By · Last updated 2026-06-05

Zurück zum BlogDSGVO & Compliance

NAIH Ungarn: Zentraleuropäische KI-Governance...

NAIH verlangt DPIAs für alle KI-Systeme, die personenbezogene Daten verarbeiten.

June 5, 20268 min Lesezeit
Hungary NAIHAI GDPR complianceTAJ-szám detectionCentral Europe DPAHungarian data protection

NAIH Ungarn: KI-Governance und DPA-Regeln

Ungarns Datenschutzbehörde ist NAIH — Nemzeti Adatvédelmi és Információszabadság Hatóság. Die Behörde hat die detaillierteste KI-Leitlinie aller mitteleuropäischen Datenschutzbehörden herausgegeben. Im Jahr 2024 erließ sie 38 Durchsetzungsentscheidungen. Sie veröffentlichte auch Regeln, die für jedes KI-System, das personenbezogene Daten verarbeitet, eine Datenschutz-Folgenabschätzung vorschreiben. Diese Regeln gehen über die DSGVO-Grundlage hinaus.

NAIH's KI-Durchsetzungsregeln

Die meisten EU-Datenschutzbehörden veröffentlichen allgemeine KI-Leitlinien. Ungarns Behörde ging weiter. Ihre Leitlinie von 2024 ist operativ konkret.

DSFA für alle KI-Systeme erforderlich: Jedes KI-System, das personenbezogene Daten berührt, braucht zuerst eine DSFA. Die Behörde verlangt dies vor der Bereitstellung. Dies gilt auch, wenn die Verarbeitung nach Art. 35 DSGVO nicht „hohes Risiko" darstellt. Das ist strenger als der risikobasierte Ansatz der DSGVO.

Was eine NAIH-DSFA enthalten muss:

  • Eine technische Beschreibung der Dateneingaben und -ausgaben des KI-Modells
  • Nachweis, dass Trainingsdaten anonymisiert wurden oder eine gültige Rechtsgrundlage hatten
  • Eine Bewertung des Risikos algorithmischer Diskriminierung
  • Einen menschlichen Prüfschritt für automatisierte Entscheidungen
  • Einen Aufbewahrungs- und Löschungsplan für KI-verarbeitete Daten

Jährliche Überprüfung: Die Behörde verlangt, dass DSFAs jedes Jahr aktualisiert werden. Dies gilt, wenn ein KI-System neu trainiert oder wesentlich verändert wird.

Ungarn bearbeitete 2024 über 890.000 DSGVO-Betroffenenanfragen. Das ist ein großes Volumen für ein Land mit 10 Millionen Einwohnern. Es zeigt aktive Rechtswahrnehmung und echten Druck auf Compliance-Teams.

Die NER-Genauigkeitslücke

Die Überprüfung der Behörde von 2024 testete NER-Modelle auf ungarischen Texten. Sie erreichten nur 67 % Genauigkeit. Der EU-Durchschnitt liegt bei 82 %. Diese Lücke von 15 Prozentpunkten hat reale Compliance-Kosten.

Ungarisch ist eine agglutinierende Sprache. Sie bildet Wörter durch viele Suffixe. Namen, Adressen und IDs in ungarischen Texten sehen sehr anders aus als Daten auf Englisch oder Deutsch. Werkzeuge, die für diese Sprachen trainiert wurden, verfehlen einen großen Anteil personenbezogener Daten auf Ungarisch. Siehe unseren mehrsprachigen PII-Erkennungsleitfaden für Auswirkungen auf die DSGVO-Compliance.

Die Behörde stellte fest, dass generische NLP-Tools die TAJ-szám in 61 % der Dokumente verpassen. Formatvariationen und fehlende Prüfsummenunterstützung sind die Hauptursachen.

Ungarische Nationalidentifikatoren

Teams, die Dokumente in Ungarn verarbeiten, müssen diese ID-Typen genau erkennen. Siehe unseren EU-Steuer-ID-Erkennungsleitfaden für vollständigen EU-Kontext.

TAJ-szám (Társadalombiztosítási Azonosító Jel): Eine 9-stellige Sozialversicherungsnummer. Sie erscheint in Gesundheits-, Leistungs- und Rentenakten. Die Validierung verwendet eine gewichtete Prüfsumme der Sozialversicherungsbehörde.

Adóazonosító jel: Eine 10-stellige persönliche Steuer-ID. Das Format ist ein 8-stelliger Kern plus 2 Prüfziffern. Sie erscheint in Gehaltsabrechnungen, Steuererklärungen und Arbeitsverträgen.

Személyi igazolvány-Nummer: Die Personalausweisnummer. Format und Prüfziffernregeln folgen der ausstellenden Behörde.

Útlevél szám: Die Passnummer. Format und Prüfziffer folgen ebenfalls den Regeln der ausstellenden Behörde.

Der Ügyfélkapu-Kontext

Ungarn betreibt die meisten öffentlichen Dienste über eine einzige Plattform — Ügyfélkapu (Client Gateway). Über 4 Millionen Bürger nutzen sie für Steuern, Leistungen, Gesundheit und Genehmigungen. Private Unternehmen verbinden sich für Gehaltsabrechnung, Leistungen oder Identitätsprüfungen mit Ügyfélkapu. Diese Unternehmen verarbeiten dieselben Identifikatoren in einem regulierten Kontext.

Die Behörde stellte fest, dass diese Unternehmen häufig internationale PII-Tools einsetzen. Den meisten dieser Tools fehlt die Unterstützung für die oben genannten Identifikatoren. Das führt zu verpassten Daten und direktem Compliance-Risiko.

Überschneidung mit dem EU AI Act

Ungarn war früh dabei, AI-Act-Regeln in DPA-Leitlinien einzubeziehen. Der Standpunkt der Behörde ist klar.

Hochrisiko-KI-Systeme sind in Anhang III des AI Acts aufgeführt. Diese umfassen Beschäftigung, Kreditwürdigkeitsprüfung und wesentliche Dienste. Sie erfordern sowohl eine AI-Act-Konformitätsbewertung als auch eine NAIH-DSFA.

Allgemeine KI-Modelle, die Daten von Personen in Ungarn verarbeiten, benötigen ebenfalls eine NAIH-DSFA. Dies gilt auch, wenn das Modell nach dem AI Act nicht als hochriskant eingestuft ist.

Für Teams, die KI in Ungarn einsetzen, umfasst die Kern-Checkliste drei Punkte. Erstellen Sie vor dem Launch eine NAIH-DSFA. Überprüfen Sie, ob Ihr NER-Tool die obigen Entitäten in ungarischen Texten erkennt. Bestätigen Sie die TAJ-szám- und Adóazonosító-jel-Erkennung mit Prüfsummenvalidierung.

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.