Pseudonymisierung vs. Anonymisierung: der Unterschied

Der gesamte Unterschied lässt sich auf eine Frage zusammenziehen: Gibt es noch einen Weg zurück?

Anonymisierung ist ein Einwegverfahren. Sie zerstört Information, und zwar absichtlich: Aus einem Geburtsdatum wird ein Jahrgang, aus einer Adresse eine Region — oder die Angabe fällt ersatzlos weg. Wer das Ergebnis in der Hand hält, kann die Person auch mit erheblichem Aufwand nicht mehr bestimmen. Der Preis ist der Nutzwert: Was weg ist, ist weg, auch für Sie selbst.

Pseudonymisierung ist ein Trennverfahren. Die identifizierenden Angaben werden durch Kennzeichen ersetzt, die Zuordnung zwischen Kennzeichen und Klarwert wandert in einen gesondert aufbewahrten Schlüssel. Der Text allein sagt nichts mehr über die Person, Text plus Schlüssel sagt wieder alles. Der Schutz liegt nicht im Text, sondern in der Trennung — und ist genau so belastbar, wie diese Trennung organisiert ist.

Im Sprachgebrauch verschwimmt das. Wenn jemand sagt, er wolle „einen Text anonymisieren“, meint er fast immer eine Pseudonymisierung: Namen raus, Platzhalter rein, Bearbeitung möglich. Das ist keine Wortklauberei. Von der Einordnung hängt ab, ob am Ende ein Verarbeitungsvorgang nach DSGVO vorliegt oder nicht.

Die Gegenüberstellung fasst die Unterschiede zusammen, die in der Praxis Entscheidungen auslösen.

Eine Zeile ist dabei die wichtigste: Nur bei der Anonymisierung endet die Anwendbarkeit der DSGVO. Alles, was sich zurückdrehen lässt, bleibt eine Verarbeitung personenbezogener Daten — unabhängig davon, wie unleserlich der Text zwischendurch aussieht.

Die DSGVO definiert Anonymisierung nicht. In Art. 4 findet sich keine entsprechende Legaldefinition; beschrieben wird der Zustand anonymer Informationen in Erwägungsgrund 26.

Der Maßstab steht im selben Erwägungsgrund: Zu berücksichtigen sind alle Mittel, die von dem Verantwortlichen oder einer anderen Person „nach allgemeinem Ermessen wahrscheinlich“ genutzt werden, um eine Person direkt oder indirekt zu identifizieren — bewertet nach objektiven Faktoren wie Kosten, Zeitaufwand und der zum Zeitpunkt der Verarbeitung verfügbaren Technologie.

Daraus folgt, was in der Praxis regelmäßig unterschätzt wird: Anonymität ist kein Zustand, den ein Werkzeug herstellt und den man abhaken kann, sondern eine Bewertung im Kontext. Derselbe Datensatz kann im eigenen Haus nicht anonym sein, weil das Original nebenan liegt, und für einen Dritten ohne dieses Zusatzwissen anonym wirken. Weil Technologie und Vergleichsdaten sich ändern, gilt die Bewertung außerdem nur so lange wie ihre Annahmen.

Die Artikel-29-Datenschutzgruppe, die Vorgängerin des Europäischen Datenschutzausschusses, hat in ihrer Stellungnahme 05/2014 zu Anonymisierungstechniken drei Prüffragen formuliert, die bis heute der brauchbarste Test sind:

• Herausgreifen: Lässt sich eine einzelne Person im Datenbestand isolieren?
• Verknüpfbarkeit: Lassen sich zwei Datensätze derselben Person einander zuordnen, auch über verschiedene Bestände hinweg?
• Inferenz: Lässt sich aus den übrigen Angaben mit hoher Wahrscheinlichkeit auf ein Merkmal einer bestimmten Person schließen?

Die gängigen Techniken — Löschen, Generalisieren, Aggregieren, k-Anonymität, das gezielte Verrauschen von Werten — greifen an genau diesen drei Stellen an. Alle senken den Informationsgehalt: kein Nebeneffekt, sondern der Mechanismus.

Für die Pseudonymisierung ist die Rechtslage eindeutiger: Sie hat eine eigene Legaldefinition.

Die Definition stellt drei Bedingungen, die alle erfüllt sein müssen: Ohne Zusatzinformationen darf keine Zuordnung mehr möglich sein, diese Zusatzinformationen müssen gesondert aufbewahrt werden, und technische wie organisatorische Maßnahmen müssen die Wiederzuweisung verhindern. Pseudonymisierung ist damit mehr als eine Ersetzung im Text: Wer die Schlüsseltabelle im selben Dokument danebenlegt, hat nicht pseudonymisiert, sondern umbenannt.

Die Verordnung nennt Pseudonymisierung zweimal ausdrücklich als Maßnahme: in Art. 25 Abs. 1 als Beispiel für Datenschutz durch Technikgestaltung und in Art. 32 Abs. 1 lit. a als geeignete technische und organisatorische Maßnahme. Sie ist damit ein anerkanntes Mittel, aber kein Erlaubnistatbestand — eine Rechtsgrundlage nach Art. 6 braucht die Verarbeitung weiterhin. Wie die Verfahren im Einzelnen funktionieren, beschreibt der Beitrag zur Pseudonymisierung.

Theorie hilft hier weniger als ein Beispiel. Der folgende Satz könnte so in jedem Beschwerdepostfach liegen.

Der pseudonymisierte Satz liest sich fast wie das Original. Satzbau, Grammatik und Bezüge bleiben erhalten, jede identifizierende Angabe hat noch ihren Platz, und zu jedem Kennzeichen gehört ein Eintrag im Zuordnungsschlüssel. Taucht Frau Krüger weiter unten erneut auf, steht dort wieder ⟨PERSON_1⟩; eine zweite beteiligte Person bekäme ⟨PERSON_2⟩. Diese Konsistenz macht den Text maschinell überhaupt erst weiterverarbeitbar.

Der anonymisierte Satz hat den Fall verloren: keine Kontonummer, unter der sich die Abbuchung suchen ließe, keine Nummer für den zugesagten Rückruf, keine Person, an die sich ein Ergebnis adressieren ließe. Für eine Statistik über Widersprüche taugt er noch, für die Bearbeitung des Vorgangs nicht.

Und selbst dieser Satz ist nur im Kontext anonym: Steht er in einem Vorgangssystem, in dem Datum, Filiale und Betrag danebenstehen, lässt sich die Kundin trotzdem herausgreifen. Wie der Ersetzungsschritt an eigenem Text aussieht, können Sie im Werkzeug zum Anonymisieren von Text ausprobieren.

Die Persona-API liefert zu einem solchen Satz nicht nur den maskierten Text, sondern auch die zeichengenauen Fundstellen, das Mapping von Kennzeichen zu Klarwert und einen Sensitivitätswert für den Text. Die Erkennung ist kontextbasiert statt regelbasiert: „Krüger“ wird als Name erkannt, weil die Umgebung darauf hindeutet, nicht weil ein Muster passt.

Diese Frage entscheidet mehr als jede andere, und die DSGVO beantwortet sie in demselben Erwägungsgrund 26.

Praktisch heißt das: Sämtliche Pflichten bestehen unverändert fort.

• Es braucht eine Rechtsgrundlage nach Art. 6 DSGVO für die Verarbeitung.
• Informationspflichten nach Art. 13 und 14 DSGVO gelten weiter.
• Betroffenenrechte auf Auskunft, Berichtigung und Löschung greifen — und sind nur erfüllbar, weil der Schlüssel existiert.
• Der Vorgang gehört ins Verzeichnis von Verarbeitungstätigkeiten nach Art. 30 DSGVO.
• Wird ein externer Dienstleister eingebunden, ist ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO erforderlich.
• Löschfristen und Aufbewahrungskonzepte gelten für den pseudonymisierten Bestand genauso.

Was die Pseudonymisierung sehr wohl bewirkt: Sie verkleinert den Kreis derer, die aus dem Text etwas über eine Person erfahren, und sie verändert die Risikobewertung — bis hin zu der Frage, welche Folgen eine Datenpanne hätte, wenn nur der pseudonymisierte Bestand betroffen ist und der Schlüssel woanders liegt. Welche Kriterien beim DSGVO-konformen Einsatz von KI sonst noch zu prüfen sind, behandelt eine eigene Seite.

Der Begriff stammt aus dem alten Bundesdatenschutzgesetz: Daten galten dort als anonymisiert, wenn sich die Einzelangaben nur noch mit einem unverhältnismäßig großen Aufwand an Zeit, Kosten und Arbeitskraft einer Person zuordnen ließen. Die DSGVO übernimmt den Begriff nicht, arbeitet mit „nach allgemeinem Ermessen wahrscheinlich“ aber ebenfalls mit einer Wahrscheinlichkeitsbetrachtung statt mit absoluter Unmöglichkeit.

Umstritten ist die Blickrichtung. Nach der absoluten Betrachtung sind Daten schon dann personenbezogen, wenn irgendjemand sie zuordnen kann; pseudonymisierter Text bliebe dann auch für einen Empfänger ohne Schlüssel personenbezogen. Nach der relativen Betrachtung kommt es auf das Zusatzwissen der jeweiligen Stelle an — derselbe Datensatz wäre beim Verantwortlichen personenbezogen und beim schlüssellosen Empfänger anonym. Der Europäische Gerichtshof hat in der Breyer-Entscheidung zu dynamischen IP-Adressen darauf abgestellt, ob der Verantwortliche über rechtliche Mittel verfügt, die nötigen Zusatzinformationen zu beschaffen. Wie weit dieser Gedanke auf pseudonymisierte Daten trägt, ist nicht abschließend geklärt.

Für den Betrieb folgen daraus drei nüchterne Punkte. Anonymität ist keine dauerhafte Eigenschaft: Neue Vergleichsdatenbestände und bessere Werkzeuge können eine Re-Identifizierung möglich machen, die bei der Bewertung noch ausgeschlossen schien. Die Bewertung gehört deshalb dokumentiert — wer sich auf „faktisch anonym“ beruft, trägt die Begründungslast. Und im Zweifel ist die konservative Einordnung die günstigere: Wer pseudonymisierte Daten wie personenbezogene Daten behandelt, muss nichts nachrüsten, wenn sich die Rechtsauffassung ändert.

„Ich habe die Stellen geschwärzt, also ist das anonym“

Ein schwarzer Balken in einem PDF ist häufig nur ein Rechteck über einer Textebene, die unverändert darunter liegt und sich auslesen lässt. Und selbst wenn der Text tatsächlich entfernt wurde, bleibt es ein Löschen einzelner Angaben: Metadaten, Vorschaubilder und Änderungshistorien bleiben oft zurück, und der übrige Text kann die Person weiterhin herausgreifen.

„Der Name ist weg, mehr braucht es nicht“

Der Name ist selten das identifizierende Merkmal. Die Kombination aus Geburtsdatum, Postleitzahl und Geschlecht reicht in vielen Datenbeständen aus, um eine Person zu bestimmen. Eine seltene Diagnose in einem kleinen Ort, eine Personalnummer, ein ungewöhnlicher Betrag an einem konkreten Datum: Solche Quasi-Identifikatoren tragen den Personenbezug weiter.

„Wir hashen die Kennungen, damit sind sie anonym“

Ein deterministischer Hashwert ist ein Pseudonym, kein anonymer Wert. Derselbe Eingabewert ergibt immer denselben Hash, Datensätze bleiben also verknüpfbar. Bei begrenzten Wertebereichen wie Telefonnummern oder Kundennummern kommt hinzu, dass sich Kandidaten durchprobieren und gegen den Hash prüfen lassen. Ein Hash mit geheimem Schlüssel ist die bessere Pseudonymisierung — aber wer den Schlüssel hat, kommt zurück, und genau das ist Pseudonymisierung.

„Wir vergeben zufällige IDs statt Namen“

Zufällige Kennungen sind ein sauberes Pseudonymisierungsverfahren. Anonym werden sie erst, wenn die Zuordnungstabelle nachweislich vernichtet ist — überall, auch in Sicherungskopien und beim Dienstleister.

Bei Sprachmodellen wird der Unterschied besonders greifbar, weil am Ende eine Antwort steht und nicht nur ein bereinigter Datensatz. Ein Modell soll einen Antwortentwurf formulieren, einen Vorgang zusammenfassen oder Angaben extrahieren. Dafür braucht es keine Klarnamen, wohl aber die Bezüge im Text.

Schicken Sie den anonymisierten Satz an ein Modell, bekommen Sie einen Entwurf ohne Anrede, ohne Kontobezug und ohne Rückrufnummer. Wer die Lücken füllen will, muss zurück ins Original — und spätestens dann war die Schutzmaßnahme ein Umweg. Kommen mehrere Personen vor, wird es schlimmer: Wenn aus zwei Beteiligten zweimal „eine Kundin“ wird, kann das Modell die Rollen nicht mehr auseinanderhalten und weist Aussagen der falschen Person zu. Anonymisierung zerstört die Referenzstruktur, aus der ein Sprachmodell seine Antwort baut.

Pseudonyme lösen das, weil sie stabile Bezeichner sind. ⟨PERSON_1⟩ und ⟨PERSON_2⟩ bleiben im gesamten Text unterscheidbar, das Modell hält den Bezug, formuliert die Anrede an der richtigen Stelle und schreibt die Kennzeichen in seine Antwort zurück. Erst der Rücktausch setzt die Klarwerte wieder ein, und aus dem Entwurf wird ein versandfähiges Schreiben. Zum Modellanbieter geht dabei der maskierte Text; die Zuordnung bleibt in Ihrem System.

Genau diesen Ablauf bildet Persona ab: POST /v1/pseudonymize liefert zu einem Text den maskierten Text samt Mapping, POST /v1/reidentify nimmt die Antwort des Sprachmodells mit diesem Mapping entgegen und stellt die Klarwerte wieder her. Die Analyse läuft auf eigener Hardware bei Hetzner in Falkenstein, in Rechenzentren, die nach ISO 27001 zertifiziert sind; ein externer KI-Dienst wird dafür nicht aufgerufen, und die übermittelten Texte werden weder gespeichert noch für Training verwendet. Was das im Alltag bedeutet, steht im Leitfaden ChatGPT DSGVO-konform nutzen.

Zwei Einschränkungen gehören dazu: Pseudonymisierung vor der Übermittlung ersetzt weder die Rechtsgrundlage noch den Auftragsverarbeitungsvertrag mit dem Anbieter, denn der pseudonymisierte Text bleibt personenbezogen. Und kein Erkennungsverfahren findet mit Sicherheit jede Angabe in jedem Text — bei besonders sensiblen Beständen bleibt eine Kontrolle des Ergebnisses sinnvoll.

Es gibt kein „besseres“ Verfahren, nur eines, das zum Zweck passt. Und der Zweck lässt sich meist mit einer einzigen Frage klären: Muss das Ergebnis später noch zu einer bestimmten Person zurückfinden?

Vor der Entscheidung lohnen sich vier Prüffragen:

• Wird der Rückbezug auf die einzelne Person irgendwann gebraucht — für die Bearbeitung, für Betroffenenrechte, für Nachweise? Wenn ja, scheidet Anonymisierung aus.
• Können Sie den Zuordnungsschlüssel technisch und organisatorisch wirklich getrennt halten? Wenn nein, ist die Pseudonymisierung nur nominell.
• Wer bekommt das Ergebnis zu sehen, und über welches Zusatzwissen verfügt diese Stelle? Das verschiebt die Bewertung des Re-Identifikationsrisikos erheblich.
• Wie viel Informationsverlust verträgt der Zweck? Eine Anonymisierung, die den Nutzwert zerstört, wird im Alltag umgangen — und ein umgangenes Verfahren schützt niemanden.