KYB automatisieren: Firmenprüfung ohne das manuelle Aktenpaket

KYB weist nach, dass ein Unternehmen das ist, was es zu sein vorgibt, und ermittelt anschließend, wer es letztlich kontrolliert. Das zu automatisieren heißt, einen Antragsteller über Handelsregister hinweg aufzulösen, Eigentümer und Geschäftsführer aus Dokumenten zu extrahieren, die keinem gemeinsamen Format folgen, die Beteiligungskette bis zu den natürlichen Personen dahinter abzulaufen und das Ergebnis dann zu bewerten. Es ist eine Pipeline, kein Formular.

Die manuelle Variante ist ein Aktenpaket. Ein Analyst zieht den Registerauszug, öffnet die Gründungsurkunde, liest ein Gesellschafterverzeichnis, gleicht Namen gegen Sanktions- und PEP-Listen ab und stellt eine Akte zusammen, die eine zweite Person abzeichnet. Wenig von dieser Zeit fließt in echtes Urteilsvermögen. Das meiste geht dafür drauf, Kennungen zwischen Systemen zu kopieren, eine Beteiligungstabelle aus einem gescannten PDF abzutippen und einen Firmennamen abzugleichen, den Register, Antragsteller und Kontoauszug jeweils unterschiedlich schreiben. Genau bei diesem Kopieren rechtfertigt sich die Automatisierung, und genau hier richtet eine falsche Zahl echten Schaden an, denn ein übersehener 30-Prozent-Eigentümer ist ein Compliance-Versagen, kein Tippfehler.

Zuerst das Unternehmen auflösen

Bevor man irgendetwas verifizieren kann, muss man wissen, welches Unternehmen überhaupt gemeint ist. Der Antragsteller nennt einen Namen, vielleicht eine Registernummer, eine Adresse und ein Land. Nichts davon ist für sich genommen verlässlich. Namen werden von Hand eingegeben und driften ab. Registernummern folgen je nach Jurisdiktion unterschiedlichen Formaten und werden falsch übertragen. Adressen sind oft die Kanzlei des Buchhalters, geteilt von Hunderten von Mantelgesellschaften.

Die erste Stufe ist daher Entity Resolution gegen autoritative Quellen: das nationale Handelsregister, das LEI-System und alle ergänzenden Register, die die von Ihnen bedienten Jurisdiktionen abdecken. Auf die Mechanik kommt es an.

• Zuerst über starke Schlüssel blocken. Eine Registernummer plus Land oder eine LEI liefert ein nahezu sicheres Match und überspringt das Fuzzy-Scoring vollständig.
• Wenn Sie auf Namens- und Adressabgleich zurückfallen, normalisieren Sie Rechtsformzusätze (GmbH, Ltd, S.A.) und scoren Sie Kandidaten, statt den Top-Treffer zu akzeptieren. Ein knapp-aber-falsches Match ist schlimmer als gar kein Match, weil es stillschweigend die falsche Eigentümerstruktur anhängt.
• Halten Sie fest, gegen welche Quelle und wann Sie aufgelöst haben. Registerdaten ändern sich, und eine im März gegen einen veralteten Auszug getroffene Entscheidung muss sich später in einem Audit rekonstruieren lassen.

Das Ergebnis dieser Stufe ist eine kanonische Entität: ein Unternehmen, mit den Registerkennungen, dem Gründungsdatum, dem Status und der eingetragenen Adresse, denen Sie vertrauen, und einem Verweis auf den Quelldatensatz. Alles Nachgelagerte hängt daran.

Extraktion aus Dokumenten, die niemand standardisiert

Register liefern das Skelett. Das Fleisch kommt aus den Dokumenten, die der Antragsteller hochlädt, und das ist der schwierige Teil. Ein Gesellschafterverzeichnis aus einer Jurisdiktion ist eine saubere Tabelle; aus einer anderen eine gescannte Fotokopie mit handschriftlichen Anmerkungen. Gesellschaftsverträge verstecken Eigentumsverhältnisse in Fließtext. Gründungsurkunden, Gesellschafterbeschlüsse, Treuhandverträge und Passseiten kommen alle als PDFs oder Bilder ohne gemeinsames Schema an.

Wir behandeln Extraktion als typisiertes Problem mit erforderlichem Nachweispfad, nicht als Freitext-Zusammenfassung. Jedes Feld, das das Modell zieht, etwa ein Gesellschaftername, ein Prozentsatz oder ein Bestellungsdatum eines Geschäftsführers, trägt eine Zitatangabe zurück auf die Seite und die Stelle, aus der es stammt. Das bewirkt zweierlei. Es erlaubt einem Prüfer, eine Zahl in Sekunden statt durch erneutes Öffnen der Quelle zu kontrollieren, und es gibt Ihnen etwas, gegen das Sie Eval-Sets aufbauen können.

Die Evals sind nicht optional. Sie stellen ein gelabeltes Set realer Dokumenttypen je Jurisdiktion zusammen und messen Precision und Recall auf Feldebene. Der Fehler, der wehtut, ist selten eine verstümmelte Adresse; es ist eine Beteiligung, die als 2,5 Prozent gelesen wird, obwohl das Dokument 25 Prozent sagt, oder ein Eigentümer auf Seite vier, den der Extraktor nie zutage fördert. Prozentsätze, Daten und Kennungen erhalten eine strengere Validierung als beschreibende Felder, und alles, bei dem sich das Modell unsicher ist, wird an einen Menschen geroutet, statt still durchzulaufen.

Die Eigentümerkette bis zu den wirtschaftlich Berechtigten ablaufen

Beim wirtschaftlichen Eigentum hört KYB auf, Dateneingabe zu sein. Der Rechtsrahmen, an dem Sie sich in der EU meist orientieren, ist die Geldwäscherichtlinie, die einen wirtschaftlich Berechtigten als natürliche Person definiert, die direkt oder indirekt mehr als 25 Prozent der Anteile oder Stimmrechte hält oder anderweitig Kontrolle ausübt. Das Wort, das es schwer macht, ist indirekt.

Eigentum ist ein Graph. Eine Person hält 60 Prozent an Holding A, die wiederum 50 Prozent an der operativen Gesellschaft hält. Der effektive Anteil dieser Person beträgt 30 Prozent, über der Schwelle, obwohl sie direkt nichts hält. Kommen eine zweite Holding, eine ausländische Muttergesellschaft und ein Trust hinzu, hat der Graph Zyklen, fehlende Kanten und Knoten in Registern, die Sie nicht programmatisch auslesen können.

Die Pipeline baut diesen Graphen von der aufgelösten Entität aus nach außen, expandiert jeden Gesellschafter-Rechtsträger in dessen eigene Eigentümerstruktur, bis sie bei natürlichen Personen endet oder auf eine Wand stößt. Effektives Eigentum ist die Summe über alle Pfade zu einer Person aus dem Produkt der Prozentsätze entlang jedes Pfads. Eine über zwei Zweige erreichbare Person wird für beide gezählt. Wo ein Zweig bei einem ausländischen Rechtsträger endet, den Sie nicht expandieren können, raten Sie nicht. Sie markieren ihn als ungeklärt, und diese Lücke ist selbst ein Risikosignal, kein Rundungsfehler.

Scoring, und wo man die Maschine anhält

Der Screening- und Scoring-Schritt konsumiert die aufgelöste Entität, die extrahierten Attribute und die UBO-Liste. Jede identifizierte Person und das Unternehmen selbst werden gegen Sanktions-, PEP- und Adverse-Media-Quellen gematcht. Führen Sie dieses Matching mit den Kennungen durch, die Sie nun besitzen: Geburtsdatum, Jurisdiktion, Registernummer, statt mit Namen allein, sonst verdampft Ihr False-Positive-Budget beim ersten häufigen Nachnamen.

Der Risk-Score ist eine Funktion über konkrete Merkmale, und Sie sollten jedes einzelne davon benennen können: ungeklärte Eigentümerzweige, Jurisdiktion der Gründung und jedes UBO, Unternehmensalter gemessen am Register, Abweichung zwischen angegebener und eingetragener Adresse, Flags zur Dokumentqualität, Screening-Treffer und deren Match-Konfidenz sowie strukturelle Muster wie ein Geschäftsführer, der über Dutzende frisch gegründeter Rechtsträger hinweg auftaucht. Halten Sie das Modell interpretierbar genug, dass ein Prüfer sieht, warum ein Fall dort gelandet ist, wo er gelandet ist, und halten Sie die Merkmale in einem Feature Store, den Sie auditieren und auf Drift überwachen können, wenn sich der Mix der Antragsteller verschiebt.

Entscheiden Sie dann, wo die Straight-through Processing endet. Ein sauberer Antragsteller mit gematchtem Registereintrag, einer flachen, vollständig bis zu natürlichen Personen aufgelösten Eigentümerstruktur und ohne Screening-Treffer kann automatisch freigegeben werden. Eine ausländische Ebene, ein Nominee-Gesellschafter, ein unlesbares Dokument oder ein knapper Screening-Treffer sollte an einen Menschen geroutet werden, mit den bereits zusammengestellten Nachweisen. Der Nutzen zeigt sich in der Prüf-Queue: Ein Analyst öffnet eine Akte, in der Auflösung, Extraktion und Scoring bereits erledigt sind und jede Zahl eine Zitatangabe zurück auf ihre Quelle trägt.