Daten in Chancen verwandeln: Metrik des Monats - Festlegen von Regeln für die Datenqualität

Hochwertige Daten sind mehr als nur ein Maßstab - sie sind eine strategische Notwendigkeit für globales Vertrauen, Compliance und Interoperabilität. In diesem Blog zeigt Zornitsa Manolova, Leiterin des Datenqualitätsmanagements und der Datenwissenschaft bei GLEIF, wie ein strukturierter, regelbasierter Ansatz für Datenqualitätsprüfungen dazu beiträgt, die Integrität der LEI-Referenzdaten im gesamten globalen LEI-System sicherzustellen.

---

---

In einer zunehmend vernetzten globalen Wirtschaft ist die Fähigkeit von Unternehmen, Daten zu vertrauen und effektiv zu nutzen, die Grundlage für Innovation, Wachstum und Wettbewerbsfähigkeit.

Ein hochwertiges Datenökosystem ist ein Motor für Veränderungen und Innovationen, der es Unternehmen ermöglicht, neue Chancen zu erkennen und zu nutzen. Gleichzeitig kann eine niedrige Datenqualität zu Ineffizienzen und Risiken in Bezug auf Vorschriften und Reputation führen.

GLEIF setzt sich für die Optimierung der Qualität, Zuverlässigkeit und Nutzbarkeit von LEI-Daten ein. Seit 2017 veröffentlicht GLEIF monatliche Berichte, um das Gesamtniveau der Datenqualität im globalen LEI-System transparent zu machen.

Um das Verständnis und das Bewusstsein der Branche für die Datenqualitätsinitiativen von GLEIF zu fördern, werden in dieser neuen Blogserie die in den Berichten enthaltenen Schlüsselmetriken untersucht.

Der Blog dieses Monats befasst sich weiterhin mit der Festlegung von Regeln für die Datenqualität.

Im heutigen vernetzten Finanzsystem ist die Zuverlässigkeit von Legal Entity-Referenzdaten von größter Bedeutung. Aus diesem Grund hat die Global Legal Entity Identifier Foundation (GLEIF) in enger Zusammenarbeit mit dem Regulatory Oversight Committee (ROC) und den LEI-ausstellenden Organisationen die Bemühungen zur Verbesserung der Standards für die Datenqualität im gesamten Global LEI System vorangetrieben.

Zur Unterstützung seiner Aufgabe, außergewöhnliche Datenstandards aufrechtzuerhalten, hat GLEIF ein strukturiertes Rahmenwerk für das Datenmanagement eingeführt, das eine Reihe von transparenten und messbaren Kriterien für die Datenqualität definiert. Diese Kriterien definieren, was qualitativ hochwertige Daten ausmacht und dienen als objektiver Maßstab für die Bewertung der Integrität von LEI-Referenzdaten.

Die Datenqualitätsprüfungen von GLEIF wurden sorgfältig entwickelt, um die Compliance von LEI-Referenzdaten mit den neuesten State Transition and Validation Rules sicherzustellen, die die Geschäftsregeln und ihre technische Umsetzung für die Ausgabe, Aktualisierung, Verwaltung und Veröffentlichung im Common Data File (CDF) Format beschreiben.

In diesem Blog wird untersucht, wie Datenqualitätsprüfungen durch Datenqualität Rule Setting definiert werden und wie dies zu einer vertrauenswürdigeren und effizienteren globalen Finanzinfrastruktur beiträgt.

Was ist Datenqualität Rule Setting?

Die Festlegung von Datenqualitätsregeln ist ein strukturierter und systematischer Ansatz, der regelt, wie die einzelnen Datenqualitätsprüfungen definiert, interpretiert und im gesamten globalen LEI-System angewendet werden. Dieser Mechanismus stellt sicher, dass jede Prüfung der Datenqualität mit einer spezifischen Struktur entwickelt wird, die vier Schlüsselkomponenten umfasst:

• Reifegrad - definiert die Entwicklung der Verbesserungen in den Prozessen, die mit den gemessenen Daten verbunden sind.
• Qualitätskriterium - wie gut die Daten mit einem der festgelegten Qualitätsprinzipien übereinstimmen (z. B. Genauigkeit, Gültigkeit).
• Prüfabsicht - definiert das Ziel oder den Grund für die Regel.
• Formalisierte Logik - ausgedrückt als eine Kombination aus einer Vorbedingung und einer Bedingung.

Die Prüfungen folgen einem logischen "wenn-dann"-Format: Wenn eine bestimmte Vorbedingung (X) erfüllt ist, dann muss auch eine bestimmte Bedingung (Y) erfüllt sein.

Wenn beispielsweise ein Rechtsträger als "im Ruhestand" gekennzeichnet ist (Vorbedingung), muss ein entsprechendes Rechtsträgerereignis im Datensatz vorhanden sein (Bedingung). Erfüllt ein Datensatz die Voraussetzung nicht, wird die Prüfung als nicht anwendbar betrachtet. Erfüllt ein Datensatz die Vorbedingung, aber nicht die Bedingung, so gilt die Prüfung als nicht bestanden. Sind beide Bedingungen erfüllt, wird die Prüfung als bestanden gewertet.

Durch die genaue Definition der Logik für jede Prüfung der Datenqualität gewährleistet das Regelwerk die Reproduzierbarkeit, bei der jeder Datenpunkt im gesamten Global LEI System jedes Mal auf die gleiche Weise berechnet wird. Dies ermöglicht eine transparente, konsistente und skalierbare Bewertung der Datenqualität für Millionen von LEI-Datensätzen und erleichtert die kontinuierliche Verbesserung und Anpassung an globale Standards.

Zur Unterstützung einer noch größeren Transparenz und betrieblichen Flexibilität werden jeder Datenqualitätsprüfung außerdem Tags zugewiesen, die ihren Status im Lebenszyklus der Implementierung widerspiegeln. Diese Tags helfen, die Prüfungen zu kategorisieren und ihre Überwachung, Konsultation und Berichterstattung zu rationalisieren. Sie beinhalten:

• Vorschau - Die Prüfung wurde vollständig entwickelt, getestet und von GLEIF freigegeben. Die Ergebnisse sind für LEI-ausstellende Organisationen sichtbar, werden aber noch nicht in der öffentlichen Berichterstattung verwendet. Diese Phase bietet einen frühen Zugang und unterstützt die Vorbereitungsarbeiten vor der offiziellen Konsultation.
• Konsultation - Der Check wird aktiv mit LEI-ausstellenden Organisationen konsultiert. In dieser Phase wird Feedback eingeholt, um die Logik, die Auswirkungen und die Anwendbarkeit der Prüfung zu optimieren.
• Bericht - Die Prüfung hat die Konsultation bestanden und wird offiziell angenommen. Die Ergebnisse fließen nun in öffentliche Veröffentlichungen wie den globalen LEI-Datenqualitätsbericht und LEI-Emittenten-spezifische Datenqualitätsberichte ein.

Jährliche Konsultation zur Regelsetzung 2025

Letztendlich ist das Rule Setting die Grundlage, auf der die in dieser Metrik des Monats vorgestellten Leistungsindikatoren (KPIs) aufbauen, vom Total Datenqualität Score (TDQS) bis hin zu den Maturity Levels und den Ergebnissen der einzelnen Qualitätskriterien. Dies bedeutet, dass eine kontinuierliche Verbesserung in Zusammenarbeit mit den Teilnehmern des Ökosystems unabdingbar ist, um Vertrauen und Transparenz zu fördern.

Am 3. Juli 2025 eröffneten GLEIF und die LEI-Vergabestellen die Konsultationsphase für die Festlegung der Regeln für 2025. In den nächsten sechs Wochen werden die Interessengruppen 22 neue und 24 aktualisierte Prüfungen prüfen, bevor sie im Laufe des Jahres 2025 in die Produktion aufgenommen werden. Es wird erwartet, dass diese Ergänzungen und Aktualisierungen die Standardisierung und Zuverlässigkeit des gesamten globalen LEI-Systems verbessern werden.

Zu den Highlights gehören:

1. KI-gestützte LENU-Prüfung - LENU (Rechtsträger Name Understanding), ein Open-Source-Modell für maschinelles Lernen, das gemeinsam von GLEIF und Sociovestix Labs entwickelt wurde, schlägt jetzt ELF-Codes (Entity Legal Form) in 22 Rechtsordnungen vor, wodurch der manuelle Zuordnungsaufwand verringert und die Konsistenz weltweit verbessert wird.
2. Umfassendere Mustervalidierung - verbesserte Regex-Regeln legen die Messlatte für Postleitzahlen und lokale Identifikatoren höher, erfassen mehr Grenzfälle und reduzieren falsch-positive Ergebnisse.
3. Fünf neue Codelisten - diese kuratierten Listen bieten zusätzliche Struktur und decken Situationen wie folgende ab:
   • Entitäten, die keine Eltern oder Kinder haben können
   • Erwartete Registrierungsbehörden für bestimmte ELF-Codes
   • Geeignete Rechtsformen für staatliche Stellen
   • Behörden, die keine Identifikatoren vergeben

Nach Abschluss der Konsultation werden die relevanten Prüfungen unter dem Tag "Bericht" kategorisiert, so dass sie sowohl im Berichtsbereich als auch im Dashboard sichtbar sind. In den Berichten über die Datenqualität werden diese Prüfungen unter den "Top 5 Failing Checks" aufgeführt und bieten so einen Überblick über kritische Bereiche, die Aufmerksamkeit erfordern.

Spotlight Juli: Prüfung C000438

Jeder Eintrag in den Berichten zur Datenqualität gibt die Anzahl der LEI-Vergabestellen an, die von fehlgeschlagenen Prüfungen betroffen sind, und nennt die Organisation mit der höchsten Fehlerquote. Im Juli wurde die Prüfung C000438 als die am häufigsten fehlgeschlagene Prüfung ermittelt. Mit dieser Prüfung wird sichergestellt, dass jede von einem LEI-Emittenten gemeldete direkte Mutterbeziehung mit der offengelegten obersten Muttergesellschaft übereinstimmt. Sie benachrichtigt LEI-Emittenten über jegliche Diskrepanzen in der Beziehungsstruktur, die der Kette der direkten Muttergesellschaften folgt, gegenüber der obersten Muttergesellschaft der Unternehmensstruktur. Insgesamt wurden im Juli durchschnittlich 22 Verstöße registriert, was einen Rückgang gegenüber den 64 durchschnittlichen Verstößen im Juni bedeutet. Dies gibt einen wertvollen Einblick, wie sich die Datenqualität der Emittenten im Laufe der Zeit entwickelt.

Daten in Chancen umwandeln

GLEIF und das ROC leiten mehrere spezialisierte Arbeitsgruppen, darunter die Arbeitsgruppe Datenqualität. Diese Teams antizipieren neue Bedürfnisse und setzen sie in praktische Verbesserungen um, von neuen Datenqualitätsprüfungen bis hin zu aktualisierten technischen Standards. Dieser gemeinschaftliche, multidisziplinäre Ansatz sorgt dafür, dass das LEI-Ökosystem in einer zunehmend digitalen und vernetzten Wirtschaft seinen Zweck erfüllt.

Durch die Verbindung von strengen Standards, Transparenz und Feedback aus der Community verwandelt GLEIF qualitativ hochwertige Daten in einen strategischen Vorteil, der den Marktteilnehmern weltweit Effizienzgewinne, Risikominderung und Innovation ermöglicht.

---