Schwärzen Sie auf dem eigenen Rechner und mit einem Werkzeug, das den Text unter dem Balken löscht. Ein schwarzes Rechteck lässt den Text oft in der Datei stehen. Im Januar 2019 reichten die Verteidiger von Paul Manafort einen Schriftsatz ein, dessen geschwärzte Passagen sich kopieren und lesen ließen. Darüber wurde breit berichtet, unter anderem bei BuzzFeed News.
Ein Balken entfernt nichts
Eine PDF-Seite besteht aus Schichten: Text mit der Position jedes Zeichens, Grafiken, Bilder, Kommentare und Formularfelder. Ein schwarzes Rechteck im Editor fügt nur eine Schicht hinzu, und der Text darunter bleibt. Jedes Programm, das Text ausliest, ignoriert das Rechteck.
Das täuscht vor allem die Person, die geschwärzt hat, denn sie sieht am Bildschirm saubere Balken. Die Volltextsuche des Empfängers, die Zwischenablage oder eine Umwandlung nach Word sehen den vollständigen Text.
Markieren Sie vor jedem Versand den geschwärzten Bereich, kopieren Sie ihn und fügen Sie ihn in einen Texteditor ein. Erscheint ein Name, ist die Schwärzung missglückt. Suchen Sie zusätzlich mit Strg+F nach einem entfernten Namen, auch bei unserem Werkzeug. Eine echte Schwärzung löscht dagegen die Zeichen aus der Textschicht und überschreibt betroffene Bildbereiche.
Was ein PDF außerhalb der Seite enthält
Ein PDF enthält den Inhalt oft an Stellen, die kein Betrachter zeigt. Ersatztexte für Vorlesefunktionen (ActualText und Alt) wiederholen den sichtbaren Text. XMP-Metadaten und PieceInfo speichern Angaben zum Dokument. Benannte Sprungziele tragen mitunter einen Mandantennamen, Formularfelder speichern Wert und Erscheinungsbild. Seitenvorschauen zeigen die Seite vor der Schwärzung.
promptShield ersetzt den Wert beim Export auch dort, durch den Code oder bei entfernten Stellen durch eine neutrale Markierung. Seitenvorschauen sind Rasterbilder und werden auf jeder Seite mit Schwärzung verworfen. Ihr Betrachter erzeugt sie bei Bedarf aus der bereinigten Seite neu.
Das Problem beginnt beim Hochladen
Viele schwärzen mit einem Online-Werkzeug: Datei hineinziehen, markieren, herunterladen. Die Akte hat das Haus dann verlassen, bevor irgendetwas geschwärzt ist, und Zusagen zu Löschfristen ändern daran nichts.
Für die personenbezogenen Daten ihrer Akten ist die Kanzlei Verantwortlicher im Sinne der DSGVO. Ein Dienstleister, der sie bearbeitet, wird Auftragsverarbeiter. Dafür braucht es eine Rechtsgrundlage und nach Art. 28 DSGVO in der Regel einen Auftragsverarbeitungsvertrag, ergänzt durch das BDSG. Im Prüffall verlangt die Landesdatenschutzbehörde oder der BfDI Unterlagen.
Für Rechtsanwälte, Steuerberater und Ärzte gilt zusätzlich § 203 StGB, unabhängig von der DSGVO. Externe Dienstleister dürfen seit 2017 mitwirken, wenn sie zur Verschwiegenheit verpflichtet wurden, und Anwälte brauchen nach § 43e BRAO einen Vertrag in Textform. Ob die per Klick bestätigten Bedingungen eines kostenlosen Werkzeugs das leisten, sollten Sie nachlesen.
Auch der beste Cloud-Dienst muss die Datei zuerst erhalten. Wird auf dem Rechner geschwärzt, auf dem die Akte liegt, braucht es für das Dokument weder Auftragsverarbeiter noch Vertrag.
Anonymisiert oder pseudonymisiert
Die britische Aufsichtsbehörde, das Information Commissioner's Office, trennt in ihrer Anleitung zur Anonymisierung beides deutlich. Wer eine Zuordnung zum Original aufbewahrt, hat pseudonymisiert, und solche Daten bleiben personenbezogen. Die DSGVO sieht es in Art. 4 Nr. 5 und Erwägungsgrund 26 ebenso.
In promptShield wählen Sie bei jedem Fund Entfernen oder Kodieren. Entfernen löscht den Wert endgültig, Kodieren ersetzt ihn durch einen Code in der Breite des Originals. Kodieren ist also Pseudonymisierung, und das macht es nützlich: Kommt ein Gutachten zurück, löst Dekodieren jeden Code wieder auf. Dieser Beitrag erklärt den Mechanismus, ein weiterer, was „anonymisiert“ rechtlich verlangt.
Innerhalb eines Ordners bekommt derselbe Wert denselben Code, sodass die Zeugin auf Seite 3 und Seite 280 eines Aktenkonvoluts dieselbe Person bleibt. Jeder Ordner vergibt aber eigene Codes, ordnerübergreifend gilt nur ein von Hand festgelegter Code. Was zusammengehört, gehört also in einen Ordner. Wir haben das selbst einmal falsch beschrieben: In sieben Sprachen stand, ein Wert behalte seinen Code in der ganzen Bibliothek.
Das Code-Register ist eine lokale SQLite-Datei und bewusst nicht verschlüsselt, denn wer es lesen kann, hat ohnehin die Originalakten vor sich. Der Export der Zuordnungen ist dagegen eine lesbare JSON-Datei. Wer ihn mit einem kodierten PDF verschickt, hat den Personenbezug wiederhergestellt. Deshalb gehört der Export in kein Postfach und keinen Supportfall.
Juristische PDFs ohne Cloud anonymisieren: der Ablauf
Die Schritte in promptShield zeigen, was ein Werkzeug für ein Konvolut leisten muss.
- Ein Ordner pro Konvolut. PDF, Word-Dateien und Scans kommen in einen Ordner der Bibliothek, damit die Codes übereinstimmen.
- Erkennen. Muster erfassen IBAN oder Steuer-Identifikationsnummer, ein lokales Modell wie spaCy, BERT oder GLiNER erfasst Namen, Firmen und Orte. Eine KI-Schicht ist zuschaltbar und standardmäßig aus. Funde werden zusammengeführt, auf alle Seiten übertragen und von Fehltreffern bereinigt.
- Scans. Tesseract liest die Seite mit 300 dpi in der Dokumentsprache plus Englisch, die Pixel der Fundstellen werden ersetzt, und darunter entsteht eine neue Textschicht. Es gibt acht Sprachpakete. Mit dem falschen entstehen unbemerkt Lesefehler, wie unser Beitrag zu gescannten PDFs zeigt.
- Überprüfen. Herunterladen lässt sich die Datei erst, wenn ein Mensch die Funde im Überprüfen-Dialog bestätigt hat. Wer vorher klickt, erfährt, was fehlt, und kommt direkt in den Dialog.
- Gegenprobe. Kopieren Sie nach dem Herunterladen einen geschwärzten Bereich und suchen Sie nach einem entfernten Namen.
Kein lokales Modell erkennt jeden Bezeichner in jeder Schreibweise, unseres auch nicht. Deshalb steht die Prüfung vor dem Herunterladen. In der Desktop-Anwendung bleiben Dokument und Code-Register auf dem Gerät, im Tarif Pro auch ohne Lizenzabfrage und Absturzberichte. Die kostenlose Browser-Anwendung sendet beim Start ein anonymes Nutzungssignal, das Dokument geht aber in keiner Variante an uns.
Häufige Fragen
Reicht ein schwarzes Rechteck im PDF-Editor?
Ein gezeichnetes Rechteck reicht nicht, weil der Text darunter bleibt. Viele PDF-Editoren haben eine eigene Schwärzungsfunktion, die den Inhalt beim Anwenden entfernt. Ob das geschehen ist, zeigt die Kopierprobe, und Metadaten sollten Sie zusätzlich prüfen.
Bedeutet lokale Verarbeitung schlechtere Erkennung?
Für Werte mit fester Form wie die IBAN kaum, denn dafür genügen Muster. Bei Namen hängt es von Sprache und Modell ab. Eine KI-Schicht, die an einen externen Server angebunden ist, schickt Seitentext dorthin. Fehlerfrei ist keine Variante, deshalb wird jede Datei vorher überprüft.
Ist ein Werkzeug im Browser wirklich vertraulich?
Viele Online-Werkzeuge laufen im Browser, laden die Datei aber auf einen Server. Die kostenlose Browser-Anwendung von promptShield verarbeitet das Dokument im Browser selbst, sendet aber beim Start ein anonymes Nutzungssignal.
Wie anonymisiere ich ein gescanntes PDF?
Über Texterkennung, denn ein Scan enthält nur Pixel. Achten Sie auf das passende Sprachpaket und wählen Sie Entfernen, wenn das Ergebnis anonym sein soll. Ein kodierter Wert bleibt pseudonymisiert, solange das Code-Register existiert.
Wer den Schaden trägt
Den Schaden einer missglückten Schwärzung tragen meist andere: der Mandant, die Gegenpartei, die Zeugin mit ihrer Anschrift. Sie haben weder das Werkzeug gewählt noch die Datei vor dem Versand gesehen.
Dieser Text ordnet die Rechtslage ein. Eine Beratung im Einzelfall ersetzt er nicht.