22 AKTUELL DAS WASSER ABGRABEN
MIT KÜNSTLICHER INTELLIGENZ GELDWÄSCHE BEKÄMPFEN Banken haben eine grosse Verantwortung und Compliance-Anforderungen werden durch neue Gesetze und zunehmende Kriminalität eine immer komplexere Aufgabe. Um Teams zu entlasten, eine höhere Treffsicherheit zu gewährleisten und mehr Transparenz gegenüber Aufsichtsbehörden herstellen zu können, lässt sich Machine Learning clever in die laufenden Prozesse integrieren. VON THOMAS KNÖPFLER
Machine Learning kann Abhilfe schaffen.
M
it der Pandemie haben sich kriminelle Aktivitäten insbesondere im Bereich der Cyberkriminalität drastisch verstärkt. Zu den üblichen Bedrohungen wie Phishing-Kampagnen und dem Ausnutzen bestehender Schwachstellen von Systemen und Plattformen kommen neue Bedrohungen wie Geldwäscherei und Terrorismusfinanzierung hinzu. Weitere illegale Aktivitäten sind der zunehmende Missbrauch staatlicher Konjunkturmassnahmen und Insolvenzprogramme, die Veruntreuung unterschiedlicher Finanzhilfen und sogar vorgetäuschte Angebote, die der Veranlassung betrügerischer Zahlungen dienen sollten. Solche kriminellen Machenschaften gilt es zuverlässig zu erkennen. Jedoch ist der Aufwand aufgrund unterschied-
GESCHÄFTSFÜHRER*IN HERBST 2022
licher Arbeitsabläufe und einer immensen analogen Datenflut aus zahlreichen verschiedenen Finanzinstituten kaum zu stemmen. Für derlei Compliance-Aufgaben lohnt es sich, Machine Learning einzusetzen, um der Datenflut – und den Kriminellen – entgegenzuwirken.
VORBEREITET SEIN Ab dem Jahr 2024 soll auf EU-Ebene die AML Authority (AMLA) als neue Finanzaufsicht ein einheitlich integriertes, hochstandardisiertes System zur EU-weiten Aufsicht der Bekämpfung von Geldwäscherei und Terrorismusfinanzierung erschaffen. Zudem tritt in der Schweiz Mitte 2022 das revidierte Geldwäschereigesetz (GWG) in Kraft.
