Finanzinstitute und Regulierungstechnologieunternehmen nutzen künstliche Intelligenz den Fluss des Gelds einzudämmen, der in illegale Aktivitäten auf der Welt geleitet wird.
Schätzungsweise 3,1 Billionen US-Dollar an illegalen Geldern flossen letztes Jahr durch das globale Finanzsystem, wie aus einem aktuellen Nasdaq-Bericht hervorgeht. Globaler Finanzkriminalitätsbericht. Geldwäsche allein flossen Billionen von Dollar zur Finanzierung internationaler krimineller Aktivitäten, darunter 346,7 Milliarden Dollar für Menschenhandel, 782,9 Milliarden Dollar für Drogenhandel und 11,5 Milliarden Dollar für die Terrorismusfinanzierung.
Finanzkriminelle sind immer intelligenter und gefährlicher mithilfe fortgeschrittener Technologien, die günstiger und leichter zugänglich sind als je zuvor. Aber Finanzinstitute und RegTech Unternehmen setzen viele derselben Technologien ein, darunter KI und Generative KI, um bei der Bekämpfung des wachsenden kriminellen Unternehmertums zu helfen.
„KI ermöglicht es uns, wirklich zu erkennen, wie Kriminelle mit anderen interagieren“, sagt Nikhil Aggarwal, Managing Director der Beratungspraxis zur Geldwäschebekämpfung bei Deloitte Transactions and Business Analytics. „Wenn man ein breiteres Netzwerk visualisieren kann, kann man Ringe gründlicher untersuchen. So lassen sich einige dieser miteinander verbundenen Muster erkennen, was die häufige Zusammenarbeit dieser Bedrohungsakteure betrifft.“
Das US-Bankgeheimnisgesetz wurde 1970 geschaffen, um Finanzinstituten zu helfen, Geldwäsche über ihre Systeme zu erkennen und zu verhindern, auch bekannt als Gesetze zur Bekämpfung der Geldwäsche, AML. Gemäß diesem Gesetz befolgen alle Finanzinstitute eine Reihe von Richtlinien, die als KYC (Know Your Customer/Client) bekannt werden – ein Prozess, den diese Unternehmen verwenden, um die Identität potenzieller Kunden zu überprüfen und die mit ihnen verbundenen Risiken zu überprüfen.
Trotz der Regulierung hat sich die Finanzkriminalität mit der Zunahme digitaler Transaktionen wie Online-Zahlungen, -Abhebungen und -Einzahlungen weiter verbreitet. Mehr als die Hälfte der Amerikaner nutzt digitale Geldbörsen häufiger als ihre Karten oder Bargeld, so die Ergebnisse einer Forbes Advisor -Umfrage letztes Jahr veröffentlicht.
Dadurch sind riesige Mengen an Informationen zu Transaktionen und Kundenverhalten entstanden – und hier kommt die KI ins Spiel. RegTech-Unternehmen nutzen die Technologie, um die riesigen Datenmengen, die von Banken gesammelt werden, zu nutzen und so Finanzkriminalität effizienter und präziser zu bekämpfen.
„KI ist gut darin, größere Datenmengen zu analysieren und Muster in sehr großen Datenmengen zu erkennen“, sagt Dagan Osovlansky, Chief Product Officer beim israelischen Softwareunternehmen ThetaRay. „Wenn Sie mit Bankern sprechen, werden sie Ihnen sagen, dass sie über Unmengen an Daten verfügen und in vielen Fällen nicht unbedingt wissen, wie sie diese nutzen sollen.“
ThetaRay, das seine eigenen proprietären Algorithmen für maschinelles Lernen einsetzt, verfolgt einen risikobasierten Ansatz zur Bekämpfung von Finanzkriminalität. Anhand einer großen Menge an Datenpunkten lernt die KI des Unternehmens das normale Verhalten von Bankkunden in der sogenannten „unüberwachtes Lernen„, eine Art maschinelles Lernen, das ohne menschliche Aufsicht aus Daten lernt. Dadurch kann die Technologie Anomalien anhand von Verhaltensmustern und nicht anhand menschlicher Anweisungen erkennen.
Die Plattform des Unternehmens zur Erkennung von Finanzkriminalität wird von über 100 Finanzinstituten genutzt, darunter Santander, Payoneer und Travelex. Sie allein überwacht mithilfe von KI Transaktionen im Wert von über 15 Billionen US-Dollar. Letzte Woche gab das Unternehmen bekannt, erworben Screena, ein Cloud-basiertes, KI-gestütztes Screening-Unternehmen, das potenzielle Kunden mit Listen sanktionierter Parteien vergleicht. Die Partnerschaft ist Teil der Bemühungen, mit den fortschreitenden Technologien Schritt zu halten, die Osovlansky zufolge von Kriminellen schneller übernommen werden als von Finanzinstituten.
„Die eigentliche Frage ist meiner Meinung nach: Wer gewinnt? Und ich bin nicht sicher, ob dies die Antwort ist, die wir gerne hören würden“, sagte Osovlansky.
„Ich glaube, wir müssen den Rückstand aufholen“, fügte er hinzu.
Obwohl es noch im frühen Stadium ist, hat der Einsatz dieser Technologie bereits zu einem deutlichen Rückgang falschpositiver Ergebnisse – der Kennzeichnung normaler Bankaktivitäten als verdächtig – bei einer Reihe von ThetaRay-Partnerbanken geführt, darunter auch in der Corporate Investment Banking-Abteilung von Santander, sagte Osovlansky. Santander nutzt die Technologie von ThetaRay Lösung zur Bekämpfung von Geldwäsche, das seit Ende 2019 Kundendaten analysiert, um Anomalien zu erkennen, die auf Geldwäschesysteme hinweisen könnten.
Zu den weiteren Akteuren im RegTech-Bereich gehört Lucinity, ein in Island ansässiges KI-Software-Startup, das KI nutzt, um Unternehmen Erkenntnisse zu liefern, mit denen sie ihre Compliance im Bereich Finanzkriminalität verbessern können.
Einige Finanzinstitute verfügen jedoch über eigene interne Systeme, um mithilfe fortschrittlicher Technologien Finanzkriminalität zu bekämpfen und ihre Erkennung zu verbessern. HSBC hat sein KI-System mitentwickelt mit Google zur Überprüfung auf Finanzkriminalität. Die Bank nutzt KI um jeden Monat etwa 1,2 Milliarden Transaktionen auf Anzeichen von Finanzkriminalität auf 40 Millionen Kundenkonten aufzuüberwachen, schrieb Jennifer Calvery, Gruppenleiterin für Finanzkriminalitätsrisiken und Compliance bei HSBC, in einem im Juni Blogbeitrag. Das System behauptete , zwei- bis viermal mehr Finanzkriminalität aufzudecken als zuvor, mit 60 Prozent weniger falsch positiven Erkennungen.
Daniel Pinto, Chief Operating Officer von JPMorgan Chase, sagte am Investorentag der Bank im Mai, dass KI den KYC-Prozess der Bank, einschließlich der Kundenaufnahme und -überwachung, vereinfachen werde. bis zu 90% schneller bis Ende nächsten Jahres. Das bedeutet die Verarbeitung von 230.000 Dateien mit 20 % weniger Personal. JPMorgan, die größte Bank der USA, ist führend in Einführung von KI in der Bankenwelt seit Jahren, mit der größte Menge an KI-Talenten aller großen globalen Banken.
Die größte Herausforderung für Finanzinstitute und ihre Partner ist die Datenverfügbarkeit. Laut Aggarwal von Deloitte sind die zugrunde liegenden Datenblöcke, die Datenqualität und die Datenhygiene eine „ewige Herausforderung“, wenn es darum geht, Daten für einen effektiven Einsatz von KI zusammenzufügen. Der Prozess der Datenbereinigung sei zwar zeitaufwändig und mühsam, werde Finanzinstituten und ihren RegTech-Partnern jedoch „aussagekräftigere Erkenntnisse“ liefern, sagte er.
„Ich denke, hier besteht die Chance, einige der Datengrundlagen bereitzustellen“, sagte er.
Dieser Inhalt wurde maschinell aus dem Originalmaterial übersetzt. Aufgrund der Nuancen der automatisierten Übersetzung können geringfügige Unterschiede bestehen. Für die Originalversion klicken Sie hier