By · Last updated 2026-05-01

Zurück zum BlogDSGVO & Compliance

Interne Mitarbeiter-IDs sind ebenfalls PII...

Jede große Organisation hat proprietäre interne Identifikatoren, die anonymisierte Datensätze mit echten Personen verknüpfen.

May 1, 20268 min Lesezeit
employee ID anonymizationproprietary identifier detectionquasi-PIIGDPR custom entitiesno-code pattern builder

Was ist Quasi-PII?

Die DSGVO Art. 4 erfasst alle Daten, die eine Person identifizieren können. Die Daten müssen jemanden nicht direkt benennen. Es reicht, wenn eine Identifizierung durch zusätzliche Schritte möglich wird.

Interne Mitarbeiter-IDs sind ein klares Beispiel. Nehmen Sie den Wert „EMP-EU-123456." Diese Zeichenfolge nennt niemanden. Aber das HR-System enthält eine einfache Lookup-Tabelle. EMP-EU-123456 zeigt auf Maria Schmidt, Senior Engineer, München. Wer Zugriff auf diese Tabelle hat, kann sie finden. Nach DSGVO ist die ID personenbezogenes Datum.

Dieselbe Regel gilt für andere interne Codes:

  • Kundennummern, die auf CRM-Einträge verweisen
  • Projektcodes, die im Vertragssystem auf Kundennamen zeigen
  • Aktenzeichen in Rechtsdokumenten
  • Patientennummern, die auf Patientenakten verweisen

Namen und E-Mail-Adressen zu entfernen reicht nicht. Bleiben interne IDs in einer Datei, ist eine Re-Identifizierung nur zwei Schritte entfernt.

Warum diese Lücke zu Bußgeldern führt

34 % aller DSGVO-Bußgelder betreffen unzureichende technische Maßnahmen nach Art. 32. Das zeigt der DLA Piper DSGVO-Bericht 2025. Das Versäumnis, quasi-identifizierende interne Kennzeichen zu erkennen, fällt in diese Kategorie.

Der EDPB bearbeitete 2024 über 900 Konsistenz-Mechanismus-Fälle. Grenzüberschreitende Durchsetzung bedeutet: Eine Lücke in einem geteilten Datensatz kann koordinierte Maßnahmen in mehreren EU-Mitgliedstaaten auslösen.

Standard-PII-Tools erkennen universelle Muster: Namen, E-Mails, Telefonnummern, nationale IDs. Ihr internes ID-Format kennen sie nicht. Kein Tool kennt es, bis Sie es konfigurieren. Das ist die Lücke.

So funktioniert der No-Code-Pattern-Builder

Ein globales Logistikunternehmen muss Mitarbeiterdaten für ein externes Audit anonymisieren. Die Mitarbeiter-IDs folgen diesem Format: EMP-[REGION]-[6 Ziffern]. Drei Beispiele: EMP-EU-123456, EMP-APAC-789012, EMP-AMER-345678.

Das Compliance-Team gibt drei Beispiele in den KI-Pattern-Helper ein. Die KI liefert:

  • Muster: EMP-[A-Z]{2,4}-\d{6}
  • Trifft alle drei Beispiele
  • Vorgeschlagener Entitätsname: EMPLOYEE-ID
  • Empfohlener nächster Schritt: mit weiteren Regionscodes testen

Das Team testet zehn weitere Proben. Das Muster funktioniert bei allen.

Es wird als benutzerdefinierte Entität im gemeinsamen DSGVO-Preset gespeichert. Alle 47 Dokumente im Auditpaket werden in einem Batch verarbeitet. Jede Mitarbeiter-ID wird durch eine rollenbasierte Bezeichnung ersetzt. Das Prüfungsunternehmen erhält Dateien, die sich nicht mehr einzelnen Personen zuordnen lassen.

Kein Engineering-Aufwand nötig. Das gesamte Setup dauert weniger als eine Stunde.

Was danach passiert

Die benutzerdefinierte Entität wird im gemeinsamen Preset gespeichert. Alle Teammitglieder nutzen dieselbe Konfiguration. Neue Mitarbeitende erhalten sie ab Tag eins. Batch-Jobs, API-Aufrufe und manuelle Uploads wenden dasselbe Muster an.

Das Audit-Log zeigt, welches Preset für jede Datei verwendet wurde. Fragt eine Datenschutzbehörde nach Nachweisen, können Sie sie liefern.

Für den vollständigen Workflow zur Einrichtung benutzerdefinierter Entitäten siehe Benutzerdefinierte PII-Identifikatoren für organisatorische Anonymisierung. Für konsistente Teamkonfigurationen siehe Anonymisierungs-Presets für DSGVO-Audits.

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.