> ## 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-Risiko-Score: Formel zur Risikobewertung

> Didit berechnet AML-Risiko-Scores aus Land-, Kategorie- und Strafregisterdaten. Passen Sie Schwellenwerte für automatisierte Entscheidungen an.

Der **Risiko-Score** ist eine quantitative Bewertung, die evaluiert, **wie risikoreich die von einem AML-Treffer betroffene Entität ist**. Dieser Score wird verwendet, um den **endgültigen AML-Status** (Genehmigt/In Prüfung/Abgelehnt) basierend auf dem höchsten Risiko-Score unter allen Treffern zu bestimmen, die nicht falsch positiv sind.

> ⚠️ **Wichtig:** Der Risiko-Score bestimmt den **endgültigen AML-Status**, NICHT die Klassifizierung einzelner Treffer. Einzelne Treffer werden zunächst mithilfe des [Übereinstimmungswerts](https://docs.didit.me/de/core-technology/aml-screening/aml-match-score.md) als falsch positiv oder ungeprüft klassifiziert.

## Übersicht

Jeder AML-Treffer erhält einen **Risiko-Score von 0–100**, der durch die Kombination von drei zentralen Risikofaktoren berechnet wird. Dieser Score beantwortet die Frage: **„Wenn dies eine echte Übereinstimmung ist, wie risikoreich ist diese Entität?“**

### Risiko-Score vs. Übereinstimmungswert

| Aspekt | Übereinstimmungswert | Risiko-Score |
| - | - | - |
| **Frage** | Handelt es sich um dieselbe Person? | Wie risikoreich ist diese Entität? |
| **Zweck** | Treffer als falsch positiv vs. ungeprüft einstufen | Endgültigen AML-Status bestimmen |
| **Faktoren** | Name, Geburtsdatum, Land, Dokumentennummer | Land, Kategorie, Strafregistereinträge |
| **Angewendet auf** | Alle Treffer | Nur Treffer, die nicht falsch positiv sind |

***

## Wie der Risiko-Score den endgültigen AML-Status bestimmt

Der endgültige AML-Status wird durch den **höchsten Risiko-Score** unter allen Treffern bestimmt, die NICHT als falsch positiv eingestuft sind:

| Höchster Risiko-Score | Endgültiger AML-Status |
| - | - |
| Score unter dem Genehmigungsschwellenwert | **Genehmigt** |
| Score zwischen dem Genehmigungsschwellenwert und dem Prüfungsschwellenwert | **In Prüfung** |
| Score über dem Prüfungsschwellenwert | **Abgelehnt** |

> **Standard-Schwellenwerte:**
>
> * Genehmigungsschwellenwert: 80
> * Prüfungsschwellenwert: 100

**Beispiel:** Mit Standard-Schwellenwerten:

* Höchster Risiko-Score = 50 → **Genehmigt** (niedriges Risiko)
* Höchster Risiko-Score = 90 → **In Prüfung** (mittleres Risiko, erfordert manuelle Prüfung)
* Höchster Risiko-Score = 101 (unmöglich, aber >100) → **Abgelehnt** (hohes Risiko)

***

## Formel für den Risiko-Score

Der Gesamtrisiko-Score wird anhand eines gewichteten Durchschnitts berechnet:

```
Risk Score = (Country Score × 0.30) + (Category Score × 0.50) + (Criminal Score × 0.20)
```

| Komponente | Gewichtung | Beschreibung |
| - | - | - |
| **Land** | 30% | Geografische Risikobewertung basierend auf AML/CFT-Faktoren |
| **Kategorie** | 50% | Risikostufe basierend auf der Art des Eintrags in der Beobachtungsliste |
| **Strafregistereinträge** | 20% | Risiko aufgrund von Vorstrafen und Verurteilungen |

***

## Risikostufen

Basierend auf dem berechneten Risiko-Score werden Entitäten in drei Risikostufen eingeteilt:

| Risikostufe | Score-Bereich | Beschreibung |
| - | - | - |
| 🟢 **Niedriges Risiko** | \< 30 | Minimale Bedenken hinsichtlich der Compliance, standardmäßige Sorgfaltsprüfung |
| 🟡 **Mittleres Risiko** | 30 – 49 | Erhöhte Bedenken, verstärkte Sorgfaltsprüfung empfohlen |
| 🔴 **Hohes Risiko** | ≥ 50 | Erhebliche Bedenken, gründliche Untersuchung erforderlich |

***

## Details zum Komponenten-Scoring

### Länder-Score (30% Gewichtung)

Der Länder-Score spiegelt das inhärente AML/CFT-Risiko einer Rechtsordnung wider. Zu den Faktoren gehören:

* Risiken für Geldwäsche und Terrorismusfinanzierung
* Einhaltung der FATF-Empfehlungen
* Vorliegen internationaler Sanktionen
* Korruptionswahrnehmungsindizes
* Stärke des regulatorischen Rahmens

**Scoring-Bereich:** 0-100 (höher = höheres Risiko)

> **Hinweis:** Wenn ein Treffer mit mehreren Ländern verknüpft ist, wird der **höchste Länder-Score** für die Berechnung verwendet.

#### Länderrisiko-Scores

| Land | Code | Risiko-Score | Risikostufe |
| - | - | - | - |
| 🇮🇷 Iran | `IR` | 81.66 | 🔴 Hoch |
| 🇰🇵 Nordkorea | `KP` | 78.20 | 🔴 Hoch |
| 🇲🇲 Myanmar | `MM` | 75.09 | 🔴 Hoch |
| 🇦🇫 Afghanistan | `AF` | 74.63 | 🔴 Hoch |
| 🇸🇾 Syrien | `SY` | 74.49 | 🔴 Hoch |
| 🇭🇹 Haiti | `HT` | 74.30 | 🔴 Hoch |
| 🇨🇩 Demokratische Republik Kongo | `CD` | 71.66 | 🔴 Hoch |
| 🇷🇺 Russland | `RU` | 71.25 | 🔴 Hoch |
| 🇻🇪 Venezuela | `VE` | 71.09 | 🔴 Hoch |
| 🇸🇸 Südsudan | `SS` | 70.77 | 🔴 Hoch |
| 🇾🇪 Jemen | `YE` | 68.40 | 🔴 Hoch |
| 🇱🇧 Libanon | `LB` | 67.76 | 🔴 Hoch |
| 🇸🇴 Somalia | `SO` | 65.38 | 🔴 Hoch |
| 🇲🇱 Mali | `ML` | 62.78 | 🔴 Hoch |
| 🇱🇾 Libyen | `LY` | 61.96 | 🔴 Hoch |
| 🇲🇿 Mosambik | `MZ` | 57.15 | 🔴 Hoch |
| 🇧🇮 Burundi | `BI` | 56.48 | 🔴 Hoch |
| 🇵🇭 Philippinen | `PH` | 56.44 | 🔴 Hoch |
| 🇬🇼 Guinea-Bissau | `GW` | 55.99 | 🔴 Hoch |
| 🇰🇪 Kenia | `KE` | 55.49 | 🔴 Hoch |
| 🇽🇰 Kosovo | `XK` | 55.49 | 🔴 Hoch |
| 🇪🇷 Eritrea | `ER` | 54.72 | 🔴 Hoch |
| 🇵🇸 Staat Palästina | `PS` | 54.41 | 🔴 Hoch |
| 🇳🇬 Nigeria | `NG` | 54.40 | 🔴 Hoch |
| 🇻🇳 Vietnam | `VN` | 54.24 | 🔴 Hoch |
| 🇮🇶 Irak | `IQ` | 54.15 | 🔴 Hoch |
| 🇹🇿 Tansania | `TZ` | 53.22 | 🔴 Hoch |
| 🇭🇷 Kroatien | `HR` | 53.03 | 🔴 Hoch |
| 🇩🇿 Algerien | `DZ` | 52.28 | 🔴 Hoch |
| 🇵🇦 Panama | `PA` | 52.28 | 🔴 Hoch |
| 🇨🇮 Côte d’Ivoire | `CI` | 51.61 | 🔴 Hoch |
| 🇨🇲 Kamerun | `CM` | 51.35 | 🔴 Hoch |
| 🇨🇫 Zentralafrikanische Republik | `CF` | 50.98 | 🔴 Hoch |
| 🇸🇩 Sudan | `SD` | 49.52 | 🔴 Hoch |
| 🇦🇴 Angola | `AO` | 49.47 | 🟡 Mittel |
| 🇳🇮 Nicaragua | `NI` | 49.07 | 🟡 Mittel |
| 🇹🇹 Trinidad und Tobago | `TT` | 48.45 | 🟡 Mittel |
| 🇧🇫 Burkina Faso | `BF` | 47.94 | 🟡 Mittel |
| 🇹🇷 Türkei | `TR` | 47.93 | 🟡 Mittel |
| 🇻🇺 Vanuatu | `VU` | 47.93 | 🟡 Mittel |
| 🇳🇪 Niger | `NE` | 47.02 | 🟡 Mittel |
| 🇬🇹 Guatemala | `GT` | 47.01 | 🟡 Mittel |
| 🇧🇦 Bosnien und Herzegowina | `BA` | 46.75 | 🟡 Mittel |
| 🇺🇬 Uganda | `UG` | 46.67 | 🟡 Mittel |
| 🇿🇦 Südafrika | `ZA` | 46.60 | 🟡 Mittel |
| 🇺🇦 Ukraine | `UA` | 46.43 | 🟡 Mittel |
| 🇨🇳 China | `CN` | 45.92 | 🟡 Mittel |
| 🇨🇺 Kuba | `CU` | 45.89 | 🟡 Mittel |
| 🇧🇬 Bulgarien | `BG` | 45.70 | 🟡 Mittel |
| 🇦🇪 Vereinigte Arabische Emirate | `AE` | 45.39 | 🟡 Mittel |
| 🇿🇼 Simbabwe | `ZW` | 45.37 | 🟡 Mittel |
| 🇦🇱 Albanien | `AL` | 45.34 | 🟡 Mittel |
| 🇯🇲 Jamaika | `JM` | 45.11 | 🟡 Mittel |
| 🇧🇧 Barbados | `BB` | 45.04 | 🟡 Mittel |
| 🇬🇳 Guinea | `GN` | 44.80 | 🟡 Mittel |
| 🇸🇽 Sint Maarten | `SX` | 44.79 | 🟡 Mittel |
| 🇱🇷 Liberia | `LR` | 44.66 | 🟡 Mittel |
| 🇷🇸 Serbien | `RS` | 44.26 | 🟡 Mittel |
| 🇲🇪 Montenegro | `ME` | 43.47 | 🟡 Mittel |
| 🇲🇨 Monaco | `MC` | 43.13 | 🟡 Mittel |
| 🇪🇹 Äthiopien | `ET` | 42.85 | 🟡 Mittel |
| 🇩🇯 Dschibuti | `DJ` | 41.96 | 🟡 Mittel |
| 🇳🇦 Namibia | `NA` | 41.83 | 🟡 Mittel |
| 🇱🇦 Laos | `LA` | 41.73 | 🟡 Mittel |
| 🇹🇳 Tunesien | `TN` | 41.35 | 🟡 Mittel |
| 🇬🇮 Gibraltar | `GI` | 41.21 | 🟡 Mittel |
| 🇧🇾 Belarus | `BY` | 41.17 | 🟡 Mittel |
| 🇬🇾 Guyana | `GY` | 40.75 | 🟡 Mittel |
| 🇰🇲 Komoren | `KM` | 40.50 | 🟡 Mittel |
| 🇨🇼 Curaçao | `CW` | 39.88 | 🟡 Mittel |
| 🇵🇰 Pakistan | `PK` | 39.49 | 🟡 Mittel |
| 🇸🇱 Sierra Leone | `SL` | 39.44 | 🟡 Mittel |
| 🇸🇷 Suriname | `SR` | 39.38 | 🟡 Mittel |
| 🇲🇰 Nordmazedonien | `MK` | 39.14 | 🟡 Mittel |
| 🇦🇿 Aserbaidschan | `AZ` | 38.69 | 🟡 Mittel |
| 🇹🇩 Tschad | `TD` | 38.54 | 🟡 Mittel |
| 🇰🇮 Kiribati | `KI` | 37.94 | 🟡 Mittel |
| 🇰🇭 Kambodscha | `KH` | 37.90 | 🟡 Mittel |
| 🇬🇶 Äquatorialguinea | `GQ` | 37.90 | 🟡 Mittel |
| 🇸🇨 Seychellen | `SC` | 37.60 | 🟡 Mittel |
| 🇲🇩 Moldawien | `MD` | 37.54 | 🟡 Mittel |
| 🇧🇿 Belize | `BZ` | 37.48 | 🟡 Mittel |
| 🇭🇰 Hongkong | `HK` | 37.47 | 🟡 Mittel |
| 🇨🇴 Kolumbien | `CO` | 37.26 | 🟡 Mittel |
| 🇵🇬 Papua-Neuguinea | `PG` | 37.20 | 🟡 Mittel |
| 🇸🇿 Eswatini | `SZ` | 37.00 | 🟡 Mittel |
| 🇦🇬 Antigua und Barbuda | `AG` | 36.74 | 🟡 Mittel |
| 🇻🇬 Britische Jungferninseln | `VG` | 36.70 | 🟡 Mittel |
| 🇸🇹 São Tomé und Príncipe | `ST` | 36.64 | 🟡 Mittel |
| 🇧🇯 Benin | `BJ` | 36.60 | 🟡 Mittel |
| 🇲🇻 Malediven | `MV` | 36.20 | 🟡 Mittel |
| 🇱🇨 Saint Lucia | `LC` | 36.18 | 🟡 Mittel |
| 🇰🇳 St. Kitts und Nevis | `KN` | 36.03 | 🟡 Mittel |
| 🇫🇲 Mikronesien | `FM` | 35.97 | 🟡 Mittel |
| 🇹🇻 Tuvalu | `TV` | 35.94 | 🟡 Mittel |
| 🇨🇬 Kongo | `CG` | 35.92 | 🟡 Mittel |
| 🇹🇯 Tadschikistan | `TJ` | 35.90 | 🟡 Mittel |
| 🇸🇳 Senegal | `SN` | 35.88 | 🟡 Mittel |
| 🇵🇾 Paraguay | `PY` | 35.77 | 🟡 Mittel |
| 🇹🇭 Thailand | `TH` | 35.71 | 🟡 Mittel |
| 🇼🇸 Samoa | `WS` | 35.68 | 🟡 Mittel |
| 🇬🇦 Gabun | `GA` | 35.54 | 🟡 Mittel |
| 🇪🇨 Ecuador | `EC` | 35.29 | 🟡 Mittel |
| 🇭🇳 Honduras | `HN` | 35.28 | 🟡 Mittel |
| 🇸🇻 El Salvador | `SV` | 35.15 | 🟡 Mittel |
| 🇲🇽 Mexiko | `MX` | 35.01 | 🟡 Mittel |
| 🇹🇬 Togo | `TG` | 35.01 | 🟡 Mittel |
| 🇧🇷 Brasilien | `BR` | 34.94 | 🟡 Mittel |
| 🇬🇩 Grenada | `GD` | 34.87 | 🟡 Mittel |
| 🇹🇲 Turkmenistan | `TM` | 34.75 | 🟡 Mittel |
| 🇦🇷 Argentinien | `AR` | 34.71 | 🟡 Mittel |
| 🇲🇬 Madagaskar | `MG` | 34.67 | 🟡 Mittel |
| 🇸🇮 Slowenien | `SI` | 34.62 | 🟡 Mittel |
| 🇳🇵 Nepal | `NP` | 34.60 | 🟡 Mittel |
| 🇰🇬 Kirgisistan | `KG` | 34.54 | 🟡 Mittel |
| 🇹🇱 Osttimor | `TL` | 34.50 | 🟡 Mittel |
| 🇮🇩 Indonesien | `ID` | 34.44 | 🟡 Mittel |
| 🇬🇭 Ghana | `GH` | 34.18 | 🟡 Mittel |
| 🇦🇮 Anguilla | `AI` | 34.17 | 🟡 Mittel |
| 🇻🇨 St. Vincent und die Grenadinen | `VC` | 34.08 | 🟡 Mittel |
| 🇨🇷 Costa Rica | `CR` | 33.84 | 🟡 Mittel |
| 🇧🇴 Bolivien | `BO` | 33.75 | 🟡 Mittel |
| 🇧🇸 Bahamas | `BS` | 33.48 | 🟡 Mittel |
| 🇩🇲 Dominica | `DM` | 33.16 | 🟡 Mittel |
| 🇹🇴 Tonga | `TO` | 33.13 | 🟡 Mittel |
| 🇪🇭 Westsahara | `EH` | 33.03 | 🟡 Mittel |
| 🇵🇪 Peru | `PE` | 32.99 | 🟡 Mittel |
| 🇰🇾 Kaimaninseln | `KY` | 32.89 | 🟡 Mittel |
| 🇨🇾 Zypern | `CY` | 32.74 | 🟡 Mittel |
| 🇦🇲 Armenien | `AM` | 32.69 | 🟡 Mittel |
| 🇨🇻 Kap Verde | `CV` | 32.61 | 🟡 Mittel |
| 🇳🇺 Niue | `NU` | 32.38 | 🟡 Mittel |
| 🇵🇼 Palau | `PW` | 32.18 | 🟡 Mittel |
| 🇲🇾 Malaysia | `MY` | 32.16 | 🟡 Mittel |
| 🇸🇧 Salomonen | `SB` | 32.08 | 🟡 Mittel |
| 🇮🇳 Indien | `IN` | 32.02 | 🟡 Mittel |
| 🇮🇱 Israel | `IL` | 31.77 | 🟡 Mittel |
| 🇬🇲 Gambia | `GM` | 31.70 | 🟡 Mittel |
| 🇦🇼 Aruba | `AW` | 31.64 | 🟡 Mittel |
| 🇲🇸 Montserrat | `MS` | 31.63 | 🟡 Mittel |
| 🇧🇭 Bahrain | `BH` | 31.61 | 🟡 Mittel |
| 🇰🇼 Kuwait | `KW` | 31.52 | 🟡 Mittel |
| 🇱🇸 Lesotho | `LS` | 31.50 | 🟡 Mittel |
| 🇩🇴 Dominikanische Republik | `DO` | 31.28 | 🟡 Mittel |
| 🇪🇬 Ägypten | `EG` | 31.17 | 🟡 Mittel |
| 🇲🇭 Marshallinseln | `MH` | 31.11 | 🟡 Mittel |
| 🇲🇷 Mauretanien | `MR` | 31.08 | 🟡 Mittel |
| 🇹🇨 Turks- und Caicosinseln | `TC` | 31.08 | 🟡 Mittel |
| 🇧🇩 Bangladesch | `BD` | 30.99 | 🟡 Mittel |
| 🇫🇯 Fidschi | `FJ` | 30.88 | 🟡 Mittel |
| 🇳🇷 Nauru | `NR` | 30.84 | 🟡 Mittel |
| 🇺🇿 Usbekistan | `UZ` | 30.78 | 🟡 Mittel |
| 🇱🇰 Sri Lanka | `LK` | 30.67 | 🟡 Mittel |
| 🇲🇦 Marokko | `MA` | 30.03 | 🟡 Mittel |
| 🇯🇴 Jordanien | `JO` | 29.73 | 🟢 Niedrig |
| 🇲🇺 Mauritius | `MU` | 29.73 | 🟢 Niedrig |
| 🇬🇪 Georgien | `GE` | 29.40 | 🟢 Niedrig |
| 🇰🇿 Kasachstan | `KZ` | 28.92 | 🟢 Niedrig |
| 🇸🇰 Slowakei | `SK` | 28.88 | 🟢 Niedrig |
| 🇲🇳 Mongolei | `MN` | 28.82 | 🟢 Niedrig |
| 🇷🇼 Ruanda | `RW` | 28.82 | 🟢 Niedrig |
| 🇲🇼 Malawi | `MW` | 28.76 | 🟢 Niedrig |
| 🇭🇺 Ungarn | `HU` | 28.70 | 🟢 Niedrig |
| 🇷🇴 Rumänien | `RO` | 28.62 | 🟢 Niedrig |
| 🇲🇹 Malta | `MT` | 28.46 | 🟢 Niedrig |
| 🇸🇦 Saudi-Arabien | `SA` | 28.32 | 🟢 Niedrig |
| 🇿🇲 Sambia | `ZM` | 28.16 | 🟢 Niedrig |
| 🇨🇰 Cookinseln | `CK` | 28.13 | 🟢 Niedrig |
| 🇵🇱 Polen | `PL` | 28.13 | 🟢 Niedrig |
| 🇴🇲 Oman | `OM` | 27.90 | 🟢 Niedrig |
| 🇹🇼 Taiwan | `TW` | 27.90 | 🟢 Niedrig |
| 🇨🇱 Chile | `CL` | 27.74 | 🟢 Niedrig |
| 🇧🇹 Bhutan | `BT` | 27.70 | 🟢 Niedrig |
| 🇮🇹 Italien | `IT` | 27.66 | 🟢 Niedrig |
| 🇧🇼 Botswana | `BW` | 27.50 | 🟢 Niedrig |
| 🇧🇶 Karibische Niederlande | `BQ` | 27.23 | 🟢 Niedrig |
| 🇳🇱 Niederlande | `NL` | 27.23 | 🟢 Niedrig |
| 🇬🇷 Griechenland | `GR` | 26.70 | 🟢 Niedrig |
| 🇮🇲 Isle of Man | `IM` | 26.69 | 🟢 Niedrig |
| 🇻🇮 Amerikanische Jungferninseln | `VI` | 26.64 | 🟢 Niedrig |
| 🇮🇪 Irland | `IE` | 25.95 | 🟢 Niedrig |
| 🇪🇸 Spanien | `ES` | 25.71 | 🟢 Niedrig |
| 🇨🇿 Tschechien | `CZ` | 25.46 | 🟢 Niedrig |
| 🇧🇪 Belgien | `BE` | 25.38 | 🟢 Niedrig |
| 🇸🇬 Singapur | `SG` | 25.31 | 🟢 Niedrig |
| 🇺🇸 Vereinigte Staaten | `US` | 25.22 | 🟢 Niedrig |
| 🇱🇻 Lettland | `LV` | 25.16 | 🟢 Niedrig |
| 🇲🇴 Macao | `MO` | 25.07 | 🟢 Niedrig |
| 🇨🇦 Kanada | `CA` | 24.95 | 🟢 Niedrig |
| 🇬🇧 Vereinigtes Königreich | `GB` | 24.79 | 🟢 Niedrig |
| 🇶🇦 Katar | `QA` | 24.70 | 🟢 Niedrig |
| 🇨🇭 Schweiz | `CH` | 24.51 | 🟢 Niedrig |
| 🇲🇵 Nördliche Marianen | `MP` | 24.19 | 🟢 Niedrig |
| 🇦🇸 Amerikanisch-Samoa | `AS` | 24.10 | 🟢 Niedrig |
| 🇬🇺 Guam | `GU` | 24.10 | 🟢 Niedrig |
| 🇯🇵 Japan | `JP` | 23.94 | 🟢 Niedrig |
| 🇩🇪 Deutschland | `DE` | 23.52 | 🟢 Niedrig |
| 🇰🇷 Südkorea | `KR` | 23.48 | 🟢 Niedrig |
| 🇱🇺 Luxemburg | `LU` | 23.41 | 🟢 Niedrig |
| 🇵🇹 Portugal | `PT` | 23.40 | 🟢 Niedrig |
| 🇱🇮 Liechtenstein | `LI` | 23.23 | 🟢 Niedrig |
| 🇦🇩 Andorra | `AD` | 22.55 | 🟢 Niedrig |
| 🇦🇹 Österreich | `AT` | 22.38 | 🟢 Niedrig |
| 🇻🇦 Heiliger Stuhl | `VA` | 22.17 | 🟢 Niedrig |
| 🇦🇺 Australien | `AU` | 22.12 | 🟢 Niedrig |
| 🇵🇷 Puerto Rico | `PR` | 22.11 | 🟢 Niedrig |
| 🇱🇹 Litauen | `LT` | 22.08 | 🟢 Niedrig |
| 🇺🇾 Uruguay | `UY` | 22.06 | 🟢 Niedrig |
| 🇧🇲 Bermuda | `BM` | 21.85 | 🟢 Niedrig |
| 🇫🇷 Frankreich | `FR` | 21.71 | 🟢 Niedrig |
| 🇧🇳 Brunei | `BN` | 21.40 | 🟢 Niedrig |
| 🇪🇪 Estland | `EE` | 21.37 | 🟢 Niedrig |
| 🇫🇰 Falklandinseln | `FK` | 21.20 | 🟢 Niedrig |
| 🇸🇭 St. Helena | `SH` | 21.20 | 🟢 Niedrig |
| 🇬🇫 Französisch-Guayana | `GF` | 21.05 | 🟢 Niedrig |
| 🇵🇫 Französisch-Polynesien | `PF` | 21.05 | 🟢 Niedrig |
| 🇬🇵 Guadeloupe | `GP` | 21.05 | 🟢 Niedrig |
| 🇲🇶 Martinique | `MQ` | 21.05 | 🟢 Niedrig |
| 🇳🇨 Neukaledonien | `NC` | 21.05 | 🟢 Niedrig |
| 🇧🇱 Saint-Barthélemy | `BL` | 21.05 | 🟢 Niedrig |
| 🇲🇫 Saint-Martin | `MF` | 21.05 | 🟢 Niedrig |
| 🇵🇲 Saint-Pierre und Miquelon | `PM` | 21.05 | 🟢 Niedrig |
| 🇼🇫 Wallis und Futuna | `WF` | 21.05 | 🟢 Niedrig |
| 🇮🇸 Island | `IS` | 21.04 | 🟢 Niedrig |
| 🇬🇱 Grönland | `GL` | 19.43 | 🟢 Niedrig |
| 🇳🇿 Neuseeland | `NZ` | 19.19 | 🟢 Niedrig |
| 🇹🇰 Tokelau | `TK` | 19.18 | 🟢 Niedrig |
| 🇸🇲 San Marino | `SM` | 19.10 | 🟢 Niedrig |
| 🇸🇪 Schweden | `SE` | 18.85 | 🟢 Niedrig |
| 🇩🇰 Dänemark | `DK` | 18.46 | 🟢 Niedrig |
| 🇫🇴 Färöer | `FO` | 18.46 | 🟢 Niedrig |
| 🇫🇮 Finnland | `FI` | 18.01 | 🟢 Niedrig |
| 🇳🇴 Norwegen | `NO` | 17.62 | 🟢 Niedrig |

233 Länder · Risiko-Scores basierend auf AML/CFT-Faktoren

***

### Kategorie-Score (50% Gewichtung)

Der Kategorie-Score spiegelt das inhärente Risikoniveau wider, basierend auf der Art der Beobachtungsliste, auf der die Entität aufgeführt ist. Dies ist die Komponente mit der **höchsten Gewichtung**, da die Art des Eintrags direkt auf regulatorische und Compliance-Risiken hinweist.

| Kategorie | Score | Beschreibung |
| - | - | - |
| **Sanktionen** | 100 | Auf internationalen Sanktionslisten aufgeführt (OFAC, UN, EU usw.) |
| **PEP** | 100 | Politisch exponierte Person (allgemeine Klassifizierung) |
| **PEP Stufe 1** | 100 | Staatsoberhäupter, hochrangige Regierungsbeamte, Richter an obersten Gerichten |
| **Warnungen und Aufsichtsmaßnahmen** | 95 | Regulatorische Warnungen, Durchsetzungsmaßnahmen |
| **Insolvenz** | 80 | Konkurs- und Liquidationsverfahren |
| **PEP Stufe 2** | 80 | Parlamentsmitglieder, hochrangige Militäroffiziere, Botschafter |
| **SIE** | 75 | Staatlich beeinflusstes Unternehmen — Unternehmen mit staatlicher Bindung |
| **SIP** | 75 | Staatlich beeinflusste Person — Personen mit staatlichem Einfluss |
| **PEP Stufe 3** | 70 | Regionale Regierungsbeamte, lokale Bürgermeister, Richter |
| **Eignung und Zuverlässigkeit** | 65 | Eignungs- und Zuverlässigkeitsprüfungen im Finanzdienstleistungssektor, aufsichtsrechtliche Prüfungen |
| **Negative Medienberichte** | 60 | Negative Berichterstattung im Zusammenhang mit Finanzkriminalität |
| **PEP Stufe 4** | 55 | Beamte auf niedrigerer Ebene, Mitglieder politischer Parteien |
| **Unternehmer** | 55 | Hochrangige Wirtschaftsvertreter mit potenzieller Gefährdung |
| **Unternehmen** | 40 | Allgemeine Geschäftseinheiten mit Präsenz auf Beobachtungslisten |

> **Hinweis:** Wenn ein Treffer zu mehreren Kategorien gehört, wird die **höchste Kategoriebewertung** verwendet.

#### Kategorie-Risikostufen

```
┌─────────────────────────────────────────────────────────────────┐
│  CRITICAL (100)     │ Sanctions, PEP, PEP Level 1              │
├─────────────────────────────────────────────────────────────────┤
│  VERY HIGH (80-95)  │ Warnings, Insolvency, PEP Level 2        │
├─────────────────────────────────────────────────────────────────┤
│  HIGH (70-79)       │ SIE, SIP, PEP Level 3                    │
├─────────────────────────────────────────────────────────────────┤
│  ELEVATED (55-69)   │ Fitness/Probity, Adverse Media, PEP L4   │
├─────────────────────────────────────────────────────────────────┤
│  MODERATE (40-54)   │ Business, Businessperson                 │
└─────────────────────────────────────────────────────────────────┘
```

***

### Score für Vorstrafen (20 % Gewichtung)

Die Komponente für Vorstrafen bewertet jegliche strafrechtliche Vorgeschichte, die mit der Entität verknüpft ist.

| Strafrechtlicher Status | Score | Beschreibung |
| - | - | - |
| **Gerichtlich verurteilt** | 100 | Entität wurde wegen einer Straftat verurteilt |
| **Strafmaßnahme vollstreckt** | 90 | Gegen die Entität wurden Strafen oder Bußgelder vollstreckt |
| **Keine Vorstrafen** | 0 | Keine bekannte strafrechtliche Vorgeschichte |

> **Hinweis:** Vorstrafen haben trotz des Anteils von 20 % ein erhebliches Gewicht, da eine Verurteilung das Risikoprofil einer Entität drastisch verändern kann.

***

## Konfigurationsoptionen

### Schwellenwerte für den Risiko-Score (bestimmen den endgültigen AML-Status)

| Einstellung | Standard | Beschreibung |
| - | - | - |
| Genehmigungsschwellenwert | 80 | Risiko-Scores unterhalb dieses Werts führen zum Status **Genehmigt** |
| Prüfungsschwellenwert | 100 | Risiko-Scores oberhalb dieses Werts führen zum Status **Abgelehnt**. Scores zwischen den Schwellenwerten führen zum Status **In Prüfung**. |

### Schwellenwert für den Übereinstimmungswert (bestimmt die Trefferklassifizierung)

| Einstellung | Standard | Beschreibung |
| - | - | - |
| Schwellenwert für den Übereinstimmungswert | 93 | Übereinstimmungswerte unterhalb dieses Werts klassifizieren Treffer als **Falsch positiv**. Nur Treffer, die nicht falsch positiv sind, werden in die Risikobewertung einbezogen. |

***

## Vollständiger Ablauf: Vom Screening bis zum endgültigen Status

```
┌─────────────────────────────────────────────────────────────────────────────┐
│                           AML SCREENING FLOW                                 │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│  1. SCREEN AGAINST WATCHLISTS                                               │
│     └── Returns list of potential hits (match score ≥ 75%)                  │
│                                                                             │
│  2. FOR EACH HIT: CALCULATE MATCH SCORE                                     │
│     Match Score = (Name × W1) + (DOB × W2) + (Country × W3)                │
│     + Golden Key document number logic                                      │
│                                                                             │
│  3. CLASSIFY HITS BY MATCH SCORE                                            │
│     ├── Match Score < 93 → FALSE POSITIVE (excluded)                        │
│     └── Match Score ≥ 93 → UNREVIEWED (included)                            │
│                                                                             │
│  4. FOR EACH UNREVIEWED HIT: CALCULATE RISK SCORE                           │
│     Risk Score = (Country × 30%) + (Category × 50%) + (Criminal × 20%)     │
│                                                                             │
│  5. DETERMINE FINAL AML STATUS                                              │
│     If no non-false-positive hits → APPROVED                                │
│     Else, based on HIGHEST RISK SCORE:                                      │
│     ├── Risk Score < 86 → APPROVED                                          │
│     ├── 86 ≤ Risk Score ≤ 100 → IN REVIEW                                   │
│     └── Risk Score > 100 → DECLINED                                         │
│                                                                             │
└─────────────────────────────────────────────────────────────────────────────┘
```

***

## Berechnungsbeispiele

### Beispiel 1: Hochrisiko-PEP aus einem sanktionierten Land

**Trefferdaten:**

* Land: Iran (Score: 81.66)
* Kategorie: Sanktionen (Score: 100)
* Vorstrafen: Keine (Score: 0)

**Berechnung des Risiko-Scores:**

```
Risk Score = (81.66 × 0.30) + (100 × 0.50) + (0 × 0.20)
           = 24.50 + 50.00 + 0.00
           = 74.50
```

**Ergebnis:** Risiko-Score 74.50 → Entitäts-Risikostufe: **Hoch** 🔴

* Wenn dies der höchste Risiko-Score unter den nicht geprüften Treffern ist und die Schwellenwerte den Standardwerten entsprechen (86/100):
* 74.50 \< 86 → Endgültiger AML-Status: **Genehmigt** (Entität ist riskant, liegt aber unter dem Schwellenwert für die Überprüfung)

### Beispiel 2: PEP Stufe 1 aus einem Hochrisikoland

**Trefferdaten:**

* Land: Russland (Score: 71.25)
* Kategorie: PEP Stufe 1 (Score: 100)
* Vorstrafen: Gerichtlich verurteilt (Score: 100)

**Berechnung des Risiko-Scores:**

```
Risk Score = (71.25 × 0.30) + (100 × 0.50) + (100 × 0.20)
           = 21.38 + 50.00 + 20.00
           = 91.38
```

**Ergebnis:** Risiko-Score 91.38 → Entitäts-Risikostufe: **Hoch** 🔴

* Mit Standard-Schwellenwerten (86/100): 86 ≤ 91.38 ≤ 100 → Endgültiger AML-Status: **In Prüfung**

### Beispiel 3: Geschäftseinheit mit geringem Risiko

**Trefferdaten:**

* Land: Vereinigtes Königreich (Score: 24.79)
* Kategorie: Unternehmen (Score: 40)
* Vorstrafen: Keine (Score: 0)

**Berechnung des Risiko-Scores:**

```
Risk Score = (24.79 × 0.30) + (40 × 0.50) + (0 × 0.20)
           = 7.44 + 20.00 + 0.00
           = 27.44
```

**Ergebnis:** Risiko-Score 27.44 → Entitäts-Risikostufe: **Niedrig** 🟢

* Mit Standard-Schwellenwerten (86/100): 27.44 \< 86 → Endgültiger AML-Status: **Genehmigt**

***

## Beispiel für API-Antwort

Jeder Treffer in der AML-Antwort enthält beide Scores:

```json theme={null}
{
  "caption": "John Doe",
  "match_score": 95,
  "risk_score": 74.5,
  "review_status": "Unreviewed",
  "properties": {
    "countries": ["IR"],
    "topics": ["sanction"]
  }
}
```

Das gesamte AML-Ergebnis enthält den endgültigen Status basierend auf dem höchsten Risiko-Score:

```json theme={null}
{
  "status": "In Review",
  "total_hits": 3,
  "score": 91,
  "hits": [
    {
      "caption": "John Doe",
      "match_score": 95,
      "risk_score": 91,
      "review_status": "Unreviewed"
    },
    {
      "caption": "Johnny D.",
      "match_score": 88,
      "risk_score": 45,
      "review_status": "False Positive"
    },
    {
      "caption": "J. Doe",
      "match_score": 94,
      "risk_score": 65,
      "review_status": "Unreviewed"
    }
  ]
}
```

In diesem Beispiel:

* Treffer 2 ist ein falsch-positiver Treffer (match\_score 88 \< Schwellenwert 93) und wird daher ausgeschlossen
* Der höchste risk\_score unter den nicht geprüften Treffern liegt bei 91 (von Treffer 1)
* 86 ≤ 91 ≤ 100 → Endgültiger Status: **In Prüfung**

***

## Prüfstatus von Treffern verwalten

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

| Status | Beschreibung |
| - | - |
| **Nicht geprüft** | Anfänglicher Status für Treffer mit Übereinstimmungswert ≥ Schwellenwert |
| **Falsch positiv** | Anfänglicher Status für Treffer mit Übereinstimmungswert \< Schwellenwert (oder manuell markiert) |
| **Bestätigte Übereinstimmung** | Manuell als dieselbe Person verifiziert |
| **Nicht eindeutig** | Es kann nicht festgestellt werden, ob der Treffer dieselbe Person ist |

> [!NOTE]
>
> ### **Tipp:** Aktualisieren Sie den Prüfstatus von Treffern in der Konsole, indem Sie zur AML-Übersicht navigieren oder auf die Details eines bestimmten Treffers klicken.

***

## Bewährte Vorgehensweisen

1. **Verstehen Sie das Zwei-Score-System** — Der Übereinstimmungswert filtert falsch-positive Treffer heraus; der Risiko-Score bestimmt die Dringlichkeit.

2. **Prüfen Sie Treffer mit hohem Risiko zuerst** — Nutzen Sie den Risiko-Score, um die Arbeitslast Ihres Compliance-Teams unter den nicht geprüften Treffern zu priorisieren.

3. **Passen Sie Schwellenwerte an Ihre Risikobereitschaft an:**
   * Niedrigerer Schwellenwert für den Übereinstimmungswert → Mehr Treffer gelten als nicht geprüft
   * Niedrigerer Genehmigungsschwellenwert → Mehr Sitzungen werden automatisch genehmigt
   * Niedrigerer Prüfungsschwellenwert → Mehr Sitzungen werden automatisch abgelehnt

4. **Dokumentieren Sie Ihre Entscheidungen** — Halten Sie bei der manuellen Prüfung von Treffern fest, warum Sie basierend auf der Konfidenz der Übereinstimmung und den Risikofaktoren eine Genehmigung erteilt oder eine Eskalation vorgenommen haben.

5. **Überwachen Sie Trends** — Verfolgen Sie die Trefferverteilung Ihrer Organisation sowohl nach Übereinstimmungswert als auch nach Risikostufe, um Muster zu erkennen.


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