By · Last updated 2026-06-05

Tilbake til BloggGDPR & Overholdelse

UOOU Tsjekkia: GDPR for produksjonsindustrien

Tsjekkias UOOU utstedte 58 handhevelsesavgjorelser i 2024 - produksjonsindustrien star for 34 % av bruddene. 67 % av tsjekkiske selskaper bruker tyske verktoy som mangler tsjekkisk stotte.

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

UOOU og GDPR i tsjekkisk produksjonsindustri

Urad pro ochranu osobnich udaju (UOOU) utstedte 58 handhevelsesavgjorelser i 2024. Produksjons- og bilselskaper sto for 34 % av disse. Det er den hoyeste andelen for noen sektor.

Skoda Auto, Toyota, Foxconn og mange underleverandorer opererer alle i Tsjekkia. GDPR-samsvar der krever verktoy som handterer lokale data. De fleste verktoy i bruk gjor ikke det.

Problemet med morselskapsverktoy

UOOU-data viser et tydelig feilmonstre. Morselskaper i utlandet presser utenlandskonfigurerte personopplysningsverktoy ned til sine lokale enheter.

Nar en stor konsern ruller ut standardverktoyene sine til et Praga-kontor:

  1. Verktoyene er konfigurert for utenlandske identifikatorer. De dekker ikke lokale.
  2. Arbeidskontrakter og HR-filer er pa tsjekkisk. Verktoyene er ikke trent pa tsjekkisk tekst.
  3. NER-noyaktigheten for tsjekkisk er 23 % lavere enn for tilsvarende tekst pa andre sprak. (UOOUs tekniske veiledning, 2024)
  4. Rodne cislo mangler i filer som ikke er merket som tsjekkiske.
  5. Ansatthelsedata og HR-data flyttes uten det vernet tilsynsmyndighetene krever.

67 % av lokale selskaper baserer seg pa verktoy som glipper landsspesifikke identifikatorer. UOOU holder den lokale behandlingsansvarlige ansvarlig. Det holder ikke morselskapet ansvarlig.

Rodne cislo: Spesialkategoriopplysninger

Rodne cislo er et fodselsnummer. Det bruker formatet RRMMDD/XXXX.

  • Siffer 3-4 koder fodselsmaned. For kvinner legges 50 til. En kvinne fodt i januar viser 51, ikke 01.
  • En skrastrek skiller datoen fra suffikset.
  • Suffikset har 3-4 sifre med et kontrollsiffer basert pa modulus-11.

Kjonnkodingen gjor dette nummeret til spesialkategoridata etter GDPR artikkel 9. Det avslorer kjonn av design. Forsterket beskyttelse gjelder.

Tre ting ma dekkes. For det forste: kvinner's manedsoffset - 50-regelen. For det andre: modulus-11 kontrollsiffer-validering. For det tredje: bade 9-sifret (for 1954) og 10-sifret format.

Monstermatch alene oppfyller ikke UOOUs standard.

Andre sentrale identifikatorer

Cislo obcanskeho prukazu (OP): Nasjonalt ID-kort. Ni alfanumeriske tegn. Finnes pa kontrakter, besokslister og helsejournaler.

ICO: Attsifret virksomhetsnummer. Forekommer i leverandorkontrakter ved siden av personopplysninger om juridiske representanter.

DIC: Format CZ + fodselsnummer (enkeltpersoner) eller CZ + ICO (selskaper). Personlig DIC finnes i frilanskontrakter.

IBAN: Format CZ + 22 sifre. Vanlig i lonnsfiler og utgiftsrapporter.

Hvor produksjonsindustrien er eksponert

HR-dokumenter: Lonnsutbetaling for lokalt ansatte inkluderer fodselsnumre, nasjonale ID-er og bankopplysninger. Grensekryssende HR-overforing krever Transfer Impact Assessments.

Kvalitetssporbarhet: Bilproduksjonssystemer kobler ofte defektjournaler til enkeltarbeidere. Dette er personopplysninger inne i operasjonell teknologi. De er underlagt GDPR selv utenfor HR-systemer.

Forhandlerdata: Store produsentnett behandler provekjoringsjournaler, finansieringsskjemaer og servicehistorikk. Mange av disse inneholder fodselsnumre.

Se var GDPR-veiledning og oversikt over flerspraklig personopplysningsoppdagelse for hvordan identifikasjonsgap gjelder pa tvers av EU-jurisdiksjoner. For full enhetsdekningsdekning, se enhetsoversikten.

Kjernekravet er enkelt. Fodselsnummeroppdagelse ma inkludere kjonnsnivaa-offsethandtering og kontrollsiffervalidering. Innfodt NER for tekstbehandling er ogsa pakreves. Blandede sprakrorledninger ma stottas.

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.