Mehrsprachige PII: Warum einsprachige Tools versagen.
Aktualisiert für 2026.
Dokumente überschreiten Sprachgrenzen.
Der Arbeitsvertrag eines Schweizer Pharmaunternehmens ist nicht in einer einzigen Sprache verfasst. Die Schweiz hat vier Amtssprachen. Schweizer Unternehmen mischen Deutsch im Hauptteil, Französisch in Rechtsklauseln und Englisch in internationalen Abschnitten. Dies kann in einem einzigen Absatz vorkommen.
Ein belgisches Sitzungsprotokoll enthält niederländischen Text, französische Formalteile und englische Zusammenfassungen. Ein globaler Datenvertrag kann englische technische Spezifikationen und deutsche Rechtsklauseln enthalten.
Das ist kein Sonderfall. Es ist der Standard bei DACH- und EU-Unternehmen. Einsprachige PII-Tools scheitern an diesen Dateien.
Die 45%-Lücke bei der Trefferrate.
Einsprachige NER-Tools haben eine 45% höhere PII-Fehlerrate bei gemischten Dateien. Im Vergleich zu reinen einsprachigen Dateien.
Die Ursache liegt im Design. Ein auf deutschem Text trainiertes Modell kennt lokale Namensformen und Adressregeln. Trifft es auf einen französischen Abschnitt, liegt es außerhalb seines Trainingsbereichs. Namen und IDs in diesem Teil werden schlecht erkannt. Das Modell ist nicht schwach — es wurde für eine andere Sprache entwickelt.
EDPB 2024 stellte fest, dass 72 % der EU-Unternehmen Dateien in drei oder mehr Sprachen gleichzeitig verarbeiten. Gartner 2024 fand, dass mehrsprachige HR-Dateien 67 % mehr PII pro Seite enthalten als einsprachige. Mehr PII plus mehr Fehler vergrößert die Lücke.
Unseren DSGVO-Leitfaden finden Sie für die geltenden Regeln.
Wo Fehler häufen sich.
Der Fehler tritt nicht gleichmäßig in einer Datei auf. PII an Abschnittsübergängen ist am stärksten gefährdet.
Betrachten Sie diese Klausel: deutsche Satzstruktur, ein französischer Mitarbeitername und ein französisches Geburtsdatum — alles in einer Zeile. Das NER-Modell sieht den französischen Namen, wo es einen lokalen erwartet. Es erkennt ihn möglicherweise nicht. Ein auf Französisch trainiertes Modell sieht die deutschen Kontextwörter und kann die Struktur nicht lesen.
HR-Dateien machen dies kostspielig. Gartner fand 67 % mehr PII pro Seite in gemischten HR-Dateien. Fehler an Abschnittsübergängen schaden am meisten beim Dateityp mit den meisten personenbezogenen Daten.
Mehrsprachige Modelle lösen das Problem.
XLM-RoBERTa trainiert gleichzeitig auf Text aus 100 Sprachen. Es verwendet kein neues Modell pro Sprache. Es lernt, dass Namenserkennung in allen Sprachkontexten gleich funktioniert. Ein Name und sein Kontext teilen die gleiche Struktur auf Deutsch, Französisch und Englisch.
Bei gemischten Dateien wechselt das Modell nicht an Abschnittsübergängen. Es liest den vollständigen Text als einen Block. Es wendet an jedem Punkt dieselben Entitätsregeln an.
Feinabstimmung auf Deutsch und Französisch erhöht die Präzision für jede Sprache einzeln. Aber die mehrsprachige Basis erkennt PII an Übergängen, wo einsprachige Modelle versagen.
Für DACH-Unternehmen, deren Dateien linguistische Abschnitte kreuzen, ist dies ein echter Gewinn. Entitäten, die einsprachige Tools an Übergängen verpassen, werden von mehrsprachigen Modellen gefunden.
Unsere Sicherheitsseite zeigt, wie anonym.legal damit umgeht.
Jetzt handeln.
Prüfen Sie den Umfang Ihres Tools. Fragen Sie Ihren Anbieter nach Recall-Werten nach Sprache. „Unterstützt viele Sprachen" kann bedeuten, dass Text zuerst durch maschinelle Übersetzung läuft. Das ist kein natives Scanning.
Kartieren Sie Ihre Dateien nach Sprache. Ein DACH-Unternehmen mit 60 % Deutsch, 30 % Französisch und 10 % Englisch hat andere Lücken.
Testen Sie mit Abschnittsübergangs-Beispielen. Erstellen Sie einen Testdatensatz mit zehn gemischsprachigen Klausel-Beispielen. Prüfen Sie den Recall über die gesamte Datei, nicht nur in den hauptsprachigen Teilen.
Prüfen Sie Ihre DSFAs. Eine DSFA, die auf einsprachigen Unterlagen basiert, ist möglicherweise unvollständig. Korrigieren Sie dies, bevor ein Audit es tut.
API-Details und Entitätsabdeckung finden Sie auf der Preisseite.
anonym.legal verwendet XLM-RoBERTa plus native spaCy- und Stanza-Modelle. Es findet PII über Abschnittsübergänge hinweg auf Deutsch, Französisch, Englisch und in 45 weiteren Sprachen.