Kanzleien · Conflicts- und AML-Prüfungen als Datenpipelines, nicht nur als Compliance-Schritte

Die Szene: 9:47 Uhr, Anlage eines neuen Mandats

Ein Partner schreibt dem Intake-Team: neuer Mandant, ein mittelständisches Industrieunternehmen möchte bei einer Akquisition vertreten werden. Bevor überhaupt jemand eine Akte anlegt, müssen zwei Systeme laufen: eine Conflicts-Prüfung (bringt dieses Mandat die Kanzlei in Opposition zu einem bestehenden Mandanten oder entsteht ein wirtschaftlicher Interessenkonflikt) und ein AML-Screening (Anti-Geldwäsche, das Regelwerk, das Kanzleien verpflichtet zu prüfen, mit wem sie es tatsächlich zu tun haben).

Beide Prüfungen wirken wie Compliance-Häkchen. Darunter sind es Datenpipelines: eine Abfrage gegen eine Datenbank, abgeglichen mit Referenzdaten, in einem bestimmten Rhythmus aktualisiert, mit Ergebnissen, die anschließend ein Mensch interpretieren muss. Ist die PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen → veraltet, falsch abgeglichen oder falsch abgegrenzt, läuft die Prüfung durch, obwohl sie es nicht sollte. So werden Kanzleien von Mandaten ausgeschlossen oder vertreten, schlimmer noch, eine sanktionierte Einheit.

Diese Lektion behandelt Conflicts und AML zuerst als Data-Engineering-Problem und erst danach als juristischen Prozess.

Was eine Conflicts-Prüfung tatsächlich abfragt

Eine Conflicts-Datenbank ist keine separate App, die man an die Kanzlei anschraubt. Sie ist ein View auf das Practice-Management-System (PMS), die führende Software für Mandate, Mandanten und Abrechnungsparteien (Beispiele: Intapp, Elite 3E, Aderant).

Jede Suche zu einem neuen Mandat läuft gegen:

• Mandanten- und Namen verbundener Parteien: den neuen Mandanten, dessen Muttergesellschaft, Tochtergesellschaften, Geschäftsführer und die Gegenparteien im Deal.
• Mandatshistorie: jedes Mandat, das die Kanzlei je ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen →öffnet hat, einschließlich Mandate, in denen die Kanzlei gegnerisch tätig war.
• Timekeeper-Konflikte: Anwälte, die an verwandten Mandaten gearbeitet haben, auch bei früheren Kanzleien (Konflikte durch Lateral Hires sind eine wesentliche Risikoquelle).

Die Suchlogik ist enorm wichtig. Ein Conflicts-System mit exaktem String-Abgleich übersieht „Smith Industrials Ltd“, wenn die neue Partei als „Smith Industrials Limited“ oder „Smith Industrials (UK)“ geführt wird. Kanzleien setzen auf Fuzzy Matching (Algorithmen, die Beinahe-Treffer, Schreibfehler und Namensvarianten erfassen) und Entity Resolution (das Verknüpfen von Datensätzen, die dasselbe reale Unternehmen bezeichnen, obwohl die Namen in verschiedenen Systemen abweichen).

Beispiel: Ist die oberste Muttergesellschaft des Zielunternehmens eine Gesellschaft, die die Kanzlei vor drei Jahren unter einem anderen eingetragenen Namen vertreten hat, übersieht eine naive Suche das komplett. Eine gut gebaute Pipeline löst beide Namen vor der Suche auf dieselbe Entity-ID auf.

AML-Screening: eine andere Pipeline, externe Feeds

AML-Prüfungen ziehen aus einer anderen Datenquelle: Watchlist- und Sanktions-Feeds von Drittanbietern, nicht aus der eigenen Historie der Kanzlei. Relevante Listen sind unter anderem:

• Die Specially Designated Nationals list der OFAC (Office of Foreign Assets Control des US-Finanzministeriums, die Sanktionsliste für Personen und Einheiten, die von US-Transaktionen ausgeschlossen sind).
• Die konsolidierte Sanktionsliste der EU und die OFSI-Liste des Vereinigten KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önigreichs (Office of Financial Sanctions Implementation).
• PEP-Datenbanken (Politically Exposed Persons, Personen in herausgehobenen öffentlichen Ämtern, die auf Korruptionsrisiken gescreent werden).

Kanzleien fragen diese Listen selten direkt ab. Sie abonnieren einen Anbieter (Beispiele: LexisNexis, Refinitiv World-Check, Dow Jones Risk & Compliance), der diese Feeds aggregiert, bereinigt und aktualisiert und sich per APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → in den Intake-Workflow der Kanzlei einklinkt.

Datenaktualität ist hier alles. Sanktionslisten ändern sich ständig, die OFAC aktualisiert ihre SDN-Liste mehrmals im Monat, manchmal über Nacht als Reaktion auf geopolitische Ereignisse. Synchronisiert der Vendor-Feed einer Kanzlei nur wöchentlich, gibt es ein Zeitfenster, in dem eine frisch sanktionierte Partei das Screening passiert. Die offizielle OFAC-Liste ist kostenlos und öffentlich: sanctionssearch.ofac.treas.gov.

Client Due Diligence (CDD), der umfassendere Prozess zur Verifizierung der wirtschaftlich Berechtigten, ist der Punkt, an dem die Pipeline schwieriger wird. Beneficial Ownership (wer eine Einheit tatsächlich kontrolliert oder von ihr profitiert, nicht nur wer auf dem Papier steht) erfordert oft die Verfolgung durch Mantelstrukturen. In den USA hat der Corporate Transparency Act (2021 erlassen, Meldepflichten gestaffelt bis 2024-2025) über FinCEN (Financial Crimes Enforcement Network) ein Register wirtschaftlich Berechtigter geschaffen, das genau auf dieses Problem zielt, wobei Anwendungsbereich und Durchsetzung laufenden rechtlichen und regulatorischen Änderungen unterliegen, sodass Kanzleien es nicht als Ersatz für die eigene Due Diligence behandeln sollten.

Wo Treffer erkannt werden und wo sie durchrutschen

Ein Treffer wird erkannt, wenn:

• Entity Resolution die neue Partei korrekt mit einer bereits im PMS vorhandenen Namensvariante verknüpft.
• Der AML-Vendor-Feed täglich oder nahezu in Echtzeit synchronisiert wird und die richtigen Jurisdiktionen abdeckt.
• Der Suchumfang verbundene Parteien einschließt (Geschäftsführer, wirtschaftlich Berechtigte, Mutter-/Tochterketten), nicht nur den benannten Mandanten.

Ein Treffer wird übersehen, wenn:

• Die Suchlogik nur auf exaktem Abgleich beruht und ein Name eine Transliterationsabweichung aufweist (häufig bei Einheiten aus Jurisdiktionen mit nicht-lateinischer Schrift).
• Der AML-Feed dem Update der Sanktionsliste hinterherhinkt, typisch bei Anbietern zweiter Wahl oder seltenen Sync-Intervallen.
• Die Prüfung nur den benannten Mandanten erfasst und wirtschaftlich Berechtigte zwei oder drei Ebenen weiter oben in der Beteiligungskette auslässt.
• Die Mandatsdaten im PMS selbst unsauber sind: doppelte Mandantendatensätze, uneinheitliche Namenskonventionen, Mandate, die unter dem Kürzel eines Anwalts statt unter dem Namen der juristischen Person erfasst sind.

Dieser letzte Punkt ist eine Frage der Data GovernanceData GovernanceData Governance umfasst die Regeln, Rollen und Prozesse, die sicherstellen, dass Daten in einer Organisation korrekt, sicher, klar definiert und verantwortungsvoll genutzt werden.Vollständige Definition ansehen →, keine juristische. Müll im PMS erzeugt Müll bei den Conflicts-Ergebnissen, egal wie gut der Suchalgorithmus ist.

Eine vereinfachte Sicht auf die Pipeline

New matter intake form
        │
        ▼
Entity extraction (client, parent, subs, counterparties, directors)
        │
        ├──> Conflicts query: fuzzy match against PMS matter/client history
        │         │
        │         └──> Human review of "possible matches" queue
        │
        └──> AML query: match against vendor-aggregated sanctions/PEP feeds
                  │
                  └──> Risk score + human review for any hit

Zwei getrennte Pipelines, derselbe Intake-Trigger, unterschiedliche Datenquellen, unterschiedliche Aktualisierungsintervalle. Beide brauchen einen Schritt mit menschlicher Prüfung, weil False Positives häufig sind (ein verbreiteter Name, ein zufälliger Treffer) und False Negatives die eigentliche Gefahr darstellen.

Warum das für die kanzleiweite Datenarchitektur relevant ist

Conflicts- und AML-Daten können nicht einfach zusammen mit Abrechnungs- und Zeitdaten in ein allgemeines Analytics-Warehouse fließen. Zwei strukturelle Einschränkungen:

Privileg und Vertraulichkeit. Ein Conflicts-Suchergebnis, das offenlegt, dass „die Kanzlei zuvor Company X vertreten hat“, kann selbst sensibel sein, besonders bei nicht angekündigten Deals. Der Zugriff auf Conflicts-Daten ist typischerweise auf das Conflicts-/OGC-Team (Office of General Counsel) und die zuständigen Mandatspartner beschränkt, nicht offen für jeden mit einem Business-Intelligence-Login.

Zugriffskontrolle auf Mandatsebene. Die meisten Datensysteme in Kanzleien, einschließlich PMS und Dokumentenmanagementsysteme (DMS, z. B. iManage, NetDocuments), setzen Ethical Walls durch (Informationsbarrieren zwischen Anwälten in gegnerischen Mandaten). Eine Warehouse- oder LakehouseLakehouseEine hybride Architektur, die die Flexibilität eines Data Lake mit den analytischen Fähigkeiten eines Data Warehouse auf einer einzigen Storage-Schicht verbindet.Vollständige Definition ansehen →-Schicht, die zu Reporting-Zwecken auf diesen Systemen aufsetzt, muss dieselben Zugriffsgrenzen erhalten und nicht einebnen. Das bedeutet Row-Level Security, gebunden an Mandats- und Mandantenkennungen, getreu aus dem Quellsystem repliziert und nicht im Warehouse neu erfunden.

Kanzleien, die moderne Datenplattformen aufbauen (ein Lakehouse-Muster, das Rohdatenspeicherung mit strukturierten Abfrageschichten kombiniert, mit Tools wie Databricks oder Snowflake), wollen zunehmend Conflicts- und AML-Metadaten für kanzleiweites Risikoreporting verfügbar machen, ohne die zugrunde liegenden sensiblen Details offenzulegen. Der übliche Ansatz: Aggregation auf die Ebene „Conflicts-Prüfung abgeschlossen, Risikostufe zugewiesen“, statt das vollständige Name-Matching-Detail in eine allgemeine Reporting-Schicht zu replizieren.

🎬 [VIDEO: "What is Know Your Customer (KYC) and AML?" — youtube.com/results?search_query=what+is+kyc+aml+explained — eine kurze Erklärung der grundlegenden Screening-Konzepte hinter den Intake-Tools von Kanzleien, nützlich für nicht-technische Zuschauer]

Key Takeaways

• Conflicts-Prüfungen fragen die eigene Practice-Management-Historie der Kanzlei ab; AML-Prüfungen fragen externe, von Anbietern aggregierte Sanktions- und PEP-Feeds ab. Es sind getrennte Pipelines mit getrennten Risikoprofilen.
• Die Suchlogik (Fuzzy Matching, Entity Resolution) entscheidet, ob Namensvarianten und verbundene Parteien erfasst werden. Suche nur mit exaktem Abgleich ist ein bekannter blinder Fleck.
• Datenaktualität ist bei AML kritisch: Sanktionslisten wie die SDN-Liste der OFAC werden häufig aktualisiert, und ein wöchentlich synchronisierter Vendor-Feed erzeugt ein reales Expositionsfenster.
• Unsaubere Daten im Practice-Management-System (doppelte oder inkonsistente Mandantendatensätze) untergraben Conflicts-Prüfungen, egal wie gut der Suchalgorithmus ist.
• Jede Warehouse- oder Lakehouse-Schicht über diesen Systemen muss die Zugriffskontrolle auf Mandatsebene und Ethical Walls erhalten, typischerweise durch Reporting auf aggregiertem Risikostatus statt durch Replikation sensibler Trefferdetails.