Übersetzungen dieser Website in andere Sprachen als Englisch werden von KI unterstützt. Wir garantieren keine Genauigkeit und haften nicht für Fehler oder Schäden, die sich aus der Nutzung der übersetzten Inhalte ergeben. Im Falle von Unstimmigkeiten oder Unklarheiten gilt die englische Version als maßgebend.
Daten in Chancen verwandeln: Metrik des Monats - Mapping Network
Qualitativ hochwertige Daten sind mehr als nur ein Benchmark - sie sind eine strategische Notwendigkeit für globales Vertrauen, Compliance und Interoperabilität. In diesem Blog erläutert Zornitsa Manolova, Leiterin der Abteilung Datenqualität und Data Science bei GLEIF, die Bedeutung des GLEIF-Mapping-Netzwerks für die Interoperabilität zwischen parallelen ID-Plattformen, die Rationalisierung von Prozessen zur Überprüfung von Unternehmen und die Senkung der Datenverwaltungskosten für Datennutzer.
Autor: Zornitsa Manolova
Datum: 2025-10-08
Ansichten:
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 mit dem Mapping Network von GLEIF
Das Global LEI System (GLEIS) wurde entwickelt, um Daten von Rechtsträgern transparent, zugänglich und wiederverwendbar zu machen - für jeden und überall. Alle LEI-Daten und die zugehörigen Beziehungsdateien werden als offene Datensätze veröffentlicht, so dass Marktteilnehmer, Regulierungsbehörden und Forscher auf der Grundlage einer gemeinsamen und vertrauenswürdigen Grundlage hochwertiger Daten zusammenarbeiten können. Dieses Engagement für Open Data verbessert die finanzielle Inklusion, fördert die Zusammenarbeit und stellt sicher, dass hochwertige Referenzdaten für Unternehmen für alle verfügbar sind.
Wie in unserem jüngsten Blog "Building a transparent future with open data, AI, and the LEI" beschrieben, haben GLEIF und Open Ownership Anfang des Jahres eine neue strategische Initiative gestartet, das Global Open Data Integration Network (GODIN) - ein Rahmenwerk, das die Verfügbarkeit von vertrauenswürdigen, maschinenlesbaren und offen lizenzierten Unternehmensdaten weltweit misst und fördert. GODIN verkörpert unsere Überzeugung, dass Open Data nicht nur ein Prinzip, sondern ein Katalysator für Innovationen ist, der es Organisationen, Regulierungsbehörden und Entwicklern ermöglicht, auf einer gemeinsamen Grundlage zuverlässiger Informationen zusammenzuarbeiten.
Die Bedeutung des LEI-Mappings
LEI-Mapping ist entscheidend für die Gewährleistung der Interoperabilität zwischen parallelen ID-Plattformen. Durch die Verknüpfung weit verbreiteter Identifikatoren mit weltweit anerkannten LEIs direkt aus ihren jeweiligen Datenquellen verwandeln GLEIF und seine Partner fragmentierte Identifikatoren in ein verbundenes, offenes Netzwerk. Zu den Identifikatoren, denen der LEI bereits zugeordnet ist, gehören: SWIFTs Business Identifier Code (BIC) und Marketer Identifier Code (MIC); die International Securities Identification Number (ISIN) der Association of National Numbering Agencies; S&P Global Market Intelligence's S&P CIQ Company ID; OpenCorporates' IDs; und Qichacha's QCC Code.
Diese zertifizierten Mappings ermöglichen eine nahtlose Interoperabilität zwischen Daten aus verschiedenen Systemen und Rechtsordnungen und erleichtern eine Reihe von Anwendungen, einschließlich grenzüberschreitender Compliance, Risikoanalyse, Finanzmarktforschung und Due Diligence. Neben der Verknüpfung von Daten erhöht LEI-Mapping auch die Transparenz und das Vertrauen und reduziert gleichzeitig die Kosten und die Komplexität des Datenabgleichs.
Um den Wert des offenen Mappings weiter zu fördern und eine breitere Beteiligung anzuregen, entwickelt GODIN nun einen Open-Source-Bereich, der das transformative Potenzial der Zusammenarbeit zwischen Organisationen demonstriert. Das erste veröffentlichte Jupyter Notebook ist das Ergebnis der Zusammenarbeit zwischen GLEIF und GODINs neuer Mitgliedsorganisation: Open Data Services. Das Notebook wird zeigen, wie bestehende Mappings genutzt werden können, um reale Erkenntnisse zu gewinnen. Dies ermöglicht es jedem, Beziehungen zwischen Identifikatoren und LEIs anhand von offenen Live-Daten zu erforschen, zu analysieren und zu visualisieren. Indem wir das Potenzial dieser Mappings aufzeigen, wollen wir mehr Datenanbieter dazu ermutigen, sich der Initiative anzuschließen, den Erfassungsbereich zu erweitern und die Innovation im gesamten globalen Finanzökosystem zu beschleunigen. Gemeinsam verwandeln Offenheit und Mapping die Daten von Rechtsträgern in ein mächtiges öffentliches Gut.
Ein Blick auf unsere Mapping-Partner:
SWIFT (BIC & MIC): Seit Februar 2018 haben GLEIF und SWIFT eine Open-Source-Beziehungsdatei veröffentlicht, die Business Identifier Code (BIC) -Datensätze auf LEI-Datensätze abbildet. Dies ermöglicht es Finanzinstituten, Bankidentifikatoren mit weltweit anerkannten Unternehmensdaten zu verknüpfen, um Zahlungen, Nachrichtenübermittlung und aufsichtsrechtliche Meldungen zu unterstützen. Derzeit sind insgesamt 39.211 BIC-zu-LEI-Zuordnungen verfügbar.
In ähnlicher Weise pflegt GLEIF seit November 2022 das Mapping von Market Identifier Code (MIC) -Kennungen auf LEIs, was eine direkte Verknüpfung von Marktbetreibern und Handelsplätzen mit ihren jeweiligen Rechtsträgern ermöglicht. Mit bereits 1.001 Zuordnungen unterstützt dies die aufsichtsrechtliche Berichterstattung im Rahmen von Regelungen wie MiFID II (Märkte) und SFTR (Wertpapierfinanzierung) und erleichtert die Aggregation von Gegenparteien, die Risikoüberwachung und den Abgleich von Handels- oder Marktplatzkennungen.
Association of National Numbering Agencies (ANNA): Ab April 2019 stellt GLEIF täglich Dateien zur Verfügung, die internationale Wertpapierkennnummern (ISIN) auf LEIs abbilden und zeigen, welche juristische Person jedes Wertpapier ausgegeben hat. Mit Stand vom 2. Oktober haben wir 94.015 eindeutige Emittenten mit LEIs und 7.441.649 Zuordnungen sind vorhanden. Diese Initiative erhöht die Transparenz und stärkt die Risikoanalyse auf den Kapitalmärkten.
S&P Global Market Intelligence (S&P CIQ): Das im November 2022 eingeführte Mapping zwischen S&P Global Market Intelligence (S&P CIQ) Company IDs und LEI-Datensätzen verbindet einen der umfangreichsten proprietären Unternehmensdatensätze mit dem GLEIS. Diese wöchentlich aktualisierte Verknüpfung von 3.056.323 Datensätzen hilft Unternehmen, ihre internen S&P CIQ-basierten Datensätze mit standardisierten LEIs abzugleichen und so Compliance, Risikobewertung und aufsichtsrechtliche Berichterstattung zu vereinfachen. Durch die Verknüpfung dieser beiden wichtigen Kennzeichnungssysteme schafft diese Zuordnung Klarheit und Konsistenz für Millionen von Unternehmensprofilen, die im gesamten Finanzsektor verwendet werden.
OpenCorporates ID (OCID): Im April 2023 starteten GLEIF und OpenCorporates die erste zweiwöchentliche Open-Source-Beziehungsdatei, die OpenCorporates Entity IDs mit LEIs verknüpft. Für das Mapping werden Daten aus der OpenCorporates-Datenbank mit über 220 Millionen Unternehmen (aus ~145 Rechtsordnungen) verwendet. 1.529.589 der weltweiten LEI-Population sind nun mit der OpenCorporates-Datenbank verknüpft, obwohl einige LEIs zu Unternehmen gehören, die nicht von Unternehmensregistern erfasst werden (z. B. Fonds), was die vollständige Abdeckung einschränkt.
Qichacha (QCC): Das im April 2025 gestartete QCC-LEI-Mapping erweitert das GLEIF-Netzwerk offener Daten auf Chinas Unternehmenslandschaft. Durch die Verknüpfung der lokalen Unternehmenskennungen von QCC mit weltweit anerkannten LEIs bildet dieser monatlich veröffentlichte Datensatz eine wichtige Brücke zwischen chinesischen Unternehmensdaten und internationalen Referenzdaten. Mit 1.930.040 bereits verfügbaren Zuordnungen eröffnet die Initiative neue Möglichkeiten für transparente grenzüberschreitende Analysen, Compliance-Checks und Marktforschung in Bezug auf in China ansässige Unternehmen.
Daten in Chancen verwandeln
GODIN erschließt neue Möglichkeiten für Innovation und Zusammenarbeit. Da immer mehr Organisationen Identifikatoren zur GLEIF Mapping-Initiative beisteuern, zeigt der Open-Source-Bereich von GODIN, wie diese Datensätze genutzt werden können. Wenn Ihre Organisation durch die Teilnahme an GODIN zu mehr Transparenz, Effizienz und Vertrauen in globalen Datenökosystemen beitragen möchte - oder wenn Sie Ideen für Open-Source-Skripte haben, die der Öffentlichkeit einen Nutzen bringen könnten - würden wir uns freuen, von Ihnen zu hören. Bitte melden Sie sich bei uns unter godin@gleif.org.
Falls Sie einen Blogbeitrag kommentieren möchten, besuchen Sie zum Posten Ihres Kommentars bitte die Blog-Funktion auf der englischsprachigen GLEIF-Website. Bitte identifizieren Sie sich mit Ihrem Vor- und Nachnamen. Ihr Name erscheint neben Ihrem Kommentar. Die E-Mail-Adresse wird nicht veröffentlicht. Bitte beachten Sie, dass Sie sich durch Zugriff auf oder Beiträge zum Diskussionsforum verpflichten, die Bedingungen der GLEIF-Blogging-Richtlinie einzuhalten. Lesen Sie sich diese daher sorgfältig durch.
Zornitsa Manolova leitet das Team für Datenqualitätsmanagement und Datenwissenschaft bei der Global Legal Entity Identifier Foundation (GLEIF). Seit April 2018 ist sie für die Erweiterung und Verbesserung der etablierten Rahmenordnung zu Datenqualität und Daten-Governance durch Umsetzung innovativer Ansätze zur Datenanalyse zuständig. Zuvor leitete sie Projekte zur Analyse forensischer Daten im Rahmen internationaler Finanzuntersuchungen bei PwC Forensics. Sie verfügt über ein deutsches Diplom in Informatik mit Schwerpunkt auf Maschinellem Lernen von der Philipps-Universität Marburg.
