By · Last updated 2026-06-05

Takaisin BlogiinGDPR & Vaatimustenmukaisuus

ÚOOÚ Tšekki: GDPR teollisuudelle

Tšekin ÚOOÚ antoi 58 täytäntöönpanopäätöstä vuonna 2024; teollisuus ja valmistus muodostavat 34 % rikkomuksista. 67 % tšekkiläisistä yrityksistä käyttää saksalaisia työkaluja, joista puuttuu tšekin kielen tuki.

June 5, 20268 min lukuaika
Czech Republic ÚOOÚrodné číslomanufacturing GDPRCentral Europe complianceCzech identifiers

ÚOOÚ ja GDPR tšekkiteollisuudessa

Úřad pro ochranu osobních údajů (ÚOOÚ) antoi 58 täytäntöönpanopäätöstä vuonna 2024. Teollisuus- ja autoyritykset vastasivat 34 %:sta näistä. Se on korkein osuus millään toimialalla.

Škoda Auto, Toyota, Foxconn ja monet tier-toimittajat harjoittavat toimintaa Tšekissä. GDPR-vaatimustenmukaisuus vaatii siellä työkaluja, jotka käsittelevät paikallisia tietoja. Useimmat käytössä olevat välineet eivät tee niin.

Emoyhtiön työkalujen ongelma

ÚOOÚ-data paljastaa selvän virhekuvion. Ulkomaiset emoyhtiöt ottavat käyttöön ulkomaisesti konfiguroituja PII-työkaluja paikallisille yksiköille.

Kun suuri konserni ottaa käyttöön standardityökalunsa Praha-toimistoon:

  1. Työkalu on asetettu ulkomaisille tunnisteille. Se ei kata paikallisia.
  2. Työsopimukset ja HR-tiedostot ovat tšekin kielellä. Työkalu ei ole koulutettu tšekin kieleen.
  3. NER-tarkkuus tšekin kielellä on 23 % alhaisempi kuin vastaavalle tekstille muilla kielillä. (ÚOOÚ tekninen ohje, 2024)
  4. Rodné číslo jää huomaamatta tiedostoissa, joita ei ole merkitty tšekkiläisiksi.
  5. Työntekijöiden terveys- ja HR-tietoja siirretään ilman viranomaisten edellyttämää suojaa.

67 % paikallisista yrityksistä on riippuvaisia työkaluista, jotka eivät havaitse maakohtaisia tunnisteita. ÚOOÚ pitää paikallista rekisterinpitäjää vastuullisena — ei ulkomaista toimittajaa.

Rodné číslo: erityisluokan tieto

Rodné číslo on syntymänumero muodossa VVKKPP/XXXX.

  • Numerot 3–4 koodaavat syntymäkuukauden. Naisille lisätään 50. Tammikuussa syntynyt nainen näytetään 51:nä, ei 01:nä.
  • Kauttaviiva erottaa päivämäärän jälkiliitteestä.
  • Jälkiliitteessä on 3–4 numeroa, joissa on modulus-11-tarkistusnumero.

Sukupuolikoodaus tekee tästä numerosta erityisluokan tiedon GDPR:n 9 artiklan mukaisesti. Se paljastaa sukupuolen rakenteellisesti. Tehostettu suoja on pakollinen.

Kolme asiaa on katettava. Ensinnäkin naisten kuukausioffset — 50-sääntö. Toiseksi modulus-11-tarkistusnumeron validointi. Kolmanneksi sekä 9-numeroiset (ennen vuotta 1954) että 10-numeroiset muodot.

Pelkkä kaavamäärittely ei täytä ÚOOÚ-standardia.

Muut tärkeät tunnisteet

Číslo občanského průkazu (OP): Kansallinen henkilökortti. Yhdeksän aakkosnumeerista merkkiä. Esiintyy sopimuksissa, vierailijaluetteloissa ja terveyskertomuksissa.

IČO: Kahdeksannumeroinen yritystunniste. Esiintyy toimittajasopimuksissa yhdessä oikeudellisten edustajien henkilötietojen kanssa.

DIČ: Muoto CZ + syntymänumero (henkilöt) tai CZ + IČO (yritykset). Henkilökohtainen DIČ esiintyy freelance-sopimuksissa.

IBAN: Muoto CZ + 22 numeroa. Yleinen palkkatiedostoissa ja kuluraporteissa.

Missä teollisuus on alttiina

HR-tiedostot: Paikallisten työntekijöiden palkat sisältävät syntymänumeroita, kansallisia henkilökortteja ja pankkitietoja. Rajat ylittävät HR-siirrot vaativat siirtovaikutusarviointeja.

Laadun jäljitettävyys: Automatisoidut tuotantojärjestelmät yhdistävät usein vikamerkinnät yksittäisiin työntekijöihin. Nämä ovat henkilötietoja operatiivisessa teknologiassa. Ne kuuluvat GDPR:n piiriin myös HR-järjestelmien ulkopuolella.

Jälleenmyyjätiedot: Suuret valmistajaverkostot käsittelevät koeajomerkintöjä, rahoituslomakkeita ja huoltohistorioita. Monet näistä sisältävät syntymänumeroita.

Lisätietoja on GDPR-vaatimustenmukaisuusoppaassamme ja monikielisen PII-tunnistuksen oppaassamme. Kattavaa tietoa entiteeteistä on entiteetiviittauksessamme.

Ydinvaatimus on yksinkertainen. Syntymänumeroiden tunnistuksen on sisällettävä sukupuolisen kuukausioffsetin käsittely ja tarkistussumman validointi. Alkuperäinen NER tekstinkäsittelyyn on myös pakollinen. Sekakielisiä putkilinjoja on tuettava.

Lähteet

Valmiina suojaamaan tietojasi?

Aloita PII-anonymisointi yli 285 entiteettityypillä 48 kielellä.

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.