Communitygithub.com

Test de classification des données personnelles — Art. 4(1) du…

Classe les données en personnelles ou non personnelles selon le test de définition de l'Art. 4(1) du RGPD avec un arbre de décision pour les cas limites. Se réfère à l'arrêt Breyer c. Allemagne (CJUE C-582/14) concernant les adresses IP dynamiques et à l'avis WP29 4/2007. Mots-clés : données personnelles, Art. 4 du RGPD, classification des données, arrêt Breyer, test d'identifiabilité, PII.

Qu'est-ce que Test de classification des données personnelles — Art. 4(1) du… ?

Cette compétence fournit un cadre systématique pour classer les données en fonction de leur qualité de données personnelles, non personnelles ou limites nécessitant une évaluation contextuelle, conformément à l'Art. 4(1) du RGPD. Elle s'appuie sur des fondements légaux solides, notamment la définition large et neutre sur le plan technologique des données personnelles, et intègre les enseignements de l'arrêt Breyer c. Allemagne (CJUE C-582/14) concernant les adresses IP dynamiques. La compétence propose un arbre de décision en plusieurs étapes pour guider l'utilisateur dans l'évaluation, ainsi qu'une analyse détaillée de cas limites (données pseudonymisées, profils comportementaux, données chiffrées). Elle est particulièrement utile pour les entreprises, les juristes et les responsables de la conformité qui doivent déterminer avec précision le statut des données traitées, en intégrant les critères de l'avis WP29 4/2007 sur le concept de données personnelles. La compétence propose également une procédure de mise en œuvre pratique pour les services financiers, incluant un inventaire des éléments de données et un étiquetage de classification. Fonctionnant comme une compétence agent IA, elle applique la jurisprudence et les lignes directrices de manière automatisée pour des évaluations fiables et reproductibles.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Test de classification des données personnelles — Art. 4(1) du RGPD

Aperçu

L'article 4(1) du RGPD définit les données personnelles comme « toute information concernant une personne physique identifiée ou identifiable (« personne concernée ») ». Cette définition est délibérément large et neutre sur le plan technologique. La Cour de justice de l'Union européenne, dans l'arrêt Breyer c. Bundesrepublik Deutschland (C-582/14, 19 octobre 2016), a confirmé que même les adresses IP dynamiques peuvent constituer des données personnelles lorsque le responsable du traitement dispose de moyens légaux pour obtenir des informations supplémentaires permettant l'identification. Cette compétence fournit un cadre décisionnel systématique pour classer les éléments de données comme personnels, non personnels ou limites nécessitant une évaluation contextuelle.

Fondement juridique

Art. 4(1) — Quatre éléments constitutifs

Les données personnelles existent lorsque les QUATRE éléments sont satisfaits :

ÉlémentDéfinitionCritères d'évaluation
Toute informationAucune restriction sur la nature, le contenu ou le format de l'informationInclut les faits objectifs (âge, groupe sanguin) et les évaluations subjectives (cote de crédit, évaluation de performance). Couvre tous les formats : texte, image, audio, biométrique, métadonnées, comportemental
ConcernantL'information doit avoir un lien de contenu, de finalité ou de résultat avec l'individuLien de contenu : l'information concerne la personne. Lien de finalité : l'information est utilisée pour évaluer ou influencer la personne. Lien de résultat : le traitement a un impact sur les droits ou intérêts de la personne
Identifiée ou identifiableLa personne est ou peut être distinguée de toutes les autres personnesIdentifiée : directement désignée. Identifiable : peut être désignée en utilisant des données supplémentaires, en tenant compte de tous les moyens raisonnablement susceptibles d'être utilisés
Personne physiqueÊtre humain vivant, pas les entités juridiques ou les personnes décédéesExclut les entreprises, les organismes gouvernementaux, les associations. Le droit national peut étendre les protections aux personnes décédées (par exemple, l'Italie étend jusqu'à 20 ans après le décès)

Considérant 26 — Test du « raisonnablement susceptible » pour l'identifiabilité

Pour déterminer si une personne physique est identifiable, il convient de prendre en compte tous les moyens raisonnablement susceptibles d'être utilisés, tels que le reciblage, soit par le responsable du traitement, soit par une autre personne pour identifier la personne physique directement ou indirectement. L'évaluation doit tenir compte :

  • De tous les facteurs objectifs : coût de l'identification, temps nécessaire, technologie disponible au moment du traitement et développements technologiques anticipés pendant la période de conservation
  • De tous les moyens raisonnablement susceptibles : ne se limite pas aux moyens que le responsable du traitement possède actuellement — inclut les moyens qu'un tiers pourrait raisonnablement employer
  • D'une évaluation dynamique : ce qui n'est pas identifiable aujourd'hui peut le devenir à mesure que la technologie évolue ou que les ensembles de données sont liés

L'arrêt Breyer — CJUE C-582/14

Faits

Patrick Breyer a contesté la pratique du gouvernement fédéral allemand consistant à stocker les adresses IP dynamiques des visiteurs des sites Web gouvernementaux. L'Allemagne a fait valoir que les adresses IP dynamiques n'étaient pas des données personnelles car l'exploitant du site Web ne pouvait pas identifier les visiteurs sans données supplémentaires détenues par le fournisseur d'accès Internet (FAI).

Décision

La CJUE a statué que les adresses IP dynamiques constituent des données personnelles pour l'exploitant du site Web lorsque :

  1. L'exploitant dispose de moyens légaux pour obtenir des informations d'identification supplémentaires auprès d'un tiers (le FAI)
  2. L'identification ne nécessite pas un effort disproportionné en termes de temps, de coût ou de main-d'œuvre
  3. Les moyens sont raisonnablement susceptibles d'être utilisés — pas purement théoriques

Principes juridiques clés établis

  • Approche relative de l'identifiabilité : Le statut de données personnelles est évalué par rapport aux circonstances de chaque responsable du traitement, et non de manière abstraite
  • Les moyens légaux suffisent : Le responsable du traitement n'a pas besoin de posséder actuellement les données d'identification ; avoir des canaux légaux pour les obtenir suffit
  • La connaissance des tiers compte : Les informations détenues par des tiers doivent être prises en compte si le responsable du traitement dispose de moyens légaux d'accès
  • Interprétation large : La CJUE a confirmé l'intention du RGPD (alors la directive 95/46/CE) d'appliquer largement pour protéger les droits fondamentaux

Impact pratique

Après Breyer, les éléments suivants sont présumés être des données personnelles pour la plupart des responsables du traitement :

  • Adresses IP dynamiques et statiques
  • Empreintes d'appareils et empreintes de navigateur
  • Identifiants de cookies et identifiants publicitaires
  • Adresses MAC lorsqu'elles sont combinées avec des journaux d'accès au réseau
  • Ensembles de données pseudonymisées où des clés de ré-identification existent ou sont obtenables

Arbre de décision pour la classification des données personnelles

Étape 1 : Les données concernent-elles une personne physique ?

Élément de données
    │
    ├── Concerne une personne physique vivante ? ──► OUI → Aller à l'étape 2
    │
    ├── Concerne une personne décédée ? ──► Vérifier le droit national (peut encore être protégé)
    │
    ├── Concerne uniquement une entité juridique ? ──► PAS des données personnelles selon le RGPD
    │       (mais peut contenir des données personnelles d'individus au sein de celle-ci,
    │        par exemple, le nom d'un travailleur indépendant = données personnelles)
    │
    └── Concerne un agrégat anonyme ? ──► Aller à l'étape 3 (vérifier qu'il est vraiment anonyme)

Étape 2 : La personne peut-elle être identifiée ou est-elle identifiable ?

Les données concernent une personne physique
    │
    ├── La personne est-elle IDENTIFIÉE DIRECTEMENT ?
    │   (nom, photographie, numéro d'identification unique)
    │   ──► DONNÉES PERSONNELLES
    │
    ├── La personne est-elle identifiable INDIRECTEMENT ?
    │   (combinaison de points de données permettant le reciblage)
    │   ──► Appliquer le test du « raisonnablement susceptible » du considérant 26 → Étape 2a
    │
    └── La personne ne peut être identifiée par aucun moyen raisonnablement susceptible ?
        ──► PAS des données personnelles (mais documenter l'évaluation)

Étape 2a : Évaluation du considérant 26 — Raisonnablement susceptible

Identifiants indirects présents
    │
    ├── Le responsable du traitement détient-il des données supplémentaires permettant l'identification ?
    │   ──► OUI → DONNÉES PERSONNELLES
    │
    ├── Un tiers détient-il ces données, et le responsable du traitement
    │   a-t-il des moyens légaux pour y accéder ? (test Breyer)
    │   ──► OUI → DONNÉES PERSONNELLES
    │
    ├── Des données publiquement disponibles pourraient-elles être combinées pour identifier ?
    │   (réseaux sociaux, registres publics, articles de presse)
    │   ──► OUI → DONNÉES PERSONNELLES
    │
    ├── La ré-identification est-elle réalisable en considérant :
    │   - Coût vs. valeur de l'identification
    │   - Temps nécessaire vs. durée de conservation
    │   - Technologie actuelle et prévisible
    │   ──► OUI → DONNÉES PERSONNELLES
    │
    └── L'identification nécessite un effort disproportionné sans
        motivation raisonnable ?
        ──► PAS des données personnelles (documenter le raisonnement)

Étape 3 : Vérification de l'anonymisation

Données déclarées anonymes/agrégées
    │
    ├── Un individu peut-il être reciblé à partir de l'ensemble de données ?
    │   ──► OUI → DONNÉES PERSONNELLES (pseudonymisées, pas anonymisées)
    │
    ├── Les enregistrements peuvent-ils être liés pour former un profil d'un individu ?
    │   ──► OUI → DONNÉES PERSONNELLES
    │
    ├── Des informations peuvent-elles être déduites sur un individu spécifique ?
    │   ──► OUI → DONNÉES PERSONNELLES
    │
    └── Réussit les trois tests (reciblage, liabilité, inférence) ?
        ──► Données anonymisées — PAS des données personnelles
        (Appliquer le cadre de l'avis WP29 05/2014)

Catégories de classification avec exemples

Catégorie A : Données personnelles claires (toujours personnelles)

Élément de donnéesRaison
Nom completIdentifiant direct
Numéro d'identification national (SSN, Aadhaar, BSN)Identifiant direct unique
Adresse e-mail (personnelle)Identifie directement dans la plupart des contextes
Photographie d'un visageIdentifiant visuel direct (également biométrique si traité pour identification)
Données biométriques (empreinte digitale, scan de l'iris)Unique à l'individu, catégorie spéciale Art. 9 lorsqu'utilisé pour l'identification
Données génétiquesIdentifiant biologique unique, catégorie spéciale Art. 9
Dossiers médicaux avec nom du patientIdentifiant direct plus catégorie spéciale Art. 9
Adresse personnelle avec nomIdentifiant direct avec localisation

Catégorie B : Données contextuellement personnelles (nécessite une évaluation)

Élément de donnéesQuand personnelQuand non personnel
Adresse IP dynamiqueLorsque le responsable du traitement a des moyens légaux pour obtenir les informations de l'abonné auprès du FAI (Breyer)Lorsque le responsable du traitement n'a aucun moyen et aucune motivation pour identifier (rare)
Identifiant de cookieLorsqu'il est lié à un profil de navigation permettant le reciblageLorsqu'il s'agit d'un cookie de session uniquement sans construction de profil
Empreinte d'appareilLorsqu'elle est utilisée pour suivre entre sites/sessionsLorsqu'elle est utilisée uniquement pour des statistiques d'appareil agrégées avec k-anonymat
Numéro d'identification d'employéLorsqu'il est lié aux dossiers RH par le même responsable du traitementLorsqu'il est utilisé dans une enquête anonymisée sans clé de ré-identification
Données de localisation (coordonnées GPS)Lorsque les schémas de mouvement d'un individu sont suivisLorsqu'elles sont agrégées au niveau du code postal avec >1000 individus par cellule
Historique d'achatLorsqu'il est lié à un compte clientLorsqu'il est dépouillé de tous les identifiants et agrégé par catégorie de produit
Numéro d'immatriculation du véhiculeLorsque la consultation plaque-vers-propriétaire est légalement disponibleNon applicable — la consultation de plaque est disponible dans la plupart des juridictions, donc presque toujours personnel

Catégorie C : Typiquement pas des données personnelles

Élément de donnéesCondition pour le statut non personnel
Données météorologiquesDonnées environnementales générales ne concernant pas des individus
Cours des actionsDonnées financières d'entreprise
Lectures de capteurs de machineTélémétrie d'équipement sans identification de l'opérateur
Statistiques de recensement agrégéesTableaux statistiques publiés avec anonymisation adéquate
Propriétés de composés chimiquesDonnées scientifiques sur des substances
États financiers d'entrepriseDonnées d'entité juridique (mais peuvent contenir des noms de directeurs)

Cas limites — Analyse détaillée

Cas 1 : Données pseudonymisées

Les données pseudonymisées restent des données personnelles selon le RGPD (considérant 26, Art. 4(5)). L'existence d'une clé de ré-identification — même détenue par une entité distincte — signifie que les données concernent une personne identifiable. La pseudonymisation est une mesure de sécurité, pas une technique d'anonymisation.

Application aux Services financiers Vanguard : Les enregistrements de transactions clients où les numéros de compte sont remplacés par des jetons aléatoires. La table de correspondance est détenue par un service interne distinct avec des contrôles d'accès. Ce restent des données personnelles car :

  • Vanguard détient en interne la clé de ré-identification
  • La ré-identification nécessite un effort minimal (recherche dans la base de données)
  • Les données ont été traitées à des fins liées à des clients spécifiques

Cas 2 : Profils comportementaux sans identifiants directs

Un profil construit à partir du comportement de navigation, des schémas d'achat et des données de localisation — même sans nom ni e-mail — constitue des données personnelles lorsque le profil permet le reciblage de l'individu. Le Groupe de travail « Article 29 » dans l'avis 4/2007 sur le concept de données personnelles a confirmé qu'« un profil peut en soi suffire à identifier un utilisateur spécifique ».

Cas 3 : Données chiffrées

Les données personnelles chiffrées restent des données personnelles pour le responsable du traitement qui détient la clé de déchiffrement. Pour un tiers sans la clé et sans moyen raisonnable de l'obtenir, les données chiffrées peuvent ne pas constituer des données personnelles (en appliquant l'approche relative de Breyer). Cependant, cette évaluation doit tenir compte des capacités cryptanalytiques futures.

Avis WP29 4/2007 — Principes clés

L'avis 4/2007 du Groupe de travail « Article 29 » sur le concept de données personnelles a établi des orientations interprétatives fondamentales :

  1. Élément de contenu : L'information « concernant » une personne existe lorsque le contenu concerne cet individu, indépendamment de la finalité ou du résultat
  2. Élément de finalité : Les données sont « concernant » une personne lorsqu'elles sont utilisées ou susceptibles d'être utilisées pour évaluer, traiter ou influencer cette personne
  3. Élément de résultat : Les données sont « concernant » une personne lorsque le traitement est susceptible d'avoir un impact sur les droits ou intérêts de cette personne
  4. Un seul élément suffit : Les données n'ont besoin de satisfaire que l'élément de contenu, de finalité OU de résultat pour « concerner » une personne

Procédure de mise en œuvre pour les Services financiers Vanguard

Étape 1 : Inventaire des éléments de données

Pour chaque système, cataloguez chaque élément de données collecté, stocké ou traité. Enregistrez :

  • Nom du champ et type de données
  • Source des données (collectées auprès de la personne concernée, dérivées, inférées, reçues d'un tiers)
  • Exemples de valeurs (édités si nécessaire)
  • Classification actuelle si elle existe

Étape 2 : Appliquer le test des quatre éléments

Pour chaque élément de données, documentez l'évaluation par rapport à l'Art. 4(1) :

  • S'agit-il d'une information ? (Presque toujours oui)
  • Concerne-t-elle une personne physique ? (Lien de contenu, de finalité ou de résultat)
  • La personne est-elle identifiée ou identifiable ? (Directe ou indirecte, en appliquant Breyer)
  • La personne est-elle une personne physique vivante ?

Étape 3 : Évaluation des cas limites

Pour les éléments qui ne sont clairement ni personnels ni non personnels :

  • Appliquez le test du considérant 26 (raisonnablement susceptible)
  • Considérez la doctrine de connaissance des tiers de Breyer
  • Documentez le raisonnement et la conclusion
  • Attribuez un calendrier de révision (réévaluez annuellement ou lorsque la technologie/les partenariats de données changent)

Étape 4 : Étiquetage de classification

Appliquez les étiquettes de classification :

  • PERSONNEL_DIRECT : Identifie directement une personne physique
  • PERSONNEL_INDIRECT : Identifie indirectement par combinaison ou données de tiers
  • CATEGORIE_SPECIALE : Données personnelles de catégorie spéciale Art. 9
  • PSEUDONYMISE : Données personnelles avec clé de ré-identification séparée
  • ANONYMISE : Données anonymes vérifiées (pas des données personnelles)
  • NON_PERSONNEL : Pas des données personnelles selon toute évaluation raisonnable
  • REVISION_LIMITE : Nécessite une réévaluation périodique

Étape 5 : Documentation et gouvernance

  • Enregistrez toutes les décisions de classification dans l'inventaire des données
  • Liez chaque élément de données personnel à sa base légale Art. 6
  • Liez les données de catégorie spéciale Art. 9 à sa condition de traitement Art. 9(2)
  • Planifiez une révision annuelle des classifications limites
  • Déclenchez une reclassification lorsque de nouveaux partenariats de données, technologies ou orientations réglementaires émergent

Précédents d'application

  • Breyer c. Bundesrepublik Deutschland (CJUE C-582/14, 2016) : Les adresses IP dynamiques sont

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.

Skills associés