Wissenschaftliche Forschungsnutzung Art. 9 DSGVO: klinische Daten anonymisieren – DSGVO-konform anonymisieren (Art. 9 Abs. 2 lit. j DSGVO)

Die Weiterverarbeitung klinischer Behandlungsdaten zu wissenschaftlichen Forschungszwecken über den ursprünglichen Behandlungszweck hinaus stützt sich auf die Ausnahme des Art. 9 Abs. 2 lit. j DSGVO, sofern angemessene Garantien nach Art. 89 Abs. 1 DSGVO bestehen; Verstöße gegen die besonderen Verarbeitungsvoraussetzungen können nach Art. 83 Abs. 5 DSGVO mit bis zu 20 Mio. € geahndet werden. anonym.legal pseudonymisiert die Patientendaten, damit Forschungseinrichtungen sie sekundär nutzen können.

When this applies

Eine Forschungseinrichtung möchte im Rahmen der Behandlung erhobene klinische Daten für ein neues, bei der ursprünglichen Datenerhebung noch nicht konkret benanntes Forschungsvorhaben weiterverwenden. Art. 9 Abs. 2 lit. j DSGVO erlaubt diese Sekundärnutzung, wenn angemessene Garantien nach Art. 89 Abs. 1 DSGVO bestehen und der Forschungszweck die Verarbeitung besonderer Kategorien personenbezogener Daten rechtfertigt; ein Verstoß gegen diese Voraussetzungen kann nach Art. 83 Abs. 5 DSGVO mit Bußgeldern bis zu 20 Mio. € oder 4 % des weltweiten Konzernjahresumsatzes geahndet werden. Es entsteht der Bedarf, die Patientendaten so aufzubereiten, dass die Forschungseinrichtung sie auswerten kann, ohne Patienten über den ursprünglichen Behandlungszweck hinaus identifizierbar zu halten.

  1. Die für die Sekundärnutzung vorgesehenen klinischen Behandlungsdaten werden im Originalformat in anonym.legal hochgeladen.
  2. Die Erkennung prüft den Inhalt gegen über 267 Entitätstypen und identifiziert Namen, Kontaktdaten und weitere Patientendaten.
  3. Jeder Patient wird über alle Datensätze hinweg konsistent durch dasselbe Pseudonym ersetzt.
  4. Fachlich relevante klinische Angaben ohne unmittelbaren Personenbezug bleiben für die Forschungsauswertung im Klartext erhalten.
  5. Die Zuordnung von Pseudonym zu Klarname wird in einer verschlüsselten, EU-ansässigen Mapping-Tabelle abgelegt.
  6. Die pseudonymisierte Fassung wird an die Forschungseinrichtung übergeben; eine Re-Identifizierung einzelner Patienten bleibt auf begründete Ausnahmefälle mit Schlüsselzugriff beschränkt.

What you provide

  • Klinische Behandlungsdaten, die sekundär genutzt werden sollen
  • Angabe des ursprünglichen Behandlungszwecks
  • Beschreibung des neuen Forschungsvorhabens
  • Liste der betroffenen Patienten

Limitations & cautions

  • Ob die Voraussetzungen des Art. 9 Abs. 2 lit. j DSGVO und die Garantien nach Art. 89 Abs. 1 DSGVO im Einzelfall erfüllt sind, bewertet anonym.legal nicht.
  • Die Pseudonymisierung ist reversibel und ersetzt keine Anonymisierung im Sinne der DSGVO.
  • Verstöße gegen die besonderen Verarbeitungsvoraussetzungen können nach Art. 83 Abs. 5 DSGVO mit Bußgeldern bis zu 20 Mio. € oder 4 % des weltweiten Konzernjahresumsatzes geahndet werden.

FAQ

Darf jede Forschungseinrichtung klinische Daten sekundär nutzen?

Nein, die Sekundärnutzung setzt nach Art. 9 Abs. 2 lit. j DSGVO angemessene Garantien nach Art. 89 Abs. 1 DSGVO voraus. Ob diese im Einzelfall erfüllt sind, bewertet anonym.legal nicht.

Bleiben klinische Angaben für die Forschung auswertbar?

Ja, fachliche klinische Angaben ohne unmittelbaren Personenbezug bleiben im Klartext erhalten. Nur identifizierende Patientendaten werden pseudonymisiert. So bleibt der Datensatz für die Forschungseinrichtung auswertbar.

Wie wird derselbe Patient über mehrere Datensätze hinweg behandelt?

Derselbe Patient wird über alle Datensätze hinweg konsistent durch dasselbe Pseudonym ersetzt. Die Zuordnung wird verschlüsselt mit EU-Datenresidenz gespeichert.

Ersetzt die Pseudonymisierung eine Anonymisierung der Forschungsdaten?

Nein, die Pseudonymisierung ist reversibel und ersetzt keine Anonymisierung im Sinne der DSGVO. Ein Personenbezug bleibt bestehen, solange der Zuordnungsschlüssel existiert.

Welche Bußgeldrisiken bestehen bei unzulässiger Sekundärnutzung von Gesundheitsdaten?

Gemäß Art. 83 Abs. 5 DSGVO können Verstöße gegen die besonderen Verarbeitungsvoraussetzungen mit Bußgeldern bis zu 20 Mio. € oder 4 % des weltweiten Konzernjahresumsatzes geahndet werden.

Klinische Forschung

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.

Hetzner holds ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.