By · Last updated 2026-06-05

Zurück zum BlogKI-Sicherheit

Das Screenshot-PII-Problem: Wie Kundendaten täglich...

Slack, Teams, Jira und E-Mail erhalten regelmäßig Screenshots mit Kunden-PII. Diese Verletzung der Zugriffskontrolle umgeht jedes DLP-Tool.

June 5, 20266 min Lesezeit
screenshot PIIinternal toolsGDPR compliancedata leakageJira Slack security

Der DLP-Blindspot, den Sie noch nicht geprüft haben

DLP-Tools überwachen den Netzwerkverkehr, E-Mail-Anhänge und Dateiübertragungen. Sie erkennen Tabellen mit SSN-Spalten. Sie markieren E-Mails mit Kundenlisten. Sie blockieren Uploads mit Krankenakten.

Sie erkennen keine Bildschirmaufnahmen.

Eine Bildschirmaufnahme ist eine Bilddatei. Die darin enthaltenen PII sind als Pixel gerendert. Sie sind nicht als Text gespeichert. DLP-Engines, die nach PII-Mustern suchen, finden nichts.

Jeden Tag fügen Mitarbeitende Bildschirmaufnahmen in Slack, Jira, Teams und E-Mail-Ketten ein. Kein einziger DLP-Alarm wird ausgelöst.

Wie Bildschirmaufnahmen PII im Arbeitsalltag verbreiten

Remote- und Hybridarbeit hat das Teilen von Aufnahmen zur Norm gemacht. Interne Tools füllen sich täglich damit.

Teammitglieder teilen Aufnahmen für schnellen Kontext:

  • Support-Mitarbeitende teilen Kundenkontoansichten mit Teamleitungen.
  • Entwickler teilen Fehlerprotokolle, die Nutzereingaben enthalten.
  • Account-Manager senden CRM-Datensätze für Kontext an Finanzteams.
  • IT-Admins erfassen Systemansichten, um Konfigurationen für Auftragnehmer zu dokumentieren.
  • Produktteams teilen Dashboard-Ansichten in Stakeholder-Updates.

Jeder Anhang kann personenbezogene Daten enthalten. Eine Kundenkonto-Aufnahme enthält Name, E-Mail, Status und Rechnungsadresse. Eine Fehlerprotokolldatei kann Namen, Adressen oder Telefonnummern enthalten, die Nutzende eingegeben haben. Eine CRM-Aufnahme enthält das vollständige Kontoprofil. Eine Dashboard-Datei kann Nutzer-IDs in Diagrammbezeichnungen zeigen.

Das Zugriffskontrollproblem

Das Teilen von Bildschirmaufnahmen schafft auch ein Zugriffskontrollproblem.

Die meisten Organisationen setzen rollenbasierte Zugriffskontrollen auf Produktivsystemen durch. Ein Support-Mitarbeitender sieht nur die Datensätze seiner Warteschlange. Ein Auftragnehmer sieht nur die ihm zugewiesenen Projektdateien.

Wenn ein Mitarbeitender einen Kundendatensatz erfasst und in einen Slack-Kanal mit Auftragnehmern einfügt, wird die Zugangskontrolle umgangen. Der Auftragnehmer erhält personenbezogene Daten, die er über normale Wege nicht hätte erreichen können. Der AVV für Auftragnehmerarbeiten deckt diese Übertragung möglicherweise nicht ab. Die DSGVO-Rechte des Kunden gelten möglicherweise nicht gegenüber diesem Auftragnehmer.

Diese Umgehung ist ein Problem gemäß DSGVO Artikel 5(1)(f). Er betrifft Integrität und Vertraulichkeit. Es können auch Konformitätsprobleme nach Artikel 28 entstehen, wenn Auftragnehmer PII ohne die richtigen AVVs erhalten. Siehe unseren DSGVO-Konformitätsleitfaden für eine Checkliste der Artikel-28-Pflichten.

Bild-PII-Erkennung als technische Schutzmaßnahme

Die technische Schutzmaßnahme für aufnahmebasierte PII-Exposition ist OCR plus NLP-Erkennung. Die Schritte sind einfach.

  1. Mitarbeitende erfassen einen Bildschirm einer Kundenschnittstelle.
  2. Vor dem Teilen: Aufnahme in ein Erkennungstool hochladen.
  3. Das Tool extrahiert sichtbaren Text per OCR.
  4. NLP findet PII-Entitäten im Text.
  5. Mitarbeitende sehen einen Bericht: „Diese Aufnahme enthält: [Kundenname], [E-Mail-Adresse], [Konto-ID]."
  6. Mitarbeitende schwärzen dann die PII, schränken den Freigabebereich ein oder fahren mit einem schriftlichen Grund fort.

Dies blockiert nicht das gesamte Teilen. Es zeigt die persönlichen Daten, bevor sie weitergegeben werden. Menschen können dann fundierte Entscheidungen treffen. Erfahren Sie, wie dies in Ihren Schutz-Stack auf der Sicherheitsseite passt.

Anwendungsfall: SaaS-Helpdesk Jira-Aufnahmerichtlinie

Der Helpdesk eines SaaS-Unternehmens nutzte Jira zur Protokollierung von Kontoproblemen. An diese Tickets angehängte Dateien enthielten Nutzer-PII. Konkret:

  • Nutzer-E-Mail-Adressen aus Kontoverwaltungsoberflächen.
  • Details zu Abonnementplänen.
  • Rechnungsbeträge und -daten.
  • In einigen Fällen Teilzahlungsdaten.

Ein DSGVO-Audit fand 847 Jira-Tickets, die über 18 Monate erstellt wurden. Alle enthielten PII-Anhänge. Jira war für alle 200 Ingenieure zugänglich. Einige waren Auftragnehmer ohne AVVs für Kundenrechnungsdaten.

Maßnahmen zur Behebung:

  1. Rückwirkend: PII-Erkennung bei allen vorhandenen Anhängen. 312 Tickets zur DPO-Prüfung markiert.
  2. Ticket-Bereinigung: 89 Tickets hatten Dateien vor dem erneuten Anhängen geschwärzt.
  3. Prozessänderung: Neuer Workflow, der eine PII-Prüfung vor dem Jira-Anhang vorschreibt.
  4. Schulung: 15-minütige Sitzung für alle Helpdesk-Mitarbeitenden.

Ergebnisse nach 90 Tagen:

  • PII-Vorfälle in Jira: um 90 Prozent gesunken.
  • Verbleibende Vorfälle: Fälle, in denen Mitarbeitende nach Prüfung mit schriftlichem Diagnosegrund fortgefahren sind.
  • AVV-Umfang: Aktualisiert, um unnötige PII-Exposition für Auftragnehmer zu reduzieren.

Die 312 historischen Tickets waren ein Konformitätsbefund. Der Rückgang um 90 Prozent diente als Nachweis der Abhilfe in der Prüfungsantwort.

Aufnahmeprüfung in Team-Workflows integrieren

Für Organisationen, die PII-Kontrollen ohne Verlangsamung des Betriebs wünschen, gibt es mehrere Optionen.

Leichtgewichtige Option: Ein Browser-Tool, das Mitarbeitende vor dem Einfügen in Slack oder Jira verwenden. Aufnahme ziehen, PII-Bericht in fünf Sekunden erhalten, dann fortfahren oder schwärzen.

Jira- oder ServiceNow-Hook: Erkennung, die vor dem Erreichen von Tickets ausgeführt wird. Es funktioniert wie ein Virenscan vor einem Dateiupload.

Slack-Bot: Ein Bot, der Aufnahme-Uploads in ausgewählten Kanälen empfängt. Er führt PII-Erkennung durch. Er postet eine Thread-Antwort mit erkannten Entitäten. Dies macht persönliche Daten sichtbar, ohne den Workflow zu blockieren.

Teamnorm plus Stichproben: Eine wöchentliche automatisierte Prüfung. Zehn Prozent der Aufnahmen in Collaboration-Tools werden gesampelt. Erkennung ausführen. Befunde an den Teamleiter melden. Dies schafft Verantwortlichkeit ohne Blockierung eines Workflows.

Für DSGVO-Aufzeichnungen: Die Aufnahme-PII-Kontrolle zählt als „organisatorische Maßnahme" gemäß Artikel 32. Schutzmaßnahme dokumentieren — Richtlinie plus technisches Tool. Nutzungsnachweis hinzufügen. Dies erfüllt die Rechenschaftspflicht nach Artikel 5(2). Siehe unsere Konformitätsseite und den Glossareintrag für Artikel 32.

Möchten Sie sehen, wie anonym.legal dies für Ihr Team handhabt? Besuchen Sie unsere Tarifseite oder lesen Sie die Gründererklärung zur De-Identifikation.

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.