Welche Anonymisierungssoftware brauchen Unternehmen?

Die folgenden DSGVO-Scores sind Risikoeinschätzungen, keine rechtlichen Bewertungen.

Wichtig: Ein hoher DSGVO-Score bedeutet nicht automatisch einen aufsichtsbehördlich vertretbaren Einsatz im Einzelfall. Entscheidend sind auch die konkrete Nutzung, ein AVV und interne Datenschutzprozesse.

Praxisregeln für Anonymisierungssoftware ⚠️ Ein Verfahren (k-Anonymität, Differential Privacy) garantiert allein noch keine Anonymität: Nur ein tatsächlich anonymes Ergebnis liegt außerhalb des Personenbezugs und braucht dafür keinen AVV mehr. Verarbeitet ein Anbieter bis dahin personenbezogene Rohdaten, ist die AVV-Frage für diesen Verarbeitungsschritt gesondert zu prüfen. ⚠️ Reine Pseudonymisierung (Hashing, Tokenisierung) bleibt personenbezogene Daten – die Rechtsgrundlage bleibt Pflicht, ein AVV kommt hinzu, sobald ein externer Anbieter die Daten im Auftrag verarbeitet. ⚠️ Cloud-SaaS-Anonymisierung braucht vor dem Upload eine Prüfung, wo und von wem die Rohdaten verarbeitet werden. ✅ On-Premise-Tools wie ARX verarbeiten Daten lokal – kein Zugriff eines Drittanbieters auf die Rohdaten. ⚠️ Mandanten- oder Gesundheitsdaten brauchen vor der Anonymisierung zusätzlich eine §203-Prüfung.

Relevante Anonymisierungssoftware im Überblick

Hinweis: Diese Tools sind noch nicht vollständig in unserer Datenbank geprüft.

Tabelle seitlich scrollen →

Warum diese Tools?

Wer vor jedem Testlauf echte Kundendaten in eine Staging-Umgebung kopiert, kennt das Risiko: Ein Leck in der Testumgebung trifft dieselben Personen wie ein Leck im Produktivsystem. ARX löst das lokal und kostenlos – die Open-Source-Software läuft auf dem eigenen Rechner, unterstützt Verfahren von k-Anonymität bis Differential Privacy und liefert eine Risikoanalyse zur Re-Identifizierung gleich mit. Der Preis dafür: Einrichtung und Interpretation der Parameter brauchen technisches Verständnis, eine Oberfläche für Fachabteilungen ohne IT-Hintergrund fehlt.

Wer synthetische Trainings- oder Testdaten braucht, die sich statistisch wie echte Datensätze verhalten, findet bei Syntho einen aktiven Anbieter. Syntho sitzt in Amsterdam und hat am 9. Juni 2026 die Marke MOSTLY AI samt zugehörigen Rechten übernommen; sie läuft weiter als “MOSTLY AI, powered by Syntho”. Das Wiener Unternehmen MOSTLY AI selbst hatte im März 2026 den Betrieb eingestellt (Stand: 2026-10). Wer noch einen MOSTLY-AI-Vertrag hat, sollte daher frühzeitig klären, wer künftig Vertragspartner und Auftragsverarbeiter ist.

Zwei häufig genannte Anbieter empfehlen wir aktuell bewusst nicht. Statice wurde im November 2022 von Anonos übernommen; die Website statice.ai war bei unserer Prüfung im Oktober 2026 nicht erreichbar, und Crunchbase führt das Unternehmen als geschlossen. Auch aircloak.com lieferte bei unserer Prüfung nur eine Fehlerseite. Aircloak steht für den Proxy-Ansatz, bei dem eine Software zwischen Analyst und Datenbank sitzt und Abfrageergebnisse durch Rauschen und das Ausfiltern seltener Werte anonymisiert. Der Ansatz bleibt relevant, ob ein Anbieter ihn aktuell liefert, müsste man vor jeder Planung direkt klären.

Worauf du vor der Auswahl achten solltest

Die Wahl der Software hängt weniger vom Markennamen ab als von drei Fragen. Erstens: Welche Methode steckt dahinter? ARX nennt in seiner Dokumentation syntaktische Modelle wie k-Anonymität, l-Diversität, t-Closeness, δ-Disclosure Privacy, β-Likeness und δ-Presence, dazu statistische Modelle wie k-Map und als semantisches Modell (ε, δ)-Differential-Privacy. Anbieter synthetischer Daten erzeugen dagegen neue Datensätze mit ähnlichen statistischen Eigenschaften, statt vorhandene zu verändern.

Zweitens: Wer kontrolliert die Rohdaten? Läuft die Software lokal, verlässt kein Datensatz das Unternehmen. Bei einem Cloud-Dienst muss geklärt sein, wo die Rohdaten verarbeitet werden, bevor sie anonymisiert sind. Drittens: Ist der Anbieter dauerhaft verfügbar? Der Fall MOSTLY AI zeigt, dass ein Anbieter binnen Monaten verschwinden kann. Wer Anonymisierung in Prozesse einbaut, sollte Exportwege und Ausstiegsklauseln vertraglich festhalten und die Ergebnisse selbst auf Re-Identifizierungsrisiko testen, statt sich allein auf die Zusage des Anbieters zu verlassen.

Typische Einsatzszenarien im Unternehmen

Am häufigsten taucht das Thema in vier Situationen auf. Bei Testdaten wollen Entwicklerteams realistische Datensätze, ohne echte Kundendaten in Staging-Umgebungen zu kopieren. Bei Analytics sollen Fachabteilungen Auswertungen fahren, ohne einzelne Personen erkennen zu können. Bei KI-Trainingsdaten geht es darum, Modelle mit Daten zu füttern, die keinen Personenbezug mehr haben. Bei der Weitergabe an Dritte, etwa Forschungspartner oder Dienstleister, soll nur der anonymisierte Datensatz das Haus verlassen.

In allen vier Fällen gilt dieselbe Prüfreihenfolge: erst festlegen, welches Ziel die Daten erfüllen müssen, dann die Methode wählen und zuletzt testen, ob sich Einzelpersonen mit realistischem Zusatzwissen wieder herausfiltern lassen. Wer die Reihenfolge umdreht und zuerst ein Tool kauft, anonymisiert oft zu schwach für das Risiko oder zu stark für den Zweck, und die Daten sind danach für Analysen unbrauchbar.

Was andere Tools problematisch macht

Viele als “Anonymisierungstool” vermarktete Produkte liefern tatsächlich nur Pseudonymisierung: Namen werden durch Pseudonyme ersetzt, E-Mail-Adressen gehasht, IDs tokenisiert. Nach Art. 4 Nr. 5 DSGVO bleibt das Ergebnis mit Zusatzwissen – dem Schlüssel oder Salt – re-identifizierbar und damit weiterhin personenbezogene Daten. Für die Praxis heißt das: Pseudonymisierung ist eine sinnvolle technische und organisatorische Maßnahme nach Art. 32 DSGVO, aber kein Freifahrtschein aus der DSGVO.

Auch echte statistische Anonymisierung ist nicht automatisch endgültig sicher. Bekannte Fälle wie die re-identifizierten AOL-Suchprotokolle (2006) oder der Massachusetts-GIC-Gesundheitsdatensatz (1997) zeigen: Mit genügend Zusatzwissen lassen sich scheinbar anonyme Datensätze re-identifizieren. Die DSGVO verlangt deshalb laut Erwägungsgrund 26 eine risikobasierte Bewertung aller Mittel, die vernünftigerweise zur Identifizierung eingesetzt werden könnten – keine einmalige technische Zertifizierung.

Anonymisierung vor der Nutzung von Copilot oder Claude

Wer sensible Datensätze in Cloud-KI-Tools einfügt, sollte vorher anonymisieren statt sich allein auf die Datenschutzzusagen des Anbieters zu verlassen. Microsoft 365 Copilot (DSGVO-Score 8,0/10, ab 18,20 €/Nutzer/Monat, 2026-06) wird in der Regel über eine EU-Konzernstruktur bereitgestellt; ein unmittelbares Risiko durch die US-Muttergesellschaft entsteht dadurch nicht automatisch, der Cloud Act bleibt über die Konzernstruktur aber grundsätzlich relevant. Claude von Anthropic (DSGVO-Score 6,0/10, ab 20 $/Monat, 2026-06) ist dagegen ein direkter US-Anbieter ohne EU-Tochterstruktur und nimmt nach eigenen Angaben am EU-US Data Privacy Framework teil – die Cloud-Act-Anwendbarkeit durch die US-Unternehmensstruktur bleibt dadurch nicht vollständig ausgeschlossen. Für größere Rechenlasten bei eigenen Anonymisierungs-Pipelines kann eine EU-Infrastruktur wie Open Telekom Cloud (DSGVO-Score 7,0/10) eine Alternative zu US-Hyperscalern sein – Preis beim Anbieter prüfen, nicht raten.

Darf ich Anonymisierungssoftware als Steuerberater oder Kanzlei einsetzen?

Mandanten- und Gesundheitsdaten können besondere Kategorien personenbezogener Daten nach Art. 9 DSGVO darstellen und sollten deshalb mit besonderer Sorgfalt verarbeitet werden – ob das zutrifft, hängt vom Einzelfall ab. Bei der Weitergabe an einen externen Anonymisierungs-Dienstleister kommt für Steuerberater, Anwälte und ähnliche Berufsgruppen zusätzlich §203 StGB ins Spiel: Ein AVV allein genügt regelmäßig nicht, wenn zusätzlich die Schweigepflicht berührt ist – das muss gesondert geprüft werden, nicht als automatisch erledigt angenommen werden. Läuft die Anonymisierung dagegen lokal auf eigener Hardware wie bei ARX, verlässt kein Mandantendatum die eigene Infrastruktur, was die Prüfung in der Praxis vereinfacht, aber nicht ersetzt.

Kurz gesagt: Bevor Mandantendaten in eine Anonymisierungssoftware gehen, brauchst du fast immer: 1) Klärung, ob am Ende wirklich Anonymisierung oder nur Pseudonymisierung herauskommt, 2) bei Cloud-Diensten einen AVV, 3) bei Mandats- oder Gesundheitsdaten zusätzlich eine §203-Prüfung, 4) im Zweifel die lokale statt die Cloud-Variante.

Ist Hashing dasselbe wie Anonymisierung?

Nein. Gehashte Werte lassen sich bei bekanntem Hash-Verfahren und begrenztem Wertebereich – etwa Telefonnummern oder E-Mail-Adressen – durch Brute-Force-Angriffe zurückrechnen. Laut ENISA-Einordnung zu Pseudonymisierungstechniken (Stand: 2024) gilt Hashing deshalb in der Regel als Pseudonymisierung, nicht als Anonymisierung: Der Personenbezug bleibt bestehen, nur der direkte Bezug ist verschleiert.

Methodik

Unsere Einordnung von Tools und DSGVO-Scores basiert auf öffentlich zugänglichen Datenschutzerklärungen, AVV-Dokumenten und Preisseiten der Anbieter, nicht auf eigenen Penetrationstests. Details zur Berechnung stehen in unserer Methodik. Die Scores sind Risikoeinschätzungen, keine rechtlichen Bewertungen.

Fazit & Empfehlung

Für Unternehmen ohne große Datenmengen reicht oft ARX: kostenlos, lokal, mit nachvollziehbarer Risikoanalyse. Für laufende Pipelines für BI oder KI-Training können Anbieter synthetischer Daten wie Syntho infrage kommen – entscheidend bleiben Datenzweck, Betriebsmodell und das geprüfte Re-Identifizierungsrisiko; die Prüfung von AVV und Serverstandort gehört zur Einführung dazu, nicht danach. Du willst nicht jeden Vertrag selbst prüfen? Unsere Tooltests zeigen pro KI-Tool: AVV, DPA, KI-Training, Cloud-Act-Risiko, DSGVO-Score.