Datenmaske

Honestidad antes que marketing

Límites de la anonimización

Ningún sistema de detección lo encuentra todo. Preferimos decirte exactamente lo que el nuestro no hace — con números que puedes reproducir — a venderte una sensación de seguridad que se rompe con el primer expediente real.

Qué no hace la detección

Sin garantía de completitud

Híbrido de patrones (con checksums: IBAN, identificador fiscal, número de seguro …) y modelos de IA para nombres y texto libre. Un valor que ninguno detecte faltará como propuesta — por eso la decisión final siempre es tuya; nada se tacha automáticamente.

Los escaneos necesitan modelos OCR

Las páginas de imagen sin capa de texto pasan por OCR. Las páginas con reconocimiento incierto se marcan para revisión manual; sin modelos OCR instalados, la exportación se niega a dar una salida aparentemente limpia (fail-closed).

Imágenes dentro de imágenes

Fotos, series de sellos, firmas en imágenes: el análisis de imagen propone lo que encuentra — pero ningún sistema reconoce una firma manuscrita al 100 %. Esas páginas van a revisión manual.

Los valores muy cortos no son buscables

Una edad («45») o un número de dos cifras no puede buscarse de forma fiable sin destrozar el documento. La exportación lista estos casos en el informe de verificación en lugar de saltárselos en silencio.

Nuestros números — en ambas direcciones

Medido con nuestro benchmark (dm-benchmark) sobre datos personales sembrados en expedientes alemanes reales y sobre un corpus alemán público. Medido el 25.10.2026 con la versión 0.8.19; las mismas corridas están como JSON en el repositorio.

CorpusDocumentos/páginasEncontradoPropuestas extra
Expedientes propios, digitales (PII sembrada)16 / 51158 de 158 (100 %)156
Expedientes propios, escaneados (OCR, PII sembrada)11 / 30122 de 122 (100 %)158
Corpus alemán salvaje (textos reales públicos)—≈ 73 % recall de texto—

El número alto de propuestas sobrantes es deliberado: unos pocos falsos positivos que descartas con un clic valen más que un nombre que se cuela. Nada se tacha sin tu decisión.

Seudonimizado no es anónimo

  • El modo «Anonymisieren» sustituye nombres por etiquetas por caso ([NAME_1]) — eso es seudonimización según el art. 4 n.º 5 RGPD, y así está construido: con una tabla local que permite traducir de vuelta las respuestas de la IA.
  • En cuanto envías texto seudonimizado a un proveedor de IA, la responsabilidad de ese envío es tuya — la herramienta quita los datos de la petición, no convierte el envío en lícito.
  • Una regla del diccionario «no tachar nunca» solo oculta aciertos de patrones. Lo que encuentra el modelo de IA sigue visible y marcado — tu decisión, no la de la regla.

Lo que garantizamos

  • Todo corre localmente en tu equipo (§ 203 StGB): detección, tachado, verificación. Ningún contenido del documento sale de la máquina.
  • Cada exportación se reverifica tras el tachado: los restos legibles bloquean la exportación o figuran en el informe — no existe un PDF «de aspecto limpio» sin verificación.
  • Cada decisión queda en la pista de auditoría local — rastreable quién decidió qué y cuándo.
  • Los modelos se verifican criptográficamente contra un manifiesto firmado; cualquier manipulación falla antes de procesar nada.

A 25.10.2026 · versión 0.8.19 · medidas reproducibles con el benchmark del repositorio. Preguntas sobre un límite: info@datenmaske.de