Named Entity Recognition (NER)

Named Entity Recognition ist ein maschinelles Lernverfahren, das benannte Entitäten — Personen, Orte, Organisationen, Datumsangaben — im Fließtext erkennt und klassifiziert. NER ist das Herzstück automatischer Pseudonymisierung.

Der Grund: Strukturierte Kennungen wie IBANs oder Telefonnummern lassen sich mit Mustern (Prüfsummen, reguläre Ausdrücke) zuverlässig finden. Namen und Adressen im Fließtext dagegen nicht — „Herr Weber hat sich über die Nebenkostenabrechnung beschwert“ enthält keinen erkennbaren Zahlencode, sondern einen Namen, den nur ein sprachverstehendes Modell als solchen erkennt. Moderne Erkennungs-Pipelines kombinieren deshalb mehrere Ebenen: Prüfsummen und Heuristiken für strukturierte Daten, NER für Namen und Freitext.

Datenschutzrelevant ist, wo das NER-Modell läuft: Ein Cloud-NER-Dienst müsste den Klartext sehen — womit das Problem nur verschoben wäre. Kompakte NER-Modelle laufen heute lokal auf dem Bürorechner, sodass die Erkennung sensibler Daten stattfindet, bevor irgendetwas das Gerät verlässt. Wie gut die Erkennung ist, sollte ein Anbieter mit einem nachvollziehbaren Testset belegen — perfekte Erkennung kann kein Verfahren versprechen, deshalb gehört eine Sichtprüfung der Funde zum Prozess.