Im Payment Screening prüfen Banken und Finanzdienstleister, ob ein- und ausgehende Zahlungen ein Risiko darstellen oder gegen Compliance-Vorschriften verstoßen. Doch wie finden Finanzinstitute die richtige Balance zwischen Kosten und Risiko? Und wie kann Machine Learning hier helfen?
Der Abgleich von Kundendaten gegen Sanktions- und Embargolisten kostet Geld – ein Compliance-Risiko nicht zu entdecken, ist aber gefährlich. Das kann empfindliche Strafen und Reputationsschäden nach sich ziehen. Was ist zu tun, vor allem, wenn die Finanzaufsicht die Zügel weiter anzieht?
Die Finanzaufsicht verlangt von Instituten immer häufiger eine unscharfe Suche (Fuzzy Matching). Das bedeutet: eine Risiko-Transaktion soll auch gefunden werden, wenn der Name in der Transaktion nicht exakt mit dem Namen in der Sanktionsliste übereinstimmt. Das kann bei Schreibfehlern auftreten oder wenn Namen bewusst verfälscht wurden. Das Problem: Eine unscharfe Suche produziert immer mehr Risikomeldungen (Treffer) als eine exakte Suche und erhöht den Aufwand für Compliance-Teams.
Zielkonflikt vorprogrammiert: Kosten gegen Risiko, Effektivität versus Effizienz
Finanzinstitute befinden sich in einem Spannungsfeld zwischen Effektivität und Effizienz. Es gilt,
- möglichst alle Risiko-Transaktionen zu finden (Effektivität = niedriges Risiko, aber hohe Kosten)
- möglichst wenige Transaktionen zu finden, die sich bei näherer Betrachtung als risikofrei herausstellen (Effizienz = geringe Kosten, aber hohe Trefferzahlen).
Warum ist Payment Screening in der Finanzindustrie so wichtig?
Finanzinstitute stehen unter hohem Druck, die regulatorischen Rahmenbedingungen einzuhalten. Ein großer Teil der Compliance-Aufgaben dreht sich darum, Finanzkriminalität zu verhindern. Die Überprüfung von Zahlungen spielt dabei eine wichtige Rolle. Es ist eine wichtige Komponente im Risikomanagement, das Finanzinstitute vor rechtlichen Konsequenzen, Strafen und Reputationsschäden schützt.
Gerade weil Real-Time-Zahlungen und andere digitale Zahlungsoptionen schnellere Risikoentscheidungen erzwingen, müssen Finanzinstitute ein Gleichgewicht zwischen Sorgfaltspflicht, Kundenerwartungen und Kostensituation finden.
Wie wichtig ist Effizienz und Effektivität im Payment Screening und was genau ist der Unterschied?
Beim Screening prüft die Compliance-Software Zahlungsdaten mit Einträgen in Sanktions- oder Embargolisten oder mehreren Black Lists. Grundlage des Datenabgleichs sind Kriterien wie Vor- und Nachname, Firmenname, Aliasname, alternative Schreibweisen, involvierte Länder, Banken, BICs, Konten, Betrag, Schlüsselwörter und Whitelist-Ausnahmen. Finanzinstitute sind zunehmend gefordert, ihre Systeme sowohl nach Effizienz- als auch nach Effektivitätskriterien zu überprüfen.