Geldwäsche-Bekämpfung mittels Machine Learning

Ein Artikel von Tobias Schweiger, Mitgründer und CEO bei hawk:AI | 17.12.2019 - 11:55

Läuft dieser Prozess der Geldhäuser nicht rund und wird gegen die Auflagen der Regulierungsbehörden verstoßen, drohen zudem empfindliche Strafzahlungen. Im Fall der Danske Bank geht es in diesem Zusammenhang möglicherweise um Bußgelder in Milliardenhöhe; die Standard Chartered Bank musste im Lauf der Jahre Strafen von über eine Milliarde Euro hinnehmen. Dabei sind 95 Prozent aller Verdachtsfälle, die die gängigen IT-Systeme der Banken auswerfen, keine Geldwäschefälle im eigentlichen Sinn, sondern sogenannte „false-positives“. Gleichzeitig werden weniger als zwei Prozent aller echten Geldwäschefälle weltweit entdeckt. Die Ineffizienz in diesem Sektor ist also massiv.

Die Banken versuchen in der Regel, den vorgeschriebenen Geldwäschepräventions-Richtlinien gerecht zu werden, indem sie immer neue Mitarbeiter für die manuelle Bearbeitung von Verdachtsfällen einstellen. Das bedeutet signifikante und steigende Personalkosten. So hat die Danske Bank beispielsweise ihre Compliance-Abteilung in den vergangenen beiden Jahren nahezu verdoppelt, auf nunmehr 1700 Mitarbeiter. Dieses Vorgehen ist weder gut steuerbar, noch behebt es die genannte Ineffizienz nach­haltig. Das Kernproblem vieler Geldhäuser bleibt nämlich bestehen: Die antiquierten und inflexiblen IT-Systeme, die heute im Regelfall im Einsatz sind, schaffen keine Abhilfe. Die Finanzbranche beginnt deshalb, umzudenken. Der Stand der Technik ist heute schließlich so weit fortgeschritten, dass sich dank maschinellem Lernen und Cloud-Computing an zwei Stellen vielversprechende Ansätze verwirklichen lassen: 

• Maschinelles Lernen kann Vorhersagen treffen, inwieweit zunächst ein nur verdächtiges Transaktionsverhalten tatsächlich zu einem erhärteten Verdacht wird, der meldepflichtig ist.

• Zweitens ist automatisierte Musterer­kennung mittels Künstlicher Intelligenz (KI) in der Lage, verdächtiges Verhalten auch ohne vorher starr definierte Regeln zu erkennen.

Schweiger.jpg

Tobias Schweiger

hawk:AI, ein Unternehmen aus München, entwickelt seit 2017 moderne Lösungen, mit denen sich Finanzinstitute der Herausforderung der Geldwäscheprävention stellen können. Das Unternehmen hat eine hochskalierbare Softwarelösung geschaffen, die in Echtzeit reagiert. Die Machine Learning/KI-Modelle des Unternehmens wurden entwickelt, um ausschließlich die Erkennung und Bearbeitung von Geld­wäscheverdachtsfällen zu adressieren. Diese neuen Technologien erlauben deutlich gesteigerte Prozess-Effizienz und die zielgenauere Entdeckung von Geldwäsche­verdachtsfällen. Aus Sicht der Risiko-Abteilung der Bank ist das System des Unternehmens ein Case-Manager, der sich flexibel in die existierenden Prozesse der Bank einfügen lässt. Das Management der Bank betrachtet das System als ein Compliance-Tool, das in Echtzeit in der Lage ist, Geldwäschefälle zu erkennen und zu melden. Denn Dashboards, die wichtige Informationen im Unternehmen transparent machen, helfen, schneller potenzielle Compliance-Probleme zu erkennen. Damit sinkt das ­Risiko, sowohl persönlich für das Management als auch die Bank als Ganzes. Haftungsthemen und Strafzahlungen werden reduziert oder verschwinden im Lauf der Zeit. Konkret geht das so: Die Systeme setzen Maschinelles Lernen ein, um die großen Datenmengen aus historischen und ­aktuellen Transaktionen zu analysieren und zu bewerten. Den Analysten in der Bank werden nur wirklich relevante Fälle zur ­Bearbeitung vorgelegt, was den Aufwand signifikant reduziert. Dabei macht sich die Lösung die Analyseergebnisse und Verdachtsfälle der Vergangenheit zunutze: Die von Bankmitarbeitern bereits getroffenen Festlegungen werden genutzt, um die Modelle des Unternehmens so zu trainieren, dass sie nachvollziehbare Entscheidungen nach dem von den Mitarbeitern geschaffenen Muster treffen können. Zudem werden Algorithmen und neue Methoden eingesetzt, um bisher unbekannte Kriminalitätsmuster zu erkennen: Dabei macht hawk:AI auf etwaige Anomalien in den Transaktionen einer oder mehrerer Banken aufmerksam, sodass schnell reagiert werden kann. 

Nur die konstante Weiterentwicklung der Technologie – beschleunigt durch wohlüberlegte regulatorische Vorgaben – wird die Gesellschaft als Ganzes in die Lage ­versetzen, der Geldwäsche und Terrorismusfinanzierung Einhalt zu gebieten.