AML-Screening-Bericht: Treffer, Scores & JSON

Übersicht

Das AML-Screening gleicht die Identität der verifizierten Person mit globalen Datensätzen zu Sanktionen, PEPs, Beobachtungslisten und negativen Medienberichten ab. Jeder Treffer liefert die übereinstimmende Entität, die Datensätze, die den Treffer erzeugt haben, zwei Scores – match_score (Identitätskonfidenz) und risk_score (Entitätsrisiko) – sowie eine strukturierte Aufschlüsselung nach Quelle (pep_matches[], sanction_matches[], warning_matches[], adverse_media_matches[]). Der aggregierte score ist der höchste risk_score unter den Treffern, die nicht als False Positive markiert sind. Die gleiche Struktur wird beim AML-Screening in Benutzersitzungen (KYC), Unternehmenssitzungen (KYB) und der Standalone-AML-API zurückgegeben.

Screenshot des Didit-AML-Screening-Berichts mit Treffern zu Sanktionen, PEP und negativen Medienberichten

Wo es in API-Antworten erscheint

Am Sitzungsentscheidungs-Endpoint wird das AML-Screening als Array aml_screenings[] zurückgegeben. Jeder Eintrag entspricht einer AML-Ausführung im Workflow (eine AML-Prüfung, die zweimal ausgeführt wird, erzeugt zwei Einträge mit unterschiedlichen node_id-Werten).

GET /v3/session/{sessionId}/decision/
  ──▶ { "aml_screenings": [ { node_id, status, total_hits, hits, … }, … ] }

Standalone-AML- und Unternehmenssitzungen geben dieselbe Struktur pro Datensatz zurück. Die nachstehenden Felder spiegeln das kanonische Schema auf der Seite Datenmodelle wider.

Drei Scores, kein einzelnes Urteil

Der status ist eine Entscheidung; die Zahlen, aus denen er abgeleitet wurde, befinden sich in derselben Payload. Berücksichtigen Sie sie, wenn Sie Ihre eigene Risikostufung aufbauen (z. B. die Kombination von AML-Risiko mit Fragebogenantworten wie Vermögensherkunft oder PEP-Selbsterklärung), anstatt nur nach Approved / In Review / Declined zu verzweigen:

Score	Wo	Skala	Beantwortet die Frage
`hits[].match_score`	pro Treffer	0-100	Ist dieser Treffer dieselbe Person wie die überprüfte? Bestimmt den anfänglichen `review_status` des Treffers.
`hits[].risk_score`	pro Treffer	0-100	Wie risikoreich ist die übereinstimmende Entität? Er wird durch die Kategorien des Treffers bestimmt (Sanktion, PEP, Verbrechen, …).
`score`	pro Screening	0-100	Der höchste `risk_score` unter den Treffern, die nicht als `False Positive` markiert sind. Dieser Wert wird mit den Schwellenwerten für Genehmigung / Prüfung verglichen, um den `status` zu ermitteln.

Alle drei sind an jeder Stelle vorhanden, an der der AML-Bericht bereitgestellt wird: GET /v3/session/{sessionId}/decision/, das decision-Objekt von status.updated- und data.updated-Webhooks in jeder Webhook-Version (V3 aml_screenings[] sowie das ältere singuläre aml in V2 / V1) und der Standalone-AML-API. Ein Consumer, der nur eine Kennzeichnung wie markiert / unbedenklich sieht, liest status (oder den review_status eines Treffers) und überspringt die Scores daneben. Die Konsole zeigt dieselben Zahlen: Der Header des AML-Abschnitts enthält den aggregierten Risiko-Score, und jede Zeile der Treffertabelle enthält Übereinstimmungswert und Risiko-Score mit einer Aufschlüsselung, die beim Darüberfahren mit der Maus angezeigt wird.

Schema

Das kanonische Schema finden Sie unter AML-Screening in der Referenz zu den Datenmodellen. Felder auf oberster Ebene:

Feld	Typ	Hinweise
`status`	`Not Finished` \| `Approved` \| `Declined` \| `In Review`	Status auf Funktionsebene (`FeatureStatusChoices`). Steuert Workflow-Regeln und den Bildschirm für die manuelle Prüfung.
`total_hits`	integer	Anzahl der Einträge in `hits[]`. `0`, wenn keine Treffer vorliegen.
`entity_type`	`person` \| `company`	Die Art der überprüften Entität. Unternehmen und Einzelpersonen verwenden unterschiedliche Abgleichlogiken.
`score`	float (0-100) \| null	Aggregierter AML-Risiko-Score — der höchste `risk_score` unter den Treffern, die nicht als `False Positive` markiert sind. `0`, wenn keine potenziellen Treffer vorliegen; `null`, bis das Screening durchgeführt wurde.
`hits`	`Hit[]`	Ein Eintrag pro übereinstimmendem Datensatz, einschließlich Treffern, die automatisch als `False Positive` klassifiziert wurden (sie bleiben aufgeführt, werden jedoch aus dem aggregierten `score` ausgeschlossen). Siehe die Details zu den einzelnen Feldern unten.
`screened_data`	object	Die exakten Werte, die Didit an das Screening gesendet hat: `full_name`, `date_of_birth`, `nationality` (ISO 3166-1 Alpha-2), `document_number`. Nützlich, um einem Prüfer einen Treffer zu erklären oder zu prüfen, wonach gesucht wurde.
`is_ongoing_monitoring_enabled`	boolean	`true`, sobald Sie die laufende Überwachung für die Sitzung aktivieren.
`next_ongoing_monitoring_bill_date`	string \| null	`YYYY-MM-DD` der nächsten jährlichen Erneuerung der Abrechnung (`last_aml_bill_date` + 365 Tage). `null`, bis die Überwachung aktiviert ist. Dies ist kein Screening-Datum — siehe `last_ongoing_screening_at` unten.
`last_ongoing_screening_at`	string (ISO 8601) \| null	Wann die laufende Überwachung zuletzt ein erneutes Screening dieses Datensatzes abgeschlossen hat, unabhängig davon, ob sich das Ergebnis geändert hat. `null`, wenn der Datensatz seit der Bereitstellung dieses Felds noch nie erneut gescreent wurde — es wird niemals rückwirkend aus dem Aktivierungs- oder Abrechnungsdatum übernommen.
`last_ongoing_screening_datasets_updated_at`	string (ISO 8601) \| null	Das jüngste Aktualisierungsdatum des AML-Datensatzes, das der Anbieter zum Zeitpunkt dieses Screenings gemeldet hat. `null`, wenn der Anbieter keine Datumsangaben zu Datensätzen gemeldet hat; es wird niemals geschätzt.
`warnings`	`Warning[]`	AML-spezifische Warnungs-Tags. Siehe AML-Warnungen.
`node_id`	string \| null	Identifiziert den Workflow-Graphknoten, der diese AML-Ausführung in `/v3/`-Sitzungsantworten erzeugt hat. In der eigenständigen AML-API-Antwort wird dieses Feld weggelassen.

Felder pro Treffer

Jeder Eintrag in hits[] enthält die folgenden Felder (Auszug dargestellt). Quellarrays für die Übereinstimmung — pep_matches[], sanction_matches[], warning_matches[], adverse_media_matches[] — werden nur für den Datensatz bzw. die Datensätze befüllt, zu denen der Treffer gehört.

Feld	Typ	Hinweise
`id`	string	Stabile Treffer-Kennung: `hit_` gefolgt von 24 Hexadezimalzeichen. Dieselbe abgeglichene Entität behält dieselbe `id`, wenn die betreffende Entität erneut gescreent wird. Verwenden Sie sie als `hit_id`, wenn Sie `review_status` über den AML-Trefferstatus-Endpoint aktualisieren.
`caption`	string	Der primäre Name der Entität, wie er im Datensatz gespeichert ist.
`datasets`	string[]	Risikokategorien, unter denen die Entität aufgeführt ist: `PEP` (mit Stufe, `PEP Level 1` bis `PEP Level 4`), `Sanctions`, `Adverse Media`, `Warnings and Regulatory Enforcement`, `Fitness and Probity`, `SIP`, `SIE` oder `Insolvency`, sowie `Other Lists`, wenn die Quelle der Entität keine davon angibt.
`match_score`	number (0-100)	Identitätskonfidenz — wie wahrscheinlich es ist, dass der Treffer dieselbe Person betrifft. Treffer unterhalb von `aml_match_score_threshold` (Standard `93`) beginnen als `False Positive`; ab oder über diesem Schwellenwert beginnen sie als `Unreviewed`. Siehe AML-Übereinstimmungswert.
`risk_score`	number (0-100)	Entitätsrisiko — wie riskant die übereinstimmende Entität ist. Der höchste `risk_score` unter den Treffern, die nicht `False Positive` sind, wird zum übergeordneten `score`. Siehe AML-Risiko-Score.
`score`	number (0-1)	Veraltet: gewichteter Übereinstimmungswert. Verwenden Sie stattdessen `match_score`.
`match`	boolean \| null	Veraltetes Flag für eine exakte Übereinstimmung. Bevorzugen Sie `match_score` + `review_status`.
`target`	boolean \| null	Gibt an, ob die Entität das direkte Ziel des Eintrags ist.
`review_status`	`Unreviewed` \| `Confirmed Match` \| `False Positive` \| `Inconclusive`	Der anfängliche Wert wird aus `match_score` im Vergleich zu `aml_match_score_threshold` abgeleitet. Veränderbar über den AML-Trefferstatus-Endpoint; eine Aktualisierung löst einen `data.updated`-Webhook aus, berechnet den Funktions-`status` jedoch nicht automatisch neu — verwenden Sie dafür den AML-Status-Endpoint oder die Prüfung in der Konsole.
`score_breakdown`	object	Wie `match_score` berechnet wurde: Werte für Name/Geburtsdatum/Land, Gewichtungen, Anteile und der „Golden Key“-Effekt der Dokumentnummer (`MATCH` setzt den Wert auf 100, `NEUTRAL` behält den Basiswert bei, `HARD_MISMATCH` straft ab).
`properties`	object	Rohattribute des Datensatzes (Namen, Aliase, Geburtsdaten, Staatsangehörigkeit, …). Nützlich für die Beurteilung.
`url`	string \| null	Quell-URL für die übereinstimmende Entität, sofern verfügbar.
`rca_name`	string \| null	Wenn der Treffer ein Angehöriger oder enger Geschäftspartner (RCA) ist, der Name der verwandten oder nahestehenden Person, über die der Abgleich erfolgte.
`pep_matches[]`	object[]	PEP-Positionen, Herausgeber, Geburtsdaten und Ausbildung für den Treffer.
`sanction_matches[]`	object[]	Name der Sanktionsliste, Programm, Sanktionsbehörde, Listungsdatum und Quell-URLs.
`warning_matches[]`	object[]	Allgemeine Einträge aus Beobachtungslisten oder zu Durchsetzungsmaßnahmen.
`adverse_media_matches[]`	object[]	Negative Medienberichte auf Artikelebene: Schlagzeile, Zusammenfassung, Sentiment, Quell-URL, Veröffentlichungsdatum, Schlüsselwörter.
`adverse_media_details`	object \| null	Aggregiertes Sentiment und Anzahl der Schlüsselwörter negativer Medienberichte für den gesamten Treffer.
`risk_view`	object	Nach Kategorie, Land und Straftat gewichtete Risikoaufschlüsselung für den Treffer (`risk_level`, `risk_scores`, `weightage`).
`linked_entities[]`	object[]	Verknüpfte Entitäten, die der Datensatz mit dem Treffer verbindet (z. B. Familienmitglieder oder Geschäftspartner).
`first_seen` / `last_seen`	string \| null	Wann der Datensatz diesen Eintrag erstmals/zuletzt erfasst hat.
`additional_information`	object	Zusätzliche Freiformdaten des Datensatzanbieters.

Treffer, die als False Positive klassifiziert wurden (weil der match_score unter den Schwellenwert für den Übereinstimmungswert fiel oder weil ein Prüfer sie so markiert hat), verbleiben aus Gründen der Prüfbarkeit in hits[]. Sie werden lediglich von der Berechnung des aggregierten score ausgeschlossen.

Laufende Überwachung

Wenn is_ongoing_monitoring_enabled auf true gesetzt ist, führt Didit kontinuierlich ein erneutes Screening der Person durch und gibt den AML-Bericht jedes Mal neu aus, wenn ein Treffer hinzugefügt, entfernt oder geändert wird. Erneute Screenings, die den AML-Status ändern, lösen einen status.updated-Webhook aus; erneute Screenings, die lediglich Trefferdaten ändern, lösen data.updated aus. Das Überwachungsfenster läuft ab last_aml_bill_date für 365 Tage; next_ongoing_monitoring_bill_date gibt an, wann die nächste jährliche Verlängerung ansteht. Diese Signale sind alle änderungsgesteuert, sodass eine über Monate hinweg ohne neue Treffer erneut gescreente Person keines davon auslöst. last_ongoing_screening_at ist das einzige Feld, das sich bei jedem abgeschlossenen Durchlauf ändert, und der Screening-History-Endpoint führt jeden Durchlauf einzeln auf – einschließlich derjenigen, die nichts geändert haben. Den vollständigen Lebenszyklus finden Sie unter Laufende AML-Überwachung.

Drei Datumsangaben in diesem Bericht bedeuten drei unterschiedliche Dinge. next_ongoing_monitoring_bill_date gibt an, wann die nächste Abrechnung erfolgt. last_ongoing_screening_at ist der Zeitpunkt, zu dem die Person tatsächlich zuletzt gescreent wurde. last_ongoing_screening_datasets_updated_at gibt an, wann die Listen hinter diesem Screening zuletzt durch den Anbieter aktualisiert wurden. Nur die zweite Angabe belegt, dass die Kontrolle ausgeführt wurde.

Statuswerte

Wert	Bedeutung
`Not Finished`	AML wurde für diese Sitzung/diesen Knoten noch nicht ausgeführt.
`Approved`	Der aggregierte Score liegt bei oder unter dem Genehmigungsschwellenwert (Standardwert `80`) – auch dann, wenn keine Treffer vorliegen oder jeder Treffer ein `False Positive` ist (Score `0`).
`In Review`	Der aggregierte Score liegt über dem Genehmigungsschwellenwert (und bei oder unter dem Prüfungsschwellenwert), oder `COULD_NOT_PERFORM_AML_SCREENING` wurde ausgelöst.
`Declined`	Der aggregierte Score liegt über dem Prüfungsschwellenwert (Standardwert `100`, eine automatische Ablehnung erfolgt also erst, wenn Sie diesen senken), oder der Status wurde manuell gesetzt.

Die Schwellenwerte sind pro Workflow-Knoten konfigurierbar – siehe AML-Risiko-Score. Benutzerdefinierte Statusregeln werden mit dem abgeleiteten Status gemäß der Rangfolge Declined > In Review > Approved kombiniert; Prüfer können den AML-Status auch über die Konsole oder den AML-Status-Endpoint überschreiben.

Beispiele

Approved – keine Treffer

{
  "aml_screenings": [
    {
      "node_id": "aml-1",
      "status": "Approved",
      "total_hits": 0,
      "entity_type": "person",
      "score": 0,
      "hits": [],
      "screened_data": {
        "full_name": "Jane Doe",
        "nationality": "US",
        "date_of_birth": "1990-06-12",
        "document_number": "P9876543"
      },
      "is_ongoing_monitoring_enabled": false,
      "last_ongoing_screening_at": null,
      "last_ongoing_screening_datasets_updated_at": null,
      "next_ongoing_monitoring_bill_date": null,
      "warnings": []
    }
  ]
}

In Review – PEP + Treffer zu negativen Medienberichten

Alle nachfolgenden Namen, URLs und Artikel sind frei erfunden.

{
  "aml_screenings": [
    {
      "node_id": "aml-1",
      "status": "In Review",
      "total_hits": 1,
      "entity_type": "person",
      "score": 85,
      "hits": [
        {
          "id": "hit_7c1e9a40b2d35f86e0a4c912",
          "caption": "John Q. Exampleton",
          "datasets": ["PEP"],
          "match_score": 96,
          "risk_score": 85,
          "score": 0.97,
          "match": false,
          "target": null,
          "review_status": "Unreviewed",
          "properties": {
            "name": ["John Q. Exampleton"],
            "alias": ["Johnny Example"],
            "birthDate": ["1974"],
            "birthPlace": ["Springfield"]
          },
          "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": 96
          },
          "pep_matches": [
            {
              "list_name": "Example PEP Registry",
              "publisher": "Example Registry",
              "matched_name": "John Q. Exampleton",
              "pep_position": "Regional council member",
              "date_of_birth": "1974-01-01",
              "place_of_birth": "Springfield",
              "source_url": "https://example.org/registry/entities/Q0000001"
            }
          ],
          "sanction_matches": [],
          "warning_matches": [],
          "adverse_media_matches": [
            {
              "country": "freedonia",
              "headline": "Court opens inquiry into council hiring irregularities",
              "summary": "John Q. Exampleton is named in a legal investigation regarding irregularities in public hiring.",
              "sentiment": "moderately negative",
              "sentiment_score": -2,
              "source_url": "https://example-news.org/articles/12345",
              "publication_date": "2025-06-09T10:19:10",
              "adverse_keywords": ["fraud", "irregularities"]
            }
          ],
          "adverse_media_details": {
            "sentiment": "Moderately Negative",
            "sentiment_score": -2,
            "entity_type": "person",
            "adverse_keywords": { "fraud": 3, "corruption": 2 }
          },
          "risk_view": {
            "categories": { "score": 100.0, "weightage": 50, "risk_level": "High", "risk_scores": { "PEP": 100.0 } },
            "countries":  { "score": 0.0,   "weightage": 30, "risk_level": "Low",  "risk_scores": {} },
            "crimes":     { "score": 0.0,   "weightage": 20, "risk_level": "Low",  "risk_scores": {} },
            "custom_list": {}
          },
          "linked_entities": [
            { "name": ["Mary Exampleton"], "relation": [], "details": [], "active": [], "status": [] }
          ],
          "first_seen": "2025-01-18T00:00:00",
          "last_seen": "2025-06-13T00:00:00"
        }
      ],
      "screened_data": {
        "full_name": "John Q. Exampleton",
        "nationality": "US",
        "date_of_birth": "1974-01-01",
        "document_number": null
      },
      "is_ongoing_monitoring_enabled": true,
      "next_ongoing_monitoring_bill_date": "2027-05-17",
      "warnings": [
        {
          "feature": "AML",
          "risk": "POSSIBLE_MATCH_FOUND",
          "additional_data": null,
          "log_type": "warning",
          "short_description": "Possible match found in AML screening",
          "long_description": "The Anti-Money Laundering (AML) screening process identified potential matches with watchlists or high-risk databases, requiring further review.",
          "node_id": "aml-1"
        }
      ]
    }
  ]
}

Authentifizierung

Verifizierung

Überwachung

Plattform

AML-Screening-Bericht: Treffer, Scores & JSON

Übersicht

Wo es in API-Antworten erscheint

Drei Scores, kein einzelnes Urteil

Schema

Felder pro Treffer

Laufende Überwachung

Statuswerte

Beispiele

Approved – keine Treffer

In Review – PEP + Treffer zu negativen Medienberichten

Verwandte Themen

​Übersicht

​Wo es in API-Antworten erscheint

​Drei Scores, kein einzelnes Urteil

​Schema

​Felder pro Treffer

​Laufende Überwachung

​Statuswerte

​Beispiele

​Approved – keine Treffer

​In Review – PEP + Treffer zu negativen Medienberichten

​Verwandte Themen

Übersicht

Wo es in API-Antworten erscheint

Drei Scores, kein einzelnes Urteil

Schema

Felder pro Treffer

Laufende Überwachung

Statuswerte

Beispiele

Approved – keine Treffer

In Review – PEP + Treffer zu negativen Medienberichten

Verwandte Themen