Presidio im Check: Personendaten aus KI-Pipelines filtern
20. November 2026
Presidio erkennt und anonymisiert Namen, IBANs oder E-Mail-Adressen in Texten, Bildern und Tabellen. Seit 2026 gehört das Open-Source-Tool nicht mehr Microsoft, sondern der Community.
Worum es geht
Wer Kundenmails, Support-Tickets oder Gesprächsprotokolle an ein Sprachmodell schickt, gibt oft mehr preis als nötig: Namen, Telefonnummern, IBANs, Adressen. Presidio ist ein Open-Source-Werkzeug, das solche personenbezogenen Daten (englisch PII) findet und vor der Weitergabe unkenntlich macht. Das Projekt entstand 2018 bei Microsoft und ist seit 2026 in neuer Hand: Am 29. Juni 2026 kündigte die unabhängige Organisation Data Privacy Stack an, Presidio zu übernehmen. Laut Projektdokumentation ist der Wechsel inzwischen abgeschlossen, die Lizenz bleibt MIT.
Am 27. Oktober 2026 erschien mit Version 2.2.366 eine Sicherheitsversion. Für alle, die Presidio schon nutzen oder gerade einen Datenschutzfilter vor ihre KI-Anwendung setzen wollen, ist das ein guter Zeitpunkt für einen Blick auf das Tool.
Was Presidio tatsächlich macht
Presidio ist keine fertige App, sondern eine Python-Bibliothek mit REST-Schnittstelle, die man in eigene Abläufe einbaut. Sie besteht aus vier Bausteinen:
- Analyzer: findet personenbezogene Daten in Text. Dafür kombiniert er Named Entity Recognition (über spaCy, Stanza oder Transformers-Modelle), reguläre Ausdrücke, Regeln, Prüfsummen und Kontextwörter. Eine IBAN wird etwa per Muster und Prüfsumme erkannt, ein Personenname über ein Sprachmodell.
- Anonymizer: ersetzt die Fundstellen. Möglich sind unter anderem Schwärzen, Maskieren, Ersetzen durch Platzhalter, Hashen und Verschlüsseln. Verschlüsselte Werte lassen sich später wieder entschlüsseln.
- Image Redactor: erkennt Text in Bildern per OCR und schwärzt sensible Stellen, auch in medizinischen DICOM-Bildern.
- Structured: prüft tabellarische und halbstrukturierte Daten wie CSV oder JSON.
Eigene Erkennungsregeln lassen sich per Code oder Konfigurationsdatei ergänzen, externe Erkennungsdienste können angebunden werden. Betrieben wird Presidio als Python-Paket, als Docker-Container oder in Kubernetes. Eine Demo läuft auf Hugging Face Spaces.
Warum das wichtig ist
Datenschutz ist bei KI-Projekten oft der Punkt, an dem es hakt. Ein lokaler Filter, der vor dem Prompt sitzt, senkt das Risiko, dass personenbezogene Daten bei einem Cloud-Anbieter landen. Presidio ist hier seit Jahren eine verbreitete Wahl: Das Repository hatte am 20. November 2026 rund 12.000 Sterne und gut 1.450 Forks auf GitHub.
Der Wechsel zu Data Privacy Stack ändert vor allem die Verwaltung. Das Projekt wird laut eigener Aussage von Freiwilligen und Mitwirkenden aus der Community gepflegt, gesteuert von einem Technical Steering Committee, und gehört keinem Unternehmen. Für Nutzer heißt das praktisch: neue Docker-Images erscheinen nur noch unter ghcr.io/data-privacy-stack/presidio-*. Die alten Images in der Microsoft Container Registry bleiben für ältere Versionen erreichbar, werden aber nicht mehr aktualisiert.
Version 2.2.366 zeigt, was das konkret bedeutet. Sie hebt Abhängigkeiten an, um bekannte Sicherheitslücken zu schließen, verlangt nun Python 3.11 bis 3.14 und bringt schlankere Container. Laut Release Notes sinkt die Zahl kritischer, hoher und mittlerer Trivy-Befunde im Anonymizer-Image von 321 auf 103 und im Analyzer-Image von 345 auf 113.
Einfach erklärt
Presidio arbeitet wie ein sorgfältiger Kollege mit schwarzem Filzstift, der jedes Dokument liest, bevor es das Haus verlässt. Er streicht Namen, Kontonummern und Telefonnummern durch. Manche erkennt er sicher an ihrer Form, etwa eine IBAN. Bei anderen, etwa einem ungewöhnlichen Nachnamen, muss er raten und übersieht ab und zu etwas.
Praktisches Beispiel
Ein Onlinehändler mit 2.000 Support-Mails pro Tag möchte Antworten von einem Sprachmodell vorformulieren lassen. Vor jeder Anfrage läuft Presidio: Der Analyzer markiert Namen, E-Mail-Adressen, Telefonnummern und IBANs, der Anonymizer ersetzt sie durch Platzhalter wie <PERSON> oder verschlüsselt sie. Das Modell sieht nur den bereinigten Text. Nach der Antwort setzt das System die verschlüsselten Werte wieder ein.
Vor dem Start prüft das Team eine Stichprobe von 200 Mails von Hand. Findet es dabei zum Beispiel, dass Kundennummern im eigenen Format nicht erkannt werden, ergänzt es einen eigenen Erkenner mit passendem Muster. Weil deutsche Mails ein deutsches Sprachmodell und deutsche Kontextwörter brauchen, konfiguriert es zusätzlich ein spaCy-Modell für Deutsch.
Einordnung und Grenzen
- Keine Garantie auf Vollständigkeit: Die Dokumentation warnt ausdrücklich, dass automatische Erkennung nicht alle sensiblen Daten findet. Presidio ersetzt also keine weiteren Schutzmaßnahmen und keine Datenschutzprüfung.
- Deutsch braucht Arbeit: In der Standardkonfiguration bringt Presidio Erkenner und Modelle für Englisch mit. Für deutsche Texte müssen ein passendes NLP-Modell und angepasste Kontextwörter eingerichtet werden. Viele länderspezifische Erkenner zielen auf Formate aus den USA und anderen Ländern.
- Kein Produkt mit Support: Presidio ist laut FAQ kein offizielles Produkt eines Unternehmens und kommt ohne Gewährleistung oder SLA. Kommerzielle Dienste haben laut Projekt selbst teils eine bessere Abdeckung oder Genauigkeit; Presidio punktet bei Anpassbarkeit und lokalem Betrieb. Wer ältere Python-Versionen oder alte MCR-Images nutzt, muss für Sicherheitsupdates umstellen.
Der nächste sinnvolle Test: Presidio per pip oder Docker lokal starten, 50 bis 100 echte, intern freigegebene Beispieltexte durchlaufen lassen und Treffer sowie Fehltreffer zählen. Für systematische Messungen bietet das Schwesterprojekt Presidio Research ein Evaluationswerkzeug.
SEO- und GEO-Schlüsselbegriffe
Presidio, Data Privacy Stack, PII-Erkennung, Anonymisierung, Pseudonymisierung, Datenschutz für KI, Microsoft Presidio, Open Source, Python, Named Entity Recognition, DSGVO, LLM-Datenfilter
💡 Im Klartext
Presidio ist ein kostenloses Werkzeug, das in Texten, Bildern und Tabellen nach persönlichen Daten sucht und sie schwärzt oder ersetzt. So können Teams Daten an KI-Dienste schicken, ohne Namen oder Kontonummern preiszugeben. Es findet aber nicht alles und muss für Deutsch eingerichtet werden.
Wichtigste Erkenntnisse
- →Presidio erkennt und anonymisiert personenbezogene Daten in Text, Bildern und strukturierten Daten.
- →Das ursprünglich bei Microsoft entstandene Projekt gehört seit 2026 zur unabhängigen Organisation Data Privacy Stack und bleibt unter MIT-Lizenz.
- →Neue Docker-Images erscheinen nur noch über ghcr.io, alte MCR-Images werden nicht mehr aktualisiert.
- →Version 2.2.366 vom 27. Oktober 2026 ist eine Sicherheitsversion und verlangt Python 3.11 bis 3.14.
- →Standardmäßig ist Presidio auf Englisch eingestellt; für Deutsch sind Modell und Kontextwörter anzupassen.
- →Die Erkennung ist nicht vollständig und ersetzt keine Datenschutzprüfung.
Häufige Fragen
Ist Presidio kostenlos?
Ja. Presidio ist Open Source unter der MIT-Lizenz. Kosten entstehen nur für den eigenen Betrieb, etwa Server oder Entwicklungszeit.
Gehört Presidio noch zu Microsoft?
Nein. Das Projekt ist laut Dokumentation zur unabhängigen Organisation Data Privacy Stack gewechselt. Microsoft hat den Übergang laut Projekt unterstützt.
Funktioniert Presidio mit deutschen Texten?
Ja, aber nicht ab Werk. Standardmäßig sind Englisch-Modelle eingerichtet; für Deutsch braucht es ein passendes NLP-Modell und angepasste Erkenner.
Muss ich bestehende Installationen umstellen?
Wer Docker-Images aus der Microsoft Container Registry nutzt, sollte auf ghcr.io/data-privacy-stack umstellen, da dort neue Versionen erscheinen. Für Python 3.10 gibt es keine neuen Versionen mehr.
Findet Presidio alle personenbezogenen Daten?
Nein. Das Projekt weist selbst darauf hin, dass automatische Erkennung Lücken hat. Es sollte mit Stichproben geprüft und durch weitere Maßnahmen ergänzt werden.
Quellen & Kontext
- Presidio – GitHub repository (Data Privacy Stack)
- Presidio documentation
- The Presidio Project Joins Data Privacy Stack (29 June 2026)
- Presidio project transition update
- Presidio Release 2.2.366 (27 October 2026)
- Presidio FAQ
- presidio-analyzer on PyPI
- Data Privacy Stack – organization and governance
- Microsoft Artifact Registry – legacy presidio-anonymizer image