By · Last updated 2026-06-05

Bloga DönGDPR & Uyumluluk

ÚOOÚ Çekya: İmalat Sektöründe GDPR

Çek ÚOOÚ, 2024'te 58 yaptırım kararı verdi; ihlallerin %34'ü imalat sektöründen kaynaklandı. Çek firmalarının %67'si Çekçeye özgü tanımlayıcıları kaçıran Almanca araçlar kullanıyor.

June 5, 20268 dk okuma
Czech Republic ÚOOÚrodné číslomanufacturing GDPRCentral Europe complianceCzech identifiers

Çek Úřad pro ochranu osobních údajů (ÚOOÚ), 2024'te 58 yaptırım kararı verdi; imalat ve otomotiv sektörü kuruluşları, Çek GDPR yaptırımında en yüksek sektör yoğunluğunu temsil eden %34 ile ilk sırada yer aldı.

Çekya'nın otomotiv ekonomisi açısından — Škoda Auto, Foxconn, Toyota Manufacturing ve düzinelerce Alman otomotiv yan sanayi tedarikçisinin faaliyet gösterdiği bu sektörde — GDPR uyumu, dağıtılan KKB araçlarının büyük çoğunluğunun yoksun olduğu spesifik teknik yetkinlikleri gerektiriyor.

Alman Ana Şirket Aracı Sorunu

ÚOOÚ'nun yaptırım modeli belirli bir başarısızlık biçimini ortaya koyuyor: Alman ana şirketlerin Almanca yapılandırılmış KKB araçlarını Çek iştiraklere dayatması.

Münih merkezli bir otomotiv grubu standart KKB tespitini Çek operasyonlarına uyguladığında:

  1. Araç Almanca dil ve tanımlayıcılar için yapılandırılıyor (Steuernummer, Personalausweis, IBAN/DE)
  2. Çekçe çalışan kayıtları, sözleşmeler ve sağlık belgeleri Almanca yapılandırılmış modeller aracılığıyla işleniyor
  3. Çekçe NVT doğruluğu Almanca karşılaştırmalı olarak %23 daha düşük (ÚOOÚ teknik rehberi 2024)
  4. Çekçe rodné číslo, açıkça Çekçe olarak etiketlenmeyen belgelerde gözden kaçıyor
  5. Çekçe çalışan sağlık ve İK verileri, ÚOOÚ'nun gerekli gördüğü tanımlayıcı düzeyinde koruma olmaksızın işleniyor

Çek işletmelerinin %67'si Çekçeye özgü tanımlayıcıları kaçıran Almanca veya İngilizce KKB araçları kullanıyor. ÚOOÚ, Almanca ana şirket araç satıcısını değil, Çek denetçisini (yerel iştiraki) sorumlu tutuyor.

Rodné Číslo: Tasarım Gereği Özel Kategori

Rodné číslo (doğum numarası), RRAAGG/XXXX formatında Çek ulusal tanımlayıcısıdır. Temel özellikler:

  • 3-4. basamaklar: Doğum ayı — kadınlara 50 ekleniyor (Ocak doğumlu bir kadın 01 değil 51 alıyor)
  • Ayırıcı: Eğik çizgi
  • Sonek: Kontrol basamağı olan 3-4 basamaklı dizi (modulus 11)

Cinsiyet kodlaması — kadınlara 50 eklenmesi — rodné číslo'yu GDPR Madde 9 kapsamında özel kategori göstergesi haline getiriyor. Numara, kayıt olarak cinsiyeti açıklıyor; bu da yüksek düzeyde koruma gerektiriyor.

ÚOOÚ, rodné číslo tespitinin şunları kapsamasını talep ediyor:

  • Kadınların ay kodlamasının doğru yönetimi (50 ofseti)
  • Modulus-11 kontrol basamağı doğrulaması
  • Hem 9 basamaklı (1954 öncesi doğumlar) hem de 10 basamaklı formatların tespiti

Cinsiyet ofseti yönetimi ve sağlama toplamı doğrulaması olmadan RRAAGG/XXXX formatını desen eşleştirmeyle tespit eden araçlar, ÚOOÚ'nun teknik yeterlilik standardını karşılamıyor.

İmalat Belgelerindeki Diğer Çek Tanımlayıcıları

Číslo občanského průkazu (OP): XXXXXXXXX (9 alfanümerik) formatındaki ulusal kimlik kartı. İş sözleşmelerinde, sağlık kayıtlarında ve ziyaretçi günlüklerinde yer alıyor.

IČO: 8 basamaklı işletme tanımlama numarası. Tedarikçi sözleşmelerinde yasal temsilcilerin kişisel verileriyle birlikte yer alıyor.

DIČ: CZ + rodné číslo (bireyler) veya CZ + IČO (şirketler) formatı. Serbest meslek sözleşmelerindeki kişisel DIČ tespit gerektiriyor.

Çek IBAN formatı: CZ + 22 basamak. Bordro kayıtlarında ve harcama raporlarında yaygın.

İmalata Özgü Uyum Zorlukları

Çek imalatının GDPR maruziyeti şu alanlara yayılıyor:

Çalışan kayıtları: Çek çalışanlarının İK verileri rodné číslo, ulusal kimlik, sağlık sigortası hesap numaraları ve banka hesabı ayrıntılarını kapsıyor. Alman, Japon veya ABD ana şirket sistemlerine yapılan sınır ötesi İK transferleri, Transfer Etki Değerlendirmeleri gerektiriyor.

Üretim kalite izlenebilirliği: Otomotiv üretim sistemleri sıklıkla kalite kayıtlarını bireysel işçilerle ilişkilendiriyor. Bu durum, geleneksel İK sistemlerinde yer almayan operasyonel teknoloji olarak sınıflandırılan sistemlerde kişisel veri yaratıyor — buna rağmen GDPR kapsamında kalıyor.

Bayilerdeki müşteri verileri: VW Grubu, Toyota ve diğer otomotiv üreticilerinin Çek bayilik ağları, rodné číslo içeren müşteri test sürüşü kayıtlarını, finansman başvurularını ve servis geçmişlerini işliyor.

Çek imalat uyumu için gereklilik şudur: cinsiyet ofseti yönetimi ve sağlama toplamı doğrulamasıyla rodné číslo tespiti, belge işleme için Çekçe NER ve karma Almanca/Çekçe/İngilizce belge hatları için çok yargı bölgesi desteği.

Kaynaklar:

Verilerinizi korumaya hazır mısınız?

48 dilde 285+ varlık türü ile PII anonimleştirmeye başlayın.

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.