Personenbezogene Daten schwärzen: warum „gut genug" nicht gut genug ist

Personenbezogene Daten schwärzen bedeutet, Namen, Adressen, Bankverbindungen und Kennnummern dauerhaft so aus einem Dokument zu entfernen, dass sie nicht mehr gelesen oder wiederhergestellt werden können. Dieser Beitrag erklärt, warum viele Werkzeuge dabei nur scheinbar schwärzen – und worauf es bei zuverlässiger, DSGVO-konformer Schwärzung wirklich ankommt.

Jedes Unternehmen sitzt auf Dokumenten voller personenbezogener Daten. Verträge, Support-Tickets, Arztbriefe, Personalakten. Früher oder später müssen Sie sie weitergeben, auswerten oder in ein KI-Werkzeug geben. Und in genau diesem Moment zählt eine Frage mehr als jede andere: Ist wirklich jeder Name, jede Bankverbindung, jede Ausweisnummer verschwunden? Die Frage ist nicht nur eine des guten Gewissens: Die DSGVO sieht für unzureichend geschützte personenbezogene Daten Bußgelder von bis zu 20 Millionen Euro oder 4 % des weltweiten Jahresumsatzes vor (Art. 83 DSGVO).

Bei Kontinent entwickeln wir maskwerk, eine Schwärzungs-Engine, die für genau diese Aufgabe gemacht ist – mit besonderem Fokus auf deutsche Dokumente. Sie liest die Formate, in denen Ihre Daten tatsächlich liegen, darunter PDF, Word, Excel und einfachen Text, und sie kann sogar den Text in eingescannten Bildern lesen. In diesem Beitrag erklären wir in einfachen Worten, wie sie funktioniert und warum wir sie so gebaut haben, wie wir sie gebaut haben.

Das Wichtigste in Kürze

• maskwerk ist die deutsche Schwärzungs-Engine von Kontinent – sie erkennt und schwärzt personenbezogene Daten in PDF, Word, Excel, Text und eingescannten Bildern.

• Prüfen statt raten: IBAN, Steuer-ID, Sozialversicherungs- und Krankenversichertennummer, Kreditkarte und Personalausweis werden über ihre Prüfziffer validiert – nicht anhand von Hinweiswörtern erraten.

• Echte PDF-Schwärzung: Der zugrunde liegende Text wird entfernt und das Ergebnis überprüft – kein bloßer schwarzer Balken, unter dem der Inhalt kopierbar bleibt.

• Läuft lokal, DSGVO-freundlich: Ihre Dokumente verlassen Ihre eigene Umgebung nicht.

• Umkehrbar für den KI-Einsatz: konsistente Platzhalter, deren Zuordnung nur im Arbeitsspeicher gehalten wird.

• Im Test: 100 % Trefferquote auf gelabelten Testdaten, 85 % auf echten deutschen Gerichtsurteilen, 78 % auf synthetischen Geschäftsdokumenten.

Das Problem mit den meisten Schwärzungs-Tools

Rechtlich hängt an dieser Frage mehr, als es zunächst wirkt. Der Europäische Datenschutzausschuss stellt in seiner EDSA, Stellungnahme 28/2024 zu KI-Modellen klar, dass Anonymität nie pauschal angenommen werden darf, sondern im Einzelfall nachgewiesen werden muss. Eine Schwärzung, die Namen nur teilweise trifft, ist damit keine Anonymisierung, sondern eine Pseudonymisierung – und personenbezogene Daten bleiben personenbezogene Daten, mit allen Pflichten aus der Verordnung (EU) 2016/679 (DSGVO).

Die meisten Werkzeuge finden personenbezogene Daten so, wie ein Mensch es beim Überfliegen einer Seite täte: Sie suchen nach Hinweisen. Steht das Wort „IBAN“ neben einer langen Zahl, wird die Zahl maskiert. Sieht ein Wort nach einem Namen aus, wird es ebenfalls maskiert – sofern die Software sich sicher genug fühlt.

Dieser Ansatz scheitert in beide Richtungen. Eine Steuer-ID, die allein in einer Tabellenzelle steht, ohne Beschriftung daneben, rutscht durch, weil es keinen Hinweis gab. Gleichzeitig wird harmloser Text geschwärzt, weil er vage nach etwas Sensiblem aussah. Am Ende haben Sie Dokumente, die zugleich undicht und unlesbar sind.

Prüfen statt raten

Hier ein Detail, das man außerhalb der Fachwelt kaum kennt: Viele amtliche Kennnummern tragen einen eingebauten Gültigkeitsnachweis. Deutsche Steuer-IDs, Sozialversicherungsnummern, Krankenversichertennummern, Personalausweisnummern, IBANs und Kreditkartennummern enthalten alle eine Prüfziffer – einen kleinen mathematischen Fingerabdruck, den nur echte Nummern besitzen.

maskwerk nutzt das. Sieht es eine Kandidatennummer, rechnet es die tatsächliche Prüfung nach. Besteht die Nummer, wird sie maskiert – selbst wenn sie völlig allein steht, ohne jede Beschriftung. Fällt sie durch, bleibt sie unangetastet, selbst wenn jemand „Steuer-ID“ direkt daneben getippt hat, denn eine Nummer, die die Prüfung nicht besteht, ist keine echte Steuer-ID.

Es gibt eine bewusste Ausnahme, und sie ist eine Frage der Sicherheit. Ist eine Nummer klar als Bankverbindung ausgewiesen, besteht aber ihre Prüfung nicht, maskiert maskwerk sie trotzdem. Eine vertippte IBAN ist immer noch die Bankverbindung von jemandem; sie wegen eines Tippfehlers offenzulegen, wäre genau der falsche Reflex.

Für Namen und Orte, wo es keine solche Mathematik gibt, kombiniert maskwerk mehrere Sprachmodelle und korrigiert anschließend deren vorhersehbare Fehler mit schlichtem Wissen. Ein Modell wird die Stadt Hamburg bereitwillig als Personennamen einordnen; eine kuratierte Liste echter deutscher Städte und Vornamen rückt das still wieder gerade.

Das Ergebnis ist ein Werkzeug, das die Kennnummern erfasst, auf die es ankommt, und Ihr Dokument nicht wegen Fehlalarmen zerlegt.

Keine halb geschwärzten Namen

Es gibt einen subtilen Fehlermodus in Schwärzungssoftware, den wir für inakzeptabel halten: das übrig gebliebene Fragment. Angenommen, ein System erkennt „Anna Bergmann-Weiß“ als Person und erkennt separat „Bergmann“ als etwas anderes. Nachlässige Werkzeuge ersetzen beide Funde unabhängig voneinander, die Positionen verschieben sich, und am Ende steht im Dokument „PERSON-Weiß“. Ein Teil des Namens hat überlebt. Das ist ein Datenleck, nur ein leiseres.

maskwerk löst jede Überschneidung zwischen Funden auf, bevor es den Text anfasst. Jedes Zeichen des Dokuments gehört zu genau einem Fund, und erst dann findet die Ersetzung statt. Ein Name wird ganz entfernt – oder die Software verweigert die Weiterarbeit. Ein Dazwischen gibt es nicht.

Ein schwarzer Balken reicht nicht

Wenn Menschen ein PDF schwärzen, ziehen sie meist ein schwarzes Rechteck über die sensible Stelle. Es sieht fertig aus. Aber die Wörter darunter sind oft noch da, unsichtbar in der Datei, mit einem simplen Kopieren und Einfügen wiederherstellbar. Zeitungen, Kanzleien und Behörden haben auf genau diese Weise sensible Informationen preisgegeben.

maskwerk deckt Text nicht ab, es entfernt ihn. Bei PDFs löscht es den zugrunde liegenden Inhalt, entfernt die versteckten Metadaten, in denen sich personenbezogene Daten gern einnisten, und liest anschließend seine eigene Ausgabe erneut, um sicherzugehen, dass nichts überlebt hat. Lässt sich ein Originalwert noch wiederherstellen, wird die Datei zurückgewiesen statt an Sie zurückgegeben. Eine Schwärzung, die sich nicht überprüfen lässt, ist eine Schwärzung, die wir nicht ausliefern.

Wenn etwas kaputtgeht, halten wir an

Software versagt manchmal. Die interessante Frage ist, was danach passiert. Viele Verarbeitungsketten sind nachsichtig gebaut: Stürzt ein Erkennungsschritt ab, macht der Rest weiter, und das Dokument kommt am anderen Ende fertig aussehend heraus.

Für Datenschutzarbeit halten wir das für die falsche Wahl. Ein nur teilweise geprüftes Dokument sieht genauso aus wie ein vollständig geprüftes, und niemandem fällt es auf, bis es zu spät ist. Deshalb bricht maskwerk im Zweifel kontrolliert ab. Geht ein Teil der Erkennung kaputt, stoppt der ganze Lauf und sagt es Ihnen – laut und deutlich. Sie erhalten nie ein halb geprüftes Dokument, das sich als sicheres ausgibt.

Schwärzung, die sich bewusst rückgängig machen lässt

maskwerk schwärzt nicht einfach nur. Es ersetzt jedes personenbezogene Datum durch einen beschrifteten Platzhalter, und dieselbe Person oder Kontonummer erhält im gesamten Dokument stets denselben Platzhalter. Die Zuordnung zwischen Platzhaltern und Originalen wird für die Dauer des Vorgangs nur im Arbeitsspeicher gehalten – nie auf die Festplatte geschrieben – und dient dazu, den echten Text wieder in das Ergebnis einzusetzen, bevor sie verworfen wird. Warum ist das wichtig?

Weil der häufigste Grund, heute zu schwärzen, der sichere Einsatz von KI ist. Sie maskieren ein Dokument, lassen ein KI-Modell es zusammenfassen oder übersetzen und setzen anschließend die echten Namen wieder ins Ergebnis ein. Weil die Platzhalter konsistent sind, kann die KI trotzdem nachvollziehen, wer was getan hat; ihre Zusammenfassung bleibt schlüssig, obwohl sie nie einen einzigen echten Namen erfährt. maskwerk kommt sogar damit zurecht, dass KI-Modelle die Platzhalter unterwegs manchmal umformatieren, und repariert sie bei der Wiederherstellung.

Und weil maskwerk als Software-Bibliothek in Ihrer eigenen Umgebung läuft, verlassen die Dokumente selbst nie Ihr Haus – weder zu uns noch zu sonst jemandem. Eine Schwärzung, die verlangt, dass Sie Ihre Dateien erst zu einem Fremden hochladen, kam uns immer wie ein seltsamer Handel vor.

Funktioniert das wirklich?

Wir testen maskwerk auf drei Ebenen, weil eine einzelne Zahl nie die ganze Geschichte erzählt und ein Benchmark, den man selbst gebaut hat, einen immer ein wenig schmeichelt.

Der erste Test ist unser eigener: 360 gelabelte deutsche Dokumente mit Namen, Adressen, Bankverbindungen, Kennnummern und Daten, wobei die Testdokumente strikt von denen getrennt sind, die während der Entwicklung genutzt wurden – so kann das System die Antworten nicht einfach auswendig lernen. Dort erfasste maskwerk 100 Prozent der gelabelten personenbezogenen Daten.

Dann machten wir es schwerer, an Text, an dessen Entstehung wir keinen Anteil hatten. Auf echten, veröffentlichten deutschen Gerichtsurteilen erfasste es 85 Prozent. Und auf 476 vollständigen synthetischen deutschen Geschäftsdokumenten – den Rechnungen, Kontoauszügen und Verträgen, die dem von uns anvisierten Umfeld nachempfunden sind – maskierte es 78 Prozent der personenbezogenen Daten. Auf diese letzte Zahl schauen wir am genauesten, weil sie der echten Aufgabe am nächsten kommt. Die offene Schwärzungs-Engine, gegen die wir vergleichen, erreichte auf denselben drei Tests 72, 56 und 46 Prozent. Wir haben maskwerk außerdem gegen sechs weitere Erkenner antreten lassen, quelloffen wie kommerziell, und in der Gesamtaufgabe führte es das Feld mit deutlichem Abstand an – als einziger, der deutsche Ausweisnummern überhaupt validiert.

Beachten Sie das Muster: Je schwerer und realer der Test wird, desto größer wird der Abstand zu allem anderen. Das ist das Gegenteil davon, wie sich Software verhält, die auf die Demo hin optimiert wurde, und es ist Absicht.

Für ein Schwärzungswerkzeug ist die Trefferquote die wichtigste Zahl, denn jeder Fehltreffer ist ein potenzielles Leck. Auf unbekanntem, realem Text geht maskwerk außerdem lieber auf Nummer sicher und maskiert manchmal ein harmloses Wort – eine prozessuale Rolle wie „der Beklagte“ etwa. Das halten wir für die richtige Richtung, in die man falsch liegen kann. Ein übervorsichtiger schwarzer Balken kostet einen Moment beim Lesen; ein übersehener Name kostet jemanden seine Privatsphäre.

Der vollständige Benchmark-Aufbau – Datensätze, Skripte und Auswertung – ist zusammen mit dem Code dokumentiert, sodass sich diese Zahlen nachvollziehen und nicht bloß glauben lassen.

Derselbe Schutz für jeden Namen

Es gibt ein leiseres Risiko bei der Namenserkennung, über das selten gesprochen wird. Die Sprachmodelle, auf die sich die meisten Schwärzungswerkzeuge stützen, sind überwiegend auf deutschen Nachrichten und Wikipedia trainiert, und viele von ihnen erkennen Namen türkischer, arabischer, slawischer oder ostasiatischer Herkunft merklich schlechter. In einem gewöhnlichen Werkzeug ist das eine Qualitätslücke. In einem Schwärzungswerkzeug ist es etwas Schlimmeres: schwächerer Schutz ausgerechnet für die Menschen, die oft ohnehin am stärksten exponiert sind.

Also haben wir es direkt gemessen. Über Namen aus fünf verschiedenen Herkünften hinweg fiel maskwerks Erkennungsrate identisch aus. Der Name jedes Menschen wird auf dieselbe Weise geschützt, weil die Modelle darunter viele Sprachen lesen und nicht Deutsch allein. Wir finden: Ein Schwärzungswerkzeug, das manche Menschen still besser schützt als andere, hat seine eigentliche Aufgabe verfehlt – egal, was sein Durchschnittswert sagt.

Die Kurzfassung

Schwärzen ist eine dieser Aufgaben, bei denen „nah genug“ nicht genügt, denn was durchrutscht, ist immer der Name oder die Bankverbindung von jemandem. Wir haben maskwerk um einige hartnäckige Grundsätze herum gebaut: prüfen statt raten, Dinge ganz entfernen statt sie zu überdecken, laut anhalten statt still zu versagen, an den härtesten realen Texten testen, die wir finden können, jeden Namen gleich schützen und Ihre Dokumente dort lassen, wo sie hingehören – bei Ihnen.

Wenn Sie mit deutschen Dokumenten arbeiten und sie frei nutzen möchten, ohne ihr Risiko mitzutragen, zeigen wir Ihnen maskwerk gern in Aktion. Melden Sie sich über kontinent.ai.

Schwärzung ersetzt dabei keine der übrigen Pflichten. Ein AVV nach Art. 28 DSGVO bleibt nötig, ebenso eine saubere Antwort auf die Frage der Datenresidenz – die Wege dorthin beschreibt OpenAI, Claude und Gemini in Europa nutzen. Welche EU-Router Schwärzung direkt im Anfragepfad anbieten, zeigt der Vergleich DSGVO-konformer LLM-Router.

Häufige Fragen

Was bedeutet „Schwärzen“ von personenbezogenen Daten?

Schwärzen (englisch: Redaction) bezeichnet das dauerhafte Entfernen oder Unkenntlichmachen personenbezogener Daten in einem Dokument – etwa Namen, Adressen, IBANs oder Ausweisnummern –, sodass sie nicht mehr gelesen oder wiederhergestellt werden können. Anders als ein bloßer schwarzer Balken entfernt eine echte Schwärzung den zugrunde liegenden Text aus der Datei.

Wie schwärzt man personenbezogene Daten DSGVO-konform?

Entscheidend sind zwei Dinge: Die Daten verlassen Ihre Kontrolle nicht unnötig, und die Schwärzung ist nachweisbar vollständig. maskwerk läuft lokal in Ihrer eigenen Umgebung, sodass keine Dokumente an Dritte übertragen werden, erkennt personenbezogene Daten prüfsummen-validiert und überprüft jede Schwärzung, bevor die Datei ausgegeben wird.

Kann man ein PDF wirklich schwärzen, sodass der Text entfernt ist?

Ja. Viele Werkzeuge legen nur ein schwarzes Rechteck über den Text, der darunter kopierbar bleibt. maskwerk löscht den zugrunde liegenden Inhalt, entfernt versteckte Metadaten und liest die Ausgabe erneut, um zu bestätigen, dass sich kein Originalwert mehr wiederherstellen lässt.

Welche personenbezogenen Daten erkennt maskwerk?

Unter anderem Namen, Adressen und Orte, IBANs, Kreditkartennummern, deutsche Steuer-IDs, Sozialversicherungs- und Krankenversichertennummern, Personalausweisnummern, USt-IdNr., BIC, E-Mail-Adressen, Telefonnummern, IP-Adressen, Datumsangaben und KFZ-Kennzeichen.

Bleiben meine Dokumente lokal?

Ja. maskwerk läuft als Software-Bibliothek in Ihrer eigenen Umgebung. Die Dokumente selbst werden nicht an Kontinent oder Dritte übertragen.

Lässt sich eine Schwärzung für den KI-Einsatz rückgängig machen?

Ja. maskwerk ersetzt jeden Wert durch einen konsistenten Platzhalter und hält die Zuordnung nur im Arbeitsspeicher. So kann ein KI-Modell ein maskiertes Dokument verarbeiten, und die echten Werte werden anschließend wieder in das Ergebnis eingesetzt – ohne dass das Modell je einen echten Namen sieht.

Wie zuverlässig ist die Erkennung?

In unseren Tests erreichte maskwerk 100 % Trefferquote auf gelabelten Testdokumenten, 85 % auf echten deutschen Gerichtsurteilen und 78 % auf synthetischen Geschäftsdokumenten – deutlich über der offenen Vergleichs-Engine (72, 56 und 46 %).

Quellen

• Verordnung (EU) 2016/679 (DSGVO) – Art. 4 Nr. 1 und 5, Erwägungsgrund 26

• EDSA, Stellungnahme 28/2024 zu KI-Modellen

Stand: 27. August 2026 · kontinent.ai. maskwerk von Kontinent. Benchmark-Methodik und Datensätze sind zusammen mit dem Code dokumentiert.