Geldwäsche: Wie KI Banken bei der Abwehr von Betrug hilft

Banken und Finanzinstitute sehen sich mit einer zunehmenden Flut von Betrug und Geldwäsche konfrontiert. Sie stehen unter wachsendem Druck, mit den immer strenger werdenden Finanzvorschriften Schritt zu halten.

Obwohl die Ausgaben in einigen Märkten zwischen 2015 und 2022 um bis zu 10 % pro Jahr gestiegen sind, deckt die Finanzbranche laut Interpol nur etwa 2 % der weltweiten Finanzkriminalität auf.

In Norwegen hat das Fintech-Start-up "Strise" eine KI entwickelt, die öffentliche Register und Medienberichte durchsucht. So sollen potenzielle Geldwäscherisiken in Echtzeit erkannt werden.

Der KI-Agent soll neue Anträge für Kontoeröffnungen bei Finanzinstituten, die den europäischen Anti-Geldwäsche-Gesetzen unterliegen, überprüfen.

Arbeits- und Zeitersparnis

Wenn Sie jemals ein Online-Bankkonto eröffnet haben, wurden Sie aufgefordert, Angaben wie Ihre Adresse und Ihren Beruf zu machen und diese einmal im Jahr zu aktualisieren. Dies ist Teil des KYC-Verfahrens (Know Your Customer), einer gesetzlichen Vorschrift, mit der überprüft werden soll, wer die Kunden sind und woher ihr Geld stammt.

Traditionell stützen sich KYC-Prüfungen auf die Arbeit von Compliance-Analysten. Sie durchforsten Datenbanken, Unternehmensunterlagen und Nachrichtenberichte, um die Eigentumsverhältnisse zu bestätigen, Verbindungen zu verfolgen und potenzielle Risiken zu erkennen.

Diese Kontrollen sollen Kriminelle davon abhalten, legitime Banken zu nutzen, um schmutziges Geld zu waschen – aber sie sind langsam und teuer.

"Jetzt gibt es KI, die Informationen abruft und sie auf eine ganz neue Weise zusammensetzt", sagte Marit Rødevand, Mitbegründerin und CEO von Strise, gegenüber Euronews Next.

"Wenn man ein zwielichtiges Unternehmen bereits beim Onboarding erkennen kann, kann man verhindern, dass es ein Bankkonto erhält und an Finanzlösungen angeschlossen wird", fügte sie hinzu.

Das KI-System von Strise erkennt automatisch Warnzeichen wie Verbindungen zu sanktionierten Personen, risikoreichen Gerichtsbarkeiten oder politisch verbundenen Personen, die anfällig für Korruption sein könnten.

Analysten, die dieses System nutzen, können zum Beispiel Warnzeichen bei Personen auf Sanktionslisten und Politikern erkennen, die "sehr einflussreich" oder "anfälliger für Korruption" und "Geldwäsche" sind, so Robin Lycka, Solution Architect bei Strise.

Russische Oligarchen

Laut Strise sind Finanzinstitute, die seine Plattform nutzen, in der Lage, Unternehmen mit hohem Risiko effizienter zu identifizieren und abzulehnen. Dadurch könne sich ihre Kapazität zur Bearbeitung von Fällen ohne zusätzliches Personal verzehnfachen.

In einer Präsentation zeigte Strise ein Unternehmensportfolio, in dem Warnzeichen über einen möglichen Besitz durch russische Oligarchen aufleuchteten.

"Sobald Sie diese Informationen haben, können Sie auf Portfolioebene entscheiden, ob Sie das Onboarding mit der berechneten Risikoklassifizierung abschließen wollen oder nicht", sagte Lycka.

In einem anderen Portfolio markierte das System ein in Estland ansässiges Unternehmen. Es ist mit zwei Personen verbunden, die für einen der größten Kryptowährungsbetrüge der Geschichte in Höhe von 560 Millionen US-Dollar verurteilt worden waren.

Die Plattform kann auch Berichte und Zusammenfassungen ihrer Ergebnisse generieren, indem sie große Sprachmodelle (LLMs) verwendet, um Risikobeschreibungen für aufsichtsbehördliche Einreichungen zusammenzustellen, eine Aufgabe, die zuvor stundenlanges manuelles Schreiben erforderte.

"Was mich hoffnungsvoll stimmt, ist, dass wir wirklich etwas bewirken können, indem wir uns von der bloßen Einhaltung von Vorschriften wegbewegen und tatsächlich Ressourcen freisetzen, um Finanzkriminalität zu stoppen und Betrug zu verhindern", so Rødevand.

"Es gibt so viele Fälle in den Medien und persönliche Geschichten über Leben, die durch diese Art von Verbrechen zerstört wurden. Und ich möchte wirklich, dass wir dazu beitragen, das zu ändern", fügte sie hinzu.

Die Europäische Union arbeitet derzeit in Frankfurt an der Fertigstellung einer umfassenden Anti-Geldwäsche-Behörde und einer EU-weiten Richtlinie. Sie soll 2027 in Kraft treten, "um Geldwäsche und Terrorismusfinanzierung zu bekämpfen".

Stanislaw Tosza, außerordentlicher Professor für Compliance und Strafverfolgung an der Universität Luxemburg, sagte Euronews Next, dass die Reform einen "neuen Verantwortungsbereich" mit sich bringe.

"Der ständig wachsende Umfang der Verpflichtungen zur Bekämpfung der Geldwäsche in Verbindung mit dem zunehmenden Risiko von Sanktionen bei Nichteinhaltung macht KI zu einem attraktiven Instrument für Personen, die versuchen, diese wachsenden Verantwortlichkeiten zu bewältigen", sagte Tosza.

Er fügte hinzu, dass nach dem EU-Datenschutzrecht ein gewisses Maß an menschlicher Aufsicht erforderlich ist, "wenn automatisierte Systeme Entscheidungen treffen, die Menschen erheblich betreffen".

Strise sagt, dass seine Kunden in der Lage waren, die Zahl der Fehlalarme durch die automatisierte Kundenüberwachung um 30 bis 40 Prozent zu reduzieren.

"Dies bedeutet weit weniger manuelle Arbeit für Analysten, die sonst Stunden damit verbringen würden, unnötige Risikowarnungen zu überprüfen, anstatt echte Risiken zu erkennen und Finanzkriminalität zu bekämpfen", sagte Lars Lunde Birkeland, CMO von Strise, in einer Erklärung gegenüber Euronews Next.

Experten warnen jedoch davor, dass die Automatisierung zwar die Anzahl der Fehlalarme reduzieren kann, aber auch dazu führen kann, dass Fehler schwieriger zu erkennen oder anzufechten sind.

"Die Integration von KI in diese Entscheidungsprozesse führt zu einer weiteren Verringerung der Transparenz. Es kann für die Betroffenen noch schwieriger werden, die Grundlage für solche Bewertungen zu verstehen oder sie wirksam anzufechten", sagte Tosza.