Artificial Intelligence auf der Spur der Geldwäscher

Einsatz von KI und intelligenten IT-Lösungen im Finanzsektor

Abonnieren Sie den kostenlosen Bank Blog Newsletter

Rasant wachsende Datenmengen und digitale Angebote eröffnen neue Wege, über die Kriminelle schmutziges Geld durch das Finanzsystem schleusen können. Doch die modernen Technologien bringen nicht nur das Problem, sondern auch die Lösung.

Künstliche Intelligenz beim Kampf gegen Geldwäsche

Künstliche Intelligenz hilft Finanzunternehmen wirksam gegen Geldwäsche und Sanktionsverstöße vorzugehen sowie die nationalen und internationalen Embargo-Vorschriften zuverlässig einzuhalten.

Partner des Bank Blogs

Business-DNA Solutions ist Partner des Bank Blogs

Onlinebanking statt Filialgeschäft, Investmentpläne über Tradingportale, Kundengruppen mit neuen Wünschen und geändertem Kommunikationsverhalten – die digitale Transformation hat Banken und Kreditinstitute in spannende Zeiten katapultiert. Daher gilt es jetzt, konventionelle Arbeitsweisen und althergebrachte Abläufe auf den Prüfstand zu stellen. Denn viele herkömmliche Prozesse sind den neuen Herausforderung nicht mehr gewachsen.

Sicherheit für die Kunden, ihre Transaktionen und das gesamte Finanzsystem ist im Bankensektor wichtiger als in jeder anderen Branche. Angesichts des global stark vernetzten Datenverkehrs sowie zunehmend perfider werdender Angriffstaktiken müssen Finanzunternehmen den Cyber-Kriminellen mit neuesten Technologien und Anwendungen immer einen Schritt voraus sein.

Kehrseite der Digitalisierung

Die Digitalisierung von Angeboten wie Kontoeröffnungen oder Kreditvergabe, wird von der Mehrheit der Kunden gerne angenommen, ja mittlerweile sogar als selbstverständlich vorausgesetzt. Für die Geldinstitute entstehen dadurch nicht nur Vorteile, sondern auch bislang ungekannte Baustellen. Durch die unaufhaltsam steigenden Datenmengen wird nämlich die Überwachung von Transaktionen deutlich komplexer und zeitaufwändiger. Immer mehr Arbeitskapazität geht entsprechend in die Kontrolle von Geldströmen oder die Untersuchung von verdächtigen Verhaltensweisen und Vorgängen.

Eine Entwicklung, die den Banken angesichts hoher Personalkosten teuer zu stehen kommt. Von der dünner werdenden Personaldecke im Zuge des Fachkräftemangels ganz zu schweigen. Als nützliche Tools in dieser herausfordernden Situation kommen zunehmend IT-Lösungen auf der Basis von Artificial Intelligence (AI) und Machine Learning (ML) zum Einsatz. Mit ihrer Hilfe lassen sich Auffälligkeiten in Transaktionen schnell und sicher aufspüren, Kundenstämme überprüfen sowie sich ändernde nationale und internationale Geldwäschegesetze, Embargovorschriften und Sanktionsauflagen flexibel und revisionssicher erfüllen.

Mit AI-Lösungen Mehrwert aus Big Data ziehen

Artificial Intelligence ist in der Lage, riesige Datenströme wie etwa Aus- und Inlandszahlungen, Wertpapiertransaktionen, Kreditanträge, Garantien und Geschäftskontakte mit sämtlichen verfügbaren internen und externen Informationen abzugleichen und Auffälligkeiten aufzuspüren. Auch unstrukturierte Daten wie Audio-, Video- und Geodaten können erfasst werden.

Die Verarbeitung bzw. Auswertung erfolgt nahezu in Echtzeit. Das ist wichtig, um Betrügern immer einen Schritt voraus zu sein und Geldwäsche sowie andere kriminelle Aktivitäten frühzeitig zu erkennen und rechtzeitig abzuwehren.

AI-Modelle sind außerdem effektive Tools, um ebenso effizient wie zuverlässig Kundendaten mit aktuellen PEP-Listen abzugleichen und kritische Fälle – politisch exponierte Personen, die erhöhter Aufmerksamkeit bedürfen – herauszufiltern. Dabei werden nicht nur neu hinzugekommene Eintragungen unter die Lupe genommen, sondern auch der Kundenstamm mit digitalen Mitteln stetig kontrolliert und mit den offiziellen Embargo- oder internen Bad-Guy-Listen abgeglichen.

Wachsende Datenmengen, die menschliche Mitarbeiter an die Grenzen ihrer Kapazitäten bringen würden, sind dagegen für die Weiterentwicklung der AI-Modelle sogar von Vorteil: Je mehr Analysen durchgeführt werden und je mehr Informationen zur Verfügung stehen, desto „klüger“ und präziser wird die Artificial Intelligence, da die Modelle ständig dazulernen können.

Falscher Alarm oder echte Bedrohung?

Nicht nur, dass es kaum noch möglich ist, die Vielzahl der täglich anfallenden Transaktionen manuell zu überprüfen. Hinzukommt, dass es sich bei der Mehrzahl der verdächtigen Alerts um sogenannte False Positives handelt – um Fehlalarme. Die Mitarbeiter verwenden also (zu) viel Zeit und Mühe auf die Überprüfung völlig harmloser Fälle. Möglicherweise laufen sie auf diese Weise sogar Gefahr, die wirklich kritischen Aktivitäten in der Masse an Alerts zu übersehen.

Ein ML-Modell dagegen wird auf Basis früherer Alerts-Entscheidungen trainiert und ist imstande, in den unzähligen Datenmustern Unregelmäßigkeiten zu erkennen, die beispielsweise auf Geldwäsche hinweisen. Sobald die intelligente Software eine solche Abweichung feststellt, erfolgt unverzüglich eine automatisierte Meldung an das Compliance-Team zur Weiterverfolgung.

Es geht also nicht darum, den Menschen in den Arbeitsprozessen zu ersetzen. Vielmehr soll die AI die Mitarbeiter entlasten, ihnen durch eine Ersteinschätzung höhere Sicherheit für ihre Entscheidungen geben und letztlich mehr Zeit für anspruchsvolle Aufgaben verschaffen.

AI wird unverzichtbar, muss aber erklärbar sein

Die Kriminalität im Finanzwesen wird weiterhin neue Wege beschreiten – dem muss man mit ebenso innovativen Abwehrmitteln gegenübertreten. Gerade im Bereich Compliance sind die Mitarbeiter so stark gefordert wie nie zuvor, da das Regelwerk immer höhere fachliche Anforderungen an sie stellt und neue oder geänderte Sanktionsvorschriften immer wieder in kürzester Zeit berücksichtigt werden müssen.

AI-gestützte Lösungen bieten Geldinstituten eine gute Möglichkeit, ihre Prozesse rund um Anti-Money-Laundering schneller und effizienter zu gestalten. Besondere Aufmerksamkeit verdient dabei jedoch die Erklärbarkeit der AI-Modelle und (teil-)automatisierten Entscheidungen. Hier sind moderne Methoden der „Explainable AI“ hilfreich. Denn nicht zuletzt aus regulatorischen Gründen ist es wichtig, dass sowohl für das Gesamtmodell als auch für jede Einzelentscheidung eine nachvollziehbare Erklärung geliefert werden kann.

Ist diese Grundvoraussetzung für den Einsatz von AI gewährleistet, dann können die innovativen Lösungen zu einer merkbaren (auch finanziellen) Entlastung führen, die Zufriedenheit der Mitarbeiter durch optimierte Prozesse verbessern und dazu beitragen, dass Transaktionen effektiv überprüft und Sanktionsverstöße zuverlässig bekämpft werden.

Über den Autor

Dr. Lars A. Ludwig

Dr. Lars A. Ludwig ist Geschäftsführer der targens GmbH und erfahrener Experte für Unternehmenssoftware im Finanzbereich. Der Diplomphysiker und promovierte Betriebswirt war 2011 „CIO des Jahres“ und verfügt über ein breites Erfahrungsspektrum von KI-Forschung über Management Consulting bis zum Software Engineering insbesondere im Bereich Finanzdienstleistungen.

Vielen Dank fürs Teilen und Weiterempfehlen


Mit dem kostenlosen Bank Blog Newsletter immer informiert bleiben:

Anzeige

Kommentare sind geschlossen

Bank Blog Newsletter abonnieren

Bank Blog Newsletter abonnieren