By · Last updated 2026-06-05

Tillbaka till BloggenGDPR & Efterlevnad

ÚOOÚ Tjeckien: GDPR för tillverkning

Tjeckiska ÚOOÚ utfärdade 58 tillsynsbeslut 2024 varav tillverkning stod för 34 % av överträdelserna. 67 % av tjeckiska företag använder tyska verktyg som saknar tjeckisk identifierartäckning.

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

ÚOOÚ och GDPR inom tjeckisk tillverkning

Úřad pro ochranu osobních údajů (ÚOOÚ) utfärdade 58 tillsynsbeslut 2024. Tillverknings- och fordonsföretag stod för 34 % av dessa. Det är den högsta andelen av alla sektorer.

Škoda Auto, Toyota, Foxconn och många underleverantörer är verksamma i Tjeckien. GDPR-efterlevnad där kräver verktyg som hanterar lokala uppgifter. De flesta verktyg som används gör det inte.

Problemet med moderbolagets verktyg

ÚOOÚ:s data visar ett tydligt mönster av fel. Moderbolag utomlands skickar ut utländskt konfigurerade PII-verktyg till sina lokala enheter.

När en stor koncern driftsätter sitt standardverktyg till ett kontor i Prag:

  1. Verktyget är konfigurerat för utländska identifierare. Det täcker inte lokala sådana.
  2. Anställningsavtal och HR-filer är på tjeckiska. Verktyget var inte tränat på tjeckisk text.
  3. NER-noggrannheten för tjeckiska är 23 % lägre än för motsvarande text på andra språk. (ÚOOÚ:s tekniska vägledning, 2024)
  4. Rodné číslo missas i filer som inte är märkta som tjeckiska.
  5. Anställdas hälso- och HR-data rör sig utan det skydd som tillsynsmyndigheterna kräver.

67 % av lokala företag förlitar sig på verktyg som missar landspecifika identifierare. ÚOOÚ håller den lokala personuppgiftsansvarige ansvarig. Inte det utländska moderbolaget.

Rodné číslo: känsliga uppgifter av särskild kategori

Rodné číslo är ett födelsenummer. Det har formatet RRMMDD/XXXX.

  • Siffrorna 3–4 kodar födelseмånaden. För kvinnor adderas 50. En kvinna född i januari visar 51, inte 01.
  • Ett snedstreck skiljer datumdelen från suffixet.
  • Suffixet har 3–4 siffror med en modulus-11-kontrollsiffra.

Könkodningen gör detta nummer till uppgifter av särskild kategori enligt GDPR artikel 9. Det avslöjar kön by design. Förstärkt skydd gäller.

Tre saker måste täckas. Först women's månadsoffset — 50-regeln. Sedan modulus-11-kontrollsiffervalidering. Slutligen både 9-siffrigt (före 1954) och 10-siffrigt format.

Mönstermatchning ensamt uppfyller inte ÚOOÚ:s standard.

Andra viktiga identifierare

Číslo občanského průkazu (OP): Nationellt ID-kort. Nio alfanumeriska tecken. Förekommer i kontrakt, besöksloggar och hälsojournaler.

IČO: Åttasiffrigt organisationsnummer. Förekommer i leverantörskontrakt intill personuppgifter om juridiska ombud.

DIČ: Format CZ + födelsenummer (privatpersoner) eller CZ + IČO (företag). Personligt DIČ förekommer i frilansskontrakt.

IBAN: Format CZ + 22 siffror. Vanligt i lönefiler och utläggsrapporter.

Var tillverkningen är exponerad

HR-register: Löner för lokal personal inkluderar födelsenummer, nationella ID:n och bankuppgifter. Gränsöverskridande HR-överföringar kräver Transfer Impact Assessments.

Kvalitetsspårbarhet: Automatiserade produktionssystem kopplar ofta defektposter till enskilda arbetare. Det är personuppgifter inom driftsteknik. Det omfattas av GDPR även utanför HR-system.

Återförsäljardata: Stora tillverkarnätverk behandlar provkörningspost, finansieringsformulär och servicehistorik. Många av dessa innehåller födelsenummer.

Se vår GDPR-efterlevnadsguide och översikt av flerspråkig PII-detektering för hur identifierarluckor gäller i EU:s jurisdiktioner. För fullständig enitetstäckning, se entitetsreferensen.

Kärnbehovet är enkelt. Födelsenummerdetektering måste inkludera könsoffset-hantering och checksummavalidering. Inbyggt NER för textbehandling krävs också. Blandspråkiga pipelines måste stödjas.

Källor

Redo att skydda din data?

Börja anonymisera PII med 285+ entitetstyper 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.