By · Last updated 2026-06-04

Vissza a BlograKKV Biztonság

MSP-k: az anonimizálás szabványosítása

A több ügyfélszervezetet kiszolgáló MSP-k és megfelelési tanácsadók nem tudják manuálisan újrakonfigurálni a PII-eszközöket ügyfelenként, nagy léptékben.

June 4, 20267 perc olvasás
MSP complianceGDPR consultingscalable privacy practicecompliance presetsprivacy consulting

Hogyan skálázhat egy MSP adatvédelmi szolgáltatást tucatnyi GDPR-ügyfél számára?

Egy GDPR-tanácsadó cég 35 német kkv-t szolgál ki. Mindegyiknek szüksége van PII-anonimizálás beállítására a saját dokumentumtípusaihoz és azonosítóformátumaihoz.

Megosztott presetek nélkül a beállítás megbízásonként 3 órát vesz igénybe. Szorozza meg 35-tel. Ez évi 105 óra beállítási munka. Nem számítja a frissítéseket, az új onboardingot vagy az egyedi módosításokat.

Preset-könyvtárral a beállítás megbízásonként 15 percet vesz igénybe. Ugyanolyan éves lefedettség: 8,75 óra 105 helyett.

Ez 12-szeres nyereség. Egy 12 céget kiszolgáló praxis 48-at tud kiszolgálni ugyanazzal a csapattal.

A megosztott preset-könyvtár működéséről lásd: presetek útmutatója.

A skálázási probléma

A hagyományos PII-eszközöknek van egy alapvető hibájuk a menedzselt szolgáltatók számára.

A beállítás nem vihető át cégek között. Az A cégnél végzett munka nem segít a B cégnél. Ez akkor is igaz, ha mindkettőnek közel ugyanolyan igényei vannak.

Az iparág meghatározza a dokumentumtípusokat. A német gyártók közös profillal rendelkeznek: bérszámfejtési lapok, szállítói szerződések, HR-rekordok. Az egészségügyi cégeknek van egy másik: betegűrlapok, biztosítási levelek, klinikai feljegyzések. Megosztott presetek nélkül minden új megbízásnál teljes beállítás szükséges a nulláról.

A szabályváltozások egyszerre érintik az összes céget. Az EDPB új útmutatást tesz közzé. A tanácsadónak frissíteni kell mind a 35 céget. Megosztott alap nélkül ez 35 külön munkamenet.

Az onboarding korlátozza a növekedést. Egy 3 órás beállítás korlátozza, hány új cég indítható el hetente. Egy-két cég hetente elegendő a növekedést az igény vagy a készség helyett a beállítási idő akadályozza meg.

Preset-könyvtár felépítése

Egy rétegzett könyvtár megoldja ezt. A leggyakoribb beállításokat fedezi le.

1. szint — Szabályalapok. Ezek szinte minden ügyfelre vonatkoznak egy adott zónában:

  • „EU GDPR-szabvány” — alapvető EU-s személyes adattípusok
  • „DACH bérszámfejtés” — német, osztrák és svájci bérszámfejtés (tartalmazza a Steueridentifikationsnummert)
  • „Francia dokumentumok” — tartalmazza a Numéro fiscalt és a francia nyelvű felismerést
  • „Healthcare EU” — GDPR plusz egészségügyi adattípusok

2. szint — Iparági presetek. Ezek kiegészítik az 1. szintű alapot:

  • „Jogi dokumentumok — EU” — ügyszámok, kamarai azonosítók, bírósági hivatkozások
  • „Pénzügyi szolgáltatások” — IBAN, kártyaadatok, számlaszámok
  • „HR és bérszámfejtés” — munkavállalói azonosítók, bérjegyzék-adatok, belépési dátumok
  • „Betegrekordok” — klinikai kódok, diagnosztikai azonosítók

3. szint — Egyedi entitások. Ezek szervezetspecifikus azonosítóformátumok, amelyek bármely alappresethez hozzáadhatók:

  • Belső hivatkozási formátum (ACC-XXXXXXXX-XX)
  • Munkavállalói azonosítóformátum (EMP-XXXXX)
  • Rendelési hivatkozási formátum (ORD-XXXXXXX)

Onboarding-lépések ezzel a könyvtárral:

  1. Válassza ki a zónát → válasszon 1. szintű presetet (5 perc)
  2. Válassza ki az iparágat → válasszon vagy adjon hozzá 2. szintű presetet (5 perc)
  3. Adja hozzá a belső azonosítóformátumokat → 3. szintű egyedi entitások (5–15 perc)
  4. Összesen: 15–25 perc megbízásonként

Egy valódi 35 céges praxis

Praxis-profil:

  • 35 német kkv
  • Iparágak: gyártás (12), szakmai szolgáltatások (8), egészségügy (7), kereskedelem (5), technológia (3)
  • Mindegyik GDPR-hatálya alatt. A legtöbbnek német nyelvű dokumentumai vannak Steueridentifikationsnummerrel.

Felépített presetek:

  • „Német kkv GDPR-alap” — lefedi mind a 35 céget (nevek, címek, e-mail-címek, telefonszámok, adóazonosítók, IBAN)
  • „Gyártási szerződések” — hozzáadja a szállítói hivatkozást és a termékazonosítókat
  • „Német egészségügyi kkv” — hozzáadja a beteg- és egészségbiztosítási azonosítókat
  • „Szakmai szolgáltatások” — hozzáadja az ügyszámhivatkozásokat
  • „Kereskedelem” — hozzáadja a rendelési számokat és a törzsvásárlói program azonosítóit

Onboarding előtte: 3 óra cégenként. Onboarding utána: 15 perc cégenként.

Éves szabályfrissítés előtte: 35 × 45 perc = 26 óra. Éves szabályfrissítés utána: Egy alapfrissítés = 45 perc. Minden cég a következő futtatásnál felveszi.

Praxis-kapacitás:

  • Előtte: 12 cég 2 fős csapattal
  • Utána: 48 cég ugyanazzal a csapattal

Portfólió-megfelelési monitoring

Egy megosztott preset-könyvtár az összes cég monitoringjában is segít.

Az EDPB új IP-cím útmutatást tesz közzé. A tanácsadó egyszer frissíti az „EU GDPR-szabvány” presetet. Minden cég felveszi a változtatást a következő futtatáskor.

Egy adatvédelmi hatósági bírság hiányosságot tár fel — mondjuk hiányzó adóazonosítók a bérszámfejtési lapokon. A tanácsadó hozzáadja a felismerést a megfelelő presethez. Minden cég egyszerre kapja meg a javítást.

A megfelelési tudás felépül a könyvtárban. Az egész portfólión összetevődik.

Bővebben lásd: kkv-s felhasználási eset oldal és GDPR-anonimizálási megoldás.

Bevételi modell hatása

A preset-könyvtár megváltoztatja, hogyan árazza és értékesíti az MSP a szolgáltatásait.

Meghatározott szolgáltatási szintek. Alap: csak az alappreset. Standard: alap plusz iparági preset. Prémium: hozzáadja az egyedi entitásokat és a negyedéves frissítéseket. Mindegyik szintnek egyértelmű hatóköre van. Egy meghatározott csomagot könnyebb értékesíteni, mint egy homályos keretszerződést.

Növekedés arányos felvétel nélkül. 10 további cég hozzáadása preset-kiválasztást és kisebb munkát jelent. Ez órákat vesz igénybe, nem heteket. A növekedés többé nem igényel arányos felvételt az új bevételhez.

Összefoglalás

Azok a praxisok, amelyek nem tudnak túllépni 12–15 cégen, anélkül hogy személyzetet vennének fel, megakadtak. A szűk keresztmetszet a beállítás bonyolultsága — nem a készség, nem az igény.

Egy preset-könyvtár eltávolítja ezt a szűk keresztmetszetet. Tárolja a megfelelési tudást. Csökkenti az onboarding idejét. Lehetővé teszi a növekedést új munkatársak nélkül.

Az MSP, amely 35 céget szolgált ki évi 105 óra beállítási munkával, most 48+-t tud kiszolgálni kevesebb mint 9 óra alatt. Ugyanolyan készség. Ugyanaz a csapat. Jobb eszközök.

Források

Készen áll az adatai védelmére?

Kezdje el a PII anonimizálását 285+ entitástípuson 48 nyelven.

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.