Die Evolution in der Banken-Compliance: Regeln + Machine Learning und GenAI
Traditionelle Compliance-Systeme basieren meist auf Regeln. Sobald Daten von Kunden oder Transaktionen gegen die Regeln verstoßen, entstehen Treffer, die Compliance Officer abklären müssen.
Die nächste Stufe in der Evolution ist Machine Learning. Sobald Regeln mit Machine-Learning-Verfahren gekoppelt werden, bietet sich mehr Potenzial für die automatisierte Erkennung von Mustern, die Vorhersage für potenzielle Compliance-Risiken. Die technischen Möglichkeiten reichen bis zum Auto-Closing von Fällen. Das bedeutet für Unternehmen, dass sie schneller und präziser auf verdächtige Aktivitäten reagieren und operative Aufgaben automatisierter als bisher erfüllen können.
Ganz neu am Horizont ist Generative AI. Sie ist die nächste Stufe der intuitiven Interaktion mit Daten. Mit GenAI werden Compliance-Beauftragte zeitaufwändige Recherchen und komplexe Meldeaufgaben automatisieren können. Dies ist besonders hilfreich, wenn sie Berichte erstellen – etwa Geldwäsche-Verdachtsmeldungen für die Financial Intelligence Units.
Trotz des großen Potenzials müssen Finanzinstitute die gesetzeskonforme Implementierung generativer KI-Anwendungen sicherstellen. Zwei Aspekte sind dabei entscheidend:
- Ergebnisse müssen verbindlich und reproduzierbar sein – eine Grundvoraussetzung der Bankenaufsicht: Anwendungen müssen im jeweiligen Kontext konsistente Antworten hervorbringen.
- Private und sensible Daten müssen sowohl beim KI-Training als auch bei den Abfragen geschützt sein.

Ein konkretes Beispiel für den Einsatz neuer Technologien ist die VP Bank Gruppe, die ihre Zahlungsüberwachung im Private Banking optimiert hat. Durch den Einsatz von Fuzzy Payment Screening und Machine Learning konnte die Bank ihren Arbeitsaufwand um 50 % reduzieren und gleichzeitig die Präzision der Überwachung erhöhen. Dieses Beispiel zeigt, wie digitale Lösungen und KI nicht nur den Compliance-Prozess verbessern, sondern auch Effizienzgewinne für Unternehmen bringen.