02.11.2023

Was den Kampf gegen Geldwäscherei in der Schweiz so schwierig macht

Die Financial Action Taskforce FATF hat im Oktober 2023 eine neue Länderevaluation für die Schweiz veröffentlicht. Sie erkennt die Fortschritte an, sieht aber noch Verbesserungspotenzial.

Banken haben in den letzten Jahren neue regulatorische Vorgaben umgesetzt – teilweise mit erheblichem Aufwand. Aber das ist nicht der einzige Grund, weshalb sie ihre Prozesse in der Geldwäscherei-Prävention ändern. Die Reduzierung der Kosten gehört zu den wichtigsten Zielen. Dabei stützen sich immer mehr auf Künstliche Intelligenz.

Artikel teilen:

Lesezeit:

Schweiz revidiert GWG und weitere AML-Verordnungen

In der Schweiz sind in den letzten Jahren mehrere regulatorische Änderungen zur Bekämpfung von Geldwäscherei angelaufen. Sie sollen das Abwehrdispositiv des Wirtschafts- und Finanzstandorts stärken:

Drastischer Fachkräftemangel

False Positives reduzieren und manuelle AML-Vorgänge minimieren

Banken und Versicherungen stossen bei der Geldwäsche-Prävention an Grenzen – sowohl beim Personal als auch bei der Wirtschaftlichkeit. Komponenten der künstlichen Intelligenz wie Machine Learning vereinfachen und beschleunigen Prozesse. Unser Whitepaper informiert über Details und zeigt ein Einsparpotential von 40 Prozent bei False Positives bei einer Retailbank.

Whitepaper herunterladen

Mehr Verdachtsmeldungen wegen Geldwäscherei in der Schweiz: Ein Problem für Banken und die MROS

Nicht nur Banken, auch die Geldwäscherei-Meldestelle MROS  ist gefordert. 2022 hat die MROS 7.639 Verdachtsmeldungen bekommen. Das ist ein Zuwachs von 28% gegenüber dem Vorjahr. Unter den Finanzintermediären ist es erneut der Bankensektor, von welchem der grösste Anteil der Verdachtsmeldung (92% ) stammt.

mros-meldungen-jahresbericht-blog

FATF-Länderprüfung 2023 zur Prävention von Geldwäscherei in der Schweiz

Ein anderer Stressfaktor bei der Geldwäscherei-Prävention ist die Länderprüfung durch die FATF. Im Januar 2020 erschien der dritte Follow-Up Bericht, im Oktober 2023 die vierte Länderevaluation. Darin stuft die FATF acht der insgesamt 40 Empfehlungen als «konform», 29 als «weitgehend konform», drei gelten als «teilweise konform». Das bedeutet eine Verbesserung von zwei Empfehlungen im Vergleich zu 2020.

Die nächste Länderprüfung für die Schweiz ist für 2027/2028 geplant.

Basel AML Index klassifiziert globale Geldwäscherei-Risiken

Die öffentliche Ausgabe des Basler AML-Index listet die Länder auf, die über ausreichende Daten verfügen, um eine zuverlässige Risikobewertung zu berechnen.

Von 128 Ländern stellen sich die DACH-Länder so dar:

basel-index-geldwaescherei-banken-schweiz

5 Empfehlungen, wie Finanzdienstleister in ihrer Geldwäscherei-Prävention besser werden

Diese Punkte sind hilfreiche Tipps für die Anti-Geldwäscherei:

  1. Verbesserung der KYC-Profile durch detailliertere Informationen zum Kunden bzw. zum wirtschaftlich Berechtigten, Überprüfung der Risikoklasse, Herkunft der Vermögenswerte, erwartete Zu- und Abflüsse, prognostizierte Transaktionen pro Zeiteinheit
  2. Anzeige von Personen und Entitäten, die aktuell, aufgrund von aktualisierten Sanktions-, PEP- und Embargo-Listen, im Fokus stehen
  3. Integration von Machine-Learning-Verfahren, z. B. beim Abgleich von Daten mit Sanktionslisten und bei der Embargoüberwachung im Zahlungsverkehr
  4. Nutzen von Machine-Learning-Erkenntnissen zur Reduzierung der False Positive Rate, Verifizierung von Abklärungen aus der Vergangenheit, Kostenreduzierung durch weniger Abklärungsaufwand
  5. Durchführen von Effizienz- und Effektivitätstests in der Zahlungsüberwachung

KPMG-Studie prognostiziert mehr Nachfrage nach RegTech Lösungen

Eine Veröffentlichung des schweizerischen Nachrichtenportals Finews vom 17.2.2023 bezieht sich auf die neueste Studie Pulse of Fintech der Beratungsgesellschaft KPMG. Nach dieser Studie ist das komplexe regulatorische Umfeld für Finanzdienstleistungen und die Konzentration auf Rentabilität und Kostensenkung ein Treiber von Investitionen in Regtech-Lösungen. Es wird erwartet, dass Unternehmen auf Technologien setzen, die ihre Compliance-Aktivitäten rationalisieren und verbessern. Dazu gehören KI-gestützte Fintech-Lösungen, insbesondere in der Datenanalyse, Risikobewertung in Echtzeit und Kundenbindung.

Retailbank spart mit Machine Learning rund 40 Prozent der False Positives in der Erkennung von Geldwäscherei

Ein Proof of Concept von ACTICO mit einer Retailbank hat gezeigt, dass KI in der Geldwäscherei-Erkennung großes Potenzial hat, die False-Positive-Rate zu senken. Mit knapp 12.000 in der Vergangenheit abgeklärten Geldwäscherei-Auffälligkeiten der Bank konnte ein Machine-Learning-Modell trainiert werden, das vorhersagt, ob eine Auffälligkeit einer näheren Untersuchung bedarf. Das Modell lernt aus den zu den Auffälligkeiten gehörenden Transaktions- und Kundendaten sowie der Information, ob zur Abklärung der Auffälligkeit in der Vergangenheit eine vertiefte Untersuchung notwendig gewesen war. Auf einem Validierungsdatensatz wurde gezeigt, dass sich rund 40 Prozent der False Positives einsparen lassen, ohne eine Verdachtsmeldung, die der Finanzaufsicht zu melden wäre, zu verpassen. Mehr dazu im Whitepaper „Anti-Geldwäsche mit künstlicher Intelligenz“.

Fazit

Die Änderung von Geldwäscherei-Gesetzen stürzen Banken oft in einen umfangreichen Anpassungsprozess. Der ist nicht so einfach zu bewältigen, weil Personalressourcen knapp sind. Dazu kommt, dass Banken besonders in Bereichen, die keinen Ertrag erwirtschaften, sehr kostenbewusst sind. Die Konsequenz ist, dass Banken ihre Prozesse immer genauer unter die Lupe nehmen. Machine Learning, eine Komponente der Künstlichen Intelligenz bietet enorme Potenziale für Kostensenkungen. Die Reduzierung von False Positives mit Machine Learning steht weit vorne auf der Prioritätenliste und hat in der Praxis schon überzeugende Ergebnisse gebracht.

Das könnte Sie auch interessieren

Instant Payments werden in der EU, Schweiz und Liechtenstein zur Pflicht

Mit der Veröffentlichung der fünften Generation des Swiss Interbank Clearing SIC  Ende 2023 legt SIX den Grundstein für Instant Payments analog zum EU-Standard SEPA Instant Credit Transfer. Ab August 2024 müssen die größten Banken in der Schweiz Instant Payments  verarbeiten  können.

Mehr über die Hintergründe erfahren
VP Bank Gruppe entscheidet sich für Payment Screening mit künstlicher Intelligenz

Mit Machine Learning, einer Komponente der KI, verbessert die VP Bank Gruppe in Liechtenstein die Trefferqualität im Payment Screening. Damit halbiert sie den Arbeitsaufwand beim Sanktionslisten-Screening im Zahlungsverkehr.

Erfolgsgeschichte lesen
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