TECHNISCHES WHITEPAPER

Schwarze Box ≠
entfernte Daten

Die meisten Schwärzungswerkzeuge legen einen Balken über den Text. Visuell unlesbar — der Inhalt steht noch immer im PDF-Content-Stream und lässt sich in Sekunden wiederherstellen. Datenmaske entfernt den Text wirklich und verifiziert das fail-closed.

Beweis-Skript ansehen

DAS PROBLEM

Eine wiederherstellbare „Schwärzung” ist eine Datenpanne in Wartestellung.

Eine Essex-Software-Audit (n=72 öffentlich indizierte PDFs) fand in rund 17 % — jede 6. Datei — residual extrahierbare sensible Daten in scheinbar geschwärzten Dokumenten. Stichprobe, nicht repräsentativ, aber der Mechanismus ist technisch unbestritten.

Für eine Kanzlei, Behörde oder HR heißt das: eine herausgegebene PDF, deren Inhalt sich wiederherstellen lässt, ist eine DSGVO- und §-204-StGB-relevante Panne — unabhängig davon, wie die Box optisch aussieht.

WIE DATENMASKE SCHWÄRZT

Content-Stream-Entfernung, fail-closed verifiziert

Erkennen

Regex + spaCy/GLiNER-NER + Gazetteer + optional OCR liefert pro Treffer Bounding-Box + erkannten Text.

Entfernen

MuPDF applyRedactions() entfernt die Textoperatoren und Glyphen-Referenzen aus dem Content-Stream — keine Überdeckung. Metadaten via pdf-lib zusätzlich entfernt.

Verifizieren (fail-closed)

verifyRedactions öffnet die exportierte PDF erneut und prüft, dass kein erkannter PII-String mehr enthalten ist. Bei Fehlschlag wird der Export blockiert.

VERGLEICH

Was passiert mit dem PII-Text?

Verfahren

Detail

Wiederherstellbar?

Schwarze-Box-Overlay

Text bleibt im Content-Stream, nur überdeckt

Ja — per Text-Parser in Sekunden

„Sanitize“ ohne Verifikation

Fehler bleiben unentdeckt

Möglicherweise

Datenmaske

Textoperatoren + Glyphen-Referenzen werden aus dem Content-Stream entfernt

Nein — verifikationsgesichert

EHRLICHE GRENZEN

Was wir nicht versprechen.

OCR-Seiten sind text-layer-verifiziert, nicht pixel-verifiziert. Steht PII als Bild auf einer OCR-Seite, bestätigen wir die Text-Entfernung, können aber das Bildpixel nicht garantieren. Diese Seiten markieren wir ehrlich alsverified: falsemit Grund ocr_page_not_pixel_verified.
„100 % irreversibel” bezieht sich auf den entfernten Text-Inhalt — eine Eigenkapabilität, die der Verifikationsschritt testet. Keine Garantie, dass jede erdenkliche PII erkannt wurde (deshalb bleibt Mensch-in-the-Loop der Default).
Kein „§ 203-zertifiziert”. Es gibt kein solches Zertifikat. Datenmaske ist ein Werkzeug im Compliance-Stack.

Überzeuge dich selbst — mit deinem eigenen PDF.

Kostenlos, ohne Anmeldung. Sieh die fail-closed Verifikation in Aktion.

Schwarze Box ≠entfernte Daten