By · Last updated 2026-06-05

Zurück zum BlogDSGVO & Compliance

CNIL Frankreich: GDPR-Compliance unter der...

Die CNIL bearbeitete 16.433 Beschwerden im Jahr 2023 und verhängte seit 2019 Bußgelder von über 150 Millionen Euro.

June 5, 20267 min Lesezeit
CNIL FranceFrench GDPRAI anonymizationFrench data protectionprivacy by design

CNIL Frankreich: DSGVO-Technische Compliance

Frankreichs strengste Datenschutzbehörde

Frankreichs Datenschutzbehörde ist die CNIL. Sie legt die strengsten Datenschutzregeln der EU fest. Die meisten EU-Behörden veröffentlichen allgemeine Leitlinien. CNIL geht weiter. Sie veröffentlicht präzise technische Spezifikationen, sogenannte recommandations. Diese definieren, wie echte DSGVO-Compliance in der Praxis aussieht.

Andere EU-Behörden übernehmen häufig die Arbeit der CNIL. Wichtige Referenzwerke sind der Guide pratique de l'anonymisation von 2023 und die KI-Leitlinien von 2024.

Die Zahlen zeigen, dass die Behörde aktiv ist. Im Jahr 2023 bearbeitete sie 16.433 Beschwerden. Das sind 43 % mehr als 2022. Seit Beginn der Durchsetzung hat sie rund 150 Millionen Euro an DSGVO-Bußgeldern verhängt.

KI-Training: Sechs Datensatztypen bereinigen

Die KI-Leitlinien der CNIL von 2024 gelten für viele Organisationen. Sie erfassen alle, die KI-Modelle mit französischen personenbezogenen Daten trainieren. Sie gelten auch für Anbieter, die französische Nutzer mit KI-Diensten bedienen.

Die Behörde nennt sechs Datensatztypen, die vor dem KI-Training bereinigt werden müssen:

  1. Identifiants directs (direkte Kennzeichen): Namen, Adressen, Ausweisnummern. Diese vor dem Training entfernen oder ersetzen.
  2. Identifiants quasi-directs (Quasi-Kennzeichen): Merkmalskombinationen, die eine Re-Identifizierung ermöglichen. k-Anonymitäts-Prüfungen anwenden.
  3. Données sensibles (besondere Kategorien): Gesundheits-, biometrische, politische und religiöse Daten. Mit zusätzlichen Maßnahmen isolieren.
  4. Données comportementales (Nutzungsdaten): Browserverlauf und Nutzungsmuster. Aggregieren oder pseudonymisieren.
  5. Données inférées (abgeleitete Merkmale): KI-ermittelte Signale aus dem Nutzungsverhalten. Zweckbeschränkungen anwenden.
  6. Données relatives aux mineurs (Kinderdaten): Alle Daten, die Personen unter 15 Jahren betreffen können. Altersverifikation und verstärkte Bereinigung erforderlich.

Verwenden Sie LLMs, die auf gescrapten Inhalten trainiert wurden? Sie benötigen schriftliche Nachweise. Zeigen Sie, dass Ihre Trainingsdaten geprüft und bereinigt wurden. Weitere Details finden Sie in unserem DSGVO-Compliance-Leitfaden.

Der Anonymisierungsleitfaden: Kernregeln

Der Leitfaden von 2023 ist der detaillierteste offizielle EU-Text zu diesem Thema. Er legt fest, was wirklich anonymisierte Daten sind.

Anerkannte Techniken:

  • k-Anonymität — jeder Datensatz gleicht mindestens k-1 anderen
  • l-Vielfalt — sensitive Merkmale variieren innerhalb jeder Gruppe
  • Differential Privacy — Rauschen wird zu statistischen Ausgaben hinzugefügt
  • Pseudonymisierung — ein Schritt zur Risikominderung, keine vollständige Anonymisierung

Erforderliche Unterlagen:

Für jede Verarbeitungstätigkeit mit Bereinigung erwartet die CNIL eine fiche d'anonymisation (Anonymisierungsprotokoll). Es muss Folgendes enthalten:

  • Die verwendete Technik und ihre wichtigsten Einstellungen (k-Wert, Epsilon-Wert)
  • Das Ergebnis einer Re-Identifizierungs-Risikoprüfung
  • Die Validierungsmethode (Tests oder externe Prüfung)
  • Die verantwortliche Person und das Überprüfungsdatum

Re-Identifizierungs-Risikoprüfung:

Bevor Datensätze als anonym eingestuft werden, ist eine formale Prüfung erforderlich. Frage: Könnte eine motivierte Person diese Daten re-identifizieren? Prüfen Sie vorhandene Zusatzdatensätze. Berücksichtigen Sie den gesamten Kontext.

Französische PII: Was Ihre Tools erkennen müssen

Französische Vorschriften verlangen eine Abdeckung französischsprachiger personenbezogener Daten. Ihre Tools müssen spezifische französische Kennzeichen erkennen.

Wichtige Kennzeichen:

  • NIR: 15 Ziffern (13 Grundziffern + 2-stelliger Schlüssel). Das ist die französische Sozialversicherungsnummer.
  • Carte vitale-Nummer: ID der Krankenversicherungskarte.
  • SIRET/SIREN: Unternehmenskennzeichen in persönlichen Akten.
  • Numéro d'ordre professionnel: Registriernummern für Ärzte, Anwälte und Buchhalter.
  • CNI (Carte nationale d'identité): Nummer des französischen Personalausweises.

Französische NER-Modelle müssen mit französischen Namensmustern umgehen können. Dazu gehören zusammengesetzte Namen (Jean-Pierre), Partikel (de, du, des) und Doppelnamen. Erfahren Sie mehr in unserem Leitfaden zur mehrsprachigen PII-Erkennung.

Durchsetzung: Was zu Bußgeldern führt

Die Bußgelder der Behörde folgen einem klaren Muster. Sie zielen auf fehlende technische Kontrollen ab. Schlechte Prozesse allein sind selten der Hauptgrund.

Clearview AI — 20 Mio. € Bußgeld (2022): Das Unternehmen verarbeitete biometrische Daten französischer Personen ohne Rechtsgrundlage. Die Daten wurden aus öffentlichen Webquellen gescrapt. Der Fall bestätigte: Massen-Web-Scraping für KI-Training benötigt eine ausdrückliche Rechtsgrundlage.

TikTok — Untersuchung seit 2024: Fokus auf Systeme, die aus Nutzungssignalen auf sensible Kategorien schließen könnten. Diese Methode ist nun die EU-Referenz für KI-Audits.

Generative KI-Prüfung (2024–2025): Die Behörde prüfte LLM-Anbieter in Frankreich. Der Fokus lag auf der Herkunft von Trainingsinhalten. Anbieter ohne ordnungsgemäße Dokumentation mussten Kontrollen ergänzen.

Vier Schritte zur CNIL-Compliance

Verarbeiten Sie französische personenbezogene Daten? Sie benötigen vier Maßnahmen.

1. Anonymisierungsprotokoll für jede Tätigkeit

Jede Verarbeitungstätigkeit mit Bereinigung benötigt ein eigenes Protokoll. Notieren Sie Technik, Einstellungen, Risikoergebnis und Prüfdatum.

2. Vorverarbeitungs-Protokolle für KI

Dokumentieren Sie das verwendete PII-Erkennungstool. Notieren Sie die erkannten Entitätstypen. Halten Sie fest, was entfernt oder maskiert wurde. Bewahren Sie diese Protokolle für Audits bereit.

3. Abdeckung französischer PII

Prüfen Sie, ob Ihr Tool NIR-, Carte-vitale- und CNI-Nummern erkennt. Testen Sie Ihr französisches NER-Modell mit echten französischen Namen. Dokumentieren Sie Lücken und Kompensationsmaßnahmen.

4. Herkunftsnachweise für Trainingsinhalte

Für gescrapte Inhalte: Dokumentieren Sie die Bereinigungsprüfung der Quelle. Für Nutzerdaten: Dokumentieren Sie den Bereinigungsprozess. Unsere Sicherheits-Compliance-Übersicht zeigt, wie dies in einen breiteren Schutzrahmen passt.

Organisationen mit guten Unterlagen kommen schneller durch Audits. Erstellen Sie Ihre Dokumentation jetzt. Warten Sie nicht auf eine Inspektion.

Quellen

Bereit, Ihre Daten zu schützen?

Beginnen Sie mit der Anonymisierung von PII mit über 285 Entitätstypen in 48 Sprachen.

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.