Install any skill in seconds. Free to start, no credit card required.
Get Started Free →Wenn es um Internationale Buyout-Datenflows und Datenschutz in BAV Strategie Konzern — Treuenfels Yamamoto Rechtsanwälte geht: erstellt den passenden Entwurf aus Sachverhalt, Norm, Beweis und Antrag; liefert einen verwertbaren Entwurf mit Anträgen, Begründung und Anlagenlogik.
.claude/skills/klotzkette-internationale-buyout-datenflows-und-datenschutz/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-02 | ✗→✓ | ▲ Improved | 114% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 145% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 155% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 175% | 0% |
| case-11 | ✗→✓ | ▲ Improved | 230% | 0% |
Bei jedem Pension Buyout (Buy-in, Buy-out, Longevity Swap) werden hochsensible personenbezogene Daten der Versorgungsberechtigten verarbeitet:
Betroffene Datenkategorien:
| Kategorie | DSGVO-Einordnung | Sensitivität | |-----------|-----------------|-------------| | Name, Geburtsdatum, Adresse | Art. 6 DSGVO | Standard | | Versorgungsanspruch/Rentenhöhe | Art. 6 DSGVO | Standard (aber vertraulich) | | Sterblichkeitsdaten (historisch/erwartet) | Art. 9 DSGVO — Gesundheitsdaten | Hoch | | Invaliditätsstatus | Art. 9 DSGVO — Gesundheitsdaten | Hoch | | Familienstand, Hinterbliebene | Art. 6 DSGVO | Standard | | Bankkontodaten | Art. 6 DSGVO | Standard (vertraulich) | | Sozialversicherungsnummer | Ggf. Art. 87 DSGVO / § 39 BDSG | Mittel |
Achtung: Sterblichkeitsdaten und Invaliditätsdaten fallen unter Art. 9 DSGVO als Gesundheitsdaten (Schluss aus Sterbetafeln auf Gesundheitszustand). Erhöhter Schutz.
Intern (Vorbereitung Transaktion):
Gegenüber Versicherer/Buyout-Partner:
Informationspflichten:
Aktuell: EU-US Data Privacy Framework (DPF) — Angemessenheitsbeschluss vom 10.7.2023 (Beschluss 2023/1795). US-Unternehmen, die sich selbst-zertifiziert haben, gelten als ausreichend geschützt. Risiko: Schrems III — politische Stabilität des DPF ungewiss. Empfehlung: Parallel immer EU-SCC (Standard Contractual Clauses) als Fallback.
Transfer Impact Assessment (TIA) für SCC:
DSGVO Art. 46: Japan hat einen Angemessenheitsbeschluss der EU-Kommission (Beschluss 2019/419, seither fortlaufend); Transfer zu japanischen Empfängern ohne SCC zulässig.
APPI-Anforderungen (Japan → EU und umgekehrt): Japan APPI (最終改正 2022年, 施行 2022年4月) schreibt vor:
Versicherer-Datenraum Japan: Bei Einbindung japanischer Versicherungsgesellschaften in einen globalen Buyout ist zu beachten:
Anforderungen sicherer Datenraum:
AUFTRAGSVERARBEITUNGSVERTRAG (AV-VERTRAG)
gem. Art. 28 DSGVO
zwischen
[Konzern Muster AG] (nachfolgend "Verantwortlicher")
und
[Versicherungsgesellschaft / Buyout-Partner] (nachfolgend "Auftragsverarbeiter")
§ 1 Gegenstand und Zweck
Der Auftragsverarbeiter verarbeitet personenbezogene Daten der Versorgungs-
berechtigten des Verantwortlichen ausschließlich zum Zweck der Durchführung
der Pension-Buyout-Transaktion und der nachgelagerten Versorgungsleistungserbringung.
§ 2 Weisungsgebundenheit
Der Auftragsverarbeiter verarbeitet personenbezogene Daten ausschließlich
auf dokumentierte Weisung des Verantwortlichen.
§ 3 Technisch-organisatorische Maßnahmen (TOMs)
Der Auftragsverarbeiter implementiert TOMs gem. Art. 32 DSGVO:
- Verschlüsselung (AES-256 oder gleichwertig)
- Pseudonymisierung während der Analysephase
- Zugangskontrolle (Zwei-Faktor-Authentifizierung)
- Löschkonzept nach Transaktionsabschluss (max. [X] Jahre)
§ 4 Drittlandtransfer
Sofern der Auftragsverarbeiter Daten in ein Drittland (außerhalb EWR) übermittelt,
geschieht dies nur mit ausreichender Garantie gem. Art. 46 DSGVO (SCC oder
Angemessenheitsbeschluss). Japan: Angemessenheitsbeschluss 2019/419 gilt;
USA: EU-US DPF-Zertifizierung oder EU-SCC erforderlich.
§ 5 Unterstützung Betroffenenrechte
Der Auftragsverarbeiter unterstützt den Verantwortlichen bei der Erfüllung
von Auskunfts-, Löschungs- und Berichtigungsansprüchen (Art. 15–22 DSGVO)
innerhalb von zehn Werktagen nach Anfrage.
§ 6 Meldepflicht bei Datenpannen
Der Auftragsverarbeiter meldet Datenschutzverletzungen unverzüglich, spätestens
jedoch innerhalb von 24 Stunden nach Feststellung, an den Verantwortlichen.CHECKLISTE DRITTLANDTRANSFER DSGVO Art. 46
bAV-Projektteam · fachliche Leitung
Empfängerland USA:
□ Empfänger im EU-US DPF-Register eingetragen? (www.dataprivacyframework.gov)
Wenn Ja: Kein SCC erforderlich; TIA trotzdem empfohlen für Gesundheitsdaten
Wenn Nein: EU-SCC (Standard Contractual Clauses 2021) verwenden
□ Transfer Impact Assessment (TIA) für Gesundheitsdaten (Art. 9 DSGVO) durchgeführt?
□ Schrems-II-Zusatzklauseln im AV-Vertrag aufgenommen?
Empfängerland Japan:
□ Angemessenheitsbeschluss EU-Kommission 2019/419 für Japan: Gültig (Stand 2024)
□ APPI-Compliance des japanischen Empfängers bestätigt?
□ Japan-/Datenschutz-Team (Kyoto-Büro) für PIPC-Fragen eingebunden?
UK:
□ UK GDPR Angemessenheitsbeschluss gültig?
(Überprüfung empfohlen — Laufzeit bis Mitte 2025)
Allgemein:
□ Datenschutz-Folgenabschätzung (DSFA Art. 35 DSGVO) durchgeführt?
□ AV-Vertrag gem. Art. 28 DSGVO abgeschlossen?
□ Verarbeitungsverzeichnis (Art. 30 DSGVO) aktualisiert?
□ Information der Betroffenen gem. Art. 13/14 DSGVO?
□ Betriebsrat über Datenverarbeitung informiert (§ 87 Abs. 1 Nr. 6 BetrVG)?pension-buyout-strukturierung-und-de-risking — Buyout-Transaktion allgemeinbuyout-im-ma-deal-asset-vs-share — Datenräume im M&A-Kontextcountry-by-country-benefits-matrix-konzern — lokale Datenschutzanforderungen je Landjapan-bav-und-corporate-pension-iorp — APPI Japan im Detail> Quellenregel: Entscheidungen nur nach Prüfung einer amtlichen oder frei zugänglichen Quelle mit Gericht, Entscheidungsform, Datum, Aktenzeichen und tragender Aussage ausgeben.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 37,063 | 50,863 | +37% | 1 | 1 | 0% | 4,417 | 10,244 | +132% | 0 | 0 | — |
case-02 | fail→pass | 32,729 | 39,323 | +20% | 1 | 1 | 0% | 4,030 | 8,614 | +114% | 0 | 0 | — |
case-03 | fail→fail | 20,479 | 36,639 | +79% | 1 | 1 | 0% | 2,703 | 7,962 | +195% | 0 | 0 | — |
case-04 | fail→pass | 21,880 | 23,936 | +9% | 1 | 1 | 0% | 2,818 | 6,900 | +145% | 0 | 0 | — |
case-05 | pass→pass | 18,652 | 22,031 | +18% | 1 | 1 | 0% | 2,112 | 6,696 | +217% | 0 | 0 | — |
case-06 | pass→pass | 20,521 | 25,551 | +25% | 1 | 1 | 0% | 3,175 | 7,180 | +126% | 0 | 0 | — |
case-07 | fail→pass | 25,053 | 22,707 | -9% | 1 | 1 | 0% | 2,665 | 6,802 | +155% | 0 | 0 | — |
case-08 | fail→pass | 18,362 | 24,107 | +31% | 1 | 1 | 0% | 2,549 | 7,001 | +175% | 0 | 0 | — |
case-09 | pass→pass | 17,160 | 17,769 | +4% | 1 | 1 | 0% | 2,394 | 6,565 | +174% | 0 | 0 | — |
case-10 | fail→fail | 16,501 | 26,032 | +58% | 1 | 1 | 0% | 2,686 | 7,207 | +168% | 0 | 0 | — |
case-11 | fail→pass | 14,788 | 21,075 | +43% | 1 | 1 | 0% | 2,033 | 6,717 | +230% | 0 | 0 | — |
case-12 | fail→pass | 15,473 | 20,462 | +32% | 1 | 1 | 0% | 2,474 | 6,523 | +164% | 0 | 0 | — |
case-13 | fail→pass | 19,248 | 22,234 | +16% | 1 | 1 | 0% | 2,615 | 6,576 | +151% | 0 | 0 | — |
case-14 | fail→fail | 16,918 | 19,859 | +17% | 1 | 1 | 0% | 2,218 | 6,326 | +185% | 0 | 0 | — |
case-15 | pass→pass | 16,825 | 15,456 | -8% | 1 | 1 | 0% | 2,255 | 5,961 | +164% | 0 | 0 | — |
case-16 | fail→pass | 18,229 | 27,702 | +52% | 1 | 1 | 0% | 2,876 | 7,549 | +162% | 0 | 0 | — |
case-17 | pass→pass | 13,069 | 21,797 | +67% | 1 | 1 | 0% | 2,000 | 6,645 | +232% | 0 | 0 | — |
case-18 | pass→pass | 21,289 | 25,448 | +20% | 1 | 1 | 0% | 3,487 | 7,359 | +111% | 0 | 0 | — |
case-19 | fail→fail | 10,191 | 14,116 | +39% | 1 | 1 | 0% | 1,695 | 5,947 | +251% | 0 | 0 | — |
case-20 | pass→pass | 19,163 | 23,863 | +25% | 1 | 1 | 0% | 3,152 | 7,085 | +125% | 0 | 0 | — |
case-21 | fail→pass | 15,840 | 18,183 | +15% | 1 | 1 | 0% | 2,118 | 6,228 | +194% | 0 | 0 | — |
case-22 | pass→pass | 40,700 | 19,059 | -53% | 1 | 1 | 0% | 3,561 | 6,815 | +91% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +41 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.