Die Geldwäsche macht sich den technologischen Fortschritt zunutze. Können die geldwäscherechtlich Verpflichteten dieser Entwicklung adäquat entgegentreten? Wie müssen die AML-Tools der Zukunft beschaffen sein? Kann KI auch hier behilflich sein?
Wie der Einsatz Künstlicher Intelligenz die Geldwäscheprävention unterstützen kann.
Partner des Bank Blogs
Die Prävention von Geldwäsche und Terrorismusfinanzierung ist für geldwäscherechtlich Verpflichtete ein steter Kampf und wird technologisch immer anspruchsvoller. Dies gilt insbesondere für Banken und Finanzdienstleister, bei denen der Prozess der Geldwäscheprävention (nachfolgend: „AML-Prozess“) ein Massenprozess ist, der erhebliche interne Ressourcen beansprucht. Herausforderungen aus Massenprozessen gilt es stets durch geeignete Automation wiederkehrender Vorgänge zu begegnen.
In der Praxis ist allerdings zu beobachten, dass es heute vielfach noch an der geeigneten Toolunterstützung des AML-Prozesses mangelt. Dies liegt weniger an nicht vorhandener Software für diesen Bereich, vielmehr mangelt es an der sachgerechten Verzahnung der notwendigen Compliance-Aktivitäten, bspw. auf Basis einer integrierten Plattform.
Digitalisierung des AML-Prozesses
Banken und Finanzdienstleister stehen alle vor ähnlichen AML-Compliance-Herausforderungen, unabhängig von ihrer Größe. Kleinere Dienstleister kämpfen mit begrenzten Ressourcen, während große Dienstleister durch die Vielzahl der einzubeziehenden Geschäftsvorfälle hohe Personal- und Prozesskosten haben. Auch im Hinblick auf den Fachkräftemangel bietet die Digitalisierung des AML-Prozesses Chancen zur Optimierung, Risikominderung und Kostensenkung. Besonders die Identifizierung von wirtschaftlich Berechtigten ist bei länderübergreifenden Geschäftsbeziehungen schwierig und der Digitalisierungsgrad bleibt oft gering.
Unterstützende Tools beschränken sich meist auf Teilprozesse, so dass die Sicht auf Kunden und Transaktionen fragmentiert ist. Häufig sind die notwendigen Informationen bereits intern vorhanden, doch es fehlt an einem zentralen System zur Integration und Aktualisierung dieser Daten. Eine Toollösung, die an bestehende operative Systeme im Unternehmen anschließt, kann Doppelarbeiten vermeiden und effiziente, transparente AML-Arbeitsabläufe sicherstellen.
Im Rahmen von Recherchen zur Digitalisierung des AML-Prozesses ließ sich ein diskussionswürdiger Lösungsansatz identifizieren. Hierbei handelt es sich um ein modulares Embedding-Konzept des Startup-Projekts „BetterCo.“, das auf Basis einer Low-Code-Plattform realisiert worden ist. Das nachfolgend in Auszügen wiedergegebene Interview mit dem Geschäftsführer Eckhard Ortwein von BetterCo. liefert interessante Einblicke in die Welt der digitalisierten Geldwäscheprävention:
Drei Fragen zu AML, Software-Tools und KI
Christian Ewel: Welches sind die entscheidenden Herausforderungen für geldwäscherechtlich Verpflichtete, diesen Verpflichtungen adäquat und wirtschaftlich zu begegnen?
Eckhard Ortwein: Die Herausforderungen für Verpflichtete bestehen darin, Compliance mit vertretbarem Aufwand sicherzustellen. Oft herrscht in „KYC-Organisationen“ Prozess- und E-Mail-Chaos, was kurzfristig zweckmäßige Insellösungen fördert, aber langfristig strategische Lösungen verhindert. Uns ist wichtig, den KY-X Prozess als integralen Bestandteil des Kunden-Onboarding-Prozesses zu etablieren. Nur wenn Compliance in die operativen Prozesse integriert wird, ergeben sich Akzeptanz, Erfolg und höhere Effizienz.
BetterCo. ist eine Onboarding-Plattform, die flexibel alle für den Onboarding-Prozess relevanten Daten erhebt. Dies umfasst deutlich mehr Daten als die geldwäscherechtlich erforderlichen Daten. Es ist unser Bestreben, BetterCo. als Single-Source-of-Truth für alle externen Compliance-orientierten Prozesse zu etablieren.
Christian Ewel: Wie kann der AML-Prozess konkret verbessert werden?
Eckhard Ortwein: Wir bevorzugen einen Ansatz im Sinne einer „End2End-Systemlösung“, die alle Prozesse und zugehörigen Daten nahtlos integriert, um gute Insellösungen einzufangen. Dadurch werden alle relevanten Phasen eines Onboarding-Prozesses ohne Unterbrechungen oder Schnittstellen abgebildet. Dies ermöglicht eine nahtlose Integration aller Aktivitäten, um alle erforderlichen Schritte im Onboarding- und AML-Prozess systematisch abzuarbeiten. Im Einzelnen:
- Digitale Datenerfassung: Es werden leicht anpassbare KYC-Workflows zur digitalen Datenermittlung bereitgestellt und ermutigen Kunden zur gesetzlichen Mitwirkung und Aktualisierung ihrer Angaben.
- Anreicherung mit „vorausgefüllten“ Daten: KYC-Workflows werden, soweit möglich, mit Daten und Dokumenten aus verschiedenen Quellen wie dem Handelsregister und Transparenzregistern vorbefüllt, um den Prozess effizienter zu gestalten.
- Risikoanalyse: Die Risikoanalyse betrachtet verschiedene Risiken wie Kundenart, geografisches und Branchenrisiko sowie Compliance-Risiken und ermöglicht die Abbildung eigener Scoring-Modelle auf Basis externer Datenstrukturen.
- Identitätsprüfung: Es werden verschiedene analoge und digitale Verfahren für die Identitätsüberprüfung angeboten, die nahtlos in den Onboarding-Prozess integriert werden können.
- Fortlaufendes Monitoring: Daten werden kontinuierlich auf Veränderungen überwacht, die eine Aktualisierung des KYCs oder eine Neubewertung des Risikos erfordern.
- Verdachtsmeldungen: Es ist geplant, die Abgabe von Verdachtsmeldungen stärker zu unterstützen, sobald die FIU die geplante Systemschnittstelle (B2B) zur Verfügung stellt.
Christian Ewel: Kann der Einsatz von Künstlicher Intelligenz den AML-Prozess verbessern?
Eckhard Ortwein: Es gibt bereits heute zahlreiche KI-Lösungen, die die zuvor beschriebenen Schritte unterstützen.
Im Bereich der Datenermittlung werden vor allem Natural Language Processing (NLP) Algorithmen eingesetzt, um heterogene Datenquellen auszulesen und zu konsolidieren. Die Datenextraktion aus Dokumenten ermöglicht die Identifizierung und Extraktion von relevanten Informationen sowie die Überprüfung der Dokumentenklauseln.
Bei der Risikobewertung kommen insbesondere Machine Learning (ML) Algorithmen zum Einsatz, um potenziell risikoreiche Kunden oder Transaktionen zu identifizieren. Dabei werden Daten aus verschiedenen Quellen extrahiert und konsolidiert, um eine ganzheitliche Sicht auf die Kunden zu erhalten. Die Überwachung von Transaktionsdaten in Echtzeit ermöglicht die Erkennung ungewöhnlicher oder verdächtiger Muster.
Die Identitätsüberprüfung kombiniert verschiedene KI-Methoden, darunter die Gesichtserkennung und biometrische Analyse, um die Echtheit von Ausweisdokumenten zu überprüfen. Liveness Detection (Lebendigkeitserkennung) wird eingesetzt, um die Authentizität von Benutzerbewegungen zu gewährleisten und Betrugsversuche mit statischen Bildern oder Videos zu verhindern. Die Dokumentenprüfung extrahiert Informationen aus Ausweisdokumenten und überprüft die Sicherheitsmerkmale.
Beim Monitoring kann KI präventiv regelbasiert eingesetzt werden, um Ereignisse zu überwachen und Änderungen zu identifizieren, die eine neue Risikoprüfung oder eine Aktualisierung des KYC-Prozesses erfordern. Darüber hinaus kann KI auch auf strategischer Ebene eingesetzt werden, bspw. in der Entwicklung von Compliance-Monitoring-Lösungen, um Unternehmen über Gesetzesänderungen zu informieren.
AML-Tools für mehr Prävention
Die zunehmende Digitalisierung von Geschäftsmodellen bietet Angreifern neue Möglichkeiten, kriminell erwirtschaftete Finanzmittel in den legalen Wirtschafts- und Finanzkreislauf einzuschleusen. Auf der anderen Seite erweitert diese Entwicklung aber auch den „Werkzeugkasten“ der Geldwäscheprävention. Für eine Verbesserung auf Seiten der Prävention ist der Einsatz von AML-Tools geboten, die die AML-Prozesse ganzheitlich „end-to-end“ modular vernetzen, um lückenlos auf der Basis aktueller Datenbestände agieren zu können. Komponenten der „Künstlichen Intelligenz“ versprechen eine Steigerung der Effizienz solcher AML-Tools in naher Zukunft.
