VP Bank Gruppe setzt auf Fuzzy Payment Screening mit Machine Learning und halbiert Arbeitsaufwand

Challenge

Moderne Zahlungsüberwachung im Private Banking – VP Bank Gruppe entscheidet sich für neues Payment Screening System mit ACTICO Machine Learning

Die immer höheren Anforderungen an die Compliance von Finanzinstituten führten bei der VP Bank Gruppe zu einer Modernisierung des Sanktionslisten-Screenings. Eine Überprüfung des bisherigen Payment Screening Systems ergab, dass es nicht mehr den aktuellen Anforderungen nach einer unscharfen Suche (Fuzzy Matching) entsprach.

Solution

Um Risiken zuverlässig erkennen zu können, ohne dabei den Arbeitsaufwand und die Kosten in die Höhe zu treiben, entschied sich die Bank dafür, ein neues System für das Payment Screening einzuführen. Es basiert auf ACTICO Machine Learning und verbessert insbesondere die unscharfe Suche (Fuzzy Matching) bei der Zahlungsüberwachung signifikant. Die Künstliche Intelligenz hat dazu beigetragen, dass sich der Arbeitsaufwand für die Compliance- und Zahlungsverkehrs-Mitarbeitenden bei der VP Bank Gruppe halbiert.

Impact

Effektivität und Effizienz bei der unscharfen Suche – Ein intelligentes Monitoring-System optimiert Kosten und Risiken gleichermaßen

Beim Fuzzy Matching sollen risikobehaftete Transaktionen auch gefunden werden, wenn der Name in der Transaktion nicht exakt mit dem Namen auf der Sanktionsliste übereinstimmt. Eine unscharfe Suche produziert somit immer mehr Treffer als eine exakte Suche. Risikofreie False Positives erhöhen den Arbeitsaufwand in den Compliance-Abteilungen und sorgen für einen Zielkonflikt zwischen Effektivität und Effizienz bei der Zahlungsüberwachung.

• Effektivität = möglichst alle risikobehafteten Transaktionen werden gefunden
• Effizienz = möglichst wenige Transaktionen, die sich bei näherer Betrachtung als risikofrei herausstellen, werden gefunden

Mit Hilfe des intelligenten Monitoring-Systems von ACTICO gelang es der VP Bank Gruppe, diesen Zielkonflikt zu überwinden. Seit Inbetriebnahme des Systems hat sich das Treffervolumen laufend reduziert und die Trefferqualität erhöht. Ein externes Beratungsunternehmen hat die überdurchschnittliche Qualität des ACTICO Machine-Learning-Modells im Rahmen eines Benchmarkings bestätigt.