ACTICO Anti-Money Laundering
Mehr Sicherheit bei der Geldwäschebekämpfung mit moderner Technologie: ein Gewinn für Fachbereich und die IT
Mehr Sicherheit bei der Geldwäschebekämpfung mit moderner Technologie: ein Gewinn für Fachbereich und die IT
ACTICO Anti-Money Laundering ist die Software der nächsten Generation zur Verhinderung von Geldwäsche. Sie wurde auf Basis modernster Technologien entwickelt und erkennt verdächtige Zahlungen, Verhaltensmuster und Kundenbeziehungen. Mit unserem Cloud-First-Ansatz, KI-readyness und flexiblen Workflows sind Banken, Versicherungen und Finanzdienstleister für die Zukunft gerüstet.
Das Wichtigste im Überblick:
Key Features
Dashboard für Compliance Officer: So sieht Arbeiten auf einer modernen Benutzeroberfläche aus: Übersicht aller Aufgaben für den Mitarbeitenden, Auswertung des Fallbestands nach Priorität, Individueller Einstieg in relevante Fälle
Geldwäsche mit Regeln und Machine–Learning–Modellen bekämpfen und die Effizienz erhöhen
Auffällige Transaktionen und Muster mit Regeln erkennen
ACTICO AML Software wird mit Basis-Szenarien ausgeliefert, in denen Transaktions- und Personendaten gegen Regeln geprüft werden. Sobald eine Auffälligkeit auftritt, generiert das System einen Hinweis für die Geldwäschebeauftragten und startet einen Workflow zur weiteren Bearbeitung dieser „Treffer“.
Machine Learning reduziert False-Positives und erhöht die Effizienz bei der Trefferbearbeitung
Machine Learning ist die Innovation in der Compliance zur Reduzierung von False Positives. Machine-Learning-Modelle werden aus historischen, abgeklärten Fällen automatisiert trainiert. Dabei wird das Ergebnis der Fälle (übereinstimmend oder nicht-übereinstimmend) als Label verwendet.
Bei der Kundensegmentierung werden die Daten der Banken/Versicherungen automatisch analysiert und die Kunden aufgrund ihres Verhaltens, ihres Risikoprofils und anderer Faktoren in Cluster eingeteilt. Die Analyse kann automatisch verschiedene Cluster von Kunden identifizieren und Merkmale oder Muster in den Daten erkennen, die darauf hindeuten, dass bestimmte Kundengruppen z.B. einer höheren oder niedrigeren Risikokategorie angehören.
Das Ziel der ML-Modelle (Clustering-Verfahren) ist es, Kundenstammdaten und Verhaltensdaten zu kombinieren und dem Kundenverhalten angepasste Segmente zu bilden. Die Zuordnung eines Kunden zu einem Segment wird regelmäßig überprüft, so dass Verhaltensänderungen zeitnah berücksichtigt werden. An die verhaltensorientierten Segmente angepasste Grenzwerte führen zu einer deutlich erhöhten Effizienz und Effektivität der Regelwerke.
Für Banken und Versicherer ist das maschinelle Lernen ein innovatives, zukunftsorientiertes Instrument, mit dem sie Kosten reduzieren und Wettbewerbsvorteile erzielen können. Ein POC von ACTICO mit einer Retailbank zeigt, dass Machine Learning in Kombination mit Regeln die False Positives um mehr als 40% reduzieren kann. Weitere Einzelheiten finden Sie in unserem Whitepaper: Anti-Geldwäsche mit künstlicher
Intelligenz: Ein Wettbewerbsvorteil für Banken und Versicherungen.
Vorteile
„Um Transparenz über Kunden zu gewinnen und revisionssicher zu sein, gleicht die KfW ihre Kundendaten automatisiert mit Namenslisten ab. Dieser Sanktionslistencheck ist die Basis für die Risikobewertung. ”
Dirk Hahn
Senior Referent Aufsichtsrecht/KYC, KfW
AML mit Komponenten der KI: Banken und Versicherer sehen massives Einsparpotenzial durch die Reduzierung von False Positives. Komponenten der künstlichen Intelligenz wie Machine Learning können hier als „Booster“ wirken und Prozesse vereinfachen und beschleunigen.
Whitepaper herunterladenapoBank nutzt das Avaloq Kernbankensystem und ACTICO Compliance Software für AML, KYC, Transaktionsscreening und das Monitoring des Wertpapierhandels.
Success Story lesenWarum erfolgreiche Banken und Versicherungen beim Thema Compliance jetzt auf Machine Learning setzen und wie sie Geldwäscherisiken effizienter erkennen.
Whitepaper herunterladen