Anonimiseer je documenten voordat een AI-tool ze ziet

In het kort

Je geeft een PDF of tekst. De tool zoekt persoonsgegevens, vervangt die door placeholders of schuilnamen, en laat je alles nalopen. Pas als je afvinkt dat je het zelf gecontroleerd hebt, kun je kopiëren of downloaden.

Blijft mijn document echt binnen?

Ja. Het lezen van de PDF, het zoeken en het maskeren gebeurt allemaal in je browser. Er gaat geen enkel stuk documenttekst naar een server. Wat wel van buiten komt: het lettertype en, als je Laag 2 aanzet, het modelbestand. Die halen iets op, maar sturen niets van jou mee.

De drie kleuren

• Blauw = gemaskeerd. Klik om terug te zetten als het ten onrechte weg is.
• Gestippeld = twijfel. De tool heeft een zwak signaal gezien. Klik om alsnog te maskeren, of laat staan.
• Gewone tekst = niets gevonden. Klik op een woord om het alsnog overal weg te halen.

Waarom maskeert hij niet gewoon alles met een hoofdletter?

Dat is geprobeerd en het werkte slecht. Woorden als Stedenbouw, Werkveld, Buitenland en Copilot verdwenen dan ook. Nederlands maakt eindeloos nieuwe samenstellingen die op achternamen lijken, dus een uitsluitingslijst is nooit compleet. Daarom: maskeren bij sterk bewijs, twijfel apart zetten, en jij beslist.

Laag 2 aan of uit?

Uit is prima voor mails, offertes en verslagen met duidelijke aanheffen. Zet Laag 2 aan bij lopende verhalen, gespreksverslagen of CV's waar namen midden in zinnen staan. De eerste keer is het 140 tot 180 MB downloaden, daarna zit het model in je browsercache en gaat het snel. Met de chips kies je waar het model op let: mensen, organisaties en plaatsen.

Staat Laag 2 aan, dan krijg je de tekst pas te zien als het model klaar is. Dat is bewust: anders zou je een uitslag zitten te controleren die onder je handen nog verandert. Duurt het je te lang, dan kun je tijdens het wachten kiezen voor "toon alvast Laag 1". Laag 2 draait dan door op de achtergrond en werkt de lijst bij zodra hij klaar is.

Welk model kies ik?

Het compacte meertalige model staat standaard aan. Dat is dezelfde mBERT als voorheen, met de vocabulaire voor niet-Latijnse schriften eruit gehaald: kleinere download, identieke uitvoer voor het Nederlands. WikiNEuRal is getraind op materiaal waar Nederlands expliciet in zit en is vaak scherper op namen midden in lopende tekst. De derde optie is het originele model, handig om mee te vergelijken.

Wissel gerust. Elk model wordt apart in je cache bewaard, dus na de eerste keer kun je binnen een paar seconden heen en weer. Als een model niet laadt, valt de tool automatisch terug op het originele.

Lukt het laden niet, bijvoorbeeld achter een strenge firewall, dan zie je dat meteen en draait Laag 1 gewoon door.

Wat de tool niet kan

• Gescande PDF's zonder tekstlaag: daar staat alleen een plaatje in.
• Indirecte herkenbaarheid: "de enige bedrijfsleider met een zoon in groep 8" blijft herleidbaar, ook zonder naam.
• Garanties. Dit is gereedschap, jij blijft verantwoordelijk. Vandaar de vinkje-stap.

En de AVG?

Goed geanonimiseerde tekst valt buiten de AVG. Pseudonimiseren, dus schuilnamen gebruiken, valt er wél onder, want het is met extra informatie terug te herleiden. Gebruik placeholders als je echt wilt anonimiseren.