemgang.

En automatiseret scanning af et dokument er hurtig. Systemet finder navne, ID-numre og andre beskyttede data og markerer dem. Medarbejderne kontrollerer derefter de markerede elementer i stedet for at læse hver eneste linje. Scanningen tager sekunder. Menneskelig tid flyttes til saglige vurderinger — der, hvor den skaber reel værdi.

For en batchanmodning med 8.000 dokumenter relateret til én politisk beslutning er den forskel afgørende for, om opgaven overhovedet kan løses med normalt personale.

Det rigtige værktøj til opgaven

Offentlig FOIA-behandling stiller klare krav. Dokumenter skal forblive i Word-format. Formatering skal overleve processen. Sporing af ændringer, fodnoter og indlejrede objekter skal bevares intakte. En beskadiget fil giver ansøgere grundlag for en klage.

Store anmodninger kræver batchkapacitet. At behandle hundredvis af dokumenter pr. omgang er minimumet, ikke loftet. Og medarbejdere på tværs af en myndighed skal anvende de samme undtagelsesregler hver gang — hvilket kræver delte, låste forudindstillede konfigurationer.

Forudindstillede redigeringsworkflows gør præcis det. Én forudindstilling dækker navne, adresser og CPR-numre under Undtagelse 6. En anden dækker fortroligt materiale under Undtagelse 5. Medarbejderne vælger den rette forudindstilling og gennemgår resultaterne — i stedet for at træffe hvert kategorivalg fra bunden på hvert enkelt dokument. For det bredere compliancebillede, se sikkerheds- og complianceoversigten.

ATF-resultatet viser, hvordan det fungerer i praksis. Tyve til tredive procent mere output fra det samme team. Den type gevinst er afgørende, når anmodningsmængden stiger med 25% om året, og personaleniveauet ikke følger med.

Sagsbunken løser ikke sig selv. Værktøjerne til at bremse den er tilgængelige nu.

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.