anonym.legal

By · Last updated 2026-06-05

Terug naar BlogGDPR & Naleving

HDPA Griekenland: Toerisme & maritieme AVG

Griekenlands HDPA nam 89 handhavingsbeslissingen in 2024 — omhoog van 34 in 2022. Toerisme vertegenwoordigt 38% van de zaken. AFM- en AMKA-identificatoren vereisen checksomvalidatie.

June 5, 20269 min lezen
Greece HDPAAFM AMKA detectiontourism GDPRmaritime data protectionGreek identifiers

Griekenlands Hellenic Data Protection Authority (HDPA) nam in 2024 89 handhavingsbeslissingen — een stijging van 162% ten opzichte van 34 in 2022. Twee sectoren staan onder de meeste druk: toerisme en maritiem.

Bijgewerkt voor 2026

Toerisme: seizoensgebonden massaverwerking

Griekenland verwelkomde in 2024 meer dan 30 miljoen buitenlandse bezoekers. Elk bezoek genereert persoonsgegevens. Hotels, POS-systemen, touroperators en restaurants verzamelen ze allemaal. Het kernprobleem is timing: gegevens stromen massaal van juni tot september binnen en moeten daarna nog lang veilig bewaard worden.

De hotelaudits van HDPA in 2024 vonden drie veelvoorkomende fouttypen.

POS-bewaartermijnfouten: Restaurant-POS-systemen bewaarden kaart- en kassabongegevens langer dan opgegeven. De meeste hotelbedrijven hadden geen schriftelijk bewaarplan. Gegevens lagen er eindeloos bij, gelabeld "voor boekhouding".

Tekortkomingen bij boekingsplatforms: Hotels die wereldwijde boekingsplatforms gebruiken, hadden vaak geen Verwerkersovereenkomst. Velen hadden ook Transfer Impact Assessments voor overdrachten naar niet-EU-systemen overgeslagen.

Seizoenstoegangsfouten: Seizoenspersoneel kreeg toegang tot gastenbeheersystemen. Controles op die medewerkers waren zeldzaam. Inloggegevens bleven maanden na vertrek actief.

Toerisme vormt het grootste aandeel van HDPA-zaken per sector. Zie hoe EU-nationale identificatordetectie in heel Europa werkt voor een breder perspectief.

Maritieme naleving: bemanning op grote schaal

Qua tonnage leidt het land de wereld in scheepsbezit. De Helleense vloot telt meer dan 90.000 zeevarenden. Atheense bedrijven beheren bemanning voor vloten met medewerkers uit vele landen.

Bemanningsgegevens roepen vier AVG-problemen op.

Vlaggestaatrecht: Vlaggestaatrecht is van toepassing op het schip, ongeacht waar het vaart. De AVG geldt voor het gebruik van bemanningsgegevens op het schip, niet alleen op kantoor aan wal.

Multinationale bemanning: Veel bemanningen hebben geen lokale ingezetenen. Medewerkers uit de Filippijnen, Oekraïne, India en Indonesië zijn gangbaar. Hun paspoorten, STCW-kaarten en gezondheidsgegevens stromen alle door Atheen beheerde systemen.

Gezondheidsgegevens: Maritieme banen vereisen regelmatige gezondheidscontroles. Gezondheidsgegevens zijn een bijzondere AVG-categorie onder Artikel 9 en vereisen een duidelijke rechtsgrondslag, sterke beveiliging en strikte toegangsregels.

Zeevaart-ID-nummers: STCW-kaarten en Zeevaartboeken gebruiken unieke nummerformaten per uitgevend land. Deze ID's staan in bemanningssystemen en vereisen detectie voor volledige PII-dekking.

Nationale ID's: AFM en AMKA

ΑΦΜ (Fiscaal nummer): Het AFM is een 9-cijferig nummer. Een controlecijfer wordt vastgesteld via een gewogen somregel. Het is de voornaamste commerciële ID in het land en staat in zakelijke transacties, arbeidsbestanden en openbare diensten.

Generieke NLP-tools missen AFM's vaak. Het 9-cijferige patroon overlapt met datums en referentiecodes, wat leidt tot vals-positieven zonder checksomstap. Tools missen ook AFM's zonder spaties of met ongebruikelijke scheidingstekens.

ΑΜΚΑ (Sociaalverzekeringsnummer): AMKA is een 11-cijferig nummer dat geboortedatum, geslacht en een volgnummer bevat. Het staat op arbeidscontracten, geneesmiddelenrecepten en ziekenhuisformulieren.

Nationaal identiteitskaart (Αστυνομική Ταυτότητα): Eén letter gevolgd door zes of zeven cijfers, met Griekse uitgifteregels.

Paspoort: Standaard EU-formaat met lokale uitgifteregels.

Taal-NER voor Griekse tekst

Het lokale schrift is niet Latijns. De meeste commerciële NLP-modellen worden getraind op Latijnse tekst. Een op Latijns schrift getrainde tool kan geen namen of adressen vinden in Grieks-schriftbestanden.

Deugdelijke NER voor deze taal vereist vier zaken:

  • spaCy el_core_news of een gelijkwaardig Grieks NLP-model
  • Correcte tokenisering voor lokale tekenbereiken
  • Lokale naampatronen die afwijken van Engelse en Duitse patronen
  • Adrestermen: "Οδός" (straat), "Πλατεία" (plein), "Λεωφόρος" (laan)

Voor bedrijven in toerisme of maritiem in Griekenland vereist HDPA-niveau PII-detectie AFM- en AMKA-checksomcontroles plus Griekse NER in één pipeline.

Bronnen

Klaar om uw gegevens te beschermen?

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

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.