Datensparsamkeit und Datensicherheit genießen bei finAPI höchste Priorität

Mithilfe modernster Technologie und Machine Learning setzt finAPI auf effizienten Daten-Minimalismus im Sinne des Endkunden

Für finAPI als einem der führenden Open-Banking-Anbieter Deutschlands mit BaFin-Erlaubnis steht Datensparsamkeit und Datensicherheit immer an erster Stelle. Selbstverständlich hält sich finAPI an die strengen Vorgaben der Datenschutz-Grundverordnung (DS-GVO). Darüber hinaus fordert finAPI ausschließlich die für den jeweiligen Use Case erforderlichen Daten von der Bank an bzw. reduziert die an B2B-Kunden weitergegebenen Daten mittels des finAPI Datenausgangsfilters auf das erforderliche Minimum. So ist gewährleistet, dass immer nur die absolut notwendigen Daten verarbeitet werden. 

Wie funktioniert dieser Datenausgangsfilter?

finAPI legt mit dem B2B-Kunden fest, welcher Anwendungsfall (z.B. Bonitäts-Nachweis, Alters-Legitimation, Identifikation etc.) benötigt wird und welche spezifischen Daten dafür erforderlich sind. Damit kann finAPI Kontodaten gezielt und bedarfsorientiert verarbeiten. Nutzt ein Endkunde den Kontoinformationsdienst von finAPI, werden die Kontodaten unmittelbar kategorisiert und durch die eigene sogenannte RuleEngine, die im Rahmen der TÜV-Zertifizierung überprüft wurde, gefiltert. Nur die relevanten und notwendigen Informationen werden an den Kunden weitergegeben, während alle nicht benötigten Daten umgehend gelöscht werden.

Präzision und Sicherheit dank Machine Learning und Expertenregeln

Die Kategorisierung der Kontoumsätze basiert auf einem umfassenden Regelwerk, das den Kontoumsätzen spezifische Labels zuweist. Um die Qualität und Sicherheit des Datenausgangsfilters stetig zu gewährleisten, setzt finAPI auf den Keyword Labeling Service (KLS) mit mehr als 200 Labels. Dabei kommen eindeutig vordefinierte Expertenregeln zum Einsatz, die durch Machine Learning Technologien verifiziert und optimiert werden.

Die Treffsicherheit und Güte des Labelings wird fortlaufend manuell analysiert beziehungsweise verbessert und erreicht eine Treffsicherheit (korrekte Zuordnung der Kontoumsätze) von bis zu 99 Prozent.
Sven Wackermann
Leitung Produktmanagement

Beispiel GiroCheck: Datensparsamkeit in der Praxis

Ein konkretes Beispiel, wie der Datenausgangsfilter in der Praxis eingesetzt wird, ist der GiroCheck von finAPI. Online-Shops nutzen den GiroCheck beispielsweise als Alternative oder als Ergänzung zur Schufa-Auskunft, um die Bonität ihrer Kunden zu prüfen. finAPI checkt dabei vier für E-Commerce-Anbieter entscheidende Kriterien:

Durch diese gezielte Abfrage erhält und verarbeitet finAPI nur die minimal erforderlichen Informationen (im Sinne von Ja/Nein) und liefert diese an den Kunden. Alle weiteren Informationen werden umgehend automatisiert gelöscht.

Beispiel GiroIdent: Identifizierung mit einer Minimierung an Daten

Ein weiteres Beispiel für Datensparsamkeit ist das Produkt GiroIdent von finAPI. Dieser Service aus dem Bereich KYC (“Know Your Customer”) ermöglicht es Unternehmen im E-Commerce, das Alter ihrer Kunden nachzuweisen und Personen zu identifizieren. Das ist beispielsweise bei altersabhängigen Produkten oder Steuererklärungen notwendig. Über den Login ins Online-Banking wird ausschließlich der Name der Kontoinhaberin beziehungsweise des Kontoinhabers abgerufen und abgeglichen. Da für die Identifizierung keine Transaktionen benötigt werden, werden keine Transaktionsdaten abgerufen. Dadurch wird der Datenzugriff auf das Notwendigste minimiert und die Sicherheit und Privatsphäre des Endkunden gewährleistet.

Sie haben Fragen zur Datensparsamkeit und Datensicherheit?

Sie haben Fragen zu unseren Produkten oder möchte weitere Informationen zur Datensparsamkeit und Datensicherheit bei finAPI? Schreiben Sie uns. Wir freuen uns über Ihre Nachricht.

Bitte füllen Sie alle mit * gekennzeichneten Pflichtfelder aus. Unsere Datenschutzhinweise können Sie hier einsehen

=
Bitte lösen Sie diese Rechenaufgabe, um fortzufahren.