KI in der Geldwäscheprävention
KI in der Geldwäscheprävention bewertet Muster in Kunden- und Transaktionsdaten auf Hinweise zu möglichen illegalen Aktivitäten. Modelle erstellen Risikowerte, anhand derer Analysten auffällige Vorgänge für eine nähere Prüfung auswählen. Geldwäsche verschleiert die kriminelle Herkunft von Geld, weshalb ein auffälliges Muster im Zusammenhang untersucht werden muss.
Analysten prüfen den Risikowert und seine Erklärung zusammen mit Kundendaten, Zahlungshistorie und weiteren Unterlagen. Ziel ist es, die verfügbare Prüfkapazität auf Vorgänge zu konzentrieren, die eine Meldung an Behörden rechtfertigen könnten. Banken bleiben dafür verantwortlich, die Modellleistung zu prüfen und Hinweise innerhalb ihres Monitorings zu bearbeiten.
Warum regelbasiertes Monitoring Hilfe braucht
Das meiste Transaktionsmonitoring läuft noch mit von Hand geschriebenen Regeln: Beträge über einer Schwelle, Überweisungen in bestimmte Länder, viele Bareinzahlungen in kurzer Zeit. Regeln sind leicht zu erklären, aber viele ihrer Alarme stellen sich als harmlos heraus, und jeder Alarm kostet Analystenzeit. Google Cloud zitiert die Schätzung des UN-Büros für Drogen- und Verbrechensbekämpfung, nach der jährlich 2 bis 5 Prozent des weltweiten BIP gewaschen werden (auf Englisch), bis zu 2 Billionen US-Dollar.
Die AML AI von Google lernt aus den Kernbankdaten und der Verdachtsfallhistorie der Bank, erstellt monatliche Risikoscores für Privat- und Firmenkunden mit einer Erklärung zu jedem Score und kann das bisherige Monitoring ersetzen oder ergänzen. HSBC berichtet, das System habe zwei- bis viermal so viele Verdachtsfälle bei 60 Prozent weniger Alarmen gefunden (auf Englisch).
Methoden jenseits des Risikoscores
Geldwäsche läuft über Netze von Konten, weshalb Graphmethoden betrachten, wer wem zahlt. Diese Methoden finden Muster, die ein Score pro Kunde übersieht. Eine neuere Studie zu KI in der Geldwäschebekämpfung (auf Englisch) nennt Abfragen über einen Wissensgraphen für die Sorgfaltspflichten, föderiertes Lernen, damit Banken gemeinsame Muster trainieren, ohne Kundendaten zusammenzulegen, und menschliche Prüfung im Ablauf, damit Analysten Vorschläge nachvollziehen und korrigieren.
Generative KI hilft am Ende der Kette, wenn ein Analyst einen Fall aufschreibt. Ein Textentwurf braucht weiter das Urteil des Analysten, bevor daraus eine Meldung an die Financial Intelligence Unit wird. Transaktionsmonitoring beschreibt, wie Szenarien kalibriert werden und was mit einem Alarm geschieht.
Was deutsches und EU-Recht verlangt
§ 25h KWG verpflichtet Banken, Datenverarbeitungssysteme zu betreiben, die verdächtige Transaktionen und Geschäftsbeziehungen erkennen. Das Gesetz schreibt weder Regeln noch Modelle vor, aber die Bank muss BaFin und Prüfer erklären können, warum das System findet, was es finden soll. Ein Modell, das nicht sagen kann, warum es einen Alarm ausgelöst oder unterdrückt hat, ist in dieser Prüfung schwer zu verteidigen.
Das EU-Geldwäschepaket verlagert die Aufsicht über die größten grenzüberschreitenden Institute zur AMLA in Frankfurt, das einheitliche Regelwerk steht unter EU-Geldwäschepaket. Geldwäschebekämpfung in Deutschland beschreibt Verdachtsmeldungen nach dem Geldwäschegesetz.
Kommende Events zu KI im Finanzwesen in Deutschland
Senkt KI die Zahl der Fehlalarme?
Banken setzen KI vor allem ein, um Fehlalarme im Monitoring zu reduzieren. Ein Modell, das die ganze Kundenbeziehung bewertet, kann Alarme nach Risiko ordnen und solche unterdrücken, die Regeln aus harmlosen Gründen auslösen. HSBC berichtete über 60 Prozent weniger Alarme bei mehr erkannten Verdachtsfällen.
Wer entscheidet über eine Verdachtsmeldung, wenn KI den Kunden bewertet?
Ein Mensch entscheidet darüber, ob eine Verdachtsmeldung abgegeben werden soll. Der Score lenkt den Analysten auf einen Fall und erklärt die wichtigsten Faktoren, die Entscheidung über eine Meldung bleibt aber bei den Mitarbeitern der Bank und ihrem Geldwäschebeauftragten.
KI in der Geldwäscheprävention und Finance Loop
Finance Loop bringt Geldwäschebeauftragte, Analysten für Finanzkriminalität und Regtech-Anbieter bei Events in Frankfurt zusammen, dem Sitz der AMLA. Finance Loop stellte fAInance von Sopra Steria und Fraunhofer IAIS mit einer Station zu KI gegen Finanzkriminalität vor und führt einen Kurs zu KI und KYC in seiner Academy.
Finance Loop ist ein Experten-Netzwerk, das die institutionelle Nutzung neuer Technologien im Finanzwesen fördert, wie KI, digitale Zahlungen sowie Cloud- und Blockchain-Lösungen. Finance Loop hilft seinen Mitgliedern, Fähigkeiten und persönliche Netzwerke in diesen Feldern aufzubauen: Investment & digitale Vermögenswerte, Zahlungsverkehr & digitales Geld, Digitale Infrastruktur & Souveränität und Risiko & Compliance.