By · Last updated 2026-06-05

Tilbage til BlogGDPR & Overholdelse

ÚOOÚ Tjekkiet: GDPR for industrien

Tjekkisk ÚOOÚ udstedte 58 håndhævelsesafgørelser i 2024; industri og produktion udgør 34 % af overtrædelserne. 67 % af tjekkiske virksomheder bruger tyske værktøjer, der mangler tjekkisk sprogsupport.

June 5, 20268 min læsning
Czech Republic ÚOOÚrodné číslomanufacturing GDPRCentral Europe complianceCzech identifiers

ÚOOÚ og GDPR i tjekkisk industri

Úřad pro ochranu osobních údajů (ÚOOÚ) udstedte 58 håndhævelsesafgørelser i 2024. Industri- og automobilfirmaer stod for 34 % af disse. Det er den højeste andel i nogen sektor.

Škoda Auto, Toyota, Foxconn og mange tier-leverandører driver aktiviteter i Tjekkiet. GDPR-efterlevelse kræver der værktøjer, der håndterer lokale data. De fleste redskaber i brug gør det ikke.

Problemet med moderselskabets værktøjer

ÚOOÚ-data viser et klart fejlmønster. Moderselskaber i udlandet implementerer udenlandsk konfigurerede PII-værktøjer til lokale enheder.

Når en stor koncern implementerer sit standardværktøj til et Praha-kontor:

  1. Værktøjet er opsat til udenlandske identifikatorer. Det dækker ikke lokale.
  2. Medarbejderkontrakter og HR-filer er på tjekkisk. Værktøjet er ikke trænet på tjekkisk tekst.
  3. NER-nøjagtighed for tjekkisk er 23 % lavere end for tilsvarende tekst på andre sprog. (ÚOOÚ teknisk vejledning, 2024)
  4. Rodné číslo overses i filer, der ikke er markeret som tjekkiske.
  5. Medarbejderes sundheds- og HR-data flyttes uden den beskyttelse, myndighederne kræver.

67 % af lokale virksomheder er afhængige af værktøjer, der overser landespecifikke identifikatorer. ÚOOÚ holder den lokale dataansvarlige ansvarlig — ikke den udenlandske leverandør.

Rodné číslo: Særlig kategori af oplysninger

Rodné číslo er et fødselsnummer med formatet RRMMDD/XXXX.

  • Ciffer 3-4 koder for fødselsmåneden. For kvinder lægges 50 til. En kvinde født i januar vises som 51, ikke 01.
  • En skråstreg adskiller datoen fra suffikset.
  • Suffikset har 3-4 cifre med et modulus-11 kontrolciffer.

Kønskodningen gør dette nummer til oplysninger i særlig kategori i henhold til GDPR artikel 9. Det afslører køn ved konstruktion. Forhøjet beskyttelse gælder.

Tre ting skal dækkes. For det første kvindemånedsoffsettet — 50-reglen. For det andet modulus-11 kontrolciffervalidering. For det tredje både 9-cifrede (før 1954) og 10-cifrede formater.

Mønstermatch alene opfylder ikke ÚOOÚ-standarden.

Andre vigtige identifikatorer

Číslo občanského průkazu (OP): Nationalt ID-kort. Ni alfanumeriske tegn. Forekommer på kontrakter, besøgslister og sundhedsjournaler.

IČO: Otte-cifret CVR-nummer. Optræder i leverandørkontrakter ved siden af juridiske repræsentanters personoplysninger.

DIČ: Format CZ + fødselsnummer (enkeltpersoner) eller CZ + IČO (virksomheder). Personligt DIČ forekommer i freelancekontrakter.

IBAN: Format CZ + 22 cifre. Almindeligt i lønfiler og udgiftsrapporter.

Hvor industrien er eksponeret

HR-optegnelser: Løn til lokale medarbejdere inkluderer fødselsnumre, nationale ID'er og bankoplysninger. Grænseoverskridende HR-overførsler kræver Transfer Impact Assessments.

Kvalitetssporbarhed: Automatiserede produktionssystemer forbinder ofte fejloptegnelser med individuelle medarbejdere. Dette er personoplysninger inden for operationel teknologi. Det er underlagt GDPR selv uden for HR-systemer.

Forhandlerdata: Store producentnetværk behandler prøvekørselsoptegnelser, finansieringsblanketter og servicehistorik. Mange af disse indeholder fødselsnumre.

Se vores GDPR-efterlevelsesguide og oversigt over flersproget PII-registrering for, hvordan identifikatorgab gælder på tværs af EU-jurisdiktioner. For fuld dækning af entiteter, se entitetsreferencen.

Kernekravet er enkelt. Fødselsnummerregistrering skal inkludere kønsmånedsoffset-håndtering og kontrolsumvalidering. Indfødt NER til tekstbehandling er også påkrævet. Blandede sprogpipelines skal understøttes.

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.