> ## Documentation Index
> Fetch the complete documentation index at: https://docs.didit.me/llms.txt
> Use this file to discover all available pages before exploring further.

# AML-Übereinstimmungswert: Formel für Identitätskonfidenz

> Didits AML-Übereinstimmungswert misst Konfidenz per Name, Geburtsdatum und Land. Gewichte anpassen, um falsch-positive Treffer zu reduzieren.

Der **Übereinstimmungswert** ist eine gewichtete Konfidenzmetrik, die bestimmt, **wie genau ein potenzieller AML-Treffer mit der überprüften Person übereinstimmt**. Dieser Wert wird verwendet, um einzelne Treffer entweder als **Falsch positiv** oder als **Mögliche Treffer** einzustufen, die eine weitere Prüfung erfordern.

![Didit AML-Übereinstimmungswert-Konfiguration mit gewichteten Schwellenwerten für Name, Geburtsdatum und Land](https://mintcdn.com/didit-0f962782/z6T2GHM4Zh-iSj-K/images/aml-match-score-config.jpg?fit=max\&auto=format\&n=z6T2GHM4Zh-iSj-K\&q=85\&s=76d3124f99349a81e16e711f3d2816e6)

> ⚠️ **Wichtig:** Der Übereinstimmungswert bestimmt die **Klassifizierung einzelner Treffer**, NICHT den endgültigen AML-Status. Der endgültige AML-Status (Genehmigt/In Prüfung/Abgelehnt) wird durch den [Risiko-Score](https://docs.didit.me/de/core-technology/aml-screening/aml-risk-score.md) von Treffern bestimmt, die nicht falsch positiv sind.

## Übersicht

Beim Screening einer Person anhand von AML-Beobachtungslisten erhält jeder potenzielle Treffer einen **Übereinstimmungswert von 0-100**. Dieser Wert beantwortet die Frage: **„Handelt es sich bei diesem Treffer tatsächlich um dieselbe Person, die wir überprüfen?“**

### Übereinstimmungswert vs. Risiko-Score

| Aspekt | Übereinstimmungswert | Risiko-Score |
| - | - | - |
| **Frage** | Handelt es sich um dieselbe Person? | Wie risikoreich ist diese Entität? |
| **Zweck** | Treffer als Falsch positiv oder Möglicher Treffer einstufen | Endgültigen AML-Status bestimmen |
| **Faktoren** | Name, Geburtsdatum, Land, Dokumentennummer | Land, Kategorie, Vorstrafen |
| **Schwellenwert** | Schwellenwert für den Übereinstimmungswert (Standard: 93) | Schwellenwert für Genehmigung / Schwellenwert für Prüfung |

***

## Wie der Übereinstimmungswert den Prüfstatus bestimmt

Jeder Treffer wird anhand seines Übereinstimmungswerts klassifiziert:

| Übereinstimmungswert | Prüfstatus | Bedeutung |
| - | - | - |
| Wert unter dem Schwellenwert für den Übereinstimmungswert | **Falsch positiv** | Treffer ist wahrscheinlich NICHT dieselbe Person |
| Wert beim oder über dem Schwellenwert für den Übereinstimmungswert | **Nicht geprüft** | Treffer erfordert eine manuelle Prüfung |

> **Standard-Schwellenwert:** 93%

**Beispiel:** Bei einem Schwellenwert von 93:

* Treffer mit Wert 85 → **Falsch positiv** (automatisch verworfen)
* Treffer mit Wert 95 → **Nicht geprüft** (erfordert Prüfung, Risiko-Score bestimmt die Dringlichkeit)

### Erläuterung der Prüfstatus

Alle AML-Treffer beginnen basierend auf ihrem Übereinstimmungswert mit einem von zwei anfänglichen Status:

| Status | Beschreibung | Wann festgelegt |
| - | - | - |
| **Falsch positiv** | Der Treffer ist wahrscheinlich NICHT dieselbe Person wie die überprüfte Person. Aus der Risikobewertung ausgeschlossen. | Übereinstimmungswert \< Schwellenwert |
| **Nicht geprüft** | Der Treffer ist ein möglicher Treffer, der eine manuelle Prüfung zur Bestätigung oder Verwerfung erfordert. | Übereinstimmungswert ≥ Schwellenwert |

Nach einer manuellen Prüfung können Compliance-Beauftragte den Status aktualisieren auf:

| Status | Beschreibung |
| - | - |
| **Bestätigte Übereinstimmung** | Der Treffer wurde als dieselbe Person verifiziert. |
| **Nicht eindeutig** | Es kann nicht festgestellt werden, ob der Treffer dieselbe Person ist. |

> [!NOTE]
>
> ### **Tipp:** Sie können den Prüfstatus eines Treffers in der Console ändern, indem Sie die AML-Übersicht aufrufen oder auf einen bestimmten Treffer klicken, um dessen Details anzuzeigen.

***

## Wie der Übereinstimmungswert berechnet wird

### Schritt 1: Berechnung des Basiswerts

Der Basiswert wird anhand von drei Komponenten mit konfigurierbaren Gewichtungen berechnet:

```
Base Score = (Name Score × Name Weight) + (DOB Score × DOB Weight) + (Country Score × Country Weight)
```

| Komponente | Standardgewichtung | Beschreibung |
| - | - | - |
| **Name** | 60% | Fuzzy-String-Ähnlichkeit zwischen überprüftem Namen und Treffernamen |
| **Geburtsdatum** | 25% | Bewertung bei exakter Übereinstimmung, teilweiser Übereinstimmung (nur Jahr) oder Nichtübereinstimmung |
| **Land/Nationalität** | 15% | Abgleich zwischen überprüfter Staatsangehörigkeit und Ländern des Treffers |

> **Hinweis:** Die Gewichtungen müssen in der Summe immer 100% ergeben.

### Schritt 2: „Golden Key“-Logik für Dokumentennummern

Nach der Berechnung des Basiswerts wird die Dokumentennummer anhand einer speziellen Überschreibungslogik separat ausgewertet:

| Szenario | Auswirkung | Beispiel |
| - | - | - |
| **Übereinstimmung** | Wert auf **100** setzen | Passnummern stimmen exakt überein |
| **Neutral** | Basiswert unverändert beibehalten | Unterschiedliche Dokumenttypen oder eine Seite fehlt |
| **Harte Nichtübereinstimmung** | Abzug anwenden (-50 Punkte) | Gleicher Dokumenttyp, aber unterschiedliche Werte |

Dieser Ansatz berücksichtigt, dass eine übereinstimmende Dokumentennummer ein definitiver Identitätsnachweis ist (der „Golden Key“), während nicht übereinstimmende Dokumenttypen den Wert nicht negativ beeinflussen sollten.

***

## Details zum Scoring der Komponenten

### Namensähnlichkeit (0-100)

Der Namensabgleich verwendet den **WRatio-Algorithmus** von RapidFuzz, der robust ist gegenüber:

* Tipp- und Rechtschreibfehlern
* Unterschieden in der Wortreihenfolge („John Smith“ vs. „Smith, John“)
* Variationen bei zweiten Vornamen („Robert J. Smith“ vs. „Robert James Smith“)
* Längenunterschieden

### Scoring des Geburtsdatums

| Szenario | Score | Beispiel |
| - | - | - |
| **Genaue Übereinstimmung** | 100% | „1985-03-15“ stimmt mit „1985-03-15“ überein |
| **Jahresübereinstimmung (Treffer enthält nur das Jahr)** | 100% | „1985-03-15“ stimmt mit „1985“ überein — volle Übereinstimmung, da der Treffer nur Jahresgenauigkeit bietet |
| **Jahresübereinstimmung (unterschiedlicher Tag/Monat)** | 50% | „1985-03-15“ stimmt mit „1985-06-20“ überein — gleiches Jahr, aber die Datumsangaben weichen voneinander ab |
| **Jahresabweichung** | -100% (Abzug) | „1985-03-15“ stimmt nicht mit „1990-03-15“ überein |
| **Keine Daten** | 0% (neutral) | Auf einer der beiden Seiten fehlt das Geburtsdatum |

> **Wichtig:** Wenn der Treffer nur ein Jahr enthält (z. B. „1974“), zählt die Übereinstimmung dieses Jahres als **volle Übereinstimmung**, da dies die gesamten zur Verifizierung verfügbaren Informationen sind.

### Scoring von Land/Staatsangehörigkeit

| Szenario | Score | Beispiel |
| - | - | - |
| **Genaue Übereinstimmung** | 100% | „ES“ stimmt mit „Spanien“ oder „ESP“ überein |
| **Keine Daten beim Treffer** | 0% (neutral) | Treffer enthält keine Länderinformationen |
| **Abweichung** | -50% (Abzug) | „ES“ stimmt nicht mit „Frankreich“ überein |

Das System konvertiert automatisch zwischen:

* ISO-Alpha-2-Codes (ES)
* ISO-Alpha-3-Codes (ESP)
* Vollständigen Ländernamen (Spanien)

Zusätzlich zu `countries` prüft es auch das Feld `citizenship`.

***

## Score-Normalisierung (Neugewichtung)

Wenn Daten bei der überprüften Person oder beim Treffer fehlen, verwendet das System eine **Score-Normalisierung**, um nicht verfügbare Informationen nicht negativ zu werten.

### Beispiel: Reines Namens-Screening

Wenn Sie das Screening nur mit einem Namen durchführen (ohne Geburtsdatum oder Land):

| Ursprüngliche Gewichtungen | Normalisierte Gewichtungen |
| - | - |
| Name: 60% | Name: **100%** |
| Geburtsdatum: 25% | Geburtsdatum: 0% (nicht vergleichbar) |
| Land: 15% | Land: 0% (nicht vergleichbar) |

**Ergebnis:** Der Namens-Score wird zum gesamten Übereinstimmungswert.

### Beispiel: Fehlendes Land beim Treffer

Wenn der Treffer keine Länderdaten, aber ein Geburtsdatum aufweist:

| Ursprüngliche Gewichtungen | Normalisierte Gewichtungen |
| - | - |
| Name: 60% | Name: **70.6%** |
| Geburtsdatum: 25% | Geburtsdatum: **29.4%** |
| Land: 15% | Land: 0% (nicht vergleichbar) |

Dies gewährleistet ein faires Scoring unabhängig von der Datenverfügbarkeit.

***

## Konfigurationsoptionen

Sie können die Berechnung des Übereinstimmungswerts über die API oder die Workflow-Einstellungen anpassen:

### Schwellenwert für den Übereinstimmungswert

| Einstellung | Standard | Beschreibung |
| - | - | - |
| Schwellenwert für den Übereinstimmungswert | 93 | Treffer darunter werden als **falsch positiv** eingestuft. Treffer ab diesem Wert sind **nicht geprüft** (mögliche Treffer), die eine Überprüfung erfordern. |

### Gewichtungen (müssen in Summe 100 ergeben)

| Einstellung | Standard | Beschreibung |
| - | - | - |
| Namensgewichtung | 60 | Gewichtung für Namensähnlichkeit (0-100) |
| Gewichtung des Geburtsdatums | 25 | Gewichtung für das Geburtsdatum (0-100) |
| Ländergewichtung | 15 | Gewichtung für Land/Staatsangehörigkeit (0-100) |

***

## API-Anfragebeispiel

```json theme={null}
{
  "full_name": "John Doe",
  "date_of_birth": "1990-01-01",
  "nationality": "USA",
  "document_number": "SAMPLE-DOC-12345",
  "aml_name_weight": 60,
  "aml_dob_weight": 25,
  "aml_country_weight": 15,
  "aml_match_score_threshold": 93
}
```

***

## Antwort: Score-Aufschlüsselung

Jeder Treffer in der Antwort enthält:

* `match_score` — Der berechnete Übereinstimmungswert (0-100)
* `risk_score` — Der berechnete Risiko-Score (0-100) - siehe [Risiko-Score](https://docs.didit.me/de/core-technology/aml-screening/aml-risk-score.md)
* `review_status` — „falsch positiv“ oder „nicht geprüft“ basierend auf dem Schwellenwert für den Übereinstimmungswert
* `score_breakdown` — Detaillierte Aufschlüsselung der Berechnung des Übereinstimmungswerts

```json theme={null}
{
  "caption": "David Sanchez",
  "match_score": 95,
  "risk_score": 65.5,
  "review_status": "Unreviewed",
  "score_breakdown": {
    "name_score": 95,
    "name_weight": 60,
    "name_weight_normalized": 70.59,
    "name_contribution": 67.06,
    "dob_score": 100,
    "dob_weight": 25,
    "dob_weight_normalized": 29.41,
    "dob_contribution": 29.41,
    "country_score": 0,
    "country_weight": 15,
    "country_weight_normalized": 0,
    "country_contribution": 0,
    "document_number_match_type": "NEUTRAL",
    "document_number_effect": "No document number provided for screening",
    "total_score": 95
  }
}
```

***

## Vollständiger Ablauf: Vom Übereinstimmungswert zum endgültigen AML-Status

```
┌─────────────────────────────────────────────────────────────────────────────┐
│                           AML SCREENING FLOW                                 │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│  1. RETRIEVE MATCHES FROM WATCHLISTS                                        │
│     └── All matches with score ≥ 75% are included                           │
│                                                                             │
│  2. CALCULATE MATCH SCORE FOR EACH MATCH                                    │
│     Match Score = (Name × W1) + (DOB × W2) + (Country × W3)                │
│     + Golden Key document number logic                                      │
│                                                                             │
│  3. CLASSIFY MATCHES BY MATCH SCORE (Match Score Threshold = 93)           │
│     ├── Match Score < 93 → FALSE POSITIVE (excluded from risk assessment)  │
│     └── Match Score ≥ 93 → UNREVIEWED (included in risk assessment)        │
│                                                                             │
│  4. CALCULATE RISK SCORE FOR NON-FALSE-POSITIVE MATCHES                     │
│     Risk Score = (Country × 30%) + (Category × 50%) + (Criminal × 20%)     │
│                                                                             │
│  5. DETERMINE FINAL AML STATUS (based on highest risk score)               │
│     ├── Highest Risk Score < approve_threshold → APPROVED                   │
│     ├── Highest Risk Score ≤ review_threshold → IN REVIEW                   │
│     └── Highest Risk Score > review_threshold → DECLINED                    │
│                                                                             │
└─────────────────────────────────────────────────────────────────────────────┘
```

***

## Berechnungsbeispiele

### Beispiel 1: Starke Übereinstimmung → Nicht geprüft

**Geprüfte Daten:**

* Name: "Robert J. Smith"
* Geburtsdatum: "1985-03-15"
* Land: "US"

**Trefferdaten:**

* Name: "Robert James Smith"
* Geburtsdatum: "1985"
* Land: "United States"

**Berechnung:**

1. Namensbewertung: 90% (unscharfe Übereinstimmung)
2. Geburtsdatums-Score: 100% (Treffer enthält nur das Jahr, Jahr stimmt überein)
3. Länder-Score: 100% (exakte Übereinstimmung)

```
Match Score = (90 × 0.60) + (100 × 0.25) + (100 × 0.15)
            = 54 + 25 + 15
            = 94
```

**Ergebnis:** Übereinstimmungswert (94) ≥ Schwellenwert (93) → **Nicht geprüft**
→ Der Risiko-Score wird berechnet und für den endgültigen AML-Status verwendet

### Beispiel 2: Schwache Übereinstimmung → Falsch positiv

**Geprüfte Daten:**

* Name: "John Smith"
* Geburtsdatum: "1990-05-20"
* Land: "US"

**Trefferdaten:**

* Name: "Johnny Smithson"
* Geburtsdatum: "1975"
* Land: "Canada"

**Berechnung:**

1. Namensbewertung: 72% (schwache unscharfe Übereinstimmung)
2. Geburtsdatums-Score: -100% (Abzug für nicht übereinstimmendes Jahr)
3. Länder-Score: -50% (Abzug für nicht übereinstimmendes Land)

```
Match Score = (72 × 0.60) + (-100 × 0.25) + (-50 × 0.15)
            = 43.2 - 25 - 7.5
            = 10.7 → 11
```

**Ergebnis:** Übereinstimmungswert (11) \< Schwellenwert (93) → **Falsch positiv**
→ Dieser Treffer wird von der Risikobewertung ausgeschlossen

### Beispiel 3: Golden-Key-Überschreibung

**Geprüfte Daten:**

* Name: "John D. Smith"
* Dokumentnummer: "A12345678"

**Trefferdaten:**

* Name: "Jonathan David Smith"
* Dokumentnummer: "A12345678"

**Berechnung:**

1. Basis-Score: \~70 (Name-Fuzzy-Match)
2. Dokumentnummer: **ÜBEREINSTIMMUNG** (exakte Übereinstimmung)

**Ergebnis:** Score auf **100** gesetzt (Golden-Key-Treffer) → **Nicht geprüft**

***

## Prüfstatus verwalten

Nach der anfänglichen Klassifizierung können Sie den Prüfstatus jedes Treffers manuell aktualisieren:

### In der Konsole

1. Navigieren Sie zur AML-Übersicht der Sitzung
2. Klicken Sie auf einen bestimmten Treffer, um Details anzuzeigen
3. Verwenden Sie das Status-Dropdown, um den Prüfstatus zu ändern:
   * **Bestätigte Übereinstimmung** – Bestätigen Sie, dass es sich bei der Übereinstimmung um dieselbe Person handelt
   * **Falsch positiv** – Markieren Sie den Treffer als nicht übereinstimmend
   * **Nicht eindeutig** – Nicht feststellbar

***

## Best Practices

1. **Beginnen Sie mit dem Standard-Schwellenwert (93)** – Dies bietet ein gutes Gleichgewicht zwischen dem Erfassen echter Treffer und dem Filtern falsch positiver Ergebnisse.

2. **Senken Sie den Schwellenwert für Hochrisikoszenarien** – Wenn Sie vorsichtiger vorgehen müssen, senken Sie den Schwellenwert für den Übereinstimmungswert, um mehr potenzielle Treffer zu erfassen.

3. **Verwenden Sie Dokumentnummern, sofern verfügbar** – Sie bieten die stärkste Identitätsbestätigung und können niedrige Übereinstimmungswerte überschreiben.

4. **Überprüfen Sie die normalisierten Gewichtungen** – Prüfen Sie die Felder für normalisierte Gewichtungen in der Score-Aufschlüsselung, um nachzuvollziehen, wie sich fehlende Daten auf den Score ausgewirkt haben.

5. **Überwachen Sie die Raten falsch-positiver Ergebnisse** – Wenn zu viele legitime Treffer als falsch positiv markiert werden, senken Sie den Schwellenwert.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.