Arbeitszeugnis § 109 GewO als Muster anonymisieren – DSGVO-konform anonymisieren (§ 109 GewO)

Das Arbeitszeugnis nach § 109 GewO ist ein gesetzlicher Anspruch des Beschaeftigten auf eine schriftliche Beurteilung von Leistung und Verhalten bei Beendigung des Arbeitsverhaeltnisses. Gemaess BAG 9 AZR 386/10 aus dem Jahr 2011 gilt die Note befriedigend als Mittelnote; die Beweislast fuer eine bessere Bewertung liegt laut dieser Entscheidung beim Arbeitnehmer. anonym.legal pseudonymisiert Namen und Beschaeftigungsdaten, damit das Zeugnis als anonymisiertes Muster genutzt werden kann.

When this applies

Sie nutzen erstellte Arbeitszeugnisse als Formulierungsvorlage oder für die interne Qualitätssicherung. Ein qualifiziertes Zeugnis nach § 109 GewO verbindet Name und Beschäftigungsdaten mit einer individuellen Leistungs- und Verhaltensbeurteilung. Für eine Mustersammlung oder die Schulung von Führungskräften ist gerade die Formulierungssprache wertvoll, nicht aber die Identität der bewerteten Person. Laut BAG-Rechtsprechung kann der Zeugnisberichtigungsanspruch gemäß § 195 BGB binnen 3 Jahren verjähren. Eine pseudonymisierte Fassung erlaubt die Wiederverwendung der Textbausteine, ohne den konkreten Beschäftigten offenzulegen.

  1. Das fertige Arbeitszeugnis wird als Dokument in anonym.legal hochgeladen.
  2. Die Erkennung prüft den Text gegen über 267 Entitätstypen und markiert Name, Geburtsdatum und Beschäftigungsdaten.
  3. Die bewertete Person wird durchgehend durch dasselbe Pseudonym ersetzt, sodass alle Bezüge im Zeugnis stimmig bleiben.
  4. Formulierungen, Bewertungssprache und Tätigkeitsbeschreibungen bleiben als Vorlagentext im Klartext erhalten.
  5. Die Zuordnung von Pseudonym zu Klardaten wird verschlüsselt und EU-ansässig gespeichert.
  6. Die anonymisierte Fassung wird als Muster oder Schulungsmaterial exportiert; der Originalbezug bleibt über den Schlüssel rekonstruierbar.
  7. Aus mehreren anonymisierten Zeugnissen lässt sich eine Formulierungssammlung aufbauen, die als Referenz für künftige Beurteilungen dient.

What you provide

  • Fertiges Arbeitszeugnis
  • Angaben zu personenbezogenen Daten
  • Festlegung, welche Datumsangaben zu schützen sind
  • Hinweis auf zu erhaltende Formulierungsbausteine
  • Angabe des Verwendungszwecks der Mustersammlung

Limitations & cautions

  • Ob die Zeugnisformulierung wohlwollend und wahr ist, bewertet anonym.legal nicht; das bleibt eine fachliche Einschätzung.
  • Die Software bereitet das Zeugnis als Muster auf und ersetzt keine inhaltliche Prüfung der Beurteilung.
  • Eine spätere Zuordnung zum konkreten Beschäftigten gelingt nur, solange der Schlüssel in Ihrer Verwahrung bleibt.
  • Verstöße gegen DSGVO-Pflichten bei der Verarbeitung von Zeugnis- und Beschäftigtendaten können nach Art. 83 Abs. 5 DSGVO mit Bußgeldern bis zu 20 Mio. € oder 4 % des weltweiten Konzernjahresumsatzes geahndet werden.

FAQ

Bleiben die Zeugnisformulierungen nach der Anonymisierung erhalten?

Ja, Formulierungen und Bewertungstext bleiben im Klartext erhalten. Nur personenbezogene Daten werden pseudonymisiert. Die wertende Sprache des Zeugnisses bleibt damit als Vorlage vollständig nutzbar.

Was bedeutet die Zeugnissprache zum Wohlwollensgrundsatz nach BAG-Rechtsprechung?

Laut BAG-Rechtsprechung zum Zeugnisgeheimcode entspricht die Formulierung zu unserer vollen Zufriedenheit der Note 2 (gut) und zu unserer Zufriedenheit der Note 3 (befriedigend). Gemäß BAG 9 AZR 386/10 (2011) ist die Note befriedigend als Mittelnote anerkannt; Arbeitnehmer tragen die Beweislast für bessere Noten. anonym.legal pseudonymisiert die Personendaten, ohne diesen Bewertungstext zu verändern.

Werden Beschäftigungsdaten als Personendaten behandelt?

Ja, personenbezogene Datumsangaben können als zu schützende Daten markiert und pseudonymisiert werden. So lassen sich auch Eintritts- und Austrittsdaten aus dem Muster entfernen, ohne den Aufbau des Zeugnisses zu verändern.

Kann ich aus mehreren Zeugnissen eine Sammlung bilden?

Ja, anonym.legal verarbeitet mehrere Zeugnisse und pseudonymisiert die bewerteten Personen konsistent. Aus den anonymisierten Fassungen lässt sich eine Formulierungssammlung als Referenz aufbauen. Da kein Personenbezug besteht, kann sie im Team geteilt werden.

Employment References

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.

Hetzner holds ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.