Anonymisering ved aktindsigt: hvad skal sløres — og hvordan?

Situationen er velkendt i enhver dansk forvaltning: En aktindsigtsanmodning lander en mandag morgen. Sagen fylder et par hundrede sider — mails, notater, bilag. Offentlighedslovens § 36 siger, at anmodningen skal færdigbehandles snarest, som udgangspunkt inden 7 arbejdsdage. Og før noget kan udleveres, skal hver eneste side gennemgås for oplysninger, der ikke må komme ud.

Det er dét arbejde — ikke selve afgørelsen — der typisk æder fristen. Og det er samtidig det arbejde, hvor en enkelt fejl koster dyrest.

Hvad skal sløres — og hvad skal ikke?

Retten til aktindsigt er udgangspunktet, men offentlighedsloven undtager blandt andet oplysninger om enkeltpersoners private forhold (se fx § 30). I praksis betyder det, at følgende typisk skal sløres, før dokumenterne udleveres:

• Direkte identifikatorer: CPR-numre, navne på borgere, private adresser, telefonnumre og e-mailadresser.
• Følsomme oplysninger: helbredsforhold, sociale forhold, økonomiske forhold og andre oplysninger om enkeltpersoners privatliv.
• Indirekte identifikation: kombinationer af oplysninger, der tilsammen kan udpege en bestemt person — en stillingsbetegnelse, et vejnavn og en diagnose kan hver for sig være harmløse, men sammen afslørende.

Omvendt skal en hel del ikke sløres, selvom det ofte sker i misforstået forsigtighed: beløb, sagsnumre, paragrafhenvisninger, myndighedsnavne og navne på medarbejdere, der har handlet som led i deres arbejde. Oversløring er også en fejl — den udhuler retten til aktindsigt og inviterer til klager.

Prisen for én overset oplysning

Udleveres beskyttede oplysninger ved en fejl, er der som udgangspunkt tale om et brud på persondatasikkerheden. Så ruller det maskineri, alle kender: vurdering af bruddet, anmeldelse til Datatilsynet inden 72 timer (GDPR art. 33) og eventuelt underretning af de berørte.

At det ikke er teori, viste sagen fra Vejle, hvor kommunens automatiserede velkomstbreve afslørede beskyttede adresser — og Datatilsynet indstillede kommunen til en bøde på 200.000 kr. Pointen er ikke automatiseringen; pointen er, at videregivelse af beskyttede oplysninger vurderes hårdt, uanset hvordan den sker.

Den rigtige arbejdsdeling: modellen finder, koden slører, mennesket godkender

Der er en afgørende arkitektur-pointe, når man bruger AI til anonymisering, og den er værd at forstå, selv hvis man aldrig skal skrive en linje kode:

1. Sprogmodellen finder kandidaterne. Det, sprogmodeller er gode til, er at genkende, at "borgeren, som bor på Fjordvej og for nylig fik konstateret KOL" indeholder beskyttelsesværdige oplysninger — også når de ikke ligner et CPR-nummer.
2. Deterministisk kode udfører sløringen. Selve overstregningen bør aldrig være model-output, man krydser fingre for. Når først kandidaterne er fundet, skal erstatningen ske mekanisk og reproducerbart, så det samme dokument altid sløres ens.
3. Et menneske godkender resultatet. Vurderingen af, hvad der i sidste ende må udleveres, er og bliver myndighedens ansvar. AI'en fjerner grovarbejdet — ikke ansvaret.

Den arbejdsdeling giver det bedste fra begge verdener: modellens evne til at fange det, søg-og-erstat overser, og kodens forudsigelighed, hvor modeller kan fejle.

Fem krav I bør stille til et anonymiseringsværktøj

• Data bliver i EU. Aktindsigtsmateriale er pr. definition følsomt — det skal ikke en tur omkring et amerikansk API.
• Ingen træning på jeres dokumenter. Kræv det kontraktligt.
• Deterministisk sløring. Spørg leverandøren, om selve overstregningen er kode eller model-output. Svaret afslører, om de har forstået problemet.
• Log og revisionsspor. Hvert trin — hvad blev fundet, hvad blev sløret, hvem godkendte — skal kunne dokumenteres bagefter.
• Menneskelig godkendelse indbygget i flowet. Ikke som en mulighed, men som en forudsætning for udlevering.

Prøv det på jeres egen tekst

Vi har bygget en offentlig demo, hvor man kan indsætte en tekst og se den sløret med det samme — CPR-numre, navne, adresser og helbredsoplysninger markeres og erstattes, mens beløb og sagsnumre står urørt. Ingen login, og teksten gemmes ikke: prøv anonymiserings-demoen her.

Kilder: Offentlighedsloven (lov nr. 606 af 12. juni 2013 med senere ændringer), særligt §§ 30 og 36; Databeskyttelsesforordningen (GDPR) art. 33; Datatilsynets afgørelse vedr. Vejle Kommune (datatilsynet.dk). Denne artikel er generel vejledning, ikke juridisk rådgivning — den konkrete vurdering ligger altid hos den ansvarlige myndighed.