Mit Künstlicher Intelligenz verbessert die VP Bank Gruppe die Trefferqualität und halbiert den Arbeitsaufwand beim Sanktionslisten-Screening im Zahlungsverkehr.
Die VP Bank Gruppe ist eine international tätige Privatbank und gehört zu den größten Banken Liechtensteins. Sie ist an den Standorten Vaduz, Zürich, Luxemburg, Singapur, Hongkong und Tortola auf den British Virgin Islands vertreten. Die VP Bank Gruppe ist an der SIX Swiss Exchange kotiert und ihre Finanzstärke wird von Standard & Poor’s mit einem A-Rating beurteilt.
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.
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.
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.
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.
„Es war für uns wichtig, dass durch das Fuzzy Matching die Qualität der Treffer bei ein- und ausgehenden Zahlungen erhöht werden kann, ohne dass die Anzahl der zu prüfenden Transaktionen durch unscharfe Suche unnötig steigt. Dieses Ziel haben wir erreicht.”
Fabian Wälte
Leiter Payments and Transaction Services, VP Bank Gruppe
apoBank profitiert beim neuen Kernbankensystem von der Partnerschaft zwischen Avaloq und ACTICO.
KfW Bankengruppe beschleunigt Customer Profiling und Onboarding durch zentralisierte Compliance.
Swiss Life baut Sicherheitsstandard zur Geldwäsche-Bekämpfung und Terrorismusfinanzierung aus.