Patientendaten in Arztbriefen und Befunden vor der KI-Nutzung anonymisieren

Was bedeutet es, Patientendaten zu anonymisieren?

Patientendaten zu anonymisieren heißt, Informationen zu entfernen, die eine medizinische Schilderung mit einer Person verbinden können. Ein Name im Briefkopf ist ein offensichtliches Ziel. Weniger offensichtliche Details können in einer Familienanamnese, einer Terminreferenz, einer zitierten Nachricht oder der Beschreibung eines ungewöhnlichen Ereignisses stehen.

Schwärzung ist eine Technik bei der Vorbereitung von Text: einen Wert entfernen oder durch eine Bezeichnung wie [email] ersetzen. Dieser Schritt allein belegt nicht, dass ein Arztbrief anonym im Sinne der DSGVO ist. Die verbleibende Schilderung, der Empfänger und der vorgesehene Zweck spielen ebenfalls eine Rolle.

Beginnen Sie bei einer Formulierungsaufgabe mit dem kleinsten Auszug, der die Frage beantworten kann. Um einen Absatz neu zu formatieren, braucht es womöglich weder das vollständige Überweisungsschreiben noch frühere Notizen oder Anhänge. DataAnonymiser unterstützt diesen Vorbereitungsschritt; es entscheidet nicht, ob eine Offenlegung zulässig ist oder ob eine KI-generierte klinische Aussage zutrifft.

Welche Patienteninformationen sollten Sie in einem Arztbrief prüfen?

Prüfen Sie direkte Identifikatoren im gesamten Dokument: Namen, Kontaktdaten, Anschriften, Patienten-, Fall- und Versichertennummern, Kontonummern und Termininformationen. Achten Sie neben dem Haupttext auch auf Kopf- und Fußzeilen, kopierte Korrespondenz und Signaturen. Eine auf Seite drei wiederholte Referenz kann eine Prüfung überstehen, die sich nur auf Seite eins konzentriert.

Prüfen Sie danach Beziehungen und Kontext. Eine Notiz kann Angehörige oder Pflegepersonen nennen, einen Arbeitgeber erwähnen oder ein markantes öffentliches Ereignis beschreiben. Wer nur den Namen der Patientin oder des Patienten ersetzt, verbirgt nicht zwingend, um wen es geht, solange diese Details bleiben. Entscheiden Sie, welche Beziehungen die Aufgabe braucht und welche Einzelheiten entfallen können.

Daten, Altersangaben und zeitliche Abläufe erfordern einen bewussten Umgang. Ein Datum kann ein identifizierendes Detail sein und zugleich den Behandlungsverlauf erklären. Ersetzen Sie es nicht beiläufig durch einen erfundenen Wert. Wenden Sie das freigegebene De-Identifizierungsverfahren an und lassen Sie eine geeignete prüfende Person kontrollieren, ob der vorbereitete Text seinen Zweck noch erfüllt.

Dies ist ein praktischer Prüfleitfaden, keine erschöpfende rechtliche Checkliste. Trennen Sie die Frage, was ein Detektor finden kann, von der Frage, was ein Empfänger ableiten könnte. Klinisches Personal und Fachleute für Informationsgovernance bringen Kontext mit, den ein generischer Entitätsdetektor nicht hat.

Ärztliche Schweigepflicht und Gesundheitsdaten nach Art. 9 DSGVO

Gesundheitsdaten gehören nach Art. 9 DSGVO zu den besonderen Kategorien personenbezogener Daten; ihre Verarbeitung ist grundsätzlich untersagt, sofern keine der dort genannten Ausnahmen greift. Unabhängig davon stellt § 203 Abs. 1 StGB die unbefugte Offenbarung von Patientengeheimnissen durch Ärztinnen, Ärzte und Angehörige anderer Heilberufe unter Strafe. [3][1]

Eine Offenbarung an mitwirkende Dienstleister ist nur unter den Voraussetzungen des § 203 Abs. 3 und 4 StGB zulässig, unter anderem mit einer Verpflichtung zur Geheimhaltung. Ob ein KI-Anbieter diese erfüllt, ist vor der Nutzung zu klären – am besten gemeinsam mit Ihrer oder Ihrem Datenschutzbeauftragten. [1]

DataAnonymiser setzt davor an: Erkannte Identifikatoren werden auf Ihrem Gerät ersetzt, bevor etwas die Praxis oder Klinik verlässt. Es bescheinigt nicht, dass eine Ausgabe anonym ist, und macht keinen Ablauf mit der Schweigepflicht vereinbar; die verbleibende Schilderung kann weiterhin auf eine Person hinweisen.

Schwärzung von Patientendaten, Pseudonymisierung und DSGVO

Im europäischen Rechtsrahmen sind Pseudonymisierung und Anonymisierung verschieden. Der EDSA beschreibt Pseudonymisierung als Verringerung der Verknüpfbarkeit mit einer Person, während Anonymisierung die Identifizierbarkeit beseitigt. Wirklich anonyme Informationen fallen nicht unter das EU-Datenschutzrecht. Eine Notiz mit Platzhaltern ist nicht automatisch anonym. [2]

In einer Arbeitssitzung kann eine separate Platzhalter-Zuordnung die Wiederherstellung erkannter Token ermöglichen. Das ist nützlich, um einen Entwurf vorzubereiten und zu prüfen, doch diese fortbestehende Verbindung ist bei der Bewertung des Ergebnisses zu berücksichtigen. Für die Organisation, die den Text wieder mit der Patientin oder dem Patienten verknüpfen kann, ist das Ersetzen durch Bezeichnungen keine Erlaubnis, den Datensatz zu veröffentlichen.

Die Datenschutzkonferenz betont, dass es regelmäßig nicht reicht, Namen und Anschriften zu entfernen, weil sich der Personenbezug aus dem Zusammenhang ergeben kann – bei einer seltenen Diagnose, einem bekannten Vorfall oder einer kleinen Gemeinde besonders schnell. Der Verarbeitungsort eines Tools und der rechtliche Status eines Dokuments sind verwandte Fragen, aber nicht dieselbe Entscheidung. [5]

Beispiel 1: ein Überweisungsschreiben ohne unnötige Kontaktdaten umstrukturieren

Die Beispiele hier verwenden erfundene Angaben und veranschaulichende Ersetzungen. Sie zeigen Bearbeitungsentscheidungen, keine gemessenen Erkennungsergebnisse und keine zur Offenlegung freigegebenen Datensätze.

Originalauszug: „Bitte kontaktieren Sie Lena unter lena@example.com, um den Überweisungstermin zu vereinbaren. Ihre Schwester Maya wird sie begleiten. Ein Dolmetscher wurde angefordert.“

Vorbereiteter Auszug: „Bitte kontaktieren Sie [first_name_1] unter [email], um den Überweisungstermin zu vereinbaren. Ihre Schwester [first_name_2] wird sie begleiten. Ein Dolmetscher wurde angefordert.“

Eine eng gefasste Anfrage könnte ein freigegebenes Tool bitten, den Auszug in Kontaktvereinbarungen und Terminanforderungen zu gliedern, dabei jeden Platzhalter zu erhalten und keine neuen Fakten hinzuzufügen. Unterschiedliche Bezeichnungen helfen der prüfenden Person nachzuvollziehen, wer teilnimmt, ohne dass die Namen während der Bearbeitung nötig sind.

Prüfen Sie vor der Verwendung des Ergebnisses, ob der E-Mail-Platzhalter oder die genannte Beziehung überhaupt nötig war. Kontrollieren Sie das ursprüngliche Überweisungsschreiben auf weiteren identifizierenden Kontext außerhalb des Auszugs. Werden Werte später wiederhergestellt, prüfen Sie, dass Patientin und Begleitperson weiterhin richtig zugeordnet sind; konsistente Token sind keine automatische Identitätsauflösung.

Beispiel 2: einen Entlassbrief kürzen, ohne seine Bedeutung zu verändern

Angenommen, die freigegebene Aufgabe besteht darin, einen administrativen Absatz aus einem erfundenen Entlassbrief zu kürzen: „Jonas hat schriftliche Terminhinweise angefordert. Seine Tochter Elena wird die ausgedruckte Fassung abholen. Der Transport ist noch nicht organisiert.“

Der vorbereitete Text könnte die beiden Namen durch [first_name_1] und [first_name_2] ersetzen. Die Bearbeitungsanweisung sollte die Anforderung, die Abholvereinbarung und den offenen Transportstatus erhalten. Sie sollte das Modell nicht auffordern, einen gebuchten Transport zu unterstellen oder Ratschläge zur Behandlung hinzuzufügen.

Vergleichen Sie den vorgeschlagenen Wortlaut mit der Quelle, bevor Sie Namen wiederherstellen. „Der Transport ist noch nicht organisiert“ und „Der Transport ist organisiert“ unterscheiden sich nur durch wenig Text und beschreiben gegensätzliche Zustände. Datenschutzprüfung und Richtigkeitsprüfung brauchen daher getrennte Aufmerksamkeit, selbst bei scheinbar routinemäßiger Korrespondenz.

Enthält eine klinische Passage Medikamente, Dosierungen, Verneinungen, Unsicherheiten oder zeitliche Abläufe, muss eine verantwortliche ärztliche oder klinische Fachperson jede Umformung vor der klinischen Verwendung prüfen. Schwärzung validiert diese Angaben nicht. Wird die Aufgabe durch das Entfernen von Kontext unzuverlässig, belassen Sie die Arbeit in der freigegebenen klinischen Umgebung, statt die Lücken mit erfundenen Informationen zu füllen.

Beispiel 3: Lehrmaterial vorbereiten, ohne einen erkennbaren Fall wiederzuverwenden

Stellen Sie sich eine Ausbildungskoordinatorin vor, die eine allgemeine Übung zur Organisation der Nachsorge möchte. Eine echte Notiz enthält einen ungewöhnlichen Beruf, ein bestimmtes Ereignis und eine markante familiäre Beziehung. Auch ohne Namen kann eine Geschichte bleiben, die Kolleginnen, Kollegen oder Menschen aus dem Umfeld wiedererkennen.

Für diese Aufgabe kann ein vollständig erfundenes Szenario genügen: „Ein Patient bittet um schriftliche Hinweise und braucht Hilfe bei der Organisation des Transports.“ Die Übung kann die Lernenden fehlende administrative Angaben erkennen lassen, ohne die Geschichte der realen Person wiederzugeben. Ausgangspunkt ist das Lernziel, nicht die größtmögliche Menge an Quelldetails, die eine Schwärzung übersteht.

Den Namen einer realen Person zu ändern oder Details aus mehreren realen Datensätzen zu vermischen, ist kein Nachweis der Anonymität. Prüfen Sie, was die endgültige Schilderung preisgibt, und nutzen Sie das Freigabeverfahren der Einrichtung für fallbasierte Lehre. DataAnonymiser kann helfen, Quelltext zu prüfen und zu schwärzen; es erteilt keine Erlaubnis, die Geschichte einer Patientin oder eines Patienten wiederzuverwenden.

Ein Ablauf in sechs Schritten, um Arztbriefe vor der KI-Nutzung zu schwärzen

1. Aufgabe und freigegebenes Ziel festlegen. Bestimmen Sie, ob Sie eine Formatierung, eine administrative Zusammenfassung oder eine andere zulässige Nutzung brauchen. Klären Sie die Prüfverantwortung und wie die Organisation diese Nutzung von Patienteninformationen genehmigt. Beginnen Sie mit erfundenem Text, wenn Sie einen neuen Ablauf erproben.

2. Den kleinsten nützlichen Auszug wählen. Arbeiten Sie mit einer freigegebenen Kopie und lassen Sie den ursprünglichen klinischen Datensatz unverändert. Lassen Sie Anhänge, nicht zusammenhängende Vorgeschichte und zitierte Korrespondenz weg, sofern sie für die Aufgabe nicht nötig sind. Halten Sie fest, mit welcher Quellfassung die prüfende Person vergleichen soll.

3. Schwärzung ausführen und die Ersetzungen prüfen. Prüfen Sie die erkannten Werte, wiederholte Identifikatoren und etwaige Restrisiko-Warnungen. Wenn Ihr Tarif benutzerdefinierte Begriffe unterstützt, fügen Sie konkrete Referenzen hinzu, die der Detektor übersehen hat. Gehen Sie nicht davon aus, dass eine Einstufung mit geringem Risiko bedeutet, dass die Ausgabe rechtlich anonym oder freigabebereit ist.

4. Die verbleibende Schilderung und die Extraktionsqualität prüfen. Achten Sie auf erkennbare Umstände und Angaben zu anderen Personen. Prüfen Sie, ob Überschriften, Datumsangaben, Verneinungen und Einheiten korrekt gelesen wurden. Lässt sich ein notwendiges Detail unter den freigegebenen Offenlegungsbedingungen nicht beibehalten, ändern Sie die Aufgabe oder deren Verarbeitungsumgebung.

5. Nur die freigegebene Fassung übermitteln. Geben Sie dem KI-Tool eine klar begrenzte Bearbeitungsanweisung und bitten Sie es, Platzhalter und Unsicherheiten zu erhalten. Prüfen Sie vor dem Absenden das gewählte Konto, Anhänge und eingefügtes Material. Fügen Sie dem vorbereiteten Text weder die Originalnotiz noch deren Zuordnungstabelle bei.

6. Vergleichen, bei Bedarf wiederherstellen und erneut prüfen. Stellen Sie, solange die betreffende Zuordnung verfügbar ist, erkannte Platzhalter wieder her und prüfen Sie Empfänger, Identitäten und Bedeutung. Behandeln Sie den fertigen Text als neue Fassung, die den üblichen Prüfprozess durchläuft, nicht als automatisch validierten klinischen Datensatz.

Gescannte Briefe, PDFs und Screenshots brauchen eine zusätzliche Prüfung

Die Dokumentextraktion ist ein zusätzlicher Schritt vor der Schwärzung. Ein PDF mit Textebene, ein gescannter Brief und ein Screenshot können unterschiedlichen Text liefern, auch wenn sie am Bildschirm ähnlich aussehen. Prüfen Sie das unterstützte Format und die verfügbaren Extraktions- oder OCR-Funktionen und vergleichen Sie die extrahierte Passage mit der sichtbaren Quelle.

Achten Sie besonders auf wiederholte Seitenköpfe, handschriftliche Ergänzungen, Tabellen und Kleingedrucktes. Eine Fallnummer kann durch einen Zeilenumbruch getrennt sein; zwei Spalten können in falscher Reihenfolge erscheinen. Eine Lücke in der Extraktion kann ein Datenschutzproblem verbergen oder Informationen entfernen, die zum Verständnis der Passage nötig sind.

Der Bild-Workflow von DataAnonymiser erzeugt Text zur Prüfung. Er verpixelt nicht die Bildpunkte der Quelle, entfernt keine Metadaten und erzeugt keinen visuell geschwärzten Ersatz-Scan. Ein Screenshot oder das Original-PDF erfordert weiterhin eine eigene Entscheidung zum Umgang damit. Teilen Sie den geprüften Text, wenn dieser die freigegebene Ausgabe ist, statt das Original als zusätzlichen Kontext anzuhängen.

Die Ordnersuche ist ebenfalls ein anderer Ablauf als die Vorbereitung eines Dokuments. Ein DLP-Scan meldet Funde; er belegt nicht, dass jede Datei im Ordner in eine freigabefähige klinische Notiz umgewandelt wurde.

Wo Patientendaten verarbeitet werden und wohin sie danach gehen

In der Individual-Edition verarbeitet DataAnonymiser Inhalte auf dem Gerät. Enterprise nutzt einen Server, den der Kunde in seinem eigenen Netzwerk installiert und betreibt und der durch eine ausdrückliche Administratorkonfiguration aktiviert wird. Keine der beiden Editionen sendet klinische Inhalte zur Verarbeitung an Infrastruktur, die DataAnonymiser betreibt.

Diese Grenze beschreibt den Schwärzungsschritt. Wenn Sie die Ausgabe später in einen externen KI-Dienst einfügen, ist das eine eigene Offenlegungsentscheidung. Prüfen Sie den konkreten Dienst, das Konto, die Vertragsbedingungen und den zulässigen Zweck. Lokale Vorbereitung macht nicht jedes Ziel für die verbleibenden Informationen geeignet.

Für einen externen KI-Dienst gelten die Anforderungen an eine Auftragsverarbeitung nach der DSGVO und, für Berufsgeheimnisträger, die Voraussetzungen des § 203 StGB. Die Datenschutzkonferenz empfiehlt außerdem, bei dienstlichen Konten die Nutzung von Eingaben zum Training und eine dauerhafte Eingabe-Historie abzuschalten. Gehen Sie nicht davon aus, dass Platzhalter diese Fragen erledigen, solange der Text noch Gesundheitsdaten enthält. [1][5]

Die Arbeitszuordnung der Desktop-App wird im Arbeitsspeicher gehalten und für die Wiederherstellung benötigt. Das Schließen der App löscht weder den Originaldatensatz noch Kopien in der Zwischenablage oder anderswo gespeicherte Dokumente. Beziehen Sie diese Orte in den üblichen Umgangsprozess der Organisation ein, und halten Sie patientenbezogene Werte aus wiederverwendbaren Begriffsvorlagen heraus, sofern deren dauerhafte Speicherung nicht ausdrücklich genehmigt ist.

Richtigkeit und Datenschutz mit repräsentativen erfundenen Notizen bewerten

Stellen Sie vor der Einführung des Ablaufs erfundene Beispiele zusammen, die den Dokumenten Ihres Teams ähneln. Nehmen Sie wiederholte Namen, eine Patientin und einen Angehörigen im selben Absatz, ungewöhnliche Schreibweisen, mehrsprachige Passagen und gescannten Text auf. Halten Sie die beabsichtigten Ersetzungen fest, damit eine prüfende Person übersehene Werte und übermäßige Schwärzung erkennen kann.

Bewerten Sie neben der Entfernung auch die Nützlichkeit. Kann die prüfende Person die Beteiligten noch unterscheiden, die Abfolge verstehen und erkennen, was bestätigt, verneint oder unsicher ist? Ein Dokument, das Identifikatoren verbirgt, aber diese Beziehungen verändert, hat die Formulierungsaufgabe nicht erfüllt.

Die WHO warnt, dass im Gesundheitswesen eingesetzte generative Modelle ungenaue, verzerrte oder unvollständige Aussagen erzeugen können. Das spricht für eine gesonderte Prüfung des KI-Ergebnisses, statt eine erfolgreiche Schwärzung als Validierung der anschließenden Antwort zu behandeln. [4]

Beginnen Sie mit einem Dokumenttyp und einer freigegebenen Aufgabe. Legen Sie fest, wer schwierige Fälle prüft, wie Fehler gemeldet werden und welche Bedingungen das externe Teilen stoppen.