Daten in Chancen verwandeln: „Metric in Motion“ – KI-gestützte Erkennung von Duplikaten

Hochwertige Daten sind mehr als nur ein Maßstab – sie sind eine strategische Notwendigkeit für globales Vertrauen, Compliance und Interoperabilität. In diesem Blogbeitrag erläutert Zornitsa Manolova, Leiterin des Bereichs Datenqualität und Data Science bei der GLEIF, wie KI die Erkennung von Duplikaten weiter verbessert, um eine eindeutige und zuverlässige Identifizierung von Rechtsträgern im gesamten globalen LEI-System zu fördern.

---

---

Jeder Legal Entity Identifier (LEI) ist einzigartig und kann nur einen Rechtsträger repräsentieren. Jeder Rechtsträger kann nur einen LEI-Code besitzen. Diese Grundsätze bilden die Grundlage des globalen LEI-Systems und ermöglichen es jedem, überall auf der Welt Rechtsträger zuverlässig zu identifizieren.

Die Vermeidung von Duplikaten bei den LEI-Datensätzen ist daher unerlässlich, um das Vertrauen in das globale LEI-System zu wahren, und stellt einen wesentlichen Bestandteil des proaktiven Programms zur Verbesserung der Datenqualität der GLEIF dar. Dank eines gut etablierten Prozesses zur Erkennung und Behebung von Duplikaten – bestehend aus präventiven Kontrollen, der Verpflichtung und Überprüfung durch die LEI-Vergabestellen sowie klaren operativen Verfahren – machen potenzielle Duplikate bereits weniger als 0,2 % aller Datensätze im Globalen LEI-System aus.

Stärkung der Erkennung von Duplikaten durch KI

Da Datenvolumen und Komplexität weiter zunehmen, setzt sich die GLEIF für weitere Verbesserungen der Prozesse zur Erkennung von Duplikaten ein. Insbesondere bietet KI neue Möglichkeiten, einen genaueren, skalierbareren und konsistenteren Ansatz zu fördern.

Eine wichtige Kontrollmaßnahme, die bereits durch KI verbessert wird, ist die „Prüfung auf Duplikate“-Funktion der GLEIF.

Die Prüfung auf Duplikate ist eine Funktion, die es LEI-Vergabestellen ermöglicht, vor der Veröffentlichung eines neuen LEI zu prüfen, ob der vorgeschlagene LEI und die zugehörigen Referenzdaten möglicherweise bereits im Global LEI Index vorhanden sind. Während des Vergabeprozesses werden neue Datensätze sowohl mit dem vollständigen LEI-Index als auch mit Datensätzen verglichen, die noch nicht von anderen LEI-Vergabestellen vergeben wurden. Dies trägt dazu bei, sicherzustellen, dass potenzielle Duplikate bereits vor der Veröffentlichung identifiziert und behoben werden können – selbst wenn sich der gleiche Rechtsträger an mehrere LEI-Vergabestellen wendet.

Dank KI-Unterstützung geht die Funktion nun über den bisherigen Algorithmus hinaus, der sich hauptsächlich auf einen unscharfen Namensabgleich stützte. Sie ermöglicht eine frühzeitigere Erkennung, einen effektiveren Vergleich potenziell verwandter Datensätze und eine koordinierte Klärung vor der Veröffentlichung.

So funktioniert es

Der verbesserte Prozess zur Erkennung von Duplikaten folgt einem strukturierten Arbeitsablauf, der aus drei Hauptschritten besteht:

• Vorverarbeitung:
  Der übermittelte Datensatz wird bereinigt und standardisiert. Dazu gehören das Entfernen von Satzzeichen, die Normalisierung von Leerzeichen, das Parsen des Datensatzes zur Extraktion relevanter Referenzdaten sowie die Generierung von Vektor-Einbettungen für den späteren Vergleich.
• Filterung:
  Ein KI-gestütztes Backend identifiziert anschließend potenzielle Übereinstimmungen. Der Prozess überprüft zunächst den LEI-Code und vergleicht dann die Registrierungsstellen und Registrierungskennungen. Ausgewählte Referenzdatenelemente werden ebenfalls in Vektor-Einbettungen umgewandelt und mit bestehenden Datensätzen im Global LEI Index abgeglichen. Datensätze mit potenziellen Übereinstimmungen werden anschließend an die Bewertungsphase weitergeleitet.
• Bewertung:
  In diesem Schritt werden diese potenziellen Übereinstimmungen weiter ausgewertet, um Fehlalarme zu reduzieren. Dabei werden Elemente wie der rechtliche Name, die Rechtsform, die Adresse, die Gerichtsbarkeit und das Gründungsdatum der Einheit berücksichtigt, wobei bestimmte Kategorien wie Fonds und Zweigniederlassungen gesondert behandelt werden.

Schnellere, skalierbare und konsistentere Erkennung von Duplikaten

Insgesamt stärkt dieser Prozess die Erkennung von Duplikaten, indem er Folgendes ermöglicht:

• Eine schnellere und frühzeitigere Erkennung potenzieller Duplikate, bevor ein neuer LEI im Global LEI Index veröffentlicht wird.
• Verbesserte Skalierbarkeit angesichts des kontinuierlichen Wachstums des Globalen LEI-Systems, da durch den Einsatz von Vektor-Embeddings Datensätze mit großen Mengen bestehender LEI-Referenzdaten abgeglichen werden können.
• Ein einheitlicher und standardisierter Ansatz, unabhängig von der Art und dem Standort der LEI-Vergabestelle.
• Strengere Kontrollen der Datenqualität durch die Überprüfung mehrerer Datenelemente, darunter LEI-Code, Registrierungsstelle, Identifikatoren, rechtlicher Name, Adresse, Rechtsordnung und Rechtsform.

Das Potenzial von KI für die Erkennung von Duplikaten nutzen

Durch KI-gestützte Vorverarbeitung, Filterung und Bewertung wird deutlich, wie KI die Funktion „Prüfung auf Duplikate“ skalierbarer, effizienter und kontextbezogener macht.

Damit KI zuverlässige Ergebnisse liefern kann, muss sie auf vollständigen und vertrauenswürdigen Daten basieren und durch klare Governance gestützt werden. Bei der GLEIF wird diese Governance durch proaktives Management der Datenqualität, etablierte Validierungsprozesse und die kontinuierliche Überwachung des globalen LEI-Systems gestärkt. KI-Empfehlungen werden mit transparenter Entscheidungsfindung, der kontinuierlichen Verfeinerung der Erkennungsmodelle sowie menschlicher Expertise und Aufsicht kombiniert, um genaue und konsistente Ergebnisse zu gewährleisten.

Gemeinsam unterstützen diese Elemente das anhaltende Engagement der GLEIF für ein proaktives Management der Datenqualität und die Aufrechterhaltung des Vertrauens im gesamten Globalen LEI-System.

---