Vorweg der Punkt, an dem die meisten Projekte scheitern: Anonymisierung ist keine Suchen-und-Ersetzen-Aufgabe. Sie ist eine Risikoabschätzung. Die Frage lautet nicht „Habe ich alle Namen entfernt?”, sondern „Kann jemand mit vertretbarem Aufwand aus dem, was übrig bleibt, auf eine Person schließen?”
Deshalb beginnt jede Anonymisierung mit einer Entscheidung, nicht mit einem Werkzeug: Welche Merkmale muss der Text behalten, damit er noch nützlich ist, und welche können weg? Erst danach lohnt der Blick auf die Technik.
Was ein Werkzeug leisten muss
Drei Fähigkeiten unterscheiden brauchbare von unbrauchbaren Lösungen:
Erkennung. Findet das System Namen, Anschriften, Geburtsdaten, Telefonnummern, IBAN, Aktenzeichen und E-Mail-Adressen - auch in Flexionsformen und in schlecht formatiertem Text?
Ersetzungsstrategie. Wird gelöscht, geschwärzt, durch Platzhalter ersetzt oder durch plausible Kunstdaten? Für Testdaten ist Letzteres nötig, für Veröffentlichungen meist nicht.
Konsistenz. Wird derselbe Name im ganzen Dokument gleich ersetzt? Ohne das zerfällt der Textzusammenhang, mit dem falschen Ansatz entsteht wieder Zuordenbarkeit.
Open-Source-Werkzeuge
Microsoft Presidio ist das derzeit ausgereifteste freie Paket. Es kombiniert Mustererkennung mit Modellen zur Erkennung benannter Entitäten, unterstützt eigene Erkenner und lässt sich vollständig im eigenen Netz betreiben. Das ist der entscheidende Vorteil: Sensible Texte müssen das Haus nicht verlassen. Der Preis ist Einrichtungsaufwand - ohne technische Begleitung ist es kein Werkzeug für den Schreibtisch.
spaCy ist keine Anonymisierungslösung, sondern die Sprachverarbeitungsbibliothek, auf der viele davon aufsetzen. Wer eigene Regeln braucht, etwa für branchenspezifische Kennungen, kommt hier am weitesten. Deutschsprachige Modelle sind verfügbar und brauchbar.
ARX Data Anonymization Tool verfolgt einen anderen Ansatz: Es arbeitet nicht am Fließtext, sondern an strukturierten Daten und misst das verbleibende Wiedererkennungsrisiko nach etablierten Modellen. Für Forschungsdatensätze ist es die passendere Wahl als jedes Textwerkzeug.
Dienste und kommerzielle Lösungen
Für Teams ohne Entwicklungsressourcen gibt es fertige Dienste, die Dokumente entgegennehmen und anonymisiert zurückgeben. Sie sind schnell einsatzbereit und decken die gängigen Entitätstypen ab.
Der Haken liegt in der Natur der Sache: Um einen Text zu anonymisieren, muss der Dienst ihn im Klartext verarbeiten. Damit ist die Übertragung selbst der kritische Schritt. Vor dem Einsatz gehören deshalb drei Punkte geklärt: Wo wird verarbeitet, wie lange gespeichert, und liegt ein Auftragsverarbeitungsvertrag vor?
Für Bestände mit besonderen Kategorien personenbezogener Daten - Gesundheit, Herkunft, Gewerkschaftszugehörigkeit - ist eine lokal betriebene Lösung in aller Regel der sauberere Weg.
Der pragmatische Weg für kleine Bestände
Wer gelegentlich einzelne Dokumente anonymisieren muss, braucht keine Plattform. Hier funktioniert ein einfacher Ablauf:
- Zweck festlegen. Wofür wird der Text gebraucht? Danach richtet sich, was erhalten bleiben muss.
- Merkmale auflisten, bevor man sucht: Namen, Orte, Daten, Nummern, Funktionsbezeichnungen, seltene Ereignisse.
- Ersetzen statt löschen, wo der Text lesbar bleiben soll - mit durchgehend gleichen Platzhaltern.
- Metadaten prüfen. Autor, Bearbeiter, Kommentare und Änderungsverfolgung in Office-Dateien und PDF überstehen jedes Schwärzen im Fließtext.
- Gegenlesen lassen. Jemand ohne Vorwissen liest den anonymisierten Text und versucht, die Person zu bestimmen. Das findet mehr als jedes Werkzeug.
Punkt vier ist der, der in der Praxis am häufigsten schiefgeht. Ein als Bild geschwärztes PDF, dessen Textebene erhalten blieb, ist nicht anonymisiert - der Text lässt sich per Kopieren wieder herausholen.
Fazit
Für regelmäßige, größere Bestände führt der Weg zu Presidio oder einer darauf aufbauenden Lösung im eigenen Netz. Für strukturierte Forschungsdaten ist ARX die bessere Wahl, weil es das Restrisiko tatsächlich quantifiziert. Für den Einzelfall genügt sorgfältige Handarbeit nach fester Liste - inklusive Metadaten.
Was kein Werkzeug übernimmt, ist die Bewertung. Ob ein Text nach der Bearbeitung wirklich anonym ist, hängt vom Kontext ab, in dem er auftaucht, und von dem, was Dritte sonst noch wissen. Diese Einschätzung bleibt Aufgabe der Verantwortlichen.