Presidio 2026: PII-Erkennung und -Anonymisierung für DSGVO-konforme KI-Pipelines

Wer KI-Systeme wie ChatGPT, Claude oder eigene Large Language Models (LLMs) in geschäftlichen Prozessen einsetzt, steht vor einem grundlegenden Problem: Personenbezogene Daten (PII – Personally Identifiable Information) gelangen ungewollt in die Prompt-Textbox, in Log-Dateien oder in Fine-Tuning-Datensätze. Die DSGVO verlangt jedoch Datenminimierung und eine klare Rechtsgrundlage für jede Verarbeitung. Hier kommt Presidio ins Spiel – ein Open-Source-Framework, das PII in Text und Bildern erkennt und automatisiert unkenntlich macht, bevor die Daten ein KI-System erreichen.

Was ist Presidio?

Presidio (lateinisch praesidium – Schutz, Garnison) wurde ursprünglich von Microsoft entwickelt und 2018 als Open Source veröffentlicht. Seit 2026 befindet sich das Projekt im Übergang zu einer community-geführten Organisation unter dem Dach der Data Privacy Stack auf GitHub (github.com/data-privacy-stack/presidio) – Microsoft unterstützt diesen Schritt. Es handelt sich also nicht um einen Fork, sondern um die Fortführung des gleichen Projekts unter neuer, unabhängiger Governance. Der Quellcode bleibt unter der MIT-Lizenz verfügbar.

Das Framework besteht aus fünf Modulen:

• presidio-analyzer – erkennt PII in Text mithilfe von regulären Ausdrücken, Named Entity Recognition (NER), Prüfsummen, Regelwerken und Kontextanalyse
• presidio-anonymizer – ersetzt, maskiert, hasht, verschlüsselt oder redigiert die erkannten Stellen
• presidio-image-redactor – redigiert PII in Bildern inklusive medizinischer DICOM-Aufnahmen
• presidio-structured – durchsucht tabellarische Daten (DataFrames) spaltenweise nach PII
• presidio-cli – ermöglicht Kommandozeilen-Scans für CI/CD-Pipelines

Die aktuelle Version 2.2.364 vom Juli 2026 zeigt rege Entwicklung: Python-3.14-Kompatibilität, neue Länder-Recognizer (Philippinen, Deutschland) und Batch-Deanonymisierung wurden zuletzt eingebaut.

Wie funktioniert der PII-Schutz?

Der typische Ablauf ist zweistufig: Zuerst analysiert der AnalyzerEngine den Text und liefert eine Liste der erkannten Entitäten mit Textstelle und Konfidenzwert. Dann übergibt der AnonymizerEngine diese Ergebnisse und wendet die gewünschten Operatoren an.

from presidio_analyzer import AnalyzerEngine
from presidio_anonymizer import AnonymizerEngine
from presidio_anonymizer.entities import OperatorConfig

analyzer = AnalyzerEngine()
anonymizer = AnonymizerEngine()

text = "Mein Name ist Max Mustermann, Tel: 0170-1234567"

# Schritt 1: PII erkennen
results = analyzer.analyze(text=text, language="de")

# Schritt 2: PII anonymisieren
anonymized = anonymizer.anonymize(
    text=text,
    analyzer_results=results,
    operators={"DEFAULT": OperatorConfig("replace")}
)

print(anonymized.text)
# Ausgabe: "Mein Name ist <PERSON>, Tel: <PHONE_NUMBER>"

Der Analyzer unterstützt aktuell über 100 vordefinierte Recognizer für verschiedene Länder und Entitätstypen: von E-Mail-Adressen, IBANs und Kreditkartennummern bis hin zu länderspezifischen Ausweisen. Als NLP-Engine kann spaCy, Stanza oder Hugging Face Transformers dienen. Die Spracherkennung ist erweiterbar – während Englisch standardmäßig konfiguriert ist, lassen sich durch Austausch des NLP-Modells und Anpassung der Kontextwörter weitere Sprachen ergänzen.

Presidio vor KI-Pipelines: DSGVO-konform arbeiten

Der wichtigste Anwendungsfall für Unternehmen ist der Einsatz als Schutzschicht vor LLMs. Bevor ein Prompt einen KI-Dienst erreicht, durchläuft er Presidio: E-Mail-Adressen, Telefonnummern, Namen und andere personenbezogene Daten werden durch Platzhalter ersetzt. Das Risiko einer unbeabsichtigten Datenpreisgabe sinkt dramatisch.

Aus DSGVO-Sicht ist jedoch eine wichtige Nuance zu beachten: Presidio führt in der Regel eine Pseudonymisierung durch, keine vollständige Anonymisierung. Da die verschlüsselten oder hashten Werte unter bestimmten Umständen wiederhergestellt werden können (etwa durch den integrierten Decrypt-Operator), gelten die Daten nach DSGVO-Erwägungsgrund 26 weiterhin als Personenbezug – aber das Risiko ist deutlich reduziert. Für echte Anonymisierung müssten die Daten unwiderruflich gelöscht oder so aggregiert werden, dass kein Rückschluss mehr möglich ist.

Presidio lässt sich auf verschiedenen Wegen betreiben: als Python-Bibliothek in bestehende Anwendungen eingebettet, als Docker-Container für Microservice-Architekturen, per PySpark für Batch-Verarbeitung auf Datenpools oder in Kubernetes-Clustern.

Grenzen und Ehrlichkeit

Die Entwickler von Presidio sind transparent: „Presidio can help identify sensitive/PII data in un/structured text. However, because it is using automated detection mechanisms, there is no guarantee that Presidio will find all sensitive information." PII-Erkennung ist nie zu 100 % genau – NER-Modelle können false positives liefern, ungewöhnliche Formate übersehen oder Kontext falsch interpretieren. Presidio ist ein mächtiges Werkzeug, aber kein Ersatz für eine Rechtsberatung oder eine umfassende Datenschutz-Folgenabschätzung (DSFA).

Fazit

Presidio hat sich von einem Microsoft-internen Tool zu einem unabhängigen Community-Projekt entwickelt und ist heute der reifste Open-Source-Baustein für PII-Erkennung und -Anonymisierung. Für Unternehmen, die KI-Systeme DSGVO-konform betreiben wollen, ist es eine der praktikabelsten Lösungen: Es ist selbst hostbar, auditierbar, erweiterbar und deckt Text, Bilder und Tabellen ab. Wer seinen KI-Workflow um eine PII-Schutzschicht ergänzen möchte, findet in Presidio einen soliden, aktiv gewarteten Einstieg.

Quellen

1. Repräsentative Doku-Startseite – Presidio by Data Privacy Stack: https://presidio.dataprivacystack.org
2. GitHub-Repository (README, Lizenz, Architektur): https://github.com/data-privacy-stack/presidio
3. Project Transition – Microsoft → Community-Projekt: https://github.com/data-privacy-stack/presidio/blob/main/docs/project_transition.md
4. Releases – Version 2.2.364 (22. Juli 2026): https://github.com/data-privacy-stack/presidio/releases
5. Analyzer-Dokumentation (Architektur, Recognizer, API): https://presidio.dataprivacystack.org/analyzer/
6. Anonymizer-Dokumentation (Operatoren, Hash, Encrypt): https://presidio.dataprivacystack.org/anonymizer/
7. Multi-Language-Support in Presidio: https://presidio.dataprivacystack.org/analyzer/languages/
8. Pasquale Pillitteri (19.06.2026, Update 15.07.2026) – Presidio & GDPR: https://pasqualepillitteri.it/en/news/5538/microsoft-presidio-pii-data-protection-ai