Tools voor pseudonimisering: waarop je moet letten voordat je er een koopt

Als je AI wilt gebruiken op documenten met persoonsgegevens, moet een pseudonimiseringstool vier dingen goed doen. Je bestand wordt verwerkt op een plek waar jij vertrouwen in hebt. Elke persoon krijgt in elk document dezelfde placeholder. De sleutel waarmee de vervanging ongedaan wordt gemaakt, wordt veilig bewaard. En je kunt controleren en corrigeren wat de tool heeft gevonden. In de rest van deze checklist lees je of een tool geschikt is voor jouw documenten, je team en je budget.

Wat de tool moet doen

Volgens de AVG betekent pseudonimisering dat persoonsgegevens zo worden verwerkt dat ze niet meer aan een persoon kunnen worden gekoppeld zonder aanvullende informatie, en dat die informatie apart wordt bewaard en beschermd (Artikel 4, lid 5). Gepseudonimiseerde gegevens zijn nog steeds persoonsgegevens. Wat dat betekent voor AI-chatbots lees je in AVG en gepseudonimiseerde gegevens in AI.

Voor AI-gebruik werkt het als volgt. Namen, adressen en nummers worden vervangen door placeholders zoals Person_1. De AI werkt met de placeholders. Aan jouw kant zet een sleutel ze in het antwoord weer om in namen. Als je de namen nooit hoeft terug te halen, heb je misschien anonimisering of redactie nodig: zie welke van de drie je nodig hebt.

Waar je gegevens naartoe gaan

• Waar de verwerking plaatsvindt. Op je eigen computer, of op de servers van de leverancier nadat je het bestand hebt geüpload. In het tweede geval komt het origineel, met alle namen erin, bij een derde partij terecht voordat het beschermd is. Onze vergelijking van lokale en online tools bevat de vragen die je aan een online leverancier kunt stellen en een eenvoudige test voor een desktopapp: schakel de netwerkverbinding uit en probeer de app.
• Wat er daarna met de gegevens gebeurt. Voor een clouddienst: hoe lang bestanden en resultaten worden bewaard, in welke regio en wie de subverwerkers zijn. Voor een desktopapp: wat er naar je schijf wordt geschreven en hoe je dat verwijdert.
• Logboeken. Een registratie van wanneer documenten zijn verwerkt, is handig als een cliënt of je functionaris voor gegevensbescherming ernaar vraagt. Controleer of het logboek zelf geen persoonsgegevens bevat.

Of je de namen kunt terughalen

• Consistentie. Dezelfde persoon moet in elke alinea en in elk document binnen één dossier dezelfde placeholder krijgen. Anders kan de AI niet zien dat de huurder in de huurovereenkomst en de afzender van de e-mail één en dezelfde persoon zijn. Vraag hoe de tool omgaat met varianten zoals «Maria Lopez», «mevrouw Lopez» en «M. Lopez».
• Omkeerbaarheid. Sommige tools vervangen gegevens op een manier die niet ongedaan kan worden gemaakt. Andere bewaren een tabel die placeholders aan echte namen koppelt, of versleutelen de waarden met een sleutel waarmee ze later kunnen worden ontsleuteld.
• Waar de sleutel wordt bewaard. De tabel of sleutel is de «aanvullende informatie» waarnaar de AVG-definitie verwijst. Vraag waar die wordt opgeslagen, of die versleuteld is, wie er toegang toe heeft en wanneer die wordt verwijderd. Als iedereen die toegang heeft tot de veilige kopie ook de sleutel kan lezen, biedt de pseudonimisering weinig bescherming.

Of de tool geschikt is voor jouw documenten

• Soorten gegevens die worden gevonden. Namen, bedrijven, adressen, telefoonnummers, e-mailadressen, rekening- en identificatienummers, geboortedata. Als je over landsgrenzen heen werkt, controleer dan de nationale identificatie- en belastingnummers voor de landen waarmee je zaken doet. Functietitels, bijnamen en zeldzame details zijn voor elke detector moeilijk te vinden, dus sommige daarvan zul je handmatig moeten markeren.
• Een controlestap. Detectie is nooit volledig. Zelfs de documentatie van Presidio, een veelgebruikte open-sourcedetector, zegt dat er geen garantie is dat alle gevoelige informatie wordt gevonden. Je moet elke treffer kunnen bekijken, foutieve treffers kunnen uitvinken en gemiste gegevens kunnen toevoegen voordat er iets wordt verzonden.
• Bestandsindelingen. PDF, Word, Excel, e-mails. Voor gescande PDF's en foto's van documenten is tekstherkenning nodig. Sommige tools accepteren alleen platte tekst, wat betekent dat je elk bestand zelf moet omzetten.
• Talen. Detectie is afhankelijk van de taal. Test met echte documenten in elke taal waarin je werkt.

Voor wie de tool is gemaakt en wat die kost

• Ontwikkelaars of kantoorgebruikers. Voor een bibliotheek of API moet iemand die installeren, er code omheen schrijven en ervoor zorgen dat die blijft werken. Een desktopapp hoef je alleen maar te installeren. Ze zijn gemaakt voor verschillende gebruikers; geen van beide is over het algemeen beter.
• Prijsmodel. Betalen naar volume (per gigabyte of per honderd tekens), een abonnement per gebruiker, een eenmalige aankoop of gratis open source plus de tijd van je medewerkers. Bereken de jaarlijkse kosten op basis van het volume dat je daadwerkelijk verwacht.

Vier soorten tools

De voorbeelden hieronder zijn de voorbeelden die we aan de hand van documentatie van de leveranciers konden controleren. Functies en prijzen zijn per oktober 2026.

Open-sourcelibraries voor ontwikkelaars

Presidio is een onder MIT-licentie uitgebracht framework voor het vinden en de-identificeren van persoonsgegevens. Het is ontstaan bij Microsoft en is nu een project dat door de gemeenschap wordt beheerd onder de organisatie Data Privacy Stack. De anonymizer kan elk gevonden item vervangen, redigeren, maskeren, hashen of versleutelen , en versleutelde waarden kunnen met dezelfde sleutel worden ontsleuteld. Een aparte module vindt en redigeert tekst in afbeeldingen met OCR.

Het is gratis, draait op je eigen machines en kan voor vrijwel elke pipeline worden aangepast. Het is een toolkit en geen toepassing: installatie betekent Python-pakketten, het downloaden van een taalmodel en zelfgeschreven code. Schermen voor controle, dossierbeheer en bestandsconversie moet je zelf bouwen.

Cloudservices voor gegevensbescherming

Google Cloud Sensitive Data Protection vindt gevoelige gegevens met een lange lijst ingebouwde detectors en kan die vervangen door tokens. Deterministische en indelingsbehoudende versleuteling leveren voor dezelfde waarde steeds hetzelfde token op, en de gegevens kunnen met de sleutel opnieuw worden geïdentificeerd. Google raadt aan die sleutel te beschermen met Cloud Key Management Service. De dienst kan ook afbeeldingen redigeren door gevonden gegevens af te dekken met ondoorzichtige vlakken. De dienst wordt per gigabyte geprijsd.

Amazon Comprehend detecteert persoonsgegevens in Engelse of Spaanse tekst. Redactie wordt als batchtaak uitgevoerd op bestanden in Amazon S3 en vervangt elk item door het type ervan, zoals [NAME], of door een maskerteken, zodat twee verschillende personen allebei [NAME] worden. De dienst wordt geprijsd in eenheden van 100 tekens.

Deze diensten verwerken grote volumes en maken deel uit van de rest van de cloudomgeving van een bedrijf, onder het eigen account en contract van dat bedrijf. Ze zijn gemaakt voor ontwikkelaars en IT-teams.

Redactie in PDF-editors

In Adobe Acrobat Pro worden tekst of afbeeldingen vervangen door gekleurde vlakken en dit kan na het opslaan niet ongedaan worden gemaakt. Een aparte stap, Sanitize, verwijdert verborgen gegevens zoals metadata. Dit is het juiste hulpmiddel voor een document dat je aan een rechtbank, een wederpartij of een toezichthouder geeft. Voor een AI-rondgang is het niet geschikt: zwarte vlakken vertellen de AI niet wie wie is en er is niets om terug te zetten. Zie tijdelijke aanduidingen tegenover zwarte balken.

Desktopapps voor kantoorgebruikers

ClientSafe is zo'n app. De app draait op een Windows-pc en bewaart documenten in dossiers, zodat dezelfde naam in elk document van een dossier dezelfde placeholder krijgt. Je controleert wat de app heeft gevonden, vinkt treffers uit die geen persoonsgegevens zijn en markeert wat de app heeft gemist. Je kopieert de veilige kopie naar een AI-chat of slaat die op als een Markdown-bestand. Vervolgens plak je het antwoord van de AI terug en zet ClientSafe de echte namen terug. De tabel die placeholders aan namen koppelt, blijft versleuteld op de pc totdat je het dossier verwijdert. Dit is geen redactietool voor rechtbankstukken of documenten die je naar een andere partij stuurt.

Naast elkaar

Hoe je kiest

• Je verwerkt duizenden records in een database of pipeline en hebt ontwikkelaars: een bibliotheek of clouddienst.
• Je stuurt een document naar iemand buiten het kantoor: redactie.
• Je stelt AI vragen over cliëntdocumenten en wilt de namen in het antwoord terug: een desktopapp met een controlestap en een manier om de namen terug te zetten.

Voordat je een keuze maakt, probeer je de tool uit op drie documenten die je goed kent, in elke taal die je gebruikt, en tel je wat de tool heeft gemist. Als je kantoor een functionaris voor gegevensbescherming of een complianceverantwoordelijke heeft, betrek die dan voordat de tool voor cliëntbestanden wordt gebruikt.

Veelgestelde vragen

Kan ik een document na pseudonimisering naar elke AI-tool sturen?

Niet automatisch. Volgens de AVG zijn het nog steeds persoonsgegevens, en de eigen gegevensinstellingen en voorwaarden van de AI-tool blijven van belang. Pseudonimisering verlaagt het risico, maar neemt het niet weg.

Kan een gratis open-sourcelibrary een betaalde tool vervangen?

Ja, als iemand in je team die kan installeren, er code omheen kan schrijven en de library kan onderhouden. Als niemand dat kan, kost de library meer tijd dan een app geld kost.

Heb ik omkeerbaarheid nodig als ik alleen een samenvatting wil?

Als de samenvatting mensen noemt, wel: dan wil je hun namen erin terugzetten. Als dat niet zo is, volstaat een eenrichtingsvervanging.

Hoe test ik een tool snel?

Neem een document waarvan je elke naam en elk nummer kent. Haal het door de tool en vergelijk de resultaten. Controleer de gescande pagina's, kopteksten en handtekeningen; daar mist de detectie het vaakst gegevens.

ClientSafe vervangt namen, adressen, telefoonnummers en identificatienummers op je pc door consistente placeholders, laat je de lijst controleren en zet de echte namen terug in het antwoord van de AI. De detectie is niet perfect, dus controleer de lijst voordat je die kopieert.