By · Last updated 2026-06-04

Zurück zum BlogSMB-Sicherheit

Aufbau einer skalierbaren Datenschutzpraxis...

MSPs und Compliance-Berater, die mehrere Kundenorganisationen bedienen, können PII-Tools nicht manuell pro Kunde in großem Maßstab neu konfigurieren.

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

Wie MSPs eine Datenschutzpraxis für Dutzende GDPR-Kunden skalieren

Eine DSGVO-Beratungsfirma betreut 35 deutsche KMU. Jedes Unternehmen braucht eine eigene PII-Anonymisierung — abgestimmt auf Dokumenttypen und interne ID-Formate.

Ohne gemeinsame Presets dauert die Einrichtung 3 Stunden pro Mandat. Mal 35 ergibt das 105 Stunden Konfigurationsarbeit im Jahr. Updates, Neuonboardings und individuelle Anpassungen sind dabei nicht mitgerechnet.

Mit einer Preset-Bibliothek dauert die Einrichtung 15 Minuten pro Mandat. Gleiche Jahresabdeckung: 8,75 Stunden statt 105.

Das ist ein 12-facher Gewinn. Eine Praxis, die 12 Firmen betreut, kann mit demselben Team 48 betreuen.

Lesen Sie unsere Preset-Anleitung, um zu verstehen, wie eine gemeinsame Preset-Bibliothek funktioniert.

Das Skalierungsproblem

Traditionelle PII-Tools haben einen grundlegenden Fehler für Managed-Service-Provider.

Einrichtungen lassen sich nicht zwischen Firmen übertragen. Arbeit für Firma A hilft Firma B nicht. Das gilt auch dann, wenn beide nahezu identische Anforderungen haben.

Die Branche prägt die Dokumenttypen. Deutsche Hersteller teilen ein gemeinsames Profil: Gehaltsabrechnungen, Lieferantenverträge, Personalakten. Gesundheitsunternehmen teilen ein anderes: Patientenformulare, Versicherungsbriefe, klinische Notizen. Ohne gemeinsame Presets braucht jedes neue Mandat eine vollständige Einrichtung von Grund auf.

Regeländerungen treffen alle Firmen gleichzeitig. Der EDPB veröffentlicht neue Leitlinien. Der Berater muss alle 35 Firmen aktualisieren. Ohne eine gemeinsame Basis sind das 35 separate Sitzungen.

Onboarding bremst das Wachstum. Eine 3-stündige Einrichtung begrenzt, wie viele neue Firmen pro Woche starten können. Bei ein bis zwei pro Woche wird das Wachstum durch die Einrichtungszeit gebremst — nicht durch Fachkompetenz oder Nachfrage.

Eine Preset-Bibliothek aufbauen

Eine mehrstufige Bibliothek löst dieses Problem. Sie deckt die häufigsten Konfigurationen ab.

Stufe 1 — Regulatorische Baselines. Diese gelten für fast alle Firmen in einem bestimmten Rechtsraum:

  • „EU GDPR Standard" — zentrale personenbezogene Datentypen der EU
  • „DACH Payroll" — deutsche, österreichische und schweizerische Gehaltsabrechnung (inkl. Steueridentifikationsnummer)
  • „French Documents" — inkl. Numéro fiscal, Französisch-Erkennung
  • „Healthcare EU" — DSGVO plus Gesundheitsdatenkategorien

Stufe 2 — Branchenpresets. Diese ergänzen eine Stufe-1-Basis:

  • „Legal Documents — EU" — Aktenzeichen, Anwalts-IDs, Gerichtsreferenzen
  • „Financial Services" — IBAN, Kartendaten, Kontonummern
  • „HR and Payroll" — Mitarbeiter-IDs, Gehaltsdaten, Eintrittsdaten
  • „Medical Records" — klinische Codes, Diagnosekennzeichen

Stufe 3 — Benutzerdefinierte Entitäten. Organisationsspezifische ID-Formate, die zu jedem Basis-Preset hinzugefügt werden:

  • Internes Referenzformat (ACC-XXXXXXXX-XX)
  • Mitarbeiter-ID-Format (EMP-XXXXX)
  • Bestellreferenzformat (ORD-XXXXXXX)

Onboarding-Schritte mit dieser Bibliothek:

  1. Rechtsraum wählen → Stufe-1-Preset auswählen (5 Minuten)
  2. Branche wählen → Stufe-2-Preset auswählen oder hinzufügen (5 Minuten)
  3. Interne ID-Formate hinzufügen → Stufe-3-Entitäten (5–15 Minuten)
  4. Gesamt: 15–25 Minuten pro Mandat

Eine echte 35-Firmen-Praxis

Praxisprofil:

  • 35 deutsche KMU
  • Branchen: Fertigung (12), freie Berufe (8), Gesundheitswesen (7), Einzelhandel (5), Technologie (3)
  • Alle DSGVO-pflichtig. Die meisten haben deutschsprachige Dokumente mit Steueridentifikationsnummern.

Erstellte Presets:

  • „German SMB GDPR Baseline" — deckt alle 35 Firmen ab (Namen, Adressen, E-Mails, Telefone, Steuer-ID, IBAN)
  • „Manufacturing Contracts" — ergänzt Lieferantenreferenzen und Produkt-IDs
  • „German Healthcare SMB" — ergänzt Patienten- und Krankenversicherungskennungen
  • „Professional Services" — ergänzt Aktenzeichen
  • „Retail" — ergänzt Bestellnummern und Treueprogramm-IDs

Onboarding vorher: 3 Stunden pro Firma. Onboarding nachher: 15 Minuten pro Firma.

Jährliches Update vorher: 35 × 45 Minuten = 26 Stunden. Jährliches Update nachher: Ein Baseline-Update = 45 Minuten. Jede Firma übernimmt es beim nächsten Durchlauf.

Praxiskapazität:

  • Vorher: 12 Firmen mit einem 2-köpfigen Team
  • Nachher: 48 Firmen mit demselben Team

Portfolio-weites Compliance-Monitoring

Eine gemeinsame Preset-Bibliothek hilft auch bei der Überwachung aller Firmen.

Der EDPB veröffentlicht neue Leitlinien zur IP-Adressverarbeitung. Der Berater aktualisiert das Preset „EU GDPR Standard" einmal. Alle Firmen übernehmen die Änderung beim nächsten Durchlauf.

Eine DPA-Geldbuße deckt eine Lücke auf — zum Beispiel fehlende Steuernummern in Gehaltsabrechnungen. Der Berater ergänzt die Erkennung im richtigen Preset. Alle Firmen profitieren sofort.

Compliance-Wissen baut sich in der Bibliothek auf. Es wirkt auf das gesamte Portfolio.

Weitere Informationen finden Sie auf der SMB-Anwendungsseite und der DSGVO-Anonymisierungslösung.

Auswirkungen auf das Erlösmodell

Eine Preset-Bibliothek verändert, wie ein MSP seine Dienste bepreist und verkauft.

Klar definierte Service-Stufen. Basic: nur Baseline-Preset. Standard: Baseline plus Branchenpreset. Premium: ergänzt benutzerdefinierte Entitäten und vierteljährliche Updates. Jede Stufe hat klaren Umfang. Ein klar definiertes Paket lässt sich leichter verkaufen als ein vages Dauermandat.

Wachstum ohne proportionale Neueinstellungen. 10 weitere Firmen hinzuzufügen bedeutet Preset-Auswahl und kleinere Anpassungen. Das sind Stunden, keine Wochen. Wachstum erfordert keine Neueinstellungen mehr im gleichen Schritt.

Fazit

Praxen, die ohne neue Mitarbeiter nicht über 12–15 Firmen hinauswachsen können, stecken fest. Der Engpass ist die Einrichtungskomplexität — nicht die Fachkompetenz, nicht die Nachfrage.

Eine Preset-Bibliothek beseitigt diesen Engpass. Sie speichert Compliance-Wissen. Sie verkürzt die Onboarding-Zeit. Sie ermöglicht Wachstum ohne neue Mitarbeiter.

Der MSP, der 35 Firmen mit 105 Stunden jährlicher Einrichtungsarbeit betreute, kann jetzt 48+ mit unter 9 Stunden betreuen. Gleiche Kompetenz. Gleiches Team. Bessere Tools.

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.