Communitygithub.com

ThomasMoreAI/legal-skills-open

Klassifiziert personenbezogene vs. nicht personenbezogene Daten gemäß der Definition des Art. 4 Abs. 1 DSGVO mit Entscheidungsbaum für Grenzfälle. Verweist auf das Breyer-Urteil des EuGH (C-582/14) zu dynamischen IP-Adressen und die WP29-Stellungnahme 4/2007.

Was ist legal-skills-open?

Diese KI-Kompetenz bietet einen systematischen Rahmen zur Klassifizierung von Datenelementen basierend auf der Definition personenbezogener Daten gemäß Art. 4 Abs. 1 DSGVO. Sie unterstützt Entwickler und Datenschutzbeauftragte bei der Beurteilung, ob Daten als personenbezogen, nicht personenbezogen oder grenzwertig einzustufen sind. Die Kompetenz integriert maßgebliche Rechtsprechung, insbesondere das Breyer-Urteil des EuGH (C-582/14) zu dynamischen IP-Adressen, sowie die WP29-Stellungnahme 4/2007. Sie bietet einen detaillierten Entscheidungsbaum, konkrete Beispiele für verschiedene Datenkategorien und eine schrittweise Implementierungsanleitung für die Praxis. Geeignet für Plattformen wie Claude Code, Cursor oder Codex, ermöglicht sie eine konsistente und rechtskonforme Datenklassifikation in Entwicklungs- und Datenverarbeitungsprozessen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ThomasMoreAI/legal-skills-open/tree/HEAD/general/data-protection/skills/personal-data-test

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Test zur Klassifizierung personenbezogener Daten – Art. 4 Abs. 1 DSGVO

Überblick

Art. 4 Abs. 1 der DSGVO definiert personenbezogene Daten als „alle Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person („betroffene Person“) beziehen“. Diese Definition ist bewusst weit gefasst und technologieneutral. Der Europäische Gerichtshof hat im Urteil Breyer gegen Bundesrepublik Deutschland (C-582/14, 19. Oktober 2016) bestätigt, dass selbst dynamische IP-Adressen personenbezogene Daten darstellen können, wenn der Verantwortliche rechtliche Mittel zur Verfügung hat, um zusätzliche Informationen zur Identifizierung zu erhalten. Diese Kompetenz bietet einen systematischen Entscheidungsrahmen zur Klassifizierung von Datenelementen als personenbezogen, nicht personenbezogen oder grenzwertig mit erforderlicher Kontextbewertung.

Rechtsgrundlage

Art. 4 Abs. 1 – Vier konstituierende Elemente

Personenbezogene Daten liegen vor, wenn ALLE vier Elemente erfüllt sind:

ElementDefinitionBewertungskriterien
Alle InformationenKeine Einschränkung hinsichtlich Art, Inhalt oder Format der InformationenUmfasst objektive Tatsachen (Alter, Blutgruppe) und subjektive Bewertungen (Bonität, Leistungsbeurteilung). Deckt alle Formate ab: Text, Bild, Audio, biometrisch, Metadaten, Verhalten
Bezug zu einer PersonInformationen müssen einen Inhalts-, Zweck- oder Ergebnisbezug zu der Person aufweisenInhaltsbezug: Informationen handeln von der Person. Zweckbezug: Informationen werden verwendet, um die Person zu bewerten oder zu beeinflussen. Ergebnisbezug: Die Verarbeitung wirkt sich auf die Rechte oder Interessen der Person aus
Identifiziert oder identifizierbarDie Person ist oder kann von allen anderen Personen unterschieden werdenIdentifiziert: direkt ausgewählt. Identifizierbar: kann durch zusätzliche Daten ausgewählt werden, unter Berücksichtigung aller Mittel, die vernünftigerweise wahrscheinlich eingesetzt werden
Natürliche PersonLebender Mensch, keine juristischen Personen oder VerstorbeneSchließt Unternehmen, Regierungsstellen, Verbände aus. Das Recht der Mitgliedstaaten kann Schutz auf Verstorbene ausdehnen (z. B. Italien bis 20 Jahre nach dem Tod)

Erwägungsgrund 26 – „Vernünftigerweise wahrscheinlicher“ Test für die Identifizierbarkeit

Um festzustellen, ob eine natürliche Person identifizierbar ist, sollten alle Mittel berücksichtigt werden, die vernünftigerweise wahrscheinlich zum Einsatz kommen, wie z. B. die Herausgreifung, entweder durch den Verantwortlichen oder durch eine andere Person, um die natürliche Person direkt oder indirekt zu identifizieren. Die Bewertung muss Folgendes berücksichtigen:

  • Alle objektiven Faktoren: Kosten der Identifizierung, erforderlicher Zeitaufwand, zum Zeitpunkt der Verarbeitung verfügbare Technologie und technologische Entwicklungen, die während der Aufbewahrungsfrist zu erwarten sind
  • Alle vernünftigerweise wahrscheinlichen Mittel: nicht beschränkt auf Mittel, die der Verantwortliche derzeit besitzt – umfasst Mittel, die ein Dritter vernünftigerweise einsetzen könnte
  • Dynamische Bewertung: Was heute nicht identifizierbar ist, kann morgen identifizierbar werden, wenn sich die Technologie weiterentwickelt oder Datensätze verknüpft werden

Das Breyer-Urteil – EuGH C-582/14

Sachverhalt

Patrick Breyer klagte gegen die Praxis der deutschen Bundesregierung, dynamische IP-Adressen von Besuchern von Regierungswebsites zu speichern. Deutschland argumentierte, dass dynamische IP-Adressen keine personenbezogenen Daten seien, da der Websitebetreiber Besucher ohne zusätzliche Daten des Internetdienstanbieters (ISP) nicht identifizieren könne.

Entscheidung

Der EuGH entschied, dass dynamische IP-Adressen für den Websitebetreiber personenbezogene Daten darstellen, wenn:

  1. Dem Betreiber rechtliche Mittel zur Verfügung stehen, um zusätzliche Identifizierungsinformationen von einem Dritten (dem ISP) zu erhalten
  2. Die Identifizierung keinen unverhältnismäßigen Aufwand in Bezug auf Zeit, Kosten oder Arbeit erfordert
  3. Die Mittel vernünftigerweise wahrscheinlich eingesetzt werden – nicht nur theoretisch

Wesentliche Rechtsgrundsätze

  • Relativer Ansatz zur Identifizierbarkeit: Der Status personenbezogener Daten wird relativ zu den Umständen jedes Verantwortlichen bewertet, nicht abstrakt
  • Rechtliche Mittel genügen: Der Verantwortliche muss die identifizierenden Daten nicht bereits besitzen; rechtliche Kanäle zum Erhalt sind ausreichend
  • Kenntnis Dritter zählt: Informationen Dritter müssen berücksichtigt werden, wenn der Verantwortliche rechtliche Zugangsmöglichkeiten hat
  • Weite Auslegung: Der EuGH bestätigte die Absicht der DSGVO (damals Richtlinie 95/46/EG), weit gefasst zu sein, um Grundrechte zu schützen

Praktische Auswirkungen

Nach Breyer gelten für die meisten Verantwortlichen folgende Daten als vermutlich personenbezogen:

  • Dynamische und statische IP-Adressen
  • Geräte-Fingerabdrücke und Browser-Fingerabdrücke
  • Cookie-Identifikatoren und Werbe-IDs
  • MAC-Adressen in Kombination mit Netzwerkzugriffsprotokollen
  • Pseudonymisierte Datensätze, wenn Re-Identifizierungsschlüssel vorhanden oder erhältlich sind

Entscheidungsbaum zur Klassifizierung personenbezogener Daten

Stufe 1: Betreffen die Daten eine natürliche Person?

Datenelement
    │
    ├── Betrifft eine lebende natürliche Person? – JA → Weiter zu Stufe 2
    │
    ├── Betrifft eine verstorbene Person? – Prüfung des Rechts des Mitgliedstaats (kann dennoch geschützt sein)
    │
    ├── Betrifft nur eine juristische Person? – KEINE personenbezogenen Daten gemäß DSGVO
    │       (kann aber personenbezogene Daten von Einzelpersonen enthalten,
    │        z. B. Name eines Einzelunternehmers = personenbezogene Daten)
    │
    └── Betrifft anonyme Aggregate? – Weiter zu Stufe 3 (prüfen, ob wirklich anonym)

Stufe 2: Kann die Person identifiziert werden oder ist die Person identifizierbar?

Daten beziehen sich auf eine natürliche Person
    │
    ├── Ist die Person DIREKT identifiziert?
    │   (Name, Lichtbild, eindeutige ID-Nummer)
    │   – PERSONENBEZOGENE DATEN
    │
    ├── Ist die Person INDIREKT identifizierbar?
    │   (Kombination von Datenpunkten ermöglicht Herausgreifung)
    │   – Anwendung des Erwägungsgrunds 26 „vernünftigerweise wahrscheinlich“ Tests → Stufe 2a
    │
    └── Kann die Person mit keinen vernünftigerweise wahrscheinlichen Mitteln identifiziert werden?
        – KEINE personenbezogenen Daten (aber Bewertung dokumentieren)

Stufe 2a: Bewertung nach Erwägungsgrund 26 „vernünftigerweise wahrscheinlich“

Indirekte Identifikatoren vorhanden
    │
    ├── Verfügt der Verantwortliche über zusätzliche Daten zur Identifizierung?
    │   – JA → PERSONENBEZOGENE DATEN
    │
    ├── Verfügt ein Dritter über solche Daten und hat der Verantwortliche
    │   rechtliche Mittel darauf zuzugreifen? (Breyer-Test)
    │   – JA → PERSONENBEZOGENE DATEN
    │
    ├── Könnten öffentlich zugängliche Daten zur Identifizierung kombiniert werden?
    │   (soziale Medien, öffentliche Register, Nachrichtenartikel)
    │   – JA → PERSONENBEZOGENE DATEN
    │
    ├── Ist eine Re-Identifizierung unter Berücksichtigung von Folgendem durchführbar:
    │   - Kosten im Verhältnis zum Wert der Identifizierung
    │   - Erforderlicher Zeitaufwand im Verhältnis zur Aufbewahrungsfrist
    │   - Aktuelle und absehbare Technologie
    │   – JA → PERSONENBEZOGENE DATEN
    │
    └── Erfordert die Identifizierung unverhältnismäßigen Aufwand ohne
        vernünftige Motivation?
        – KEINE personenbezogenen Daten (Begründung dokumentieren)

Stufe 3: Anonymisierungsprüfung

Als anonym/aggregiert bezeichnete Daten
    │
    ├── Kann eine Einzelperson aus dem Datensatz herausgegriffen werden?
    │   – JA → PERSONENBEZOGENE DATEN (pseudonymisiert, nicht anonymisiert)
    │
    ├── Können Datensätze verknüpft werden, um ein Profil einer Person zu erstellen?
    │   – JA → PERSONENBEZOGENE DATEN
    │
    ├── Können Informationen über eine bestimmte Person abgeleitet werden?
    │   – JA → PERSONENBEZOGENE DATEN
    │
    └── Besteht alle drei Tests (Herausgreifung, Verknüpfbarkeit, Rückschluss)?
        – Anonymisierte Daten – KEINE personenbezogenen Daten
        (Anwendung des WP29-Stellungnahme 05/2014 Rahmens)

Klassifizierungskategorien mit Beispielen

Kategorie A: Eindeutig personenbezogene Daten (immer personenbezogen)

DatenelementGrund
Vollständiger NameDirekter Identifikator
Nationale ID-Nummer (Sozialversicherungsnummer, Aadhaar, BSN)Eindeutiger direkter Identifikator
E-Mail-Adresse (privat)Identifiziert in den meisten Kontexten direkt
Lichtbild eines GesichtsDirekter visueller Identifikator (auch biometrisch, wenn zur Identifizierung verarbeitet)
Biometrische Daten (Fingerabdruck, Iris-Scan)Einzigartig für die Person, Art. 9 besondere Kategorie bei Verwendung zur Identifizierung
Genetische DatenEinzigartiger biologischer Identifikator, Art. 9 besondere Kategorie
Gesundheitsakten mit PatientennamenDirekter Identifikator plus Art. 9 besondere Kategorie
Privatanschrift mit NamenDirekter Identifikator mit Standort

Kategorie B: Kontextuell personenbezogene Daten (erfordert Bewertung)

DatenelementWann personenbezogenWann nicht personenbezogen
Dynamische IP-AdresseWenn der Verantwortliche rechtliche Mittel hat, Teilnehmerdaten vom ISP zu erhalten (Breyer)Wenn der Verantwortliche keine Mittel und keine Motivation zur Identifizierung hat (selten)
Cookie-IdentifikatorWenn mit einem Surfprofil verknüpft, das Herausgreifung ermöglichtWenn Sitzungscookie ohne Profilerstellung
Geräte-FingerabdruckWenn zur verfolgungsübergreifenden Nachverfolgung verwendetWenn nur für aggregierte Gerätestatistiken mit k-Anonymität
Mitarbeiter-ID-NummerWenn mit HR-Datensätzen desselben Verantwortlichen verknüpftWenn in anonymisierter Umfrage ohne Re-Identifizierungsschlüssel verwendet
Standortdaten (GPS-Koordinaten)Wenn Bewegungsmuster einer Person verfolgt werdenWenn auf Postleitzahlenebene aggregiert mit >1000 Personen pro Zelle
KaufhistorieWenn mit Kundenkonto verknüpftWenn von allen Identifikatoren befreit und nach Produktkategorie aggregiert
Kfz-KennzeichenWenn Kennzeichen-Halter-Abfrage rechtlich möglich istNicht anwendbar – Kennzeichenabfrage ist in den meisten Rechtsordnungen verfügbar, daher fast immer personenbezogen

Kategorie C: Typischerweise keine personenbezogenen Daten

DatenelementBedingung für den Status „nicht personenbezogen“
WetterdatenAllgemeine Umweltdaten ohne Bezug zu Personen
AktienkurseUnternehmensfinanzdaten
MaschinensensordatenGerätetelemetrie ohne Bedieneridentifikation
Aggregierte VolkszählungsstatistikenVeröffentlichte statistische Tabellen mit angemessener Anonymisierung
Chemische VerbindungseigenschaftenWissenschaftliche Daten über Stoffe
Jahresabschlüsse von UnternehmenDaten juristischer Personen (können aber Direktorennamen enthalten)

Grenzfälle – Detaillierte Analyse

Fall 1: Pseudonymisierte Daten

Pseudonymisierte Daten bleiben personenbezogene Daten gemäß DSGVO (Erwägungsgrund 26, Art. 4 Nr. 5). Die Existenz eines Re-Identifizierungsschlüssels – selbst wenn von einer separaten Stelle verwaltet – bedeutet, dass die Daten sich auf eine identifizierbare Person beziehen. Pseudonymisierung ist eine Sicherheitsmaßnahme, keine Anonymisierungstechnik.

Anwendungsbeispiel für Vanguard Financial Services: Kundentransaktionsdatensätze, bei denen Kontonummern durch zufällige Token ersetzt werden. Die Zuordnungstabelle wird von einer separaten internen Abteilung mit Zugriffskontrollen verwaltet. Diese bleiben personenbezogene Daten, weil:

  • Vanguard den Re-Identifizierungsschlüssel intern verwaltet
  • Die Re-Identifizierung minimalen Aufwand erfordert (Datenbanksuche)
  • Die Daten für Zwecke verarbeitet wurden, die sich auf bestimmte Kunden beziehen

Fall 2: Verhaltensprofile ohne direkte Identifikatoren

Ein Profil, das aus Surfverhalten, Kaufmustern und Standortdaten erstellt wurde – selbst ohne Namen oder E-Mail – stellt personenbezogene Daten dar, wenn das Profil die Herausgreifung der Person ermöglicht. Die Artikel-29-Datenschutzgruppe bestätigte in Stellungnahme 4/2007 zum Begriff personenbezogener Daten, dass „ein Profil allein ausreichen kann, um einen bestimmten Benutzer zu identifizieren“.

Fall 3: Verschlüsselte Daten

Verschlüsselte personenbezogene Daten bleiben für den Verantwortlichen, der den Entschlüsselungsschlüssel besitzt, personenbezogene Daten. Für einen Dritten ohne den Schlüssel und ohne vernünftige Möglichkeit, ihn zu erhalten, können die verschlüsselten Daten keine personenbezogenen Daten darstellen (Anwendung des relativen Breyer-Ansatzes). Diese Bewertung muss jedoch zukünftige kryptanalytische Fähigkeiten berücksichtigen.

WP29-Stellungnahme 4/2007 – Wesentliche Grundsätze

Die Artikel-29-Datenschutzgruppe hat mit Stellungnahme 4/2007 zum Begriff personenbezogener Daten grundlegende Auslegungshinweise gegeben:

  1. Inhaltselement: Informationen „über“ eine Person liegen vor, wenn der Inhalt diese Person betrifft, unabhängig von Zweck oder Ergebnis
  2. Zweckelement: Daten handeln „von“ einer Person, wenn sie verwendet werden oder wahrscheinlich verwendet werden, um diese Person zu bewerten, zu behandeln oder zu beeinflussen
  3. Ergebniselement: Daten handeln „von“ einer Person, wenn die Verarbeitung wahrscheinlich Auswirkungen auf die Rechte oder Interessen dieser Person hat
  4. Ein Element genügt: Daten müssen nur das Inhalts-, Zweck- ODER Ergebniselement erfüllen, um sich „auf“ eine Person zu beziehen

Implementierungsverfahren für Vanguard Financial Services

Schritt 1: Datenelementinventar

Erfassen Sie für jedes System jedes Datenelement, das erhoben, gespeichert oder verarbeitet wird. Dokumentieren Sie:

  • Feldname und Datentyp
  • Datenquelle (von betroffener Person erhoben, abgeleitet, erschlossen, von Dritten erhalten)
  • Beispielwerte (ggf. geschwärzt)
  • Aktuelle Klassifizierung, falls vorhanden

Schritt 2: Anwendung des Vier-Elemente-Tests

Dokumentieren Sie für jedes Datenelement die Bewertung gemäß Art. 4 Abs. 1:

  • Handelt es sich um „alle Informationen“? (Fast immer ja)
  • Beziehen sie sich auf eine natürliche Person? (Inhalts-, Zweck- oder Ergebnisbezug)
  • Ist die Person identifiziert oder identifizierbar? (Direkt oder indirekt, unter Anwendung von Breyer)
  • Ist die Person eine lebende natürliche Person?

Schritt 3: Grenzfallbewertung

Für Elemente, die nicht eindeutig personenbezogen oder nicht personenbezogen sind:

  • Anwendung des Tests nach Erwägungsgrund 26 „vernünftigerweise wahrscheinlich“
  • Berücksichtigung der Breyer-Doktrin zur Kenntnis Dritter
  • Dokumentation der Begründung und Schlussfolgerung
  • Zuordnung zu einem Überprüfungszeitplan (jährliche Neubewertung oder bei Änderungen von Technologie/Datenpartnerschaften)

Schritt 4: Klassifizierungskennzeichnung

Anwendung von Klassifizierungskennzeichnungen:

  • PERSONAL_DIRECT: Identifiziert eine natürliche Person direkt
  • PERSONAL_INDIRECT: Identifiziert indirekt durch Kombination oder Daten Dritter
  • SPECIAL_CATEGORY: Besondere Kategorie personenbezogener Daten gemäß Art. 9
  • PSEUDONYMISED: Personenbezogene Daten mit getrenntem Re-Identifizierungsschlüssel
  • ANONYMISED: Verifizierte anonyme Daten (keine personenbezogenen Daten)
  • NON_PERSONAL: Unter keiner vernünftigen Bewertung personenbezogene Daten
  • BORDERLINE_REVIEW: Erfordert regelmäßige Neubewertung

Schritt 5: Dokumentation und Governance

  • Erfassung aller Klassifizierungsentscheidungen im Dateninventar
  • Verknüpfung jedes personenbezogenen Datenelements mit seiner Rechtsgrundlage gemäß Art. 6
  • Verknüpfung von Daten der besonderen Kategorie gemäß Art. 9 mit ihrer Verarbeitungsbedingung gemäß Art. 9 Abs. 2
  • Jährliche Überprüfung von Grenzfällen planen
  • Neuklassifizierung auslösen, wenn neue Datenpartnerschaften, Technologien oder regulatorische Leitlinien entstehen

Durchsetzungspräzedenzfälle

  • Breyer gegen Bundesrepublik Deutschland (EuGH C-582/14, 2016): Dynamische IP-Adressen sind personenbezogene Daten, wenn der Verantwortliche rechtliche Mittel zur Identifizierung hat. Bestätigt den relativen Ansatz zur Identifizierbarkeit.
  • Nowak gegen Data Protection Commissioner (EuGH C-434/16, 2017): Schriftliche Prüfungsantworten sind personenbezogene Daten, da sie Informationen über die Kenntnisse und Fähigkeiten der Person enthalten.
  • Schecke und Eifert (EuGH C-92/09 & C-93/09, 2010): Veröffentlichung von Namen und Zahlungen von Empfängern von EU-Agrarbeihilfen stellt einen unverhältnismäßigen Eingriff in die Privatsphäre dar.
  • Österreichische Post AG (EuGH C-300/21, 2023): Schadensersatz nach Art. 82 DSGVO erfordert tatsächlichen Schaden, nicht nur einen Verstoß.
  • Meta Platforms (EuGH C-252/21, 2023): Verhaltensbezogene Werbung erfordert eine strenge Prüfung der Rechtsgrundlage; berechtigtes Interesse reicht für die Verarbeitung sensibler Daten nicht aus.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ThomasMoreAI/legal-skills-open

Track the IP portfolio — registrations, renewals, maintenance fees, and use declarations. Use when checking what's renewing, adding or updating an asset, recording a maintenance filing, or auditing the register for gaps, lapses, and use-in-commerce questions. Receives handoffs from prosecution and clearance work.

ThomasMoreAI/legal-skills-open

When the user's message starts with "Canada" (case-insensitive), generate a full Ontario PI Case Assessment Memo from the case_stressor corpus and return it verbatim. This is the primary handler for Canadian fact patterns — DO NOT ask clarifying questions first; run the memo and let the lawyer react.

ThomasMoreAI/legal-skills-open

交通事故责任评估与判定专业技能。当用户需要交通事故责任分析、事故现场照片评估、交通法规咨询、事故责任划分、法律依据查询时触发此技能。适用于车辆碰撞事故、行人事故、非机动车事故等各类道路交通事故的责任认定场景。无论用户使用"交通事故"、"车祸"、"责任判定"、"交通法规"、"事故定责"等何种表述,只要涉及交通事故评估或责任认定,均应调用此技能。

ThomasMoreAI/legal-skills-open

Für Anmeldestrategie & Markenportfolio für Luxus-Modehäuser: ordnet Norm, Beweislast und Gegenargument; Ergebnis: Verhandlungs- oder Eskalationslinie.

ThomasMoreAI/legal-skills-open

Audit an intellectual-property portfolio for ownership, protection, scope, deadlines, territorial coverage, use, value, encumbrances, and enforcement risk. Use for diligence, integration, financing, governance, renewal planning, product launches, or recurring portfolio reviews.

ThomasMoreAI/legal-skills-open

Use whenever the user asks about a motor-vehicle statute, citation, contributing factor, OR a Canadian personal-injury fact pattern — always query Specter's Harvester API before answering. The API auto-routes between two collections (US statutes + Canadian PI case law).

ThomasMoreAI/legal-skills-open

Assesses product liability exposure on given facts — classifying the defect as manufacturing, design, or warning/instruction, mapping which party in the supply chain is potentially exposed, and grading the realistic exposure. Use this whenever a user wants product liability worked through rather than a general deficiency test — including phrasings like "what's our exposure if this product injured someone", "is this a design defect or a manufacturing defect", "who in the supply chain is on the hook here", "assess our product liability risk on these facts", or "how exposed are we if the warning label was inadequate". Distinct from deficiency-analyst, which tests service and trade-practice thresholds — this is specific to defective products and supply-chain exposure. Fires for any product liability question, in any jurisdiction, for manufacturers, assemblers, sellers, distributors, or importers.

ThomasMoreAI/legal-skills-open

Dubletten und Serienforderungen in Insolvenzanmeldungen erkennen: Anwendungsfall mehrere Gläubiger melden gleichartige oder identische Forderungen an; Inkassounternehmen und Originalgläubiger reichen parallel ein. § 174 InsO Forderungsanmeldung, § 178 InsO Tabelle Bestreiten. Prüfraster Doppelerfassung gleicher Rechnung, Serienrechnungen mit laufenden Nummern, Konzernforderungen und Vertreterwechsel, mehrfach eingereichte Titel. Output Dublettenprotokoll mit Unterscheidung echte Dublette vs. Serienforderung. Abgrenzung zu Aktenanlage-Batchregister und zu Formalprüfung.

ThomasMoreAI/legal-skills-open

Absonderungsrechte und Drittsicherheiten im Insolvenzplan und StaRUG planfest behandeln und Ausfallwerte bestimmen. §§ 49 50 51 224 InsO §§ 2 Abs. 4 StaRUG Drittsicherheiten. Prüfraster: Sicherheitenregister Eingriffsbeschreibung Ausfallwertrechnung gruppeninterne Drittsicherheiten Finanzsicherheiten Eingriffsstopper. Output: Sicherheitenregister Ausfallwertrechnung Drittsicherheitenmodul. Abgrenzung: nicht für allgemeine Gruppenbildung.

ThomasMoreAI/legal-skills-open

Absonderungsrechte und Drittsicherheiten im Insolvenzplan und StaRUG planfest behandeln und Ausfallwerte bestimmen. §§ 49 50 51 224 InsO Absonderung § 2 Abs. 4 StaRUG Drittsicherheiten. Prüfraster: Sicherheitenregister Eingriffsbeschreibung Ausfallwertrechnung Finanzsicherheiten unzulässige Eingriffe. Output: Sicherheitenregister Ausfallwertrechnung Drittsicherheitenmodul. Abgrenzung: nicht für allgemeine Gruppenbildung.

ThomasMoreAI/legal-skills-open

Schnittstelle Zwangsverwaltung und Insolvenz bei Insolvenz des Schuldners. Anwendungsfall Schuldner wird insolvent waehrend Zwangsverwaltung laeuft und Verwalter muss Koordination mit Insolvenzverwalter klaeren. Normen § 165 InsO Absonderungsrecht § 49 InsO Grundpfandgläubiger § 155 ZVG Einnahmen. Prüfraster Insolvenzeroeffnung Absonderung Verwalterkommunikation Forderungsanmeldung Verteilungsauswirkungen. Output Koordinationsprotokoll mit Absonderungsnachweis Forderungsanmeldungsunterlagen und Abstimmungsprotokoll Insolvenzverwalter. Abgrenzung zu zvg-verteilungsplan-155 und zvg-rechnungslegung.

ThomasMoreAI/legal-skills-open

KI-VO Hochrisiko-Anforderungen für Personalwesen in Kanzleien ab August 2026: Anwendungsfall Kanzlei setzt KI im HR-Bereich ein oder beraet Mandanten zum AGG-konformen KI-Einsatz bei Bewerberauswahl. Anhang III Nr. 4 KI-VO Hochrisiko Bewerberauswahl, Inkrafttreten 2. August 2026, AGG Diskriminierungsverbot. Prüfraster Hochrisiko-Klassifizierung eigener HR-KI, Konformitätsbewertung, Transparenzpflichten für Betroffene, Beratungsmandate Arbeitsrecht. Output Checkliste Hochrisiko-Anforderungen mit Umsetzungsplan für August 2026. Abgrenzung zu Bias-und-Diskriminierung-Prüfung und zu KI-VO-Betreiber-Pflichten.

ThomasMoreAI/legal-skills-open

Für /tabellenreview-3d:vorlage-arbeitsvertrag-portfolio: ordnet Norm, Beweislast und Gegenargument; Ergebnis: Prüfprodukt mit Risiko und nächstem Schritt.

ThomasMoreAI/legal-skills-open

Big-Law Billing Narratives und Abrechnung für M&A-Mandate erstellen: Anwendungsfall Associate oder Partnerassistenz muss taugliche Time Narratives Phasenbudgets Workstream-Rechnungen Cap- und Success-Fee-Hinweise erstellen. § 3a RVG Stundenhonorar, GoBD Buchungsanforderungen, XRechnung ZUGFeRD. Prüfraster Honorarvereinbarung prüfen, Time Entries nach Phase strukturieren, Cap-Verbrauch ueberwachen, Success-Fee-Bedingungen abgleichen. Output deal-tauffähige Rechnungsnarrative mit Matter-Controlling und GoBD-konformem Buchungsnachweis. Abgrenzung zu E-Rechnung-GoBD für freistehende Abrechnung.

ThomasMoreAI/legal-skills-open

Zeiterfassung mit abrechenbaren Narrativen für Kanzlei-Mandate. Anwendungsfall Anwalt hat Tätigkeit ausgeubt und will Zeit mit praezisem Narrativ erfassen für spaetere Rechnungsstellung. Normen § 10 RVG Pflichtangaben Narrative GoBD-Zeitstempel. Prüfraster Akte Dauer Takt 6-Minuten-Bloecke Bearbeiter Tätigkeit Honorargrundlage Abrechenbarkeit Datenschutzreduktion. Output Zeiterfassungsprotokoll mit Narrativ Abrechenbarkeit und Rechnungsvorbereitungsnotiz. Abgrenzung zu timesheet-aktenzeitung (Gesamtzeittabelle) und kanzlei-allgemein-rechnung.

ThomasMoreAI/legal-skills-open

Kanzlei erstellt Rechnung für M&A-Mandat und braucht praezise zeitgerechte Leistungsbeschreibungen: Time Narratives Phasenbudgets Workstream-Rechnungen Cap/Success-Fee-Berechnung. Normen RVG §§ 1 ff. BRAO § 49b AO-Steuerrecht. Prüfraster Workstream-Zeiterfassung Phasenzuordnung Korrektur Mandantsfreigabe. Output Narratives-Dokument Workstream-Abrechnung Rechnungsentwurf. Abgrenzung zu mittelstand-ma-erechnung-gobd (GoBD/XRechnung-Format).

ThomasMoreAI/legal-skills-open

Unternehmen oder Kanzlei muss IP-Portfolio verwalten und anstehende Fristen im Blick behalten. Schutzrechtsportfolio-Verwaltung. Prüfraster: Eintragungen Verlaengerungen Jahresgebühren Benutzungsnachweise Fristkalender. Output: Fristenkalender und Portfolio-Audit mit Luecken Verfall und Benutzungsfragen. Abgrenzung zu schutzschrift-eilverfuegung (Verletzungsverteidigung) und markenanmeldung-dpma.

ThomasMoreAI/legal-skills-open

Für Prozessportfolio-Status: ordnet Norm, Beweislast und Gegenargument; Ergebnis: Prüfprodukt mit Risiko und nächstem Schritt.

ThomasMoreAI/legal-skills-open

Workflow-Skill zu aufklaerungsfehler beweisstrategie. Nutzt Normtext, Nutzerangaben und verifizierte Quellen; Rechtsprechung nur nach Live-Pruefung mit Gericht, Datum und Aktenzeichen.

ThomasMoreAI/legal-skills-open

Use when a matter involves marriage, divorce, property division, custody, or inheritance for non-Muslim residents of the UAE under Federal Decree-Law 41/2022 (the UAE Civil Personal Status Law) or the DIFC Wills Service Centre. Covers no-fault divorce, joint-custody default, equal-property division, testamentary freedom for non-Muslims, pre-nuptial agreement enforceability, and the parallel DIFC/ADGM wills regimes. Contrasts with the UAE Personal Status Law 28/2005 (Sharia-based) which governs Muslim residents. Triggers on non-Muslim divorce UAE, UAE civil marriage, DIFC wills, UAE prenup, or expat family law UAE questions.

Verwandte Skills