23.03.2021

Geldwäscherei-Bekämpfung in der Schweiz – Reform des Geldwäschereigesetzes (GWG) in 2021 beschlossen

Artikel teilen:

Das Schweizer Parlament hat am 19. März 2021 für eine Reform des Geldwäscherei-Gesetzes gestimmt. Ein Grund dafür ist die Vorbereitung auf die nächste FATF Länderprüfung in 2022 und das Ziel, das Enforcement-Verfahren zu verlassen. Die Schweizerische Bankiersvereinigung bewertet das Ergebnis positiv. Trotzdem machen die ständig steigende Anzahl der Geldwäscherei-Meldungen und die fehlenden Bearbeitungs-Kapazitäten der schweizerischen Meldestelle für Geldwäscherei (MROS) vielen Akteuren und Beobachtern Sorgen. 

Basel Anti-Money Laundering Index 2020 bewertet 141 Länder – Schweiz auf Platz 93

Die Schweiz stand unter internationalem Druck, ihre Geldwäschereiregeln zu verschärfen. Der aktuelle Basel AML Index für das Thema “Ranking money laundering and terrorist financing risks around the world“ ordnet der Schweiz Platz 93 von 141 zu. Im europäischen Vergleich liegt sie auf Platz 27 von 33. Das Basel Institute stützt sich dabei auf Daten von FATF, Weltbank und Weltwirtschaftsforum. Der Basel AML-Index ist ein unabhängiges jährliches Ranking, das das Risiko von Geldwäscherei und Terrorismusfinanzierung (ML/TF) weltweit bewertet. Laut dem Bericht für 2020 sei die größte Herausforderung, vor der viele Länder stünden, vor allem die effektive Umsetzung von AML/CFT-Regeln.

Der Berg an Geldwäscherei-Meldungen wächst

Die schweizerische Meldestelle für Geldwäscherei (MROS) steht vor einem Berg an Meldungen. Der Jahresbericht der MROS aus 2019 zeigt, dass die Zahl kontinuierlich steigt und in 2019 einen Höchststand von über 7000 Meldungen erreicht. Dies entspricht – so die MROS – bis Ende November 2019 Vermögenswerten im Umfang von CHF 12.9 Mrd. Wie in den Vorjahren stammten diese Vermögenswerte vorwiegend aus mutmasslichen Betrugs- oder Korruptionsdelikten.

Bearbeitung von Geldwäscherei-Meldungen (SAR) soll schneller werden

Laut MROS Jahresbericht wurde in 2019 eine neue Strategie erarbeitet, die es der Meldestelle ermöglichen soll, eine moderne, proaktive und auf die Ziele der Kriminalitätsbekämpfung ausgerichtete Einheit im fedpol (Bundesamt für Polizei) zu werden. Ziel ist auch eine raschere Bearbeitung der Meldungen. Dennoch konnten per Ende 2019 über 6.000 Meldungen noch nicht abschliessend bearbeitet werden. Das entspricht einer weiteren Zunahme von über 20% gegenüber Ende 2018. Abhilfe sollen auch weitere Schritte, wie die Erhöhung des Personalbestandes und bessere technologische Voraussetzungen schaffen.

Lawine an Anti-Geldwäscherei-Gesetzesänderungen

In regelmässigen Abständen unterzieht die Financial Action Task Force (FATF) internationale Finanzplätze einer Prüfung und veröffentlicht sie im Länderbericht. Die Schweiz hat die Länderprüfung in 2016 überstanden und befindet sich jetzt im sogenannten Enhanced Follow-up-Prozess. Der Bund und die Eidgenössische Finanzmarktaufsicht FINMA haben inzwischen Änderungen ihrer regulatorischen Vorgaben auf den Weg gebracht:

  • Standesregeln zur Sorgfaltspflicht der Banken ((VSB 20) – in Kraft seit 1.1.2020
  • Teilrevidierte Geldwäschereiverordnung-FINMA (GwV-FINMA) in Kraft seit 1.1.2020
  • Revision des Geldwäschereigesetzes (GwG) – am 1.3.2021 vom Nationalrat diskutiert und am 19.3.2021 final verabschiedet

Diese Revision des Geldwäschereigesetzes (GWG) hat kontroverse Diskussionen hervorgerufen. Kritiker sprechen von einer Mini-Reform. Am 19. März 2021 hat das eidgenössische Parlament der Revision zugestimmt.

FATF-Länderprüfung vermutlich in 2022

In der angekündigten fünften Länderprüfung wird die FATF das Abwehrdispositiv der Schweiz wieder analysieren. In 2016 hatte sie in vier von elf Bereichen sie eine „mäßige Wirksamkeit“ festgestellt und bewertet seitdem die Fortschritte. Dazu hatte sie im Januar 2020 den 3rd Enhanced Follow-up Report & Technical Compliance Re-Rating veröffentlicht. Als eines der verbesserungsfähigen Themen gilt KYC. Die Umsetzung der Sorgfaltspflichtmaßnahmen bei bestehenden Kunden war laut FATF nicht immer zufriedenstellend. Insbesondere bei langjährigen Kunden von Banken und Vermögensverwaltern, die zu Beginn der Geschäftsbeziehung als risikoarm eingestuft wurden und bei denen die Herkunft der Mittel nicht immer gemäß den aktuellen Anforderungen ermittelt wurde.

Banken und Finanzdienstleister können viel tun, um die Geldwäscherei-Bekämpfung zu verbessern

90% der Geldwäscherei-Meldungen kommen aus der Finanzbranche. Das ist sicher kein reales Bild der gesamten Geldwäscherei-Szene, weil Geld nicht nur mit Hilfe von Banken gewaschen wird. Hier ist in erster Linie die Politik und Aufsicht gefragt. Trotzdem ist die Zahl zum jetzigen Zeitpunkt ein Indikator, wo am schnellsten Erfolge erreicht werden.

Top 5 Empfehlungen für Banken und Finanzdienstleister zur Verbesserung der Geldwäscherei-Prävention

  1. Verbesserung der KYC-Profile durch bessere Informationen zum Kunden, z.B. Herkunft der Vermögenswerte, erwartete Zu- und Abflüsse, erwartete Transaktionen pro Zeiteinheit
  2. Nutzen von flexiblen Software-Systemen zur schnellen Anpassung an Gesetzesänderungen
  3. Integration von Machine Learning-Verfahren, z.B. beim Abgleich von Daten mit Sanktionslisten und bei der Transaktionsüberwachung
  4. Nutzen von Machine-Learning-Erkenntnissen für Verbesserungen der False Positive Rate, Verifizierung von Abklärungen aus der Vergangenheit, Kostenreduzierung durch weniger Abklärungsaufwand
  5. Durchführen von Effizienz- und Effektivitätstests in der Transaktionsüberwachung, z.B. in Zusammenarbeit mit externen Consultants

Das könnte Sie auch interessieren

Broschüre: Machine Learning in der Compliance Suite

Geldwäscherei-Risiken besser zu erkennen und false positives zu reduzieren, das ist ein entscheidender Beitrag von Machine Learning in der Compliance von Banken, Finanzdienstleistern und Versicherungen. Erfahren Sie, was es bringt, Wissen der Compliance Officer mit Datenwissen zu kombinieren

Broschüre herunterladen
Whitepaper: Kunden- und PEP-Screening mit Machine Learning verbessern

Dieses Whitepaper ist ein Deep-Dive in das Thema Machine Learning. Es erklärt, weshalb sich Compliance zunehmend technisch-quantitativ ausrichtet. Die Ergebnisse zeigen, dass Banken und Finanzdienstleister bei ihrem Aufwand zur Abklärung von False Positives über 50% einsparen können.

Whitepaper herunterladen
Sanktions- und PEP-Screening mit Machine Learning

Regulatorische Vorgaben erfordern einen Abgleich von Neu- und Bestandskunden gegen Sanktionslisten.  PEPs müssen erkannt und mit erhöhter Sorgfalt behandelt werden. Erfahren Sie, wie Machine Learning den Name und PEP Check unterstützen kann.

Mehr erfahren