anonym.legal

By · Last updated 2026-05-31

Terug naar BlogGDPR & Naleving

Verder dan SSN's: interne ID-anonimisering

Elke organisatie heeft interne identifiers — medewerkers-ID's, rekeningnummers, bestel-ID's — die in context persoonlijk identificeerbaar zijn maar worden gemist door standaard PII-tools.

May 31, 20267 min lezen
custom PII detectionorganizational identifiersre-identification riskGDPR pseudonymizationcustom entity

Verder dan SSN's: interne ID's van uw organisatie anonimiseren

Uw GDPR-tool verwijdert e-mailadressen. Het verwijdert telefoonnummers. Het verwijdert namen. U verwerkt supportexports erdoorheen. Dan deelt u de output met uw analyseteam.

Uw klant-rekeningnummers staan nog steeds in elk ticket. Uw bestel-ID's ook. Uw interne gebruikers-ID's ook.

Deze ID's lijken op zichzelf onschadelijk. Zonder opzoektabel benoemen ze niemand. Maar uw analyseteam heeft die tabel. U bent al een stap te ver gegaan.

Wat het risico concreet maakt

Een supportticket bevat: "Account #CUST-EU-447821 meldde een factureringsprobleem."

Het geanonimiseerde ticket verwijdert de naam en het e-mailadres van de klant. Maar het laat CUST-EU-447821 staan. Uw CRM-systeem heeft een directe koppeling: CUST-EU-447821 = Jan Bakker, Amsterdam.

Iedereen met CRM-toegang en de geanonimiseerde dataset kan herontwikkelen welke klant elk ticket indiende. De anonimisering is onvolledig.

GDPR Artikel 4 omvat alle gegevens die terugkoppeling naar een persoon mogelijk maken. Een ID die terugkoppelt via een opzoktabel is persoonsgegevens voor iedereen met toegang tot die tabel.

De entiteitsklasse: quasi-identifiers

Interne ID's zijn quasi-identifiers — ze identificeren niet direct, maar in combinatie met andere beschikbare informatie stellen ze identificatie in staat.

Andere quasi-identifiers die vaak worden gemist:

  • Orderreferentienummers (ORDER-2024-447821)
  • Supportticket-ID's (TKT-2025-11234)
  • Sessie-ID's in analyses
  • Campagnecode-attributies die naar individuele klanten verwijzen
  • CRM-ID's in CRM-exports

Aangepaste entiteiten aanmaken voor organisatie-ID's

Stap 1: Catalogiseer uw interne ID's

Lijst alle ID-types die uw organisatie gebruikt en die terugkoppelen naar individuen. Kijk naar CRM, ondersteuning, e-commerce, HR en financiële systemen.

Stap 2: Documenteer formaten

Voor elk ID-type: noteer het formaat, de prefix, de lengte en het validatiepatroon.

Stap 3: Configureer in anonym.legal

Gebruik de Entiteitseditor om elk ID-type aan te maken. Test op bekende waarden. Activeer voor de relevante pijplijnen.

Stap 4: Documenteer in DPIA

De DPIA moet alle categorieën verwerkte persoonsgegevens documenteren, inclusief interne ID's. De entiteitsconfiguratie is het bewijs dat u ze behandelt als PII.

Gerelateerde Artikelen

GDPR & Naleving

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR & Naleving

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR & Naleving

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

Klaar om uw gegevens te beschermen?

Begin met het anonimiseren van PII met 285+ entiteitstypen in 48 talen.

Start Gratis ProefperiodeBekijk Kenmerken

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.