Excel-Daten sicher anonymisieren — keine passenden Lösungen gefunden und mit Claude ein einfaches Werkzeug erstellt.
Excel ist in Unternehmen allgegenwärtig. Reporting, Controlling, HR, Projektplanung — ein Großteil der betrieblichen Datenarbeit findet in .xlsx-Dateien statt. Und zunehmend hilft KI dabei, diese Daten schneller und besser auszuwerten. Doch wer ein Analyse-Script mit KI-Unterstützung entwickeln will, steht schnell vor einem Problem: Die Entwicklung braucht Beispieldaten — aber die echten Daten enthalten Namen, Gehälter, Abteilungsstrukturen. Dinge, die nicht einfach weitergegeben werden sollten.
Was gibt es eigentlich schon am Markt?
Die Antwort ist ernüchternd. Enterprise-Tools wie IRI CellShield, Informatica oder Delphix können Excel anonymisieren — aber sie kosten fünf- bis sechsstellige Jahresbeträge, erfordern aufwändiges Setup und sind primär auf Datenbankpipelines ausgelegt. Wissenschaftliche Tools wie ARX sind mächtig, aber GUI-basiert und auf statistische Datenschutzmodelle für Forschungsdaten zugeschnitten, nicht auf den schnellen Praxiseinsatz. Python-Bibliotheken wie anonympy oder anonymizedf konvertieren Excel intern in DataFrames — und verlieren dabei Formatierung, Formeln und die Multi-Sheet-Struktur. Wer im Netz sucht, findet vor allem Blog-Tutorials, die zeigen, wie man sich mit pandas und Faker selbst etwas zusammenbastelt. Ein schlankes, gebrauchsfertiges Open-Source-Tool für diesen Anwendungsfall fehlt also.
excel-anonymizer
Genau diese Lücke füllt excel-anonymizer. Das kleine CLI-Tool läuft lokal, braucht keine Cloud-Anbindung und arbeitet direkt auf der .xlsx-Datei — ohne Umweg über DataFrames, ohne Verlust von Struktur oder Beziehungen. Sensible Zellwerte werden wahlweise durch abstrakte Schlüssel (NAME0001, DEPT0002) oder durch realistische Fake-Daten ersetzt (echte klingende Namen, Städte, Firmen via der Bibliothek Faker). Identische Werte werden dabei immer gleich ersetzt — Beziehungen zwischen Spalten (z. B. Mitarbeiter → Vorgesetzter über mehrere Sheets) bleiben erhalten. Mit deanonymize.py lassen sich die Originaldaten jederzeit wiederherstellen.
Einsatz von Claude Code
Wie schon in mehreren hier gezeigten Beispielen wurde excel-anonymizer mit Unterstützung von Claude Code entwickelt, dem KI-gestützten CLI von Anthropic. Claude Code hat dabei nicht nur den Code geschrieben, sondern aktiv am Design mitgewirkt: Architekturentscheidungen diskutiert, Edge Cases identifiziert (z. B. den Kollisions-Bug bei nicht-eindeutigen Faker-Ersetzungen), Tests entworfen und die gesamte Dokumentation mit gestaltet.
Damit ist excel-anonymizer selbst wieder ein gutes Beispiel für die Anwendung des Tools: KI hilft beim Entwickeln und erhöht die Produktivität — aber sensible Daten sollten dabei nie das lokale System verlassen.
