Namens- und Entitätsscreening

Das Namensscreening ist die älteste Sanktionskontrolle und zugleich diejenige, die Aufsichtsbehörden als Erstes prüfen. Es entscheidet darüber, ob eine gelistete Person ein Konto eröffnen, eine Auszahlung erhalten oder als Begünstigter einer Travel-Rule-Nachricht erscheinen kann. Wird es schlecht umgesetzt, überflutet es Analysten entweder mit bedeutungslosen Treffern oder übersieht unbemerkt genau den einen Namen, auf den es ankommt. In dieser Lektion geht es darum, wie man das Screening aufbaut, abstimmt und dokumentiert.

Quellen und Verwaltung der Listen

Listenverwaltung ist der durchgängige Prozess der Auswahl, Beschaffung, Einspielung und Pflege der Listen, mit denen ein Unternehmen abgleicht. Sie beginnt mit der Entscheidung über die anzuwendenden Sanktionsregime, die in der Lektion Wie Sanktionen funktionieren beschrieben wird:

• die Konsolidierte Liste des UN-Sicherheitsrats, die in maschinenlesbarer Form veröffentlicht wird und für jeden Eintrag eine dauerhafte Referenznummer enthält;
• die Listen aller autonomen Regime, die das Unternehmen anwendet;
• interne Listen: ehemalige Kunden, deren Geschäftsbeziehung aus Sanktionsgründen beendet wurde, bekannte Briefkastenfirmen sowie Personen oder Unternehmen, mit denen das Unternehmen nicht zusammenarbeiten will.

Jeder Listeneinspielung muss ein kontrollierter Vorgang sein. Das Unternehmen sollte die Listenquelle, die Version oder den Veröffentlichungszeitpunkt, den Zeitpunkt der Einspielung in das Screening-System sowie die Anzahl der hinzugefügten, geänderten und entfernten Einträge dokumentieren. Ein Abgleich dieser Zahlen mit der eigenen Bekanntmachung des Herausgebers ist eine einfache Vollständigkeitsprüfung. Da die FATF ein unverzügliches Einfrieren erwartet, sollte die Zeit zwischen der Veröffentlichung einer Liste und dem erneuten Screening des gesamten Kundenbestands in Stunden gemessen und der gemessene Zeitraum der Geschäftsleitung berichtet werden.

Listendaten müssen sorgfältig behandelt werden. Einträge können mehrere Namen in unterschiedlichen Schriftsystemen, unvollständige Geburtsdaten und Aliase unterschiedlicher Qualität enthalten. In der UN-Liste sind einige Aliase als von geringer Qualität gekennzeichnet. Die Wolfsberg Guidance on Sanctions Screening (2019) beschreibt schwache Aliase als weit gefasste oder allgemeine Namen, etwa Spitznamen und gängige Akronyme, bei denen Screening „weder erwartet wird noch üblicherweise zweckmäßig ist“. Eine dokumentierte Entscheidung, schwache Aliase auszuschließen oder geringer zu gewichten, ist eine legitime Abstimmungsentscheidung; eine undokumentierte Entscheidung stellt eine Lücke dar.

Was wird gescreent?

Wirtschaftlich Berechtigte sind ebenso wichtig wie Kontoinhaber, da Eigentums- und Kontrollregeln dazu führen können, dass ein Unternehmen verboten ist, selbst wenn sein eigener Name unauffällig ist. Travel-Rule-Daten werden leicht vergessen: Der Name des Begünstigten in einer eingehenden Nachricht gehört zu einer Partei, mit der das Unternehmen Geschäfte tätigt, und sollte vor der Gutschrift der Gelder gescreent werden (siehe die Lektion Travel-Rule-Daten und Nachrichtenübermittlung).

Aufbereitung der unternehmenseigenen Daten

Die Qualität des Screenings hängt ebenso stark von den Kundendaten wie von den Listendaten ab. Viele übersehene Treffer gehen darauf zurück, wie das Unternehmen den Namen ursprünglich gespeichert hat. Zu bewährten Verfahren für Stammdaten gehören:

• separate Felder für Vornamen, Familiennamen und den vollständigen, in der Originalschreibweise erfassten Namen statt eines einzigen Freitextfelds;
• der Name im Originalschriftsystem sowie die lateinische Transliteration, die auf dem Identitätsdokument angegeben ist;
• die vollständige Geburtsdaten, Nationalität und Dokumentennummern als strukturierte Felder, damit sie automatisch mit den Listenkennungen abgeglichen werden können;
• bei juristischen Personen der eingetragene Name, Handelsnamen, frühere Namen und die Registrierungsnummer;
• eine Regel, nach der jeder Datensatz gescreent werden muss, bevor ein Konto aktiviert wird, damit ein fehlendes Feld nicht dazu führen kann, dass ein Kunde das System umgeht.

Die Normalisierung vor dem Abgleich beseitigt Störfaktoren, die andernfalls die Trefferwerte senken würden: einheitliche Groß- und Kleinschreibung, konsistente Entfernung von Satzzeichen und diakritischen Zeichen, Standardisierung von Rechtsformzusätzen wie „Ltd“ und „Limited“ sowie Entfernung von Anredeformen. Dieselbe Normalisierung muss auf Listen- und Kundendaten angewendet werden, andernfalls ist der Vergleich unausgewogen. Änderungen der Normalisierungsregeln sind Änderungen an der Kontrolle und sollten wie Änderungen an Schwellenwerten getestet und genehmigt werden.

Unscharfer Abgleich

Ein exakter Abgleich scheitert, weil Namen keine stabilen Zeichenfolgen sind. Dieselbe Person kann mit unterschiedlichen Schreibweisen, Wortfolgen und Schriftsystemen erfasst sein. Unscharfer Abgleich bewertet, wie ähnlich zwei Namen sind, statt vollständige Übereinstimmung zu verlangen. Zu den häufigen Schwierigkeiten gehören:

• Transliteration: Namen aus arabischer, kyrillischer, chinesischer, koreanischer oder anderer Schrift können auf viele Arten in lateinischen Buchstaben wiedergegeben werden. Daher benötigt ein System Transliterationvarianten oder einen phonetischen Vergleich;
• Reihenfolge und Struktur von Namen: Familienname an erster oder letzter Stelle, Patronyme, zusammengesetzte Nachnamen, Namenspartikel und Anredeformen;
• Abschneidungen und Initialen: Namen, die durch ein Formularfeld gekürzt oder mit Initialen erfasst werden;
• Aliase: Ein Treffer für einen beliebigen aufgeführten Alias zählt, aber schwache Aliase verursachen Störmeldungen;
• Unternehmensnamen: Rechtsformzusätze, übersetzte Namen und Abkürzungen.

Algorithmen kombinieren Maße zur Levenshtein-Distanz, phonetische Codes und Tokenvergleiche zu einem Trefferwert. Der Trefferwert allein sollte keine Entscheidung bestimmen. Sekundäre Identifikatoren wie Geburtsdatum, Nationalität, Geburtsort, Identitätsdokumentnummern und Registrierungsnummern unterscheiden einen tatsächlichen Treffer von einer namensgleichen Person. Unvollständige Geburtsdaten sind in Listen üblich: Ein Eintrag kann nur ein Jahr oder „circa“ ein Jahr oder mehrere mögliche Daten enthalten. Ein Kunde, der in diesem Jahr geboren wurde, stimmt mit dem Eintrag überein; ein Kunde, der Jahrzehnte später geboren wurde, nicht.

Screening bei der Aufnahme und erneutes Screening

Das Screening bei der Aufnahme verhindert, dass eine gelistete Person in den Kundenbestand gelangt. Erneutes Screening hält den Kundenbestand sauber, wenn sich Listen und Daten ändern. Es sind drei Auslöser erforderlich:

1. Listenänderung: Jede Ergänzung oder Änderung wird in der Regel noch am selben Tag mithilfe einer Differenzdatei mit dem gesamten Kundenbestand abgeglichen.
2. Änderung von Kundendaten: Ein neuer Name, eine neue Nationalität, Adresse oder ein neuer wirtschaftlich Berechtigter löst das Screening des geänderten Datensatzes aus.
3. Regelmäßiges vollständiges erneutes Screening: Ein vollständiger Durchlauf erkennt alles, was bei den Differenzabgleichen übersehen wurde, etwa eine Änderung der Abgleichregeln oder eine fehlgeschlagene Einspielung.

Ein Unternehmen, das nur bei der Aufnahme screent, übersieht Kunden, die erst nach Beginn ihrer Geschäftsbeziehung gelistet werden. Dies ist einer der am häufigsten in öffentlichen Vollstreckungsmaßnahmen angeführten Verstöße.

Abstimmung von Schwellenwerten: falsch-positive und falsch-negative Treffer

Jeder Trefferwert wird mit einem Schwellenwert verglichen. Ein niedrigerer Schwellenwert erkennt mehr Varianten und erzeugt mehr Meldungen; ein höherer Schwellenwert verringert Störmeldungen, erhöht aber das Risiko, einen Treffer zu übersehen.

Da ein falsch-negativer Treffer einen Verstoß darstellen kann, sollten Schwellenwerte anhand von Tests und nicht anhand des Beschwerdeaufkommens festgelegt werden. Bewährt hat es sich, eine Testdatei mit gezielt eingespielten Namen durch die Produktionskonfiguration laufen zu lassen. Sie sollte Transliterationvarianten, umgestellte Namen, Tippfehler und Aliase tatsächlicher Listeneinträge enthalten. Anschließend wird gemessen, wie viele davon das System bei verschiedenen Schwellenwerten erkennt. Eine Stichprobe unterhalb des Schwellenwerts, bei der Analysten eine Zufallsauswahl knapp verfehlter Paare prüfen, zeigt, was übersehen wird. Die Wolfsberg-Leitlinie erwartet eine Abstimmung vor dem Einsatz und fortlaufend danach sowie unabhängige Tests, die durch Kennzahlen gestützt werden.

Bearbeitung und Dokumentation von Meldungen

Ein Analyst, der eine Meldung bearbeitet, vergleicht die Kundendaten mit dem Listeneintrag, Kennung für Kennung, und dokumentiert eine Entscheidung: falsch-positiver Treffer, möglicher Treffer mit erforderlicher Eskalation oder tatsächlicher Treffer. Tatsächliche und mögliche Treffer werden an den Sanktionsbeauftragten weitergeleitet; bestätigte Treffer lösen die Schritte zum Einfrieren, Sperren und Melden aus. Ein Datensatz könnte wie folgt aussehen:

{
  "alert_id": "SAN-2026-004417",
  "list_source": "UN Consolidated List",
  "list_version": "2026-10-27T18:05Z",
  "list_ref": "QDi.xxx",
  "customer_id": "C-88213",
  "match_score": 0.91,
  "matched_field": "alias",
  "comparison": {"name": "partial", "dob": "customer 1994 vs listed circa 1961",
                 "nationality": "different", "document": "no listed number"},
  "decision": "false_positive",
  "rationale": "Shared surname only; DOB 33 years apart; nationality differs",
  "analyst": "A-117", "reviewed_by": "A-042",
  "closed_at": "2026-10-28T09:14Z"
}

Der Datensatz nennt die Listenversion, sodass ein Auditor nachvollziehen kann, welche Daten das System gesehen hat; er vergleicht jede Kennung, statt lediglich festzuhalten, „nicht dieselbe Person“; und er weist eine Zweitprüfung aus, die viele Unternehmen bei tatsächlichen Treffern und bei einer Stichprobe falsch-positiver Treffer verlangen. Die Listenreferenz ist hier gekürzt, da es sich um ein fiktives Beispiel handelt.

Wiederholte falsch-positive Treffer bei demselben Kunden können durch einen Eintrag auf einer Good-Guy-Liste unterdrückt werden, jedoch nur für dieses Kunden-Eintrag-Paar und mit einer Begründung, einer genehmigenden Person sowie einem Ablauf- oder Prüftermin. Ändert sich der Listeneintrag, muss die Unterdrückung automatisch auslaufen.

Prüfungsschwerpunkt: Listenverwaltung und Nachweisführung für jede Einspielung (Quelle, Version, Zeitstempel, Anzahl); erneutes Screening des gesamten Kundenbestands innerhalb weniger Stunden nach einer Listenänderung; was gescreent werden muss, einschließlich wirtschaftlich Berechtigter sowie Auftraggeber- und Begünstigtennamen in Travel-Rule-Nachrichten; Probleme beim unscharfen Abgleich (Transliteration, Namensreihenfolge, Aliase, schwache Aliase) und die Rolle sekundärer Identifikatoren, einschließlich unvollständiger Geburtsdaten; die drei Auslöser für erneutes Screening; falsch-positive gegenüber falsch-negativen Treffern und die Abstimmung anhand gezielt erstellter Testdateien sowie Stichproben unterhalb des Schwellenwerts; Inhalte eines vollständigen Meldungsdatensatzes; kontrollierte Good-Guy-Listen.