By · Last updated 2026-06-05

Tilbake til BloggGDPR & Overholdelse

Nederlandsk AP: €290M bot og GDPR-håndhevelse

Nederlandsk AP utstedte EUs største bot for dataoverføring — €290M mot Uber. BSN (nederlandsk personnummer) krever 11-proef-validering som 56% av verktøy mangler.

June 5, 20269 min lesing
Dutch APBSN detectionUber GDPR fineNetherlands compliancedata transfer GDPR

Autoriteit Persoonsgegevens (AP) bøtela Uber €290 millioner i august 2024. Boten gjaldt sending av sjåførdata til amerikanske servere uten gyldig overføringsavtale. Ingen GDPR-sak har produsert en større bot for grensekryssende overføring. AP behandlet også over 21 400 klager i 2023. Det gjør myndighetene til en av Europas travleste datatilsyn.

Hva AP fant i Uber-saken

Uber samlet inn data fra sjåfører i Nederland og Frankrike. Dataene omfattet lokasjonshistorikk, identitetsdokumenter, lønnsregistre, kjøreregistre og skattefiler. Alt ble overført til amerikanske servere. AP fastslo at overføringsmetoden ikke var gyldig.

Tre funn drev avgjørelsen:

  • Svak overføringsmetode: Uber brukte Binding Corporate Rules (BCR-er). AP fant at disse ikke dekket omfanget eller sensitiviteten til sjåførdataene som var involvert.
  • Ingen Transfer Impact Assessment (TIA): Uber viste ikke at amerikansk lov lot de avtalte overføringsbeskyttelsene stå ved lag.
  • Sensitive data i kombinasjon: Lokasjonsdata, lønn og ytelsesscorer gir til sammen et detaljert bilde av hver sjåfør. AP behandlet denne kombinasjonen som tilsvarende sensitive personopplysninger.

Uber-saken setter en klar regel. Ansatt- og kontraktørdata som sendes til USA, trenger de samme TIA- og ekstratiltakene som forbrukerdata.

APs håndhevingsfokus for 2025

Oppdatert for 2026

AP har pekt ut tre områder de overvåker nøye i 2025.

Ansattovervåking: Fjernarbeidsverktøy er det øverste målet. Dette inkluderer produktivitetslogger, skjermopptak, tastetrykkslogging og fjernlokasjonsverktøy. Før et slikt verktøy tas i bruk, må virksomheter dokumentere hvorfor de avviste mindre inngripende alternativer.

Grensekryssende dataoverføringer: Etter Uber-kjennelsen sjekker AP overføringsmetoder. Virksomheter som er avhengige av amerikanske, asiatiske eller andre tjenester fra land uten tilstrekkelighetsvedtak, er i søkelyset. Enhver virksomhet som bruker amerikanske programvareverktøy for HR, prosjektarbeid eller kundedata, må ha en oppdatert TIA.

Automatiserte beslutninger: AI-basert kredittvurdering, ansettelsesfiltre og ytelsesvurderinger utløser plikter etter artikkel 22. AP retter seg mot organisasjoner som treffer automatiserte beslutninger uten et reelt menneskelig kontrolltrinn. Både ansatte og forbrukere må være dekket.

BSN: Et beskyttet nasjonalt identifikasjonsnummer

Burgerservicenummer (BSN) er et 9-sifret ID-nummer brukt i Nederland. Det valideres ved hjelp av Elfproef-sjekken (elleveproeven). Slik kjøres sjekken: multipliser hvert siffer med en vekt fra 9 ned til −1, legg sammen resultatene, og totalen må dele seg jevnt på 11.

BSN-loven (Wet algemene bepalingen burgerservicenummer) begrenser BSN-bruk til bestemte rettslige sammenhenger. Disse er: skatt, helsevesen, offentlig forvaltning og arbeidsgiverlønn. Bruk av BSN utenfor disse sammenhengene utløser BSN-lovhåndhevelse. GDPR-ansvar kommer i tillegg.

Hvorfor generiske verktøy bommer på BSN-er: Mange NLP-verktøy inkluderer ikke Elfproef-sjekken. Uten den flagges enhver 9-sifret streng som en mulig BSN. Det skaper falske alarmer i finans- og administrasjonsdokumenter. Feilskrevne BSN-er blir også oversett. De feiler sjekken, men ser fortsatt ut som et gyldig mønster. Se vår guide til EU-nasjonale skatte-ID-er og PII-deteksjon for en fullstendig sammenligning på tvers av europeiske ID-formater.

NER for nederlandsk tekst

Nederlandsk (Nederlands) har egenskaper som lurer modeller trent på engelsk.

Sammensatte ord: Nederlandsk setter ord sammen. Persoonsgegevens (personopplysninger) og Burgerservicenummer (borger-ID-nummer) er hvert ett enkelt ord. Modeller bygget for engelsk deler dem ofte på feil sted. Det ødelegger enhetsgjenkjenning.

Navneendinger: Suffiksene -je og -tje forekommer i fornavn — Annetje, Hansje. Navnemodeller må håndtere både grunnformen og kortformen.

Adresseformater: Gatetyper inkluderer Straat, Laan, Weg, Plein og Gracht. Postnumre bruker fire sifre pluss to bokstaver (eksempel: 1234 AB). Hvert nummer tilsvarer en enkelt gate, så det avslører mer enn de fleste europeiske postnumre gjør.

IBAN-format: Nederlandske IBAN-er er 18 tegn: NL + 2 kontrollsifre + 4-bokstavers bankkode + 10-sifret kontonummer. Landet har høy bruk av kortbetaling. Finansdokumenter inneholder derfor mange IBAN-er. For metoder for konfidensscoring på tvers av ID-typer, se binær PII-deteksjon og konfidensscore.

Teknisk sjekkliste for AP-overholdelse

For å oppfylle APs gjeldende standarder trenger datasystemer:

  1. BSN-deteksjon med Elfproef — mønstermatching alene er ikke nok
  2. Nederlandskspråklig NER — en modell som spaCy nl_core_news håndterer sammensatte ord og kortformsnavn
  3. IBAN-deteksjon — formatbevisst, ikke generisk
  4. Underbehandlerregistre for alle grensekryssende overføringer
  5. TIA-er for amerikanske leverandører — en aktiv AP-revisjonsprioritet etter Uber-kjennelsen

Etter Uber er TIA for amerikanske leverandører et grunnleggende krav, ikke beste praksis. For en fullstendig gjennomgang av kjennelsen og dens overføringsimplikasjoner, se AP Uber-bot og grensekryssende overføringshåndhevelse.

Kilder

Klar til å beskytte dataene dine?

Begynn å anonymisere PII med 285+ enhetstyper på 48 språk.

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.