Alles, was wir darüber wissen, warum Anonymisierung scheitert.
Leitfäden, Analysen einzelner Rechtsvorschriften, ehrliche Vergleiche und ausführlichere Artikel. Die meisten dieser Texte entstanden, bevor wir dazu etwas zu verkaufen hatten. Wir behalten sie, weil Menschen, die ein Angebot gründlich prüfen, mehr brauchen als eine Broschüre. Die Forschungsplattform anonym.community enthält weitere 209 Beiträge und 170 Fallstudien.
Leitfäden
Was personenbezogene Daten sind, wie sie gefunden werden und was das Entfernen dieser Daten in einem Dokument tatsächlich bewirkt.
Was sind personenbezogene Daten? Alles, was Sie wissen müssen
Alles über personenbezogene Daten (PII): Arten, Beispiele, Rechtsrahmen (DSGVO, HIPAA, CCPA) sowie Methoden, sie zu erkennen und zu schützen.
Leitfaden zur Datenanonymisierung nach der DSGVO
Datenanonymisierung nach der DSGVO in der Praxis: die wichtigsten Artikel, Anonymisierung und Pseudonymisierung, Erwägungsgrund 26 und eine Checkliste zur Umsetzung für Datenschutzbeauftragte in Ihrem Team.
Anonymisierung, Pseudonymisierung und Verschlüsselung
Die wichtigsten Unterschiede zwischen Anonymisierung, Pseudonymisierung und Verschlüsselung. Definitionen der DSGVO (Artikel 4), Anwendungsfälle, Compliance-Anforderungen und Techniken.
Personenbezogene Daten erkennen: Regex, NLP und hybride Verfahren
Technischer Vergleich von Mustererkennung mit regulären Ausdrücken, Entitätserkennung mit natürlicher Sprachverarbeitung (NLP) und dem hybriden Ansatz: Genauigkeit, Leistung und die Umsetzung in Presidio.
Genauigkeit von Grund auf
Genauigkeitsprofile und Zuverlässigkeitswerte für verschiedene Erkennungsverfahren. Die hybride Erkennung verbindet durch Prüfsummen bestätigte Muster mit NLP. Wir veröffentlichen keine Prozentangabe zur Genauigkeit.
Personenbezogene Daten in LLM-Eingaben: Risiken und Lösungen
Risiken personenbezogener Daten in Eingaben an große Sprachmodelle: Verunreinigung von Trainingsdaten, Protokollierung von Eingaben und Abfluss über Ausgaben. Schutzmaßnahmen mit dem MCP-Server und der Chrome-Erweiterung.
Daten anonymisieren, bevor sie das LLM erreichen
Schützen Sie sensible Daten bei der Arbeit mit KI: mit dem MCP-Server für Claude Desktop, der Chrome-Erweiterung für ChatGPT und Gemini sowie einer API für RAG-Verarbeitungsketten. Betrieb in Falkenstein, Deutschland.
Datenlecks verhindern: Warum Anonymisierung Ihre letzte Verteidigungslinie ist
Wie die Anonymisierung personenbezogener Daten den Schaden einer Datenpanne begrenzt: fünf beispielhafte Szenarien aus Gesundheitswesen, Bildung, Finanzwesen und Lieferketten sowie zu Bedrohungen durch interne Personen.
Nach Rechtsvorschrift
DSGVO, HIPAA, CCPA, PCI DSS, ISO 27001 und die EU-KI-Verordnung: jeweils mit Blick darauf, was sie konkret für die Anonymisierung verlangen.
Leitfaden zur Datenanonymisierung nach der DSGVO
Datenanonymisierung nach der DSGVO in der Praxis: die wichtigsten Artikel, Anonymisierung und Pseudonymisierung, Erwägungsgrund 26 und eine Checkliste zur Umsetzung für Datenschutzbeauftragte in Ihrem Team.
Leitfaden zur Anonymisierung von Daten nach HIPAA
De-Identifizierung nach HIPAA in der Praxis: 18 Merkmale geschützter Gesundheitsdaten (PHI), die Verfahren Safe Harbor und Expert Determination sowie die Anforderungen von 45 CFR § 164.514(b) an geschützte Gesundheitsdaten.
Leitfaden zur Datenanonymisierung nach dem CCPA
Leitfaden zur Datenanonymisierung nach CCPA und CPRA: Verbraucherrechte, die 11 Kategorien personenbezogener Informationen und Verfahren zur De-Identifizierung nach kalifornischem Datenschutzrecht.
Leitfaden zur Datenanonymisierung nach PCI-DSS
Datenanonymisierung nach PCI DSS: Arten von Karteninhaberdaten, Prüfung mit der Luhn-Prüfsumme, Tokenisierung und Verschlüsselung sowie die Frage, wie eine geeignete Anonymisierung den Geltungsbereich von PCI DSS verkleinert.
ISO 27001 und Datenanonymisierung
Datenanonymisierung zur Erfüllung von ISO 27001. Relevante Maßnahmen aus Anhang A (A.5.12, A.5.33, A.8.10, A.8.11, A.8.24), wie Sie sie umsetzen und was Sie dokumentieren.
EU-KI-Verordnung: Compliance für personenbezogene Daten in KI-Systemen
Die Pflichten für Hochrisiko-KI nach der EU-KI-Verordnung gelten ab dem 2. Dezember 2027. Geldbußen von bis zu 35 Mio. € oder 7 % des weltweiten Umsatzes. Artikel 10 zu Datenverwaltung und Pflichten im Umgang mit personenbezogenen Daten.
Vergleiche
Worin wir uns von Google Cloud DLP, Nightfall, Strac, BigID, OneTrust und Gretel sowie einer eigenen Lösung auf Basis von Presidio unterscheiden. Dazu gehört auch, wann diese Angebote die bessere Wahl sind.
anonymize.solutions im Vergleich
Direkter Vergleich von anonymize.solutions mit Strac, Nightfall AI, Google Cloud DLP und einer eigenen Presidio-Lösung: Funktionen, Preise, Bereitstellungsmodelle und Compliance-Anforderungen.
anonymize.solutions vs. Google Cloud DLP
Vergleichen Sie anonymize.solutions mit Google Cloud DLP: Anbieterunabhängigkeit, lokale Verarbeitung, Betrieb in der EU und Office-Anbindung in einer Funktionstabelle.
anonymize.solutions vs. Nightfall AI
Vergleichen Sie anonymize.solutions mit Nightfall AI beim Schutz personenbezogener Daten: MCP-Anbindung, Office-Erweiterung, lokale Verarbeitung, Datenhaltung in der EU und eine Funktionstabelle.
anonymize.solutions vs. Strac
Ausführlicher Vergleich von anonymize.solutions und Strac: Datenhaltung in der EU, lokale Verarbeitung, Office-Erweiterung und umkehrbare Anonymisierung im direkten Vergleich.
anonymize.solutions vs. Presidio im Eigenbetrieb
Betreuter Dienst oder eigene Presidio-Lösung: eine einsatzbereite API, Office-Anbindung, Unterstützung für 48 Sprachen und Betrieb für Sie in Deutschland. Mit Kosten- und Funktionstabelle.
anonymize.solutions vs. BigID
BigID findet, klassifiziert und verwaltet Daten in Hunderten von Systemen. anonym.legal und anonym.plus entfernen personenbezogene Daten aus dem Text, den Sie gerade verwenden. Wo welches Angebot passt.
anonymize.solutions vs. OneTrust
OneTrust steuert das Datenschutzprogramm: Einwilligungen, Steuerung, Risiken und das Auffinden gespeicherter Daten. anonym.legal und anonym.plus entfernen personenbezogene Daten aus dem Text. Wo welches Angebot passt.
anonymize.solutions vs. Gretel
Gretel erzeugte synthetische Daten; seine Website leitet inzwischen zu NVIDIA weiter. anonym.legal und anonym.plus anonymisieren echten Text, auf Wunsch umkehrbar. Wo welches Angebot passt.
Artikel
Ausführlichere Beiträge zu Fehlerursachen und Problemfällen: unkontrollierte KI-Nutzung, Datenabfluss über Eingaben, RAG-Verarbeitungsketten und die Kosten für den eigenen Betrieb von Presidio.
Schatten-KI und personenbezogene Daten: Wie Beschäftigte versehentlich sensible Daten an ChatGPT senden
78 % der KI-Nutzer bringen eigene KI-Werkzeuge mit zur Arbeit. Erfahren Sie, wie dabei personenbezogene Daten abfließen, was KI-bezogene Datenpannen kosten und wie die Chrome-Erweiterung sie vorher anonymisiert.
17. März 2026
Personenbezogene Daten in KI-Eingaben schützen: Ein Leitfaden für Entwickler
Schritt für Schritt zum Schutz personenbezogener Daten in Eingaben an ChatGPT, Claude und Gemini: Einrichtung des MCP-Servers, die Chrome-Erweiterung und umkehrbare Verschlüsselung für die KI-Nutzung.
17. März 2026
ChatGPT und HIPAA: Was Gesundheitseinrichtungen 2026 wissen müssen
OpenAI bietet für ChatGPT Enterprise eine Vereinbarung mit Geschäftspartnern (BAA) an. Eine BAA allein erfüllt die HIPAA-Anforderungen aber nicht. Erfahren Sie mehr über die 3 Bedingungen, die 18 gefährdeten Merkmale geschützter Gesundheitsdaten und darüber, warum Sie vorab anonymisieren.
17. März 2026
EU-KI-Verordnung und personenbezogene Daten: Was alle, die KI entwickeln, bis zum 2. Dezember 2027 tun müssen
Die Pflichten für Hochrisiko-KI nach der EU-KI-Verordnung gelten ab dem 2. Dezember 2027. Geldbußen von bis zu 35 Mio. € oder 7 %. Dazu kommen Pflichten zur Datenverwaltung nach Artikel 10 und eine Liste zur Anonymisierung personenbezogener Daten.
17. März 2026
KI-Trainingsdaten nach der DSGVO: So anonymisieren Sie vor dem Feintuning
So anonymisieren Sie KI-Trainingsdaten im Hinblick auf Artikel 5 der DSGVO und Artikel 10 der EU-KI-Verordnung: ein praktischer Leitfaden für Entwickler maschinellen Lernens mit einer Anonymisierung in 5 Schritten.
17. März 2026
DSGVO-Datenminimierung: Leitfaden zur Umsetzung der Artikel 5, 25 und 32
Datenminimierung nach der DSGVO in der Praxis: Artikel 5 Absatz 1 Buchstabe c, 25 und 32 mit Umsetzungsschritten, einer Checkliste für Datenschutzbeauftragte und einem Ablauf zur Website-Prüfung mit piisafe.eu.
17. März 2026
De-Identifizierung nach HIPAA Safe Harbor: vollständiger Leitfaden zu den 18 PHI-Kennungen
Leitfaden zum Safe-Harbor-Verfahren nach HIPAA: die 18 Merkmale geschützter Gesundheitsdaten (PHI), 45 CFR § 164.514(b) und die Grenzen automatisierter Erkennung bei der Anwendung des Verfahrens.
17. März 2026
MCP-Server zum Schutz personenbezogener Daten: Daten in Claude Desktop und Cursor schützen
Vollständige Anleitung zur Einrichtung des MCP-Servers zum Schutz personenbezogener Daten in Claude Desktop, Cursor und VS Code. 9 Werkzeuge: analysieren, anonymisieren, Token rückgängig machen, Bilder schwärzen und mehr.
17. März 2026
PCI-DSS-Prüfumfang durch Tokenisierung verringern: So sinkt Ihr Prüfaufwand
Wie Tokenisierung den Geltungsbereich von PCI DSS verkleinert. Prüfung mit der Luhn-Prüfsumme, Tokenisierung im Vergleich zu Verschlüsselung und Maskierung sowie Wege zur Eingrenzung des Geltungsbereichs.
17. März 2026
Konsistente Pseudonymisierung für RAG-Pipelines: Personenbezogene Daten schützen, ohne die Suche zu beeinträchtigen
So setzen Sie eine einheitliche Pseudonymisierung für RAG-Verarbeitungsketten um. Dieselbe Entität erhält immer dasselbe Token, so findet die Suche sie über alle indexierten Dokumente hinweg.
17. März 2026
Was der Betrieb von Microsoft Presidio wirklich kostet: Gesamtkosten über 12 Monate
Analyse der Gesamtkosten für den eigenen Betrieb von Microsoft Presidio über 12 Monate: Einrichtungszeit, monatlicher Wartungsaufwand, Infrastrukturkosten und versteckte Betriebskosten.
17. März 2026
Microsoft Presidio oder ein verwalteter Dienst für personenbezogene Daten: Was passt 2026?
Entscheidungsmatrix: Microsoft Presidio selbst betreiben oder einen verwalteten Dienst für personenbezogene Daten nutzen. Wann welche Lösung passt, technische Abwägungen, Aufwand für den Wechsel und Gesamtkosten.
17. März 2026
Die 7 besten Alternativen zu Google Cloud DLP 2026 im Detailvergleich
Die 7 wichtigsten Alternativen zu Google Cloud DLP im Jahr 2026. Vergleichen Sie anonymize.solutions, Nightfall AI, Strac, Microsoft Purview, Varonis, Forcepoint und Symantec DLP.
17. März 2026
Die 7 besten Nightfall-AI-Alternativen 2026 im Detailvergleich
Die 7 wichtigsten Alternativen zu Nightfall AI im Jahr 2026 im Detail: anonymize.solutions, Strac, Google DLP, Microsoft Purview, Varonis, Forcepoint und Symantec.
17. März 2026
Die 7 besten Strac-Alternativen 2026 im Detailvergleich
Die 7 wichtigsten Alternativen zu Strac im Jahr 2026. Vergleichen Sie anonymize.solutions, Nightfall AI, Google DLP, Microsoft Purview, Varonis, Forcepoint und Symantec direkt miteinander.
17. März 2026
Fehlt Ihnen eine Seite?
Schreiben Sie uns Ihre Frage. Ist sie gut, wird daraus eine Seite. Eine Antwort erhalten Sie in jedem Fall.