Finden.Schützen.Nutzen.
Classifyre findet personenbezogene Daten und Secrets in den Systemen, die Sie bereits betreiben, maskiert sie automatisch und lässt Ihr Team alles mit SQL, Excel und Power BI abfragen. Jeder Lesezugriff wird protokolliert. Nichts verlässt Ihre Server.
Keine Anmeldung. Ein Docker-Befehl. Ihre Daten bleiben bei Ihnen.SELECT * FROM crm.customersPerson · 0,97namegeschwärzt | IBAN · 0,99ibanletzte vier | E-Mail · 0,98emailgehasht | Secret · 0,96api_tokenausgeblendet |
|---|---|---|---|
| Anna Bergergeschwärzt | AT61 1904 3002 3457 3201••••3201 | [email protected]5fc7613cacc41469 | tok_7Qe2x9 |
| Lukas Hofergeschwärzt | AT48 3200 0000 1234 5864••••5864 | [email protected]8169dd18e1635846 | tok_m81Kp3 |
| Marie Novakgeschwärzt | DE89 3704 0044 0532 0130 00••••3000 | [email protected]8a84971c7a971d8a | tok_x0Pd5a |
| Jonas Webergeschwärzt | AT02 2011 1000 0123 4567••••4567 | [email protected]2f122056582e0a94 | tok_Zt4w8c |
1 Spalte ausgeblendet. Personenbezogene Spalten sind in der Abfrage maskiert. Die Token-Spalte ist ausgeblendet.
- VerbindenIceberg-Tabellen via S3
- ErkennenAWS-Schlüssel · 0,96
- VerwaltenSecret ausgeblendet
- FreigebenAnfrage genehmigt
- Teilenorders + customers
- BI anbindenExcel · eigener Login
- ProtokollierenAgent liest · MCP
docker run -d --name classifyre \ -p 3000:3000 \ --shm-size=1g \ -v classifyre-pgdata:/var/lib/postgresql/data \ -v classifyre-data:/var/lib/classifyre \ -v classifyre-uv-cache:/cache/uv \ classifyre/all-in-one:0.9.0Ihre Daten sind wertvoll. Und voller personenbezogener Daten.
Jedes Team will die Zahlen. Jede Tabelle, die sie enthält, enthält auch Namen, Konten, Adressen und das eine oder andere Passwort. Also wird Zugriff zur Verhandlung, und die Verhandlung endet in einer Tabellenkalkulation.

- Feldnotiz 01
Wer darf diese Spalte sehen?
Die Finanzabteilung will die Kundendatenbank. Welche ihrer 212 Tabellen enthalten personenbezogene Daten? Niemand weiß es, also wartet das Ticket, oder alle bekommen alles.
- Feldnotiz 02
Schick mir einfach den Export
Daten gehen per CSV und geteiltem Datenbankpasswort hinaus. Sechs Kopien später weiß niemand, wo die Kundenliste liegt oder wer sie noch hat.
- Feldnotiz 03
Weisen Sie es der Prüferin nach
Wer hat im letzten Quartal die Gehaltstabellen gelesen, mit welchem Werkzeug? Ohne Protokoll jedes Zugriffs lautet die ehrliche Antwort: Wir wissen es nicht.
Es ist jedes Mal dasselbe Muster: nützliche Daten weggesperrt, weil niemand sagen kann, was darin personenbezogen ist, oder ganz herausgegeben, weil niemand Zeit hatte, Nein zu sagen. Standardmäßig maskiert, bewusst freigegeben, jeder Zugriff protokolliert: Das ist der Ausweg.
Von der Rohtabelle zum geteilten Datensatz.
Folgen Sie den Daten durch Classifyre: gefunden, wo sie liegen, direkt abgefragt, verwaltet, in den Werkzeugen genutzt, die Ihr Team schon hat, maskiert für alle, die sie nicht sehen sollen, und bewusst geteilt.
- 01Verbinden & erkennen
Personenbezogene Daten und Secrets dort finden, wo sie liegen
Verbinden Sie Datenbanken, Lakehouses, Buckets und SaaS-Werkzeuge; Classifyre liest sie direkt an der Quelle, nichts wird in ein weiteres Data Warehouse kopiert. Mitgelieferte Detektoren suchen nach 41 Arten personenbezogener Daten, darunter österreichische, deutsche und Schweizer Kennungen, und 27 Arten von Secrets. Eigene Detektoren per Regex, Modell oder Prompt.
Jeder Fund hat einen Score und eine schriftliche Begründung, also kann die Datenschutzbeauftragte ihn prüfen und das Security-Team das Aufräumen priorisieren. Die so entstandene Klassifizierung ist das, dem die Masken später folgen.
- 40+ Quelltypen
- 41 PII-Arten · 27 Secret-Muster
- Score und Begründung bei jedem Fund
Scan · 3 Quellen- crmPostgreSQLGescannt
- wikiConfluenceGescannt
- exportsParquet in S3Gescannt
Funde, gewichtet- IBANcrm.customers.iban · Gültige Prüfsumme in 4.211 von 4.215 Zeilen0.99
- AWS access keywiki / Deploy notes · Schlüssel und Secret auf derselben Seite0.96
- AT SVNRexports/2026-10.parquet · Prüfziffer gültig, Spalte heißt svnr0.93
- Emailcrm.tickets.body · Adressen im Freitext, 312 Tickets0.81
crm.customers.iban als personenbezogen klassifiziert · ab der nächsten Abfrage maskiert
Personenbezogene Daten in drei Quellen gefunden, mit Begründung gewichtet. - 02Über Quellen abfragen
Jedes System mit einer SQL-Abfrage befragen
Stellen Sie Fragen über die Systeme, die Sie schon haben: PostgreSQL, MySQL, Databricks sowie Delta-, Iceberg- und Parquet-Dateien in S3, Azure oder Google Cloud Storage. Bis zu acht Quellen in einer Abfrage verknüpfen. Jede Abfrage läuft neben den Daten; nichts wird vorher zentral geladen.
Ergebnisse landen dort, wo Menschen arbeiten: auf der SQL-Seite, als Export nach Excel, CSV und Parquet bis zu einer Million Zeilen, oder direkt im BI-Werkzeug.
- Bis zu 8 Quellen pro Abfrage
- Delta · Iceberg · Parquet · CSV
- Exporte bis 1 Mio. Zeilen
Daten abfragencrm · PostgreSQLlake · Parquet in S3▶ AusführenSELECT c.email, c.city, sum(o.amount) AS revenueFROM crm.customers cJOIN lake.orders o ON o.customer_id = c.idGROUP BY 1, 2;3 Zeilen · 2 Quellen verknüpft · E-Mail gehashtemail city revenue 5fc7613cacc41469 Graz 4,812.40 8169dd18e1635846 Linz 1,130.00 8a84971c7a971d8a Wien 2,977.15 Eine PostgreSQL-Tabelle mit Parquet-Dateien in einem Bucket verknüpft. - 03Governance
Governance: Owner, Vertrag und Verlauf für jede Tabelle
Eine verwaltete Tabelle hat einen Owner, Stewards und einen Custodian, eine Klassifizierung für jede Spalte und einen Status von Entwurf bis zertifiziert. Qualitätsregeln prüfen sie nach Zeitplan: fehlende Werte, ungültige IBANs, Duplikate, Zeilenzahlen oder beliebiges SQL. Die Vereinbarung lässt sich als ODCS-Datenvertrag exportieren.
Die Nutzung zeigt, wer die Tabelle mit welchem Werkzeug liest; die Aktivität zeigt jeden Zugriff und jede Änderung, alter Wert neben neuem. Wenn die Prüferin fragt, steht die Antwort schon da.
- Owner, Stewards, Custodians
- Qualitätsregeln nach Zeitplan
- ODCS-Datenverträge
- Jeder Zugriff und jede Änderung protokolliert
crm.customers · GovernanceZertifiziert5 von 5 erledigt✓ ZertifiziertVerantwortung
- OwnerGruppeFinanzen
- StewardGruppeDatenbüro
- CustodianGruppeIT-Plattform
Spalten
Spalte Klassifizierung Zugriff iban Personenbezogen Maskiert · letzte vier email Personenbezogen Maskiert · gehasht api_token Secret Ausgeblendet Qualität
+ Regel hinzufügen- email · Fehlende Werte = 0
- Zeilenzahl ≥ 4.000
- Spalte prüfen · iban · Ungültige Werte ≤ 0,5 %
Jetzt ausführen0,1 % ungültig · bestandenNutzung · letzte 30 Tage
- Lesezugriffe
- 1.284
- Exporte
- 37
- Lesende
- 14
Über: SQL-Verbindungen, die App, MCP
↓ Datenvertrag exportieren apiVersion: v3.2.0kind: DataContractstatus: activeteam: [Finanzen, Datenbüro]schema:- name: customersproperties:- name: ibanclassification: personalquality:- type: librarymetric: invalidValuesmustBeLessThan: 0.5Owner, Steward und Custodian zugewiesen, Zugriff gesetzt, eine Qualitätsregel ausgeführt, die Tabelle zertifiziert, der Vertrag exportiert. - 04Power BI & Excel
Power BI und Excel ohne geteiltes Passwort anbinden
Classifyre antwortet wie eine PostgreSQL-Datenbank. Jede Person legt ihre eigene SQL-Verbindung an, verschlüsselt und befristet, und verbindet Power BI, Excel, Tableau oder DBeaver damit. Kein Dienstkonto mit dem Schlüssel zu allem, kein Passwort in einer Berichtsdatei.
Die Verbindung trägt die Rechte der Person: die Tabellen, die sie abfragen darf, die Zeilen ihrer Gruppe, die Masken auf jeder personenbezogenen Spalte. Widerrufen, und der Bericht stoppt.
- Eine persönliche Verbindung pro Werkzeug
- Nur TLS, befristet, widerrufbar
- Das Protokoll nennt das Werkzeug
SQL-Verbindungen · Neue Verbindung- Name
- Power BI
- Tabellen
- crm.customers, sales.orders
- Läuft ab
- in 90 Tagen
AngelegtServer=sql.example.at:5432;Database=finance;User=lena_power_bi;SSL=verify-fullKundenbericht · über SQL-Verbindung Power BIGrazLinzWienSalzburgredacted ••••3201 1,240.00 redacted ••••5864 312.50 redacted ••••3000 88.90 09:14 · Lena las crm.customers über SQL-Verbindung Power BI
Eine persönliche Verbindung, genutzt aus einem BI-Bericht, weiterhin maskiert. - 05Maskieren pro Person
Maskiert für die eine Person, Klartext für die andere
Personenbezogene Spalten sind standardmäßig maskiert: geschwärzt, letzte vier, gehasht und trotzdem verknüpfbar, oder ausgeblendet. Masken greifen in der Abfrage, also kommt kein WHERE und kein JOIN an ihnen vorbei. Nur eine Gruppe mit Data reader, unmasked liest Klartext, für eine Quelle oder eine Tabelle, mit Ablaufdatum. Admins haben das standardmäßig nicht.
Die gehashte Maske ist Pseudonymisierung im Sinne der DSGVO, keine Anonymisierung: Gleiche Werte ergeben denselben Hash, also können Analysten Personen verknüpfen und zählen, ohne zu lesen, wer sie sind. Unten läuft es: dieselben Abfragen, von einer Analystin und einem Data Steward der Finanzabteilung.
- Standardmäßig maskiert
- Geschwärzt · letzte vier · gehasht · ausgeblendet
- Pseudonymisierung, keine Anonymisierung
- Klartext ist eine eigene Freigabe
▶ AusführenSELECT city, count(DISTINCT email) AS customers FROM crm.customers GROUP BY city;Lena, Analystin
Data reader
4 Zeilencity customers Graz 1 Linz 1 Wien 1 Salzburg 1 Tom, Data Steward Finanzen
Data reader, unmasked
4 Zeilencity customers Graz 1 Linz 1 Wien 1 Salzburg 1 Zählen funktioniert auf maskierten Spalten. Die Antwort ist brauchbar; die Person dahinter bleibt verdeckt.
Maskierte Daten zu lesen ist eine eigene Freigabe, mit Ablaufdatum, und sie ist protokolliert.
Das ist der Teil, den die meisten Werkzeuge Ihnen überlassen.
- EMLDie externe Mail selbst: Header, Empfänger, Zeitstempel
- IDAbsender-Identität über das Verzeichnis hinweg aufgelöst
- CLASSKlassifizierungsmarkierung im Anhang gefunden
- DUPInternes Original per Fingerprint bestätigt
Die Daten sehen anders aus. Die Regeln sind dieselben.
Classifyre liest, worauf die Organisation läuft; die Branche entscheidet nur, welche Spalten personenbezogen sind und wer sie im Klartext liest.
- Öffentliche Hand · Länder · StädteTypische DatenRegister, Akten, Statistik, BeschaffungWas sich ändertBezirke fragen ihre eigenen Zeilen ab, personenbezogene Spalten kommen maskiert, die DSB liest das Protokoll
- Gesundheit · SpitälerTypische DatenAufnahmen, Laborwerte, Dienstpläne, AbrechnungWas sich ändertAnalysten zählen Patienten, ohne zu lesen, wer sie sind
- Banken · KYCTypische DatenKundenstamm, Transaktionen, KontenWas sich ändertIBANs als letzte vier, gehashte IDs, die trotzdem joinen, ein Protokoll für die Aufsicht
- VersicherungenTypische DatenSchäden, Polizzen, GesundheitsangabenWas sich ändertAktuare bekommen die Tabellen, nicht die Versicherten
- BI · Analytics-TeamsTypische DatenWarehouses, Lakehouses, Delta- und Iceberg-TabellenWas sich ändertPower BI und Excel über persönliche Verbindungen statt eines geteilten Passworts
- Security-TeamsTypische DatenGit, Wikis, Tickets, Buckets, LogsWas sich ändertSchlüssel und Tokens gefunden, begründet gewichtet, zuerst aufgeräumt
- Revision · ComplianceTypische DatenZugriffsprotokolle, Gehälter, VerträgeWas sich ändertWer welche Tabelle mit welchem Werkzeug wann gelesen hat: ein Filter
- VorfallbearbeitungTypische DatenMail, Laufwerke, DatenbankenWas sich ändertEin Fingerabdruck über Systeme, bearbeitet als Fall
Jede Zeile ist ein Einstieg, kein eigenes Produkt: darunter liegen dieselben Masken, Freigaben und dasselbe Zugriffsprotokoll.
Öffnen Sie Ihre Daten sicher, noch heute Abend.
Richten Sie es auf eine Datenbank, die Sie bereits betreiben. Am Morgen wissen Sie, welche Spalten personenbezogene Daten enthalten, und Ihr Team kann den Rest abfragen. Alles, was Sie einrichten, kommt mit auf Kubernetes.
Heute Abend ein Befehl. Derselbe Kern im großen Maßstab.
Das All-in-one-Image enthält Datenbank, Oberfläche und Scan-Worker; alles bleibt auf Ihrem Rechner. Das Helm-Chart betreibt denselben Kern auf Kubernetes, wenn die Umgebung wächst.
docker run -d --name classifyre \ -p 3000:3000 \ --shm-size=1g \ -v classifyre-pgdata:/var/lib/postgresql/data \ -v classifyre-data:/var/lib/classifyre \ -v classifyre-uv-cache:/cache/uv \ classifyre/all-in-one:0.9.0Oder auf Kubernetes betreiben
Kurzlebige Scan- und Abfrage-Worker skalieren zwischen den Läufen auf null und so weit, wie Ihre Umgebung reicht. Ihr Cluster, Ihre Daten.
helm install classifyre \
oci://registry-1.docker.io/classifyre/classifyre-core \
--version 0.9.0- Heute Abend, auf Ihrem Rechner
Ein Docker-Befehl. Quellen, Masken und das Zugriffsprotokoll bleiben lokal.
- Im großen Maßstab, auf Kubernetes
Derselbe Kern als Helm-Chart: Worker skalieren zwischen den Läufen auf null.
- Wenn es Infrastruktur wird
Ihr Team oder Ihr Integrator betreibt es. Enterprise schneidet es auf Ihre Organisation zu, bringt OpenShift und ein SLA. Jede Funktion ist schon Open Source.


