By · Last updated 2026-06-04

Tilbage til BlogSMB Sikkerhed

MSP'er: Standardisér anonymisering

MSP'er og compliancekonsulenter, der betjener flere klientorganisationer, kan ikke manuelt rekonfigurere PII-værktøjer per klient i stor skala.

June 4, 20267 min læsning
MSP complianceGDPR consultingscalable privacy practicecompliance presetsprivacy consulting

Hvordan MSP'er kan skalere en privacy-praksis på tværs af snesevis af GDPR-klienter

Et GDPR-konsulentkontorer betjener 35 tyske SMV-virksomheder. Hver enkelt har brug for PII-anonymisering opsat til sine egne dokumenttyper og ID-formater.

Uden delte forudindstillinger tager opsætningen 3 timer per engagement. Multiplicér med 35. Det er 105 timers årligt opsætningsarbejde. Det tæller ikke opdateringer, ny onboarding eller tilpassede ændringer.

Med et forudindstillingsbibliotek tager opsætningen 15 minutter per engagement. Samme årlige dækning: 8,75 timer i stedet for 105.

Det er en 12× gevinst. En praksis, der håndterer 12 firmaer, kan håndtere 48 med det samme team.

Se vores guide til forudindstillinger for at lære, hvordan et delt forudindstillingsbibliotek fungerer.

Skaleringsproblemet

Traditionelle PII-værktøjer har en grundlæggende fejl for managed service providers.

Opsætning overføres ikke mellem firmaer. Arbejde udført for Firma A hjælper ikke Firma B. Dette gælder selv når begge har næsten de samme behov.

Branchen former dokumenttyper. Tyske producenter deler en fælles profil: lønsedler, leverandørkontrakter, HR-journaler. Sundhedsvirksomheder deler en anden: patientformularer, forsikringsbreve, kliniske noter. Uden delte forudindstillinger kræver hvert nyt engagement en fuld opsætning fra nul.

Regelændringer rammer alle firmaer på én gang. EDPB offentliggør ny vejledning. Konsulenten skal opdatere alle 35 firmaer. Uden et delt udgangspunkt er det 35 separate sessioner.

Onboarding begrænser vækst. En 3-timers opsætning begrænser, hvor mange nye virksomheder der kan gå live hver uge. Ved én eller to per uge er væksten begrænset af opsætningstid — ikke færdigheder eller efterspørgsel.

Opbygning af et forudindstillingsbibliotek

Et niveau-baseret bibliotek løser dette. Det dækker de mest almindelige opsætninger.

Niveau 1 — Regelgrundlag. Disse gælder for næsten alle klienter i en given zone:

  • "EU GDPR Standard" — kernetyper af personoplysninger i EU
  • "DACH Løn" — tysk, østrigsk og schweizisk løn (inkluderer Steueridentifikationsnummer)
  • "Franske dokumenter" — inkluderer Numéro fiscal, fransksproglig detektion
  • "Sundhed EU" — GDPR plus sundhedsdatatyper

Niveau 2 — Brancheforudindstillinger. Disse tilføjes til et Niveau 1-grundlag:

  • "Juridiske dokumenter — EU" — sagsnumre, advokat-ID'er, domstolsreferencer
  • "Finansielle tjenester" — IBAN, kortdata, kontonumre
  • "HR og løn" — medarbejder-ID'er, løndata, ansættelsesdatoer
  • "Medicinske journaler" — kliniske koder, diagnostiske identifikatorer

Niveau 3 — Tilpassede entiteter. Disse er organisationsspecifikke ID-formater tilføjet til enhver basisforudindstilling:

  • Internt referenceformat (ACC-XXXXXXXX-XX)
  • Medarbejder-ID-format (EMP-XXXXX)
  • Ordrereferenceformat (ORD-XXXXXXX)

Onboarding-trin med dette bibliotek:

  1. Vælg zone → vælg en Niveau 1-forudindstilling (5 minutter)
  2. Vælg branche → vælg eller tilføj en Niveau 2-forudindstilling (5 minutter)
  3. Tilføj interne ID-formater → Niveau 3-tilpassede entiteter (5–15 minutter)
  4. Total: 15–25 minutter per engagement

En reel 35-firma-praksis

Praksisprofil:

  • 35 tyske SMV-virksomheder
  • Brancher: produktion (12), professionelle tjenester (8), sundhed (7), detail (5), teknologi (3)
  • Alle GDPR-underlagt. De fleste har tysksprogede dokumenter med Steueridentifikationsnummern.

Opbyggede forudindstillinger:

  • "Tysk SMV GDPR-grundlag" — dækker alle 35 firmaer (navne, adresser, e-mails, telefoner, Steuer-ID, IBAN)
  • "Produktionskontrakter" — tilføjer leverandørreferencer og produkt-ID-felter
  • "Tysk sundhed SMV" — tilføjer patient- og sundhedsplanidentifikatorer
  • "Professionelle tjenester" — tilføjer sagsreferencer
  • "Detail" — tilføjer ordrenumre og loyalitetsprogram-ID'er

Onboarding før: 3 timer per firma. Onboarding efter: 15 minutter per firma.

Årlig regelopdatering før: 35 × 45 minutter = 26 timer. Årlig regelopdatering efter: Én grundlagsopdatering = 45 minutter. Hvert firma henter den ved næste kørsel.

Praksiskapacitet:

  • Før: 12 firmaer med et 2-personers team
  • Efter: 48 firmaer med det samme team

Portfoliocompliance-overvågning

Et delt forudindstillingsbibliotek hjælper også med overvågning på tværs af alle firmaer.

EDPB offentliggør ny IP-adressevejledning. Konsulenten opdaterer "EU GDPR Standard"-forudindstillingen én gang. Alle firmaer anvender ændringen ved næste kørsel.

En DPA-bøde afslører et hul — f.eks. manglende Steuernummern i lønsedler. Konsulenten tilføjer detektion til den rette forudindstilling. Alle firmaer får rettelsen på én gang.

Complianceviden opbygges i biblioteket. Den akkumuleres på tværs af hele portfolioen.

Se SMV-use case-siden og GDPR-anonymiseringsløsningen for mere om disse workflows.

Indvirkning på omsætningsmodellen

Et forudindstillingsbibliotek ændrer, hvordan en MSP priser og sælger sine tjenester.

Definerede serviceniveauer. Basis: kun grundlagsforudindstilling. Standard: grundlag plus brancheforudindstilling. Premium: tilføjer tilpassede entiteter og kvartalsvise opdateringer. Hvert niveau har klart omfang. Det er lettere at sælge en defineret pakke end et vagt retainerhonorar.

Vækst uden proportional ansættelse. At tilføje 10 flere firmaer betyder forudindstillingsvalg og mindre arbejde. Det er timer, ikke uger. Vækst kræver ikke længere ansættelse i takt med ny omsætning.

Konklusion

Praksisser, der ikke kan vokse ud over 12–15 firmaer uden at tilføje medarbejdere, er fastlåst. Flaskehalsen er opsætningskompleksitet — ikke færdigheder, ikke efterspørgsel.

Et forudindstillingsbibliotek fjerner den flaskehals. Det lagrer complianceviden. Det reducerer onboarding-tid. Det muliggør vækst uden nye ansættelser.

MSP'en, der betjente 35 virksomheder med 105 timers årligt opsætningsarbejde, kan nu betjene 48+ med under 9 timer. Samme færdigheder. Samme team. Bedre værktøjer.

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.