Compliance, AML und KYC
PEP-Hit-Bewertung mit Adverse-Media-Recherche
anymize entfernt den Kunden-Klarnamen, Geburtsdatum, Geburtsort und KYC-Stammdaten aus dem PEP-Hit-Material, bevor es an GPT, Claude oder Gemini geht — und setzt sie nach der KI-Antwort wieder ein. So führen Sie eine strukturierte PEP-Disambiguierung mit Adverse-Media-Verdichtung und Quellen-Hierarchie durch, ohne § 43 KWG oder AGG-Bias-Risiken zu berühren.
Schwierigkeit: Spezialist · Datenklasse: Mandantendaten · Letztes Review:
Zur Orientierung gedacht. Die anwaltliche Würdigung im Einzelfall bleibt selbstverständlich bei Ihnen — KI-Outputs sind vor jeder Verwendung zu prüfen. Mehr dazu am Ende.
Anwendungsbereich
Worum geht es hier?
PEP-Screening ist Pflicht-Element der GwG-Sorgfaltspflichten (§ 10 Abs. 3 i.V.m. § 1 Abs. 12, § 15 Abs. 3 Nr. 2 GwG). Wird ein Treffer gemeldet, ist die Hit-Bewertung zeitintensiv (Adverse-Media-Sichtung, Identitäts-Disambiguierung). Mit anymize geht die Brücke Kunde↔PEP anonymisiert an die Frontier-KI; die KI strukturiert Disambiguierungs-Tabelle und Adverse-Media-Cluster mit Quellen-Hierarchie. Die finale PEP-Klassifikation (PEP / Family Member / Close Associate / kein Match) und EDD-Auslösung bleiben beim KYC-Analysten mit Vier-Augen-Pflicht.
Für wen passt das?
Zielgruppe und Kontext
- Rolle
- KYC-Analyst, AML-Spezialist, MLRO, Compliance Officer.
- Seniorität
- Fortgeschritten — politisches Vorwissen und Quellen-Bewertungsfähigkeit nötig.
- Kanzleigröße
- Privatbanken, Großbanken mit Private-Wealth-Management, FinTechs mit institutionellen Kunden.
- Spezifische Kontexte
- Internationale Kunden mit politischer Exposition; Adverse Media in mehreren Sprachen; Wealth-Management-Mandate mit erhöhter Aufmerksamkeit.
Die Situation in der Kanzlei
So bringen Sie Tempo und Sorgfalt zusammen
LSEG World-Check, Dow Jones, ComplyAdvantage liefern beim Onboarding/Refresh täglich PEP-Hits. Bei Namens-Ähnlichkeit zwischen Kunde und PEP entscheidet eine Disambiguierungs-Prüfung mit Adverse-Media-Recherche (Sprache, Quellenqualität, zeitlicher Bezug). Manuell kostet ein einzelner Hit 30–60 Min bei mehreren Adverse-Media-Treffern; bei größeren Wealth-Management-Mandaten mehrere Stunden. § 43 KWG, § 26 BDSG (Bias-Sensibilität), DSGVO Art. 28 und AGG (Diskriminierungsverbot) sind zu beachten. anymize löst diesen Konflikt: Die Brücke Kunde↔PEP wird pseudonymisiert; PEP-Namen selbst sind öffentlich, aber die Verknüpfung zur Bankkundschaft darf das Haus nicht verlassen. Die KI strukturiert Disambiguierungs-Tabelle und Adverse-Media-Cluster auf pseudonymisiertem Text.
Was Sie davon haben
Zeit, Wert, Vertraulichkeit
Zeit pro PEP-Hit
20–40 Min
Größenordnung; KI-Verdichtung der Adverse-Media-Cluster und der Disambiguierungs-Tabelle reduziert Lese-Last. Mensch entscheidet final.
Skaleneffekt p.a.
~300 h
Bei 50 Hits/Monat × 30 Min ≈ 300 Personenstunden/Jahr — bei Privatbanken mit institutioneller Wealth-Klientel.
Quellen-Hierarchie
strukturell
Tier 1 (Justiz-/Aufsichts-Dokumente), Tier 2 (etablierte Medien), Tier 3 (Blogs/Social Media). Der Prompt erzwingt explizite Markierung — gegen AGG-Bias-Risiko.
Vertraulichkeit Kunde↔PEP
strukturell
Die Brücke Kunde-Identität ↔ PEP-Treffer wird vor dem KI-Aufruf pseudonymisiert. § 43 KWG strukturell gewahrt.
So gehen Sie vor
In 5 Schritten zum Antrag
PEP-Hit aus Screening-Tool sichten: Match-Score, PEP-Kategorie, Heimatland, Funktion, Zeitraum.
Sie / Tool
§ 10 Abs. 3 GwG
Adverse-Media-Recherche: bis 20 zugehörige Artikel-Snippets aus Tool-Output und AlphaSense.
Sie / Tool
§ 15 Abs. 3 Nr. 2 GwG
anymize anonymisiert: Kundenname, Geburtsdatum, Geburtsort, KYC-Stammdaten. PEP-Namen können öffentlich sein — die Brücke Kunde↔PEP ist pseudonymisierungsbedürftig.
anymize
§ 43 KWG · DSGVO Art. 28
Spot-Check. Vier-Augen bei Wealth-Management-Mandat zwingend.
Sie
NER-Falsch-Negativ · Vier-Augen WM
Frontier-KI strukturiert mit CRAFT-Prompt: Disambiguierungs-Tabelle (Geburtsdatum, Geburtsort, Funktion-Zeitraum, Staatsangehörigkeit), Adverse-Media-Cluster mit Quellen-Tier, Match-Wahrscheinlichkeit 0–100 %, Empfehlung (PEP-MATCH / DISAMBIGUIERUNG-PEP / FAMILY-MEMBER / CLOSE-ASSOCIATE / KEIN-MATCH).
GPT / Claude / Gemini in anymize
Strukturierung · Bias-Schutz
Plausibilitäts-Check: KI-Adverse-Media-Verdichtung gegen Originalartikel-Stichproben prüfen. Manuelle Sichtung 3–5 Originalquellen Pflicht (Halluzinations-/Bias-Schutz).
Sie
Halluzinations- und Bias-Schutz
Endgültige PEP-Klassifikation: PEP / Family Member / Close Associate / kein Match. Bei PEP-Match: EDD nach § 15 Abs. 3 Nr. 2 GwG. Vier-Augen bei Match-Score >0,90 und bei jeder PEP-Klassifikation. Aufbewahrung 5 Jahre § 50 GwG.
Sie
§ 15 GwG · § 50 GwG
Womit Sie arbeiten
So setzen Sie anymize konkret ein
Was anymize tut
- Erkennt Kunden-Klarnamen, Geburtsdatum, Geburtsort und KYC-Stammdaten mit über 95 % Genauigkeit; PEP-Klarnamen aus öffentlichen Datenbanken bleiben sichtbar.
- Bidirektionale Anonymisierung der Brücke Kunde↔PEP: anymize re-identifiziert die KI-Antwort beim Empfang.
- Daten in deutschen Rechenzentren (Hetzner). § 25h Abs. 2 S. 1 KWG-Endentscheidung im Inland.
- AVV nach Art. 28 DSGVO. § 26 BDSG-Beschäftigtenschutz bei interner Vier-Augen-Dokumentation berücksichtigt.
Was Sie als KYC-/AML-Analyst:in tun
- PEP-Hit-Sichtung mit Match-Score und Heimatland-Bezug; Adverse-Media-Recherche aus Primärquellen.
- Vorschau der Anonymisierung sichten — bei Doppelvornamen und kulturspezifischen Schreibweisen besonders aufmerksam.
- Stichproben 3–5 Adverse-Media-Originalquellen manuell sichten — Halluzinations-/Bias-Schutz, AGG-Risiko bei Über-Klassifikation.
- Bei PEP-Match Vier-Augen mit MLRO; EDD-Maßnahmen nach § 15 Abs. 3 Nr. 2 GwG dokumentieren.
Daten-Input
PEP-Hit aus Screening-Tool (LSEG World-Check, Dow Jones, ComplyAdvantage) mit Match-Score; Adverse-Media-Snippets aus Tool-Output und AlphaSense; KYC-Stammdaten des Kunden.
Output-Kontrolle
Pseudonymisierter Text geht an die KI. Re-identifizierte Disambiguierungs-Tabelle, Themen-Cluster mit Quellen-Tier, Empfehlung mit Begründung und EDD-Vorschlag bei Match kommen zurück.
Freigabeprozess
Vier-Augen-Pflicht bei Match-Score >0,90 und bei jeder PEP-Klassifikation. PEP-Match → MLRO-Eskalation. Monatliche QA-Stichprobe ≥ 5 % der KI-Disambiguierungen.
Die KI-Anweisung
Prompt zum Kopieren
So nutzen Sie diesen Prompt:
1. PEP-Hit-Output, Adverse-Media-Snippets und KYC-Stammdaten in anymize einfügen — Kundenname, Geburtsdatum und Geburtsort werden zu Platzhaltern.
2. Diesen Prompt kopieren und an die pseudonymisierten Daten anhängen.
3. In anymize unter „Tools → Reasoning“ auf „Thinking-Modus“ (Max bei internationalen Verflechtungen), dann KI-Aufruf starten.
4. Adverse-Media-Originalquellen stichprobenartig sichten; bei PEP-Match Vier-Augen mit MLRO.
# Context (C)
Du unterstützt die PEP-Hit-Bewertung eines deutschen Kreditinstituts
nach § 1 Abs. 12 und § 15 Abs. 3 Nr. 2 GwG. Rechtsstand: <heutiges
Datum>. Daten pseudonymisiert (Kunden-Stammdaten); PEP-Daten aus
öffentlichen Quellen können Klarnamen enthalten.
# Role (R)
PEP-Bewertungs-Assistenz. Du kennst § 1 Abs. 12 GwG (PEP-Definition),
§ 15 Abs. 3 Nr. 2 GwG (EDD-Pflicht), die BaFin-Auslegungs- und
Anwendungshinweise GwG (Update 29.11.2024), FATF-Glossar PEP,
ESAAMLG-/MENAFATF-Regionalspezifika.
# Action (A)
1. Disambiguierung: bewerte die Match-Wahrscheinlichkeit zwischen
Kunde und PEP anhand: Geburtsdatum, Geburtsort, Funktion-Zeitraum,
Heimatland-Konsistenz, Berufsbezug. Skala 0–100 %.
2. Adverse-Media-Verdichtung: gruppiere die Snippets nach Themen
(politische Funktion, Korruption, Sanktionen, Strafverfahren,
Vermögensherkunft, Familiäre Verflechtungen).
3. Quellen-Hierarchie: Tier 1 (Justiz-/Aufsichts-Dokumente,
internationale Sanktionslisten), Tier 2 (etablierte Medien),
Tier 3 (Blogs/Social Media). Snippets entsprechend kennzeichnen.
4. Empfehlung: PEP-MATCH / DISAMBIGUIERUNG-PEP / FAMILY-MEMBER /
CLOSE-ASSOCIATE / KEIN-MATCH.
5. Bei PEP-Match: Vorschlag konkreter EDD-Maßnahmen.
6. `[VERIFY: …]` für alle nicht direkt aus Snippets folgenden
Aussagen.
# Format (F)
- Disambiguierungs-Tabelle.
- Themen-Cluster mit Quellen-Tier.
- Empfehlung (eine Zeile).
- EDD-Vorschlag bei Match.
# Target Audience (T)
Senior-KYC/MLRO. Keine Schuld-Zuweisung; nur Faktenstand. Keine
erfundenen Geburtsdaten oder Funktionsbezüge.So sieht der Sachverhalt aus
Pseudonymisierter Eingabetext
PEP-Screening-Hit
Kunde: [[Vorname-a3f9]] [[Nachname-a3f9]], geb. [[Datum-d5f3]],
Geburtsort [[Ort-b2e7]], Staatsangehörigkeit DE
PEP-Treffer LSEG World-Check ID [[Aktenzeichen-4a2b]]:
- Name: [[Vorname-a3f9]] [[Nachname-a3f9]]
- Funktion: ehemaliger Staatsminister Land X (2014–2019)
- Heimatland: X
- Match-Score Algorithmus: 0,87 (Schwelle 0,85)
- Adverse-Media-Treffer (Auszug):
- Snippet 1 (Reuters 2018): Berichterstattung über
Reformprojekt; positiv.
- Snippet 2 (lokales Investigativ-Medium 2020):
Vorwurf intransparente Vergabe; Verfahren nicht eingeleitet.
- Snippet 3 (X-Hostile-Aufrufe Twitter 2021):
unsubstanziiert.
KYC-Stammdaten Kunde:
- Wohnsitz DE seit 2012; Promotion DE-Universität;
Beruf laut Selbstauskunft: Unternehmensberater.
- Geburtsort Konflikt:
Kunde [[Ort-b2e7]] (DE) vs. PEP X-Land Hauptstadt.So liefert anymize zurück
Der Antrags-Entwurf
## Disambiguierungs-Tabelle
| Merkmal | Kunde | PEP-Treffer | Match? |
|---|---|---|---|
| Name | [[Vorname-a3f9]] [[Nachname-a3f9]] | identisch | ja |
| Geburtsdatum | [[Datum-d5f3]] | nicht angegeben | unbestimmt |
| Geburtsort | [[Ort-b2e7]] (DE) | X-Land Hauptstadt | nein |
| Funktion-Zeitraum | Unternehmensberater seit Promotion |
Staatsminister 2014–2019 | inkonsistent |
| Staatsangehörigkeit | DE | X | inkonsistent |
## Themen-Cluster Adverse Media
1. Politische Funktion — Reuters 2018 [Tier 2].
2. Vergabe-Vorwurf — lokales Investigativ-Medium 2020 [Tier 3,
kein abgeschlossenes Verfahren].
3. Social-Media-Aufrufe — Twitter 2021 [Tier 3, unsubstanziiert].
## Empfehlung
**DISAMBIGUIERUNG: KEIN-MATCH wahrscheinlich.** Geburtsort und
Staatsangehörigkeit inkonsistent; Funktion-Zeitraum überschneidet
sich nicht mit Kunden-Biografie. Match-Score 0,87 beruht auf Namens-
gleichheit; bei häufigem Namen ist Fehl-Treffer plausibel. Empfehlung:
Disambiguierungs-Vermerk in KYC-Akte, keine EDD; jährlicher Refresh-
Check. [VERIFY: PEP-Geburtsdatum aus Tier-1-Quelle].
## Manuelle Verifikation (Pflicht)
1. Stichprobe Reuters-Originalartikel.
2. Geburtsdatum-Bestätigung PEP-Treffer.
3. Identitätsabgleich mit Kunden-Ausweisdokument.Was das Berufsrecht verlangt
Pflichten — und wie anymize sie abdeckt
§ 1 Abs. 12 GwG: PEP-Definition exakt (SRC-0112)
„Vergleichbare Funktion“ und „Family Member“ nicht unterschätzen. Der Prompt erzwingt explizite Klassifikation in eine der fünf Kategorien — kein „unklar“.
Quellen-Hierarchie-Risiko
KI kann Tier-3-Blogs und Tier-1-Justiz-Dokumente sprachlich ähnlich behandeln. Explizite Quellen-Tier-Markierung im Prompt ist Pflicht; manuelle Stichprobe 3–5 Originalquellen vor Entscheidung.
§ 43 KWG Pseudonymisierung Brücke Kunde↔PEP (SRC-0109)
PEP-Klarnamen sind öffentlich, aber die Verknüpfung „Kunde X ist möglicher PEP Y“ darf das Haus nicht verlassen. Spot-Check auf Kunden-Stammdaten Pflicht.
AGG / § 26 BDSG Bias-Risiko (SRC-0144)
Adverse-Media in bestimmten Regionen tendiert zur Über-Klassifikation aufgrund Sprache/politischer Lage. Menschliche Disambiguierung mit Quellen-Tier-Bewertung Pflicht — KI darf nicht pauschal heraufstufen.
§ 15 Abs. 3 Nr. 2 GwG EDD bei PEP-Match (SRC-0112)
Klar definierte EDD-Maßnahmen bei bestätigtem PEP-Match; nicht auf KI-Vorschlag verlassen. Vier-Augen mit MLRO; ggf. Vorstand-Information.
§ 47 GwG Tipping-Off-Verbot (SRC-0112)
Auch bei PEP-Disambiguierung keine Kunden-Kommunikation außerhalb regulatorischer Auskunfts-Tatbestände.
Halluzinations-Risiko bei Politik-Zusammenhängen (SRC-0158)
MIT-Thesis 2025 / BizTech 2025: Banking-Halluzinationsraten >20 %. Erfundene PEP-Funktions-Zuschreibungen sind Compliance-Risiko und AGG-Spurpunkt.
Datenschutz und Vertraulichkeit
So funktioniert das mit anymize
Die aufsichtsrechtlich entscheidende Frage bei PEP-Disambiguierung mit KI: Sieht der LLM-Anbieter den Kunden-Klarnamen, das Geburtsdatum und die KYC-Stammdaten? Antwort mit anymize: nein. Die Brücke Kunde↔PEP wird vor dem KI-Aufruf pseudonymisiert; PEP-Klarnamen aus öffentlichen Datenbanken (LSEG, Dow Jones) sind in der Pseudonymisierung nicht zwingend, aber die Verknüpfung zum Bankkunden darf das Haus nicht verlassen. Verarbeitung in deutschen Rechenzentren (Hetzner), AVV nach Art. 28 DSGVO. Rechtsgrundlage Art. 6 Abs. 1 lit. c DSGVO i.V.m. § 10, § 15 GwG; bei Hinweisen auf besondere Kategorien (politische Meinung, Religion) aus Adverse-Media zusätzlich Art. 9 Abs. 2 lit. g DSGVO. § 26 BDSG-Bias-Schutz und AGG-Diskriminierungsverbot sind strukturell durch die Quellen-Tier-Hierarchie und die manuelle Stichprobe geschützt. BaFin-Orientierungshilfe IKT/KI vom 18.12.2025 verlangt anymize-Pseudonymisierung als Eintrag im KI-Inventar.
Was anymize konkret leistet
- Erkennt Kunden-Klarnamen, Geburtsdatum, Geburtsort und KYC-Stammdaten mit über 95 % Genauigkeit.
- Ersetzt sie durch semantische Platzhalter, bevor die Brücke Kunde↔PEP an GPT, Claude oder Gemini geht.
- Re-identifiziert die KI-Antwort automatisch — Sie sehen die Disambiguierungs-Tabelle mit den richtigen Kunden-Klarnamen zurück.
- Verarbeitung in deutschen Rechenzentren (Hetzner). AVV + Auslagerungsanzeige + KI-Inventar werden unterstützt.
- Alternativen: Self-Hosted Microsoft Presidio On-Premises; Finanz Informatik S-KIPilot (Sparkassen); atruvia (Genossenschaftsbanken); LSEG-/Dow-Jones-eigene Reasoning-Module; AlphaSense mit On-Premises-/EU-Hosting-Optionen.
Sicherheitscheck vor der Einreichung
Was anymize liefert — was Sie souverän entscheiden
Vor dem KI-Aufruf
- PEP-Hit-Daten vollständig — Match-Score, Funktion, Heimatland, Adverse-Media-Snippets?
- Adverse-Media-Recherche mehrsprachig durchgeführt?
- Kunden-KYC-Stammdaten aktuell und vollständig?
- Anonymisierungs-Vorschau gesichtet — Kunden-Stammdaten erfasst, PEP-Datensatz sichtbar?
- Bei Wealth-Management-Mandat Vier-Augen eingeplant?
Nach der KI-Antwort
- Re-Identifikation korrekt — alle Platzhalter zurückgesetzt?
- Disambiguierungs-Tabelle vollständig (Name, Geburtsdatum, Geburtsort, Funktion, Staatsangehörigkeit)?
- Quellen-Tier-Markierung (Tier 1/2/3) bei jedem Adverse-Media-Cluster?
- Manuelle Stichprobe 3–5 Original-Adverse-Media-Quellen erfolgt?
- Geburtsdatum-Bestätigung aus Tier-1-Quelle?
Vor der KYC-Entscheidung
- Endklassifikation PEP / Family Member / Close Associate / kein Match?
- Bei Match: EDD-Maßnahmen nach § 15 Abs. 3 Nr. 2 GwG dokumentiert?
- Vier-Augen-Pflicht bei Match-Score >0,90 erfüllt?
- MLRO bei PEP-Match informiert?
- Aufbewahrung 5 Jahre § 50 GwG, AGG-Sensibilitäts-Vermerk?
Typische Fehlermuster — und wie anymize gegensteuert
- →KI behandelt Tier-3-Blog und Tier-1-Justiz-Dokument sprachlich gleichwertig — Quellen-Tier-Markierung im Prompt erzwingt explizite Differenzierung.
- →KI klassifiziert pauschal „PEP-Match“ aufgrund Namensgleichheit ohne Geburtsdatum-Konsistenz — Disambiguierungs-Tabelle erzwingt strukturierte Bewertung.
- →KI über-klassifiziert in bestimmten Regionen (AGG-Bias-Risiko) — manuelle Stichprobe 3–5 Originalquellen Pflicht.
- →KI behauptet Funktions-Zuschreibungen für Personen ohne Tier-1-Beleg (Halluzinationsrisiko) — [VERIFY]-Markierung Pflicht.
- →KI vergisst Family-Member- oder Close-Associate-Möglichkeit und springt zwischen Match und Kein-Match — der Prompt erzwingt alle fünf Kategorien.
Rechtsgrundlagen
Normen, Urteile, Belege
Primärnormen
- PEP-Definition (SRC-0112)
- EDD-Pflicht bei PEP (SRC-0112)
- EDD bei PEP-Match (SRC-0112)
- Bankgeheimnis (SRC-0109)
- Beschäftigtenschutz (SRC-0144)
- Tipping-Off-Verbot (SRC-0112)
- Diskriminierungsverbot
- Auftragsverarbeitung (SRC-0142)
Aufsichtspraxis
- Auslegungs- und Anwendungshinweise GwG
- KI-Inventar-Pflicht (SRC-0119)
- Internationaler PEP-Standard
Tool-Markt
- LSEG World-Check — Marktführer PEP-Datenbank
- AlphaSense — KI-Adverse-Media-Aggregation
Stand: · Nächste Überprüfung:
Hinweis zur Nutzung
Zur Orientierung — nicht als Mandatsersatz
Diese Anleitung beschreibt einen Arbeitsablauf, den Sie mit anymize umsetzen können. Sie ist zur Orientierung gedacht und ersetzt weder die anwaltliche Würdigung im Einzelfall noch eine fachanwaltliche Prüfung. Welche Rechtsprechung einschlägig ist, wie der Sachverhalt rechtlich zu bewerten ist, welche Anträge in Ihrem konkreten Mandat richtig sind — das bleibt selbstverständlich bei Ihnen.
KI-Outputs müssen vor jeder Verwendung anwaltlich geprüft werden. Insbesondere Urteils-Aktenzeichen, Norm-Verweise und Fristen sind gegen Primärquellen zu verifizieren. anymize gewährleistet die Vertraulichkeit der Mandantendaten gegenüber dem KI-Anbieter; die fachliche Richtigkeit des Outputs liegt in Ihrer Verantwortung.
Jetzt starten.
14 Tage kostenlos testen.
Alle Modelle. Alle Features. Keine Kreditkarte.
Wir sind überzeugt von anymize. Und wir wissen: Bei einem KI-Werkzeug, das Mandanten-, Patienten- oder Mitarbeiter-Daten berührt, reicht ein Demo-Video nicht. Deshalb 14 Tage voller Zugang – alle Modelle, alle Features, keine Kreditkarte. Genug Zeit, um sicher zu sein, bevor du uns vertraust.
Dein KI-Arbeitsplatz wartet.