Wählen Sie Ihre Nachrichten​

Künstliche Intelligenz in der Geldwäschebekämpfung
Wirtschaft 4 Min. 27.07.2021 Aus unserem online-Archiv
Falsche Versprechen

Künstliche Intelligenz in der Geldwäschebekämpfung

Zahlreiche junge Unternehmen arbeiten an einer neuen Architektur für das Finanzsystem.
Falsche Versprechen

Künstliche Intelligenz in der Geldwäschebekämpfung

Zahlreiche junge Unternehmen arbeiten an einer neuen Architektur für das Finanzsystem.
Foto: Getty Images
Wirtschaft 4 Min. 27.07.2021 Aus unserem online-Archiv
Falsche Versprechen

Künstliche Intelligenz in der Geldwäschebekämpfung

Marlene BREY
Marlene BREY
Neue Tools sollen Geldwäsche verhindern. Aber oft versprechen die KI-Anwendungen mehr, als sie halten können.

Will die Bank böse Buben davon abhalten, ihr Geld zu waschen, sind die meisten Kunden wohl ganz auf der Seite der Bank: Geld aus dem Handel mit Drogen, Waffen und anderen schmutzigen Geschäften soll draußen bleiben.


Wenn künstliche Intelligenz Jagd auf Geldwäscher macht
Die Methoden zur Geldwäschebekämpfung haben sich in den letzten 15 Jahren kaum verändert – jetzt kommt der Einsatz der Maschinen.

Dafür suchen die Banken gerade nach Unterstützung durch Künstliche Intelligenz (KI). Diese soll Kunden, Konten sowie Transaktionen durchleuchten und damit zuverlässiger Entscheidungen treffen als der Mensch.

Auch die Kunden haben etwas davon. Denn wollen sie neue Methoden wie Instant-Payment nutzen, wird der Einsatz von KI praktisch unumgänglich, weil die Prüfung hier extrem schnell gehen muss. Klingt ganz so, als wäre KI die Lösung für alles. Es gibt nur einen gewaltigen Haken: Sie braucht große Mengen aufbereiteter Daten, um sauber arbeiten zu können.

Eine Frage der Übung

„Man kann nicht einfach annehmen, dass KI alles besser macht“, sagt Radu State, Leiter der Forschungsgruppe für Services and Data Management (SEDAN) an der Universität Luxemburg. Die KI muss die Analyse von Bankdaten erstmal trainieren: Welche Kunden sind mit einem höheren Risiko behaftet? Welche Transaktionsmuster zeigen verdächtige Konten? Um all das zu erkennen, braucht es Daten von echten Kunden.

Radu State und Andrey Martovoy wollen Banken helfen, ihre Tools für die Geldwäschebekämpfung zu verbessern.
Radu State und Andrey Martovoy wollen Banken helfen, ihre Tools für die Geldwäschebekämpfung zu verbessern.
Foto: Gerry Huberty

Radu State als Wissenschaftler und Andrey Martovoy als Berater für digitale Strategie, FinTech und Innovation bei der Luxemburger Bankenvereinigung (ABBL) wollen darüber aufklären, dass man KI nicht blind vertrauen darf. Das Centre for Security, Reliability and Trust (SnT) der Universität Luxemburg, die ABBL sowie die Fondation ABBL pour l'éducation financière haben sich zusammengeschlossen. Sie kooperieren, um Tools zu entwickeln, die den Einsatz von KI in der Geldwäschebekämpfung prüfbar, nachvollziehbar und sicher machen sollen. Warum dieses Aufgebot an Akteuren, könnte man fragen, wo liegt das Problem?

Gute Trainings für die KI beziehungsweise gute Daten für ein gutes Training, das ist etwas, was es im Zusammenhang mit Banken gar nicht gibt

Radu State, Universität Luxemburg

„Gute Trainings für die KI beziehungsweise gute Daten für ein gutes Training, das ist etwas, was es im Zusammenhang mit Banken gar nicht gibt“, erklärt State. 

Grob gesagt, gibt es zwei Schwachstellen: Die erste ist die Verfügbarkeit von Daten. „Keine Bank hat ausreichend Daten und genug Ressourcen, um die Daten korrekt zu labeln“, sagt State. Denn zunächst müssen Angestellte mühsam Daten klassifizieren, bevor eine KI scheinbar mühelos laufen kann. Aber Bankangestellte sind teuer. Man lässt sie nicht in Tausende von Transaktionen schauen, um sie zu analysieren“, sagt State. 

Outsourcing: Fehlanzeige

Wird der Personalaufwand zu hoch, greift man sonst häufig auf Outsourcing zurück. Hier dürften Kunden einen Schreck bekommen. Werden ihre Daten also weitergeleitet? „Nein“, beruhigt Martovoy. „Man kann diese Aufgabe nicht in günstigere Länder outsourcen, weil Bankdaten sensibel sind. Auch untereinander würden Luxemburger Banken in der Regel keine Kundendaten teilen.“ 


Bei Instant Payment muss auch die Überprüfung schnell gehen.
EU-Bargeldgrenze bis 10.000 Euro?
Um Geldwäsche und die Finanzierung terroristischer Organisationen zu bekämpfen, will die EU-Kommission eine Bargeldgrenze bis 10.000 Euro einführen. Wie finden Sie das?

Das ist aber nur bedingt eine gute Nachricht, wie State erläutert. „Was Banken also meist machen: Sie trainieren selbst Modelle, ohne allzu viel Erfahrung und ein ausreichendes Risiko-Bewusstsein.“ Das ist die zweite Schwachstelle. Denn ist die Datengrundlage nicht gut, funktioniert ein KI-Tool nicht korrekt. „Es gibt ein großes Risiko, einen Bias in das System einzubringen“, sagt State.

Das Problem heißt „Bias“

Dieses Problem wurde durch Amazon prominent: Das Unternehmen hatte nämlich ein automatisches Bewertungssystem für Bewerbungen eingesetzt. Der Algorithmus wurde mit den Datensätzen der bereits eingestellten Bewerber trainiert und sollte so lernen, welche Eigenschaften Amazon bevorzugt. Weil in den vergangenen zehn Jahren vor allem Männer eingestellt wurden, kam der Algorithmus zu dem Schluss, dass Bewerbungen von Frauen schlechter zu bewerten seien.

Auch in der Geldwäschebekämpfung kann die KI falsche Schlussfolgerungen ziehen, ohne, dass es jemandem auffällt. „Es gibt also diese beiden Probleme: Genug aufbereitete Daten zu bekommen, um das System zu trainieren. Und dann die Frage, ob man dem System überhaupt trauen kann.“


Man holding big stack of US paper currency by safety deposit boxes.  Focus on money
Europa hat ein Problem beim Kampf gegen Geldwäsche
Die EU macht wenig Fortschritte bei der Bekämpfung der Geldwäsche, so ein Bericht des Europäischen Rechnungshofs.

Was also tun? Eine Antwort ist, ein KI-System von einem Drittanbieter kaufen. Zahlen des Analysten BIS Research zeigen die Größe des globalen Marktes für Anti-Geldwäsche-Software. Die Prognose lautet: Im Jahr 2023 könnte der Umsatz weltweit etwa 1,77 Milliarden US-Dollar betragen.

KI-Tools kommen ohne Garantie

Aber auch hier haben Banken ein ähnliches Problem. „Man weiß nicht, wie und mit welchen Daten das gekaufte System trainiert wurde, ob es überhaupt echte Daten waren und ob das System von einem Experten oder nur von einem Uni-Absolventen trainiert wurde“, erklärt State. Sind sich Banken dessen bewusst? „Manchmal ja, manchmal nein“, antwortet State. „Denn die Anbieter behaupten natürlich, ihre Tools seien zu 99 Prozent verlässlich, weil sie verkaufen wollen. Aber es gibt keinen TÜV für KI.“

Das Projekt von State und Martovoy nimmt sich dieses Problems an: „Erstens wollen wir ein Bewusstsein dafür schaffen, dass man der KI hinterfragen muss. Zweitens bieten wir einen Lösungsansatz an“, sagt Martovoy. Dieser nennt sich: Federated Learning und setzt quasi auf Schwarmintelligenz. Aber es werden keine Kundendaten geteilt, sondern Modelle – das Gehirn der KI

„Banken haben nicht die Ressourcen, die KI alleine zu trainieren. Aber zusammen funktioniert es: Jede Bank übernimmt einen Teil des Jobs und gemeinsam wird das Tool besser“, erklärt State. „Das Schöne am Ansatz ist: Eine kleine Bank kann dann mit einem Datensatz arbeiten, den sie sich selbst niemals hätte aufbauen können“, sagt Martovoy. Und die Kunden können sich auch freuen: Das System zur Geldwäschebekämpfung wird sicherer und ihre Daten bleiben es auch.

Folgen Sie uns auf Facebook, Twitter und Instagram und abonnieren Sie unseren Newsletter.


Lesen Sie mehr zu diesem Thema

Um Geldwäsche und die Finanzierung terroristischer Organisationen zu bekämpfen, will die EU-Kommission eine Bargeldgrenze bis 10.000 Euro einführen. Wie finden Sie das?
Bei Instant Payment muss auch die Überprüfung schnell gehen.
Die eigenen Bankdaten sind den Luxemburgern heilig. Nun aber sieht ein neuer Gesetzentwurf vor, dass Luxemburger Banken künftig Kundendaten zur Weiterverarbeitung auch ins Ausland weitergeben dürfen.
Der Kunde soll im Voraus informiert werden, wenn seine Daten an eine externe Firma übertragen werden.
Digitales Zeitalter: Wird meine Bank verschwinden? (5/5)
Im digitalen Zeitalter stellt sich bei den Banken die Frage des Datenschutzes. Besonders triftig ist dies, wenn sie die Kunden von der Sicherheit vom Online- und Mobile-Banking überzeugen wollen.
Für Banken gilt es weiterhin, die Kunden von der Sicherheit zu überzeugen.