FAQ

Datenschutz und Compliance

Verlassen Daten meine Infrastruktur?

Nein — auch nicht bei der PDF-Extraktion. Bank Statement Parser arbeitet als zustandslose Bibliothek. Alle Verarbeitungsschritte — Parsing, PII-Schwärzung, Archivextraktion — laufen in Ihrem lokalen Arbeitsspeicher. Die hybride PDF-Pipeline nutzt Ollama für lokale LLM-Inferenz — keine Cloud-APIs. XML-Parser sind mit no_network=True gehärtet und blockieren alle ausgehenden Verbindungen auf Parser-Ebene. Ihre Finanzdaten verlassen nie Ihre Umgebung.

Wie funktioniert die PII-Schwärzung?

Sensible Felder werden maskiert, bevor sie Ihre Anwendungslogik erreichen. Der Parser erkennt Schuldnernamen, Gläubigernamen, IBANs und Postadressen und ersetzt sie durch ***REDACTED*** in Konsolenausgabe und Streaming-Modus.

• Schwärzung ist standardmäßig aktiv in CLI-Ausgabe und Streaming-Modus.
• Dateiexporte (CSV, JSON, Excel) behalten ungeschwärzte Daten für die Weiterverarbeitung.
• Vollständige Daten anzeigen mit --show-pii in der CLI oder redact_pii=False in der API.

Ist der Extraktionsprozess deterministisch?

Ja, für strukturierte Formate — byteidentische Ausgabe bei jedem Durchlauf. Bei gleicher Eingabedatei liefern die deterministischen Parser (CAMT, PAIN.001, CSV, OFX, QFX, MT940) stets dasselbe Ergebnis. Kein Zufall, keine Modellinferenz, kein heuristisches Sampling.

Bei der hybriden PDF-Pipeline können LLM-basierte Extraktionspfade minimale Abweichungen zwischen Durchläufen aufweisen. Deshalb wird jede PDF-Extraktion mit der Golden Rule (opening + credits − debits == closing) geprüft, und markierte Abweichungen können interaktiv überprüft werden.

CI erzwingt Determinismus mit 718 Tests bei 100 % Branch-Coverage, einschließlich eigenschaftsbasiertem Fuzzing via Hypothesis.

Welche Compliance-Standards befolgt das Projekt?

Das Projekt pflegt ISO 13485-konforme Dokumentation mit vollständiger Rückverfolgbarkeit:

• Ein quantifiziertes Risikoregister mit Schweregrad-/Wahrscheinlichkeitsbewertung und Restrisikobewertung.
• Ein Verifizierungs- und Validierungsplan mit 19 Prüfpunkten über 5 Phasen.
• Ein Änderungskontrollverfahren mit Auswirkungsbewertung und Rollback-Protokollen.
• Ein SOUP-Register für alle Abhängigkeiten mit Risikostufen und EOL-Tracking.
• Eine Rückverfolgbarkeitsmatrix, die Designeingaben auf Implementierung und Verifizierung abbildet.

Jede Version enthält einen CycloneDX SBOM, SHA-256-Prüfsummen und GitHub Build-Herkunftsnachweis.

Leistung und Skalierbarkeit

Wie schnell ist Bank Statement Parser?

Leistungsschwellenwerte werden bei jedem Commit in CI validiert:

Die PDF-Extraktionsgeschwindigkeit hängt vom Routing-Pfad ab: deterministisch (unter einer Sekunde), Text-LLM (Sekunden), Vision-LLM (Sekunden pro Seite).

Wie werden große Dateien verarbeitet?

Streaming mit begrenztem Speicher — getestet mit 50.000 Transaktionen pro Datei. Verwenden Sie parse_streaming(), um XML-Dateien inkrementell zu verarbeiten. Jede Transaktion wird als Dictionary zurückgegeben; Elemente werden nach der Verarbeitung freigegeben, um Speicherwachstum zu verhindern. Der Speicher skaliert nicht mit der Dateigröße — der 50K-Transaktionstest (25+ MB) benötigt weniger als das Doppelte des Speichers des 10K-Transaktionstests.

Für Dateien über 50 MB (z. B. Host-to-Host PAIN.001-Batches mit 100K+ Zahlungen) streamt der Parser über eine temporäre Datei mit Chunk-basiertem Namespace-Stripping — das vollständige Dokument wird nie in den Speicher geladen.

Wie werden ZIP-Archive sicher verarbeitet?

iter_secure_xml_entries() validiert jedes Mitglied vor der Extraktion:

• Eintragsgrößenlimit (Standard 10 MB pro Eintrag)
• Gesamte unkomprimierte Größe (Standard 50 MB)
• Komprimierungsverhältnislimit (Standard 100:1) zum Schutz vor ZIP-Bomben
• Ablehnung verschlüsselter Einträge

Es werden keine Dateien auf die Festplatte geschrieben. XML-Bytes werden direkt via from_bytes() an den Parser übergeben.

Kann ich mehrere Dateien parallel parsen?

Ja. Verwenden Sie parse_files_parallel(), das die Arbeit über einen ProcessPoolExecutor verteilt:

from bankstatementparser import parse_files_parallel

results = parse_files_parallel([
    "statements/jan.xml",
    "statements/feb.xml",
    "statements/mar.xml",
])
for r in results:
    print(r.path, r.status, len(r.transactions), "rows")

Für die Massen-PDF-Verarbeitung nutzen Sie scan_and_ingest(), das ganze Ordnerstrukturen mit automatischer Deduplizierung verarbeitet.

Unterstützte Formate

Welche Kontoauszugsformate werden unterstützt?

Format	Standard	Dateitypen	Parser/Methode
CAMT.053	ISO 20022 Bank-to-Customer Statement	.xml	CamtParser
PAIN.001	ISO 20022 Credit Transfer Initiation	.xml	Pain001Parser
CSV	Generische Bankexporte	.csv	CsvStatementParser
OFX	Open Financial Exchange	.ofx	OfxParser
QFX	Quicken Financial Exchange	.qfx	QfxParser
MT940	SWIFT-Standard	.mt940, .sta	Mt940Parser
PDF	Digitale und gescannte Auszüge	.pdf	smart_ingest()

Wie funktioniert die hybride PDF-Pipeline?

Die hybride Pipeline (v0.0.5+) leitet PDFs intelligent über drei Extraktionspfade:

• Pfad A (Deterministisch): Strukturierte PDF-Tabellen werden direkt geparst — kostenlos, am schnellsten, kein LLM nötig.
• Pfad B (Text-LLM): Digitale PDFs mit komplexem Layout werden per lokalem LLM (LiteLLM/Ollama) extrahiert.
• Pfad C (Vision-LLM): Gescannte oder fotokopierte Auszüge werden mit multimodalen Vision-Modellen verarbeitet.

Jede Extraktion wird mit der Golden Rule (opening + credits − debits == closing) geprüft. Abweichungen können interaktiv mit --type review überprüft werden.

Verarbeitet der Parser bankspezifische CAMT.053-Dialekte?

Ja — von Haus aus Namespace-agnostisch. Der Parser entfernt XML-Namespaces vor der Verarbeitung und verarbeitet jede CAMT.053-Variante (camt.053.001.02, camt.053.001.04 oder proprietäre Bank-Wrapper) ohne Namespace-spezifische Konfiguration. XPath-Abfragen zielen auf die Elementstruktur, nicht auf Namespace-URIs.

Für Banken, die CAMT in einem eigenen Umschlag verpacken, nutzen Sie from_string() oder from_bytes(), um das innere Dokument direkt zu übergeben.

Kann ich benutzerdefinierte CSV-Spaltenüberschriften dem Standardschema zuordnen?

Ja — automatische Normalisierung ohne Konfiguration. CsvStatementParser erkennt gängige Header-Varianten: "Date", "Transaction Date", "Booking Date" werden alle dem Feld date zugeordnet. "Amount", "Value", "Sum" werden amount zugeordnet. Getrennte Kredit-/Debitspalten (z. B. "Credit" und "Debit") werden erkannt und automatisch zu einem einzelnen vorzeichenbehafteten Betrag kombiniert.

Welches Ausgabeformat wird verwendet?

Alle Parser erzeugen standardisierte pandas DataFrames mit konsistenten Spaltentypen:

Format	Wichtige Spalten
CAMT	Amount, Currency, DrCr, Debtor, Creditor, Reference, ValDt, BookgDt, AccountId
PAIN.001	PmtInfId, PmtMtd, InstdAmt, Currency, CdtrNm, EndToEndId, MsgId, CreDtTm, NbOfTxs
CSV/OFX/QFX/MT940	date, description, amount (normalisiert)

Sie können auch nach CSV, JSON, Excel, Polars DataFrames, hledger oder beancount-Journalformat exportieren.

PDF- und LLM-Funktionen

Welche LLM-Modelle unterstützt die hybride Pipeline?

Die Pipeline nutzt LiteLLM als Modell-Abstraktionsschicht mit einer direkten Ollama-Brücke für Vision-Prompts. Empfohlene Modelle:

• Textextraktion: Jedes LiteLLM-kompatible Modell (lokal oder remote).
• Vision-Extraktion: ollama/minicpm-v (empfohlen) für gescannte PDFs.
• Kategorisierung: Jedes LiteLLM-kompatible Modell.

Alle Modelle laufen 100 % lokal via Ollama — keine API-Schlüssel erforderlich.

Was ist die Golden-Rule-Prüfung?

Jede PDF-Extraktion wird mit der Gleichung geprüft: opening balance + credits − debits == closing balance. Ergebnisse werden markiert als:

• VERIFIED: Salden stimmen exakt überein.
• DISCREPANCY: Salden stimmen nicht überein — Prüfung empfohlen.
• FAILED: Verifizierung konnte nicht durchgeführt werden (fehlende Saldodaten).

Kann ich Transaktionen automatisch kategorisieren?

Ja. Das Enrichment-Modul (v0.0.6+) bietet LLM-gestützte Transaktionskategorisierung:

from bankstatementparser.enrichment import Categorizer

categorizer = Categorizer()
enriched = categorizer.categorize_batch(transactions)

Das Standardschema nutzt 13 Plaid-kompatible Kategorien. Sie können auch ein eigenes Kategorieschema bereitstellen.

Kann ich nach hledger oder beancount exportieren?

Ja (v0.0.8+). Exportieren Sie Transaktionen in Plaintext-Accounting-Journalformate mit Kontenzuordnung:

from bankstatementparser.export import to_hledger, to_beancount

journal = to_hledger(transactions, account="Assets:Bank:Checking")

Treasury-Workflows

Wie verarbeitet der Parser Auszüge mit mehreren Währungen?

Jede Transaktion behält ihre ursprüngliche Währung — keine implizite Umrechnung. Das Feld Currency wird aus dem XML-Attribut Ccy pro Transaktion extrahiert. Multi-Währungs-Auszüge bleiben unverändert. Die Methode get_account_balances() gibt Anfangs- und Endsalden pro Konto mit den ursprünglichen Währungscodes zurück.

Seit v0.0.8 gruppiert verify_balance_multi_currency() Transaktionen nach Währung und führt die Golden Rule unabhängig pro Gruppe aus — nützlich für Konten mit mehreren Währungen.

Unterstützt der Parser sowohl ausgehende als auch eingehende Formate?

Ja. Pain001Parser verarbeitet ISO 20022 PAIN.001 Credit Transfer Initiation-Dateien (ausgehende Zahlungen). CamtParser verarbeitet CAMT.053 Bank-to-Customer Statement-Dateien (eingehende Berichte). Beide unterstützen Streaming, PII-Schwärzung und Export nach CSV, JSON, Excel, hledger und beancount. Verwenden Sie detect_statement_format(), um das Format automatisch zu erkennen.

Was passiert bei einem fehlerhaften Transaktionseintrag?

Das Verhalten hängt vom Parsing-Modus ab:

• parse() (Batch-Modus) -- Fehlerhafte Einträge ohne Pflichtfelder (Amount, Currency oder CdtDbtInd) werden mit einer Warnmeldung übersprungen. Der Rest des Auszugs wird normal geparst.
• parse_streaming() (Streaming-Modus) -- Parse-Fehler werden sofort als Ausnahmen weitergegeben. Kein stiller Datenverlust. Dieses Fail-Fast-Verhalten ist gewollt für Finanz-Workflows, in denen jede Transaktion erfasst werden muss.
• smart_ingest() (hybrides PDF) -- Extraktionsfehler werden im IngestResult mit Verifizierungsstatus erfasst und ermöglichen eine interaktive Prüfung.

Wie funktioniert die Deduplizierung?

Jeder Transaktion wird ein idempotenter transaction_hash (MD5-Fingerprint) basierend auf ihren Schlüsselfeldern zugewiesen. Dies ermöglicht sichere inkrementelle Aufnahme — das erneute Verarbeiten derselben Datei erzeugt dieselben Hashes, sodass Duplikate automatisch erkannt werden.

from bankstatementparser import CamtParser, Deduplicator

parser = CamtParser("statement.xml")
dedup = Deduplicator()
result = dedup.deduplicate(dedup.from_dataframe(parser.parse()))

print(f"Unique: {len(result.unique_transactions)}")
print(f"Exact duplicates: {len(result.exact_duplicates)}")
print(f"Suspected matches: {len(result.suspected_matches)}")

Installation und Kompatibilität

Wie installiere ich Bank Statement Parser?

# Core install (deterministic parsers only)
pip install bankstatementparser

# PDF hybrid pipeline
pip install 'bankstatementparser[hybrid]'         # Text-LLM path
pip install 'bankstatementparser[hybrid-vision]'   # Vision-LLM path

# Extras
pip install 'bankstatementparser[enrichment]'      # Transaction categorisation
pip install 'bankstatementparser[api]'             # REST API microservice
pip install 'bankstatementparser[polars]'          # Polars DataFrame support

Welche Python-Versionen werden unterstützt?

Python 3.10 bis 3.14. Die Unterstützung für Python 3.9 wurde in v0.0.6 eingestellt (EOL 2025-10-31). Alle Versionen werden in CI mit 718 Tests bei 100 % Branch-Coverage getestet.

Welche Abhängigkeiten gibt es?

Die Kernbibliothek hat 5 direkte Abhängigkeiten:

• lxml -- XML-Parsing mit Sicherheitshärtung
• pandas -- DataFrames und Datenverarbeitung
• openpyxl -- Excel-Export
• pydantic -- Datenvalidierung und Modelle
• defusedxml -- XXE-Schutz

Optionale Extras: litellm, pypdf, pdfplumber, pypdfium2, fastapi, uvicorn, polars.

Alle Abhängigkeiten haben SHA-256-Hash-gesperrte Versionen. Der CycloneDX SBOM erfasst jede Laufzeitkomponente.

Funktioniert es auf macOS, Linux und Windows?

Ja. Die Bibliothek funktioniert auf macOS, Linux und Windows (via WSL). Sie hat keine plattformspezifischen Abhängigkeiten.

Gibt es eine REST API?

Ja (v0.0.8+). Installieren Sie mit pip install 'bankstatementparser[api]' und starten Sie:

bankstatementparser-api --port 8000

Endpunkte: POST /ingest (Auszug parsen) und GET /health (Health-Check).

Reproduzierbarkeit und Sicherheit

Wie kann ich die Reproduzierbarkeit verifizieren?

python -m pytest                              # 718 tests, 100% branch coverage
python scripts/verify_locked_hashes.py        # SHA-256 hash verification
git log --show-signature -1                   # Verify commit signature

Welche Sicherheitsmechanismen sind integriert?

• XXE-Schutz: resolve_entities=False, no_network=True, load_dtd=False
• ZIP-Bomb-Schutz: Komprimierungsverhältnisgrenzen, Eintragsgrößenlimits, Ablehnung verschlüsselter Einträge
• Schutz vor Pfad-Traversal: Blockliste gefährlicher Muster und Symlink-Auflösung
• Eingabevalidierung: Dateigrößenlimits (Standard 100 MB), Erweiterungs-/Formatvalidierung
• Lieferkette: SHA-256-Hash-gesperrte Abhängigkeiten, CycloneDX SBOM, Build-Herkunftsnachweis
• Signierte Commits: In CI erzwungen
• Lokale LLMs: Hybride PDF-Pipeline nutzt Ollama — keine Cloud-API-Aufrufe

Wie vergleicht sich Bank Statement Parser mit pyiso20022?

pyiso20022 ist ein breites ISO 20022-Toolkit, das Python-Dataclasses aus ISO-XML-Schemata generiert. Es deckt eine Vielzahl von ISO 20022-Nachrichtentypen (PACS, PAIN, CAMT, ADMI) mit Schemavalidierung ab. Bank Statement Parser ist speziell für das Parsing von Kontoauszügen gebaut — mit hybrider PDF-Unterstützung, Saldoprüfung, Anreicherung, Ledger-Export und einer einheitlichen API über sieben Formate, einschließlich Nicht-ISO-Formate (CSV, OFX, QFX, MT940, PDF). Wenn Sie Kontoauszüge in DataFrames mit produktionsreifer Sicherheit parsen müssen, verwenden Sie Bank Statement Parser. Wenn Sie mit dem vollständigen ISO 20022-Nachrichtenkatalog arbeiten müssen, verwenden Sie pyiso20022.

Welche Fristen gelten für die SWIFT ISO 20022-Migration?

SWIFT hat einen gestuften Migrationsplan veröffentlicht:

• November 2026: Strukturierte und hybride Adressen werden obligatorisch. MT101-Multi-Instruction-Nachrichten werden abgelehnt. Case Management Phase 1 beginnt.
• November 2027: Alle Finanzinstitute müssen CAMT.053-Auszüge nativ empfangen können. SWIFT stellt die Konvertierung von MT nach ISO ein.
• November 2028: Vollständige Abschaltung von MT940, MT942, MT950, MT900 und MT910. Diese werden durch CAMT.052, CAMT.053 und CAMT.054 ersetzt.

Bank Statement Parser unterstützt sowohl das alte MT940-Format als auch die modernen CAMT.053/PAIN.001-Formate und ist damit ideal für den Übergangszeitraum.