anonymization.ai - Ihre sensiblen Daten KI-bereit.

Frei für jede KI, ohne Lock-in.

anonymization.ai bereitet Ihre sensiblen Daten auf - anonymisiert oder pseudonymisiert, je nach Zweck - und gibt sie Ihnen als saubere Grundlage zurück: für Ihre operativen KI-Prozesse heute und Ihre eigene Entwicklung morgen. Jede KI, jeder Use-Case, kein Modell und kein Lock-in dazwischen. On-Premise möglich, ohne dass Daten das Haus verlassen. Aus fast 20 Jahren NLP-Engineering.

  • On-premise oder SaaS in Deutschland
  • Web-App für manuelle Review-Prozesse
  • API für automatisierte KI Pipelines
  • Sicher und anpassbar für regulierte Umgebungen
  • Made in Germany

Leichte Anonymisierung in einer Minute

Sehen Sie, wie Dokumente mit Glanos anonymization.ai schnell und nachvollziehbar verarbeitet werden. Das Video zeigt den typischen Ablauf von der Übergabe bis zum nutzbaren Output.

Demo vereinbaren

Vom sensiblen Dokument zum nutzbaren Output

1. Dokument oder Text übergeben

Nutzer laden Word, Powerpoint, Excel, PDF, XML Dateien, Scans, Emails und andere Formate mit Verträgen, Akten, Gutachten, Berichten, Briefen, Schriftsätzen oder Freitext in der Web-App hoch oder übergeben Inhalte automatisiert über die API.

2. Sensible Informationen erkennen

Auf Basis des Zielprozesses wird entschieden, wie erkannte Informationen behandelt werden. anonymization.ai analysiert den Inhalt und identifiziert automatisch personenbezogene, vertrauliche oder anderweitig schutzbedürftige Informationen. Namen, Adressen oder Kontaktdaten und je nach Anwendungsfall können auch indirekte Hinweise, Rollen, Organisationen, Orte, Zeitpunkte, Aktenzeichen oder fachliche Kontextinformationen.

3. Optional prüfen und korrigieren

Für besonders sensible Prozesse kann eine manuelle Prüfung vorgesehen werden. Fachanwender oder Datenschutzverantwortliche können Ergebnisse kontrollieren, bevor ein Dokument weiterverwendet wird.

4. Nutzbaren Output erzeugen

Je nach Prozess entstehen anonymisierte, pseudonymisierte oder geschwärzte Fassungen, strukturierte Ausgaben oder API-Antworten für nachgelagerte Systeme – für KI-Workflows, Analyseprozesse, interne Weitergabe, Qualitätssicherung, Archivierung oder Veröffentlichung

Viele KI-Projekte scheitern nicht an der Idee, sondern an sensiblen Daten

Die wertvollsten Informationen liegen oft in unstrukturierten Dokumenten — Verträgen, Akten, Gutachten, E-Mails, Fallnotizen. Dort steckt das Fachwissen, das KI relevant macht. Genau diese Inhalte sind aber sensibel: personenbezogene Daten, Berufs- und Geschäftsgeheimnisse, interne Details.

Manuelles Schwärzen trägt das nicht — zu langsam, zu fehleranfällig, nicht skalierbar für wiederkehrende Prozesse. Was fehlt, ist ein kontrollierter, prüfbarer Zwischenschritt. Ohne ihn bleiben wertvolle Daten ungenutzt, entstehen Schattenprozesse, und KI-Piloten bleiben im Experimentiermodus.

Andere verkaufen ein Werkzeug. Glanos gibt Ihnen Ihre Daten zurück.

Die meisten Werkzeuge lösen das, indem Sie in ihre Umgebung einsteigen — ihr Modell, ihr Arbeitsplatz, ihre Use-Cases. Das bringt Ihre Daten in Bewegung, bindet Sie aber an genau dieses Werkzeug. Glanos dreht das um: Statt eines Werkzeugs, in dem Sie arbeiten, bekommen Sie Ihre Daten aufbereitet zurück — und nutzen sie, wo Sie wollen. Heute in Ihren operativen Prozessen, morgen in Ihrer eigenen Entwicklung, immer mit der KI Ihrer Wahl.

Das entlastet zugleich Ihre Mitarbeiter: kein manuelles Schwärzen, keine Abwägung unter Druck, ob etwas raus darf — die Aufbereitung läuft kontrolliert und nachvollziehbar. Und sie ist keine Einmal-Aufgabe, sondern eine dauerhafte Fähigkeit; von Anfang an aufbereitete Daten bleiben frei nutzbar, verstärkt durch einen regulatorischen Rahmen (EU AI Act, DORA), der geprüfte Datennutzung zunehmend voraussetzt.

Anwendungsfälle - Wo anonymization.ai Mehrwert schafft

Überall dort relevant, wo sensible Inhalte verarbeitet, geteilt oder für KI nutzbar gemacht werden sollen. anonymization.ai schützt operative Daten und bewahrt Ihren über Jahre aufgebauten Wissensschatz DSGVO- und vertraulichkeitskonform.
GenAI und LLMs mit sensiblen operativen Daten

Dokumente und Freitexte für KI-Assistenten und Analyse-Workflows vorbereiten. Der Personenbezug wird dabei temporär vom fachlichen Inhalt getrennt — pseudonymisiert. Der Schlüssel bleibt bei Ihnen und lässt sich am Ende der Verarbeitung wieder anwenden, um das Ergebnis der richtigen Person oder Akte zuzuordnen.

Wissenssysteme und KI-Training

Gewachsene Bestände zusammenführen und für das Training eigener KI-Modelle oder den Aufbau dauerhafter Wissens- und RAG-Systeme nutzbar machen — irreversibel anonymisiert, ohne Rückschlüssel und ohne dass Rohdaten offenliegen.

Weitergabe vertraulicher Dokumente

Unterlagen kontrolliert mit internen Teams, externen Dienstleistern, Gutachtern, Prüfern oder Partnern teilen.

Analyse, Qualitätssicherung und interne Auswertung

Geschützte Inhalte für Auswertungen, Qualitätskontrollen, Trainingsdatenprüfung oder Prozessverbesserung nutzbar machen

Archivierung und spätere Nutzung

DSGVO Löschpflichten vermeiden. Risiken bei Speicherung, interner Bereitstellung und späterer Wiederverwendung reduzieren.

Offenlegung und Auskunftsersuchen

Dokumente vor externer Weitergabe, Veröffentlichung oder Akteneinsicht vorbereiten. Auskunftsersuchen nach DSGVO schnell und sicher durchführen.

Demo vereinbaren

Sicherheit, Governance und Betrieb

Prüffähig für Datenschutz, IT und Security

Sensible Inhalte brauchen mehr als gute Erkennung. Entscheidend ist ein Betriebsmodell, das zu Datenschutz, IT-Security und Governance passt.
Glanos anonymization.ai ist darauf ausgelegt, in prüfbare Unternehmensprozesse eingebettet zu werden.

Betriebsoptionen

Das Betriebsmodell richtet sich nach dem Schutzbedarf Ihrer Inhalte: On-Premise in Ihrer eigenen Umgebung oder SaaS in Deutschland bei deutschen Hosting-Anbietern.
Im On-Premise-Betrieb erreichen die Daten Glanos nie. Die Anonymisierung läuft als Schicht und Fähigkeit in Ihrer Landschaft, nicht als neuer Cloud-Dienst davor.

Zertifizierte Kontrollen

Glanos ist durch Rödl Audit ISAE 3402 Type 2 zertifiziert. Der konkrete Scope und relevante Nachweise können im Rahmen einer Prüfung zur Verfügung gestellt werden.

Datenschutz und Vertragsunterlagen

Für die datenschutzrechtliche und organisatorische Prüfung können relevante Unterlagen bereitgestellt werden, darunter je nach Einsatzszenario: Auftragsverarbeitungsvertrag (AVV), technische und organisatorische Maßnahmen (TOMs), Informationen zu Hosting und Subdienstleistern, Architektur- und Datenflussinformationen, Lösch- und Retention-Informationen, Vertraulichkeitsvereinbarung (NDA) bei Bedarf.

Nachvollziehbarkeit im Prozess

Für regulierte Umgebungen ist nicht nur das Ergebnis wichtig, sondern auch der Weg dorthin. Je nach Konfiguration können Verarbeitungsregeln, Bearbeitungsschritte, Review-Prozesse und Ausgaben so gestaltet werden, dass sie intern nachvollziehbar und prüfbar bleiben.

Demo vereinbaren

Was Unternehmen über Anonymisierung wissen sollten

1. Vertrauliche Daten und personenbezogene Daten sind nicht dasselbe

Beide Datenarten erfordern beim Einsatz von KI besondere Sorgfalt, aber aus unterschiedlichen Gründen.

Vertrauliche Daten schützen Unternehmen: Geschäftsgeheimnisse, geistiges Eigentum, interne Strategien, NDAs oder Berufsgeheimnisse. Personenbezogene Daten schützen Menschen. Für sie gilt die DSGVO mit Anforderungen an Zweck, Rechtsgrundlage, Transparenz, Datenminimierung und Schutzmaßnahmen. Besonders sensible Daten, etwa Gesundheitsdaten, haben zusätzliche Anforderungen. Sie dürfen nur unter engeren rechtlichen Voraussetzungen verarbeitet werden.

2. Personenbezogene Daten dürfen verarbeitet werden, aber nicht beliebig

Personenbezogene Daten dürfen auch ohne Anonymisierung verarbeitet werden, wenn Zweck, Rechtsgrundlage und Schutzmaßnahmen stimmen. Ein Vertrag, eine Einwilligung oder ein berechtigtes Interesse können Rechtsgrundlagen sein. Sie ersetzen aber nicht die Zweckbindung. Daten, die für Support, Vertragserfüllung oder Abrechnung erhoben wurden, dürfen nicht automatisch für jeden späteren KI-Use-Case genutzt werden. Verstöße gegen diese Grundsätze können empfindliche Folgen haben, bis hin zu DSGVO-Bußgeldern von bis zu 20 Millionen Euro oder 4 Prozent des weltweiten Jahresumsatzes, je nachdem welcher Betrag höher ist.

3. Nach Zweckende beginnt die eigentliche Datenfrage und Löschpflichten

Wenn der ursprüngliche Zweck erfüllt ist, dürfen personenbezogene Daten nicht einfach weiter im Produktivsystem genutzt werden. Je nach Datenart können Aufbewahrungspflichten, Nachweispflichten oder legitime Verteidigungsinteressen bestehen. Das bedeutet aber meist nicht freie Weiternutzung, sondern Sperrung, Zugriffsbeschränkung, Minimierung oder Löschung.

4. Pseudonymisierung reduziert Risiko, entfernt aber nicht automatisch Personenbezug

Pseudonymisierung ersetzt direkte Identifikatoren durch Pseudonyme. Die Zuordnung bleibt jedoch grundsätzlich möglich, etwa über eine getrennte Mappingtabelle. Deshalb bleiben pseudonymisierte Daten in der Regel personenbezogene Daten. Der Vorteil liegt nicht darin, die DSGVO zu verlassen, sondern Risiken zu reduzieren und Daten sicherer nutzbar zu machen.

5. Wirksame Anonymisierung verlässt den Personenbezug

Wirksam anonymisierte Daten unterliegen nicht mehr der DSGVO, weil keine Person mehr identifizierbar ist. Entscheidend ist nicht, ob Namen entfernt wurden, sondern ob eine Re-Identifizierung mit vernünftigerweise verfügbaren Mitteln ausgeschlossen werden kann. Das hängt vom Datenkontext, Zusatzwissen, Datenkombinationen und technischen Möglichkeiten ab.

6. Falsche Anonymisierung ist oft nur optische Schwärzung

Eine Schwärzung muss technisch entfernen, nicht nur visuell verdecken. Gerade bei PDFs kann Text unter schwarzen Balken weiter im Dokument enthalten sein. Dann sieht die Datei anonymisiert aus, ist es aber nicht.

7. Strukturierte Daten brauchen andere Verfahren als Textdaten

In Tabellen sind Spalten und Datentypen meist bekannt. Direkte Identifikatoren lassen sich daher relativ gezielt behandeln. Schwieriger sind Kombinationen: Alter, Ort, Berufsrolle, seltenes Ereignis oder Zeitstempel können zusammen wieder identifizierend wirken.

8. Unstrukturierte Daten sind der eigentliche KI-Härtetest

In E-Mails, Tickets, Verträgen, Schriftsätzen oder Freitextfeldern steht Personenbezug nicht an festen Positionen. Namen, Orte, Organisationen, Telefonnummern, IBANs, Termine, medizinische Hinweise, seltene Ereignisse und indirekte Kontextinformationen müssen erkannt und konsistent behandelt werden. Für KI-Use-Cases kommt hinzu: Der fachliche Sinn soll erhalten bleiben, während identifizierende Informationen zuverlässig entfernt oder ersetzt werden.

Mehr erfahren

Branchen

Viele Organisationen verfügen über wertvolle Textdaten, können sie aber nicht ohne Weiteres für KI, Analyse oder Wissensmanagement nutzen.

In Dokumenten, E-Mails, Berichten und Fallakten sind personenbezogene Daten, vertrauliche Informationen und identifizierende Kontextdetails oft tief im Freitext verborgen. In jeder Branche gilt dasselbe Prinzip: Die aufbereiteten Daten gehören Ihnen und bleiben offen für jede KI und jeden Use-Case – nicht an ein Werkzeug gebunden.

Kanzleien und Rechtsabteilungen

Verträge, Schriftsätze, Mandatsdokumente, E-Mails und interne Fallnotizen enthalten besonders vertrauliche Informationen. Das erschwert KI-gestützte Recherche, Vertragsanalyse und interne Wissensarbeit. anonymization.ai bereitet juristische Textdaten so auf, dass vertrauliche Inhalte geschützt und relevante Wissensstrukturen für interne KI-Anwendungen nutzbar werden.

Versicherungen

Schadenakten, Gutachten, Kundenkommunikation und Fallnotizen enthalten wertvolle Informationen für Automatisierung und KI-gestützte Prozessverbesserung — sind aber personenbezogen und vertraulich. anonymization.ai bereitet diese Dokumente für Fallanalyse, operative Unterstützung und das Training eigener Modelle auf, auch on-premise, ohne dass Schadendaten das Haus verlassen.

Öffentlicher Sektor

Verwaltungen arbeiten mit Akten, Anträgen, Bescheiden, Bürgerkommunikation und internen Vorgängen. Diese Dokumente sind relevant für Automatisierung und KI-Piloten, enthalten aber häufig sensible personenbezogene Informationen. anonymization.ai bereitet Verwaltungsdokumente für sichere KI-Piloten, interne Analyse, Veröffentlichung oder Weitergabe vor, kontrolliert, strukturiert und nachvollziehbar.

Beratung, Professional Services und Gutachter

Projektberichte, Gutachten, Angebote, Workshop-Dokumentationen und Analysen enthalten wertvolles Erfahrungswissen. Gleichzeitig sind sie oft mit vertraulichen Kunden-, Projekt- und Falldetails vermischt. anonymization.ai hilft, daraus einen KI-fähigen Wissensbestand zu machen. Sensible Informationen werden erkannt, entfernt oder abstrahiert, während Methoden, Fallmuster, Textbausteine und Lessons Learned für neue Projekte nutzbar bleiben.

Gesundheitswesen

Kliniken, Pflegeeinrichtungen und psychiatrische Einrichtungen arbeiten mit hochsensiblen Freitexten: Arztbriefen, Pflegeberichten, Verlaufsdokumentationen, Entlassberichten und Fallnotizen. anonymization.ai unterstützt dabei, medizinische und pflegerische Textdaten für Forschung, Qualitätssicherung, Analyse und KI-Anwendungen vorzubereiten, ohne sensible Informationen unkontrolliert offenzulegen.

Banken und Finanzdienstleister

Beratungsprotokolle, Vertragsunterlagen, Compliance-Dokumente und kundenbezogene Kommunikation unterliegen hohen Anforderungen an Datenschutz, Vertraulichkeit und Prüfbarkeit. anonymization.ai macht diese Textdaten kontrolliert für KI und Analyse nutzbar, on-premise in Ihrer Infrastruktur.

Ihren Use-Case besprechen

Warum Glanos?

Offen, nicht gebunden

Glanos verkauft kein Sprachmodell und keinen KI-Arbeitsplatz. anonymization.ai bereitet Ihre Daten auf und gibt sie Ihnen als saubere Grundlage zurück — frei für jede KI, jeden Use-Case und Ihre eigene Entwicklung. Was Sie damit tun, bleibt Ihre Entscheidung; kein Lock-in, keine Bündelung an ein fremdes Werkzeug.

Ob manuell über die Web-App oder automatisiert über die API, ob Vertrag oder medizinischer Bericht, interne KI-Suche oder externe Veröffentlichung: Die Regeln passen sich Dokumenttyp, Schutzbedarf und Zielprozess an.

Souverän, nicht ausgelagert

Unabhängigkeit beginnt bei der Infrastruktur. anonymization.ai läuft als SaaS in Deutschland oder On-Premise in Ihrer Umgebung — und im On-Premise-Betrieb erreichen die Daten Glanos nie:  eine Schicht und Fähigkeit in Ihrer Landschaft statt eines Cloud-Diensts davor.

Fast 20 Jahre NLP-Engineering - ein Problem - richtig gelöst

Anonymisierung sieht einfach aus, bis die Edge Cases kommen. Diese Tiefe kommt aus fast 20 Jahren NLP-Engineering, nicht aus einem kurzlebigen KI-Hype. Wir machen eine Sache, und die richtig — und begleiten Sie über die Einführung hinaus, weil wir das Werkzeug gar nicht verkaufen, an das andere Sie binden.

Denn Anonymisierung ist selten nur technisch: Fachlichkeit, Datenschutz, Security und Prozessrealität müssen zusammenkommen. Deshalb begleiten wir den ganzen Weg:

  1. Anwendungsfall einordnen — welche Dokumenttypen, welche sensiblen Daten, anonymisieren/pseudonymisieren/schwärzen, welches Zielsystem?
  2. Schutzbedarf und Regeln definieren — Fachbereich, Datenschutz, IT und Security legen fest, was wie behandelt wird.
  3. Pilot mit echten Dokumenten — keine schöne Demo, sondern eine belastbare Einschätzung: Trägt die Aufbereitung den konkreten Prozess? Wie hoch ist der Review-Aufwand?
  4. Integration und Betrieb planen — Betriebsmodell, Schnittstellen, Rollen, Zugriffskonzepte, Datenschutzunterlagen.
  5. Produktive Nutzung begleiten — pragmatisch und zielorientiert, auch nach der Installation.

Anonymisierung ist kein magischer Knopf. Sie ist ein kontrollierter Prozess, der Technologie, fachliches Verständnis und klare Governance verbindet.

Ich glaube, dass Vertrauen in diesem Umfeld nicht allein durch Algorithmen entsteht. Es entsteht durch nachvollziehbare Kommunikation, realistische Einschätzung, belastbare Umsetzung und Ansprechpartner, die auch nach der Installation erreichbar bleiben.

Deshalb begleiten wir Projekte nicht nur mit einem Produkt, sondern mit einem Verständnis für die Perspektiven von Fachbereich, IT, Datenschutz und Security.

Dr. Christian Bauer – Ihr Ansprechpartner

Sprechen Sie mit mir

FAQ

Welche Dokumentformate werden unterstützt?

Office-Formate (Word, PowerPoint, Excel), PDFs und Scans, E-Mails (.msg und .eml), strukturierte Formate wie XML, Freitext und mehr auf Anfrage.

Kann ich für Anonymisierung nicht einfach Open Source Tools nehmen?

Open Source liefert Ihnen Code, aber keine verlässliche Anonymisierung: Bei sensiblen Daten zählen fachliche Begleitung, messbar hohe Precision und Recall sowie Erfahrung mit den versteckten Fehlerklassen, die Entwicklerteams sonst monatelang binden und im schlimmsten Fall unbemerkt Daten offenlegen.

Wieviel Aufwand ist es für meine IT-Abteilung?

Wir bieten sowohl an anonymization.ai auf unserer Cloud (in Deutschland oder Europa) zu hosten als auch eine on-premise Installation mit standardisierten Docker-Containern.

Kann ich es in Sharepoint oder mein Tool XYZ integrieren?

Ja, wir haben bereits Integrationen in gängige Systeme wie Sharepoint. Die modulare Struktur von anonymization.ai erlaubt es, das Tool in fast jedes andere Tool zu integrieren.

Wieviel kostet das Tool?

Preise werden berechnet nach Anzahl der Seiten und User. Wir bieten individuell Preispakete – von Einstiegspaketen für kleine Unternehmen (unter 100 € pro Monat) bis hin zu attraktiven Volumenpreisen für einmalige Archiv-Anonymisierungen oder Großunternehmen. Sprechen Sie mit uns.

Sendet ihr die Daten an ein LLM zur Anonymisierung?

Nein, wir verwenden ein komplett eigenentwickeltes Modell, das wir über die Jahre verfeinert haben. Der Vorteil für Sie: alles bleibt intern was Qualität und Anpassungsfähigkeit gewährleistet.

Können alle meine Mitarbeiter das Tool nutzen?

Ja, keine Installation für Endbenutzer nötig – App kann direkt im Browser geöffnet werden.

Wird auch das File-Format XYZ unterstützt?

Ja, das ist normalerweise möglich – sprechen Sie uns an.

Welche Sprachen werden unterstützt?

DE, EN, ES, FR, IT, PT, NL, SV – weitere Sprachen auf Anfrage.

Gibt es einen Auftragsdatenverarbeitungsvertrag (AVV) und eine Vereinbarung nach §203 StGB?

Ja, ein Auftragsdatenverarbeitungsvertrag (AVV) wird immer abgeschlossen. Eine Verpflichtung zur Wahrung des Berufsgeheimnisses nach §§ 203 und 204 StGB ist auf Anfrage auch verfügbar.

Anonymisierung, Pseudonymisierung, De-Identifizierung - was ist der Unterschied?

Die Begriffe werden oft uneinheitlich verwendet. Wichtig ist deshalb weniger die Technik, sondern das Ergebnis.

De-Identifizierung ist der Oberbegriff. Gemeint ist: Erkennbare Hinweise auf Personen oder vertrauliche Informationen werden entfernt, ersetzt oder verallgemeinert. Das kann durch Schwärzung, Initialen, Platzhalter wie „PERSON1“, Fantasienamen oder allgemeinere Angaben geschehen.

Pseudonymisierung liegt vor, wenn eine Zuordnung grundsätzlich noch möglich bleibt, etwa über eine getrennt gespeicherte Tabelle, einen Schlüssel oder andere Zusatzinformationen. Für Personen oder Organisationen, die mit vernünftigen Mitteln wieder zur Originalperson zurückfinden können, bleiben die Daten personenbezogen und fallen weiter unter die DSGVO. Sie sind aber besser geschützt als die Originaldaten.

Anonymisierung liegt erst vor, wenn eine Person mit vernünftigerweise einsetzbaren Mitteln nicht mehr identifiziert werden kann. Das hängt nicht nur davon ab, ob ein Schlüssel gespeichert wurde. Auch Kontextwissen, seltene Kombinationen oder andere Datenquellen können eine Re-Identifizierung ermöglichen.

Lesen Sie mehr hier: Anonymisierung vs Pseudonymisierung

Reicht Pseudonymisierung überhaupt? Damit bleiben die Daten doch personenbezogen.

Für Sie als verantwortliche Stelle: ja — solange Sie den Schlüssel halten, bleiben die Daten pseudonymisiert und damit personenbezogen. Entscheidend ist aber, wer auf welche Informationen zugreift.

anonymization.ai trennt beides sauber: Der Personenbezug wird durch Pseudonyme ersetzt, der Schlüssel getrennt und sicher  gespeichert. Das KI-System, das die Inhalte verarbeitet, erhält nur die pseudonymisierten Daten — nie den Schlüssel.

Ob Daten personenbezogen sind, ist nach jüngerer Rechtsprechung relativ zu bewerten — abhängig davon, welche Mittel zur Re-Identifizierung der jeweiligen Stelle vernünftigerweise zur Verfügung stehen. Der EuGH hat diesen relativen Ansatz zuletzt im Urteil EDPS/SRB (C-413/23 P, 4. September 2025) bestätigt: Dieselben Daten können für die eine Stelle personenbezogen sein und für eine andere, die sie nicht re-identifizieren kann, nicht. Einem KI-System ohne Zugriff auf den Schlüssel und ohne re-identifizierenden Kontext fehlen genau diese Mittel.

Get in a touch and book a demo

  • Please contact gerhard.rolletschek@glanos.de for general product inquiries and product demonstrations or call +49 89 998 299 151
  • Please contact christian.bauer@glanos.de for inquiries regarding anonymization.ai
  • If you want to apply for a job, please send your CV to info@glanos.de
  • For all further inquiries please write to info@glanos.de - please do not cold call us if you want to sell to us