Finanzinstitute zögern bei der Einführung von KI zur Geldwäschebekämpfung

MÜNCHEN (IT BOLTWISE) – Während die Notwendigkeit der Integration von Künstlicher Intelligenz (KI) in Anti-Geldwäsche-Prozesse von Finanzinstituten erkannt wird, bleibt die tatsächliche Umsetzung hinter den Erwartungen zurück. Eine aktuelle Studie von SAS in Zusammenarbeit mit KPMG zeigt, dass viele Institute noch zögern, diese Technologien umfassend zu implementieren.

Die Studie, die von SAS und KPMG durchgeführt wurde, beleuchtet die aktuelle Zurückhaltung von Finanzinstituten, Künstliche Intelligenz (KI) und Machine Learning (ML) in ihre Anti-Money-Laundering-(AML-)Prozesse zu integrieren. Obwohl die Vorteile dieser Technologien in der Erkennung und Verhinderung von Geldwäsche unbestritten sind, nutzen lediglich 18 Prozent der befragten Institute bereits entsprechende Lösungen. Ein beachtlicher Anteil von 40 Prozent hat bisher noch keine konkreten Pläne zur Einführung von KI und ML.

Ein wesentlicher Grund für diese Zurückhaltung ist die mangelnde Unterstützung durch Aufsichtsbehörden. Nur 51 Prozent der Regulatoren fördern den Einsatz von KI-Technologien, was einen Rückgang von 15 Prozentpunkten im Vergleich zu vor vier Jahren darstellt. Gleichzeitig ist der Anteil derjenigen, die Regulatoren als besorgt oder vorsichtig einschätzen, von 28 auf 36 Prozent gestiegen. Diese Skepsis gegenüber technologischen Veränderungen erschwert die Implementierung neuer Systeme erheblich.

Die Studie zeigt auch, dass das Interesse an generativer KI, wie etwa ChatGPT, zwar vorhanden ist, aber mit Vorsicht betrachtet wird. Fast die Hälfte der Umfrageteilnehmer testet diese Technologien in Pilotprojekten, während 55 Prozent sich noch nicht näher damit befassen. Diese Zurückhaltung könnte auf die Unsicherheiten in Bezug auf die regulatorischen Rahmenbedingungen und die potenziellen Risiken der Technologie zurückzuführen sein.

Timo Purkott, Global Fraud and Financial Crime Transformation Lead bei KPMG International, betont, dass KI und ML kein Allheilmittel gegen Betrug und Geldwäsche sind. Dennoch sind sie besonders bei der Verarbeitung großer Datenmengen äußerst effektiv. Automatisierte Benachrichtigungen aus dem Transaction Monitoring, unternehmensweite Risikobewertungen und die Reduzierung von False-Positives sind nur einige der Vorteile, die diese Technologien bieten können. Unternehmen müssen daher in ihre Datenmanagementinfrastruktur investieren, um den maximalen Nutzen aus KI und ML zu ziehen.

Die Implementierung von KI in AML-Prozessen erfordert jedoch nicht nur technologische Investitionen, sondern auch eine Anpassung der organisatorischen Strukturen und Prozesse. Finanzinstitute müssen bereit sein, ihre bestehenden Systeme zu überdenken und neue Ansätze zu integrieren, um den Herausforderungen der digitalen Transformation gerecht zu werden. Dies erfordert eine enge Zusammenarbeit zwischen IT-Abteilungen, Compliance-Teams und Führungskräften, um eine erfolgreiche Implementierung zu gewährleisten.

Insgesamt zeigt die Studie, dass die Einführung von KI in der Geldwäschebekämpfung noch in den Kinderschuhen steckt. Die Herausforderungen sind vielfältig, aber die potenziellen Vorteile sind erheblich. Mit der richtigen Strategie und Unterstützung können Finanzinstitute die Möglichkeiten von KI nutzen, um ihre AML-Prozesse zu optimieren und den wachsenden Bedrohungen durch Finanzkriminalität einen Schritt voraus zu sein.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!