PII Anonymisierer
Personenbezogene Daten automatisch erkennen und anonymisieren.
Original-Text
Ausgabe-Format
Klare Marker für API-Integrationen, plausible Pseudonyme für Weiterverarbeitung in KI-Pipelines (die mit Bracket-Markern schlecht umgehen).
Anonymisierter Text
💡 Tipp: Du kannst den Text bearbeiten (z.B. LLM-Output einfügen) und dann 'Platzhalter ersetzen' klicken, um [PERSON:a1b2c3d4] etc. durch die Original-Werte zu ersetzen.
Statistiken
Gefundene Entitäten
0
Text-Reduktion
0%
Erkannte Entitäten
Die zwei Ausgabe-Modi im Detail
Wir bieten dir zwei verschiedene Anonymisierungs-Formate. Beide haben dieselbe Schutzwirkung — der Unterschied liegt im Format des Outputs und damit im Anwendungsfall.
Klare Marker
Jeder Personen-, Firmen-, Email- oder Adress-Bezug wird durch einen eindeutig gekennzeichneten Platzhalter ersetzt. Format: TYP plus 8 Hex-Zeichen in eckigen Klammern.
[PERSON:a1b2c3d4] arbeitet bei [ORG:b2c3d4e5] und ist erreichbar unter [EMAIL:c3d4e5f6].
Typischer Anwendungsfall: API-Integrationen, automatisierte Verarbeitung, Audit-Logs. Ein Marker ist sofort als anonymisiert erkennbar und kann maschinell zugeordnet werden.
Plausible Pseudonyme
Personen, Firmen und Adressen werden durch plausibel wirkende falsche Namen ersetzt. Die Pseudonyme sind deterministisch — derselbe Name wird in einer Sitzung immer auf denselben Pseudonym abgebildet.
Markus Weber arbeitet bei Beispiel GmbH und ist erreichbar unter markus.weber@example.de.
Typischer Anwendungsfall: Weiterverarbeitung durch Sprachmodelle (ChatGPT, Claude, Gemini). Pseudonyme lesen sich natürlich, das Modell behandelt sie wie echte Namen und liefert bessere Ergebnisse.
Beide Modi via API: Setze in deinem API-Aufruf den Query-Parameter
?marker_format=tagged
oder
?marker_format=faker.
Deine Daten werden in Echtzeit verarbeitet und nicht gespeichert. Session-Daten werden für 1 Stunde zwischengespeichert, ausschließlich für De-Anonymisierung.