Internationale Rechtsformen zuordnen

Maschinellem Lernen ermöglicht es einem Open Source Tool von GLEIF und Sociovestix Labs weltweit automatisiert Rechtsformen zu erkennen und zu standardisieren.

Schon in Deutschland gibt es eine Vielzahl von Rechtsformen für Unternehmen, von der GmbH bis zur Kommanditgesellschaft. Kompliziert wird es, wenn die Gründung von Tochtergesellschaften im Ausland ansteht.

Die Global Legal Entity Identifier Foundation (GLEIF) hat für diese Problematik in Zusammenarbeit mit Sociovestix Labs ein Machine Learning Tool entwickelt, das die spezifische Rechtsform eines Unternehmens erkennt und den entsprechenden Entity Legal Form (ELF) Code automatisch zuordnet. Die ELF Code Liste ist ISO-Standard 20275 ‚Financial Services – Entity Legal Forms (ELF)‘ und weist jeder Rechtsform einen eindeutigen alphanumerischen Code aus vier Zeichen zu.

Die Rechtsform eines Unternehmens ist eine entscheidende Komponente bei der Verifizierung und Überprüfung der Unternehmensidentität. Die große Vielfalt an Rechtsformen, die es innerhalb und zwischen verschiedenen Rechtssystemen gibt, hat es großen Organisationen jedoch erschwert, die Rechtsform als strukturierte Daten zu erfassen.

Das neue Tool, ermöglicht Banken, Wertpapierfirmen, Regierungen und Organisationen jeglicher Größe eine Aktualisierung ihrer bestehenden Stammdaten und die einheitliche Zuweisung eines solchen ELF-Codes für jede Rechtsform. Das neue Tool nutzt die Legal Entity Identifier (LEI)-Datenbank von GLEIF mit mehr als zwei Millionen Datensätzen als Lerndatensatz und ermöglicht eine strukturierte, standardisierte und dadurch zugleich auch verbesserte Kategorisierung der juristischen Personen. Dabei extrahiert das Tool die Rechtsform aus dem unstrukturierten Text der Organisationsbezeichnung und weist den richtigen ELF Code zu.

J.P. Morgan hat das neue Tool für maschinelles Lernen erfolgreich getestet und prüft derzeit dessen Integration in seine Datenpipeline

Das Tool bietet eine Reihe von Vorteilen, sowohl für das Unternehmen als auch für die globalen Märkte insgesamt. Dazu zählen:

  • Automatisiert die Standardisierung von unstrukturierten Daten, um die Datenqualität zu verbessern und Kosten zu reduzieren. Bei den unstrukturierten Daten handelt es sich um die Rechtsform im Unternehmensnamen,
  • Trägt zu einem besseren Einblick in Organisationsformen und mehr Transparenz auf den globalen Märkten bei.
  • Stellt die Rechtsform eines Unternehmens in einem maschinenlesbaren Format bereit, das von KI-Tools und in anderen digitalen Geschäftsprozessen und -anwendungen genutzt werden kann.
  • Minimiert die Risiken, die mit der manuellen Bearbeitung von Daten verbunden sind, einschließlich Zeit, Ineffizienz und menschliche Fehler.

Stephan Wolf, CEO von GLEIF, kommentiert: „GLEIF stellt ein Open-Source Tool zur Verfügung, das es anderen Organisationen ermöglicht, diesen ISO-Standard in ihre Daten zu integrieren, ohne kostspielige und ineffiziente manuelle Prozesse anwenden zu müssen. Dies wird dazu beitragen, die Datenqualität auf breiter Ebene zu verbessern, indem es die rasche Übernahme der universellen Codes für Rechtsformen von Unternehmen ermöglicht. Durch diese Initiative haben wir sowohl die Qualität der LEI-Daten verbessert als auch ein hochqualifiziertes Machine Learning Tool entwickelt, das wir nun als öffentliches Gut frei zur Verfügung stellen.“

Prof. Dr. Damian Borth, Leiter des Lehrstuhls für Künstliche Intelligenz und Maschinelles Lernen an der Universität St. Gallen und Mitgründer von Sociovestix Labs ergänzt: „Die automatische Identifizierung der Rechtsform eines Unternehmens und ihre Verknüpfung mit dem ELF Code ist für viele aufeinanderfolgende Aufgaben in der Industrie von grundlegender Bedeutung. Die veröffentlichte Python-Bibliothek ‚Legal Entity Name Understanding‘ ermöglicht dies, indem sie das globale Wissen von 175 Jurisdiktionen in einem einzigen Open-Source Tool bündelt – kostenlos für alle, die Wert auf Datenqualität legen.“

Sameena Shah, AI Research Executive and Client Onboarding Chief Transformation Officer bei J.P. Morgan kommentiert: „J.P. Morgan nutzt bereits die Entity-Relationship-Daten in der LEI-Datenbank, um die Erkennung von Strukturen bei Umbrella-Funds zu verbessern. Daher freuen wir uns, weiter mit GLEIF zusammenzuarbeiten und das neue Tool zur automatischen Erkennung von ELF-Codes zu evaluieren. Wir begrüßen das Engagement von GLEIF für die Verbesserung der Datenqualität und ihre Entscheidung, dieses Tool allen Unternehmen, die von KI-Lösungen profitieren wollen, frei zur Verfügung zu stellen.“

Die ‚Entity Legal Forms (ELF) Code List‘ enthält mehr als 3.250 Codes für Rechtsformen aus mehr als 175 Jurisdiktionen, einschließlich Rechtsformen und -typen in der jeweiligen Landessprache, wie z. B. Limited Liability Companies (Ltd), Gesellschaft mit beschränkter Haftung (GmbH) oder Société Anonyme (SA). GLEIF hat die ELF-Codes in den standardisierten Satz von Referenzdaten zu einer juristischen Person integriert, der im Global LEI Index, einem offenen Datensatz, verfügbar ist. Das Tool wurde verwendet, um diese Codes auf bestehende LEI-Datensätze anzuwenden, in denen sie noch nicht vorhanden waren. Durch die Aufnahme von ELF-Codes in die LEI-Daten werden die Visitenkarteninformationen, die in jeder der mehr als zwei Millionen heute weltweit verwendeten LEIs enthalten sind, weiter verbessert.

Themenseiten: Datenmanagement, Gleif

Fanden Sie diesen Artikel nützlich?
Content Loading ...
Whitepaper

Artikel empfehlen:

Neueste Kommentare 

Noch keine Kommentare zu Internationale Rechtsformen zuordnen

Kommentar hinzufügen

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *