Panel Discussion – Blockchain & KYC Hype to Real Applications

Panel Discussion – Blockchain & KYC Hype to Real Applications

Ich habe mich gefreut, mit den anderen Panel-Experten über Blockchain & KYC Hype to Real Applications zu diskutieren: Roman Stammes, Yana Afanasieva, Robert Engmann und Moderatorin Anne Bailey bei den Blockchain Enterprise Days 2019 in Frankfurt.

Viel Geld und unzählige Arbeitsstunden werden jedes Jahr von den Banken in den Know Your Customer (KYC) Prozess investiert. Diese Kosten steigen aufgrund der AML-Anforderungen. Die Blockchain-Technologie kann genutzt werden, um diesen Prozess zu vereinfachen, indem Banken und FinTechs übertragbare digitale Identitäten angeboten werden, was Zeit und Geld spart. Die Blockchain-Technologie kann die Datenqualität verbessern und zu einer besseren Governance führen. Seit einiger Zeit gibt es ein großes Interesse an KYC und Blockchain, aber die eigentlichen groß angelegten Implementierungen sind noch nicht abgeschlossen. In diesem Panel wurde über den aktuellen Status und die Zukunft von Blockchain für KYC & AML gesprochen.

In dem Panel diskutierten wir die folgenden Punkte:

  • Was sind die Vorteile der Blockchain-Implementierung im KYC-Prozess, falls vorhanden?
  • Gibt es konkrete Beispiele für eine erfolgreiche Umsetzung?
  • Wir sehen, dass eine staatliche Zusammenarbeit zwischen Banken im Mittleren Osten und Asien hat den Einsatz von Blockchain für KYC & AML beschleunigt. Gibt es in Deutschland und der EU ähnliche Formen der Zusammenarbeit?
  • Ist ein standardisiertes KYC notwendig und würden sich die Banken darauf einigen?

Es wäre interessant zu wissen, wie ist ihre Meinung, dass Blockchain dazu beitragen wird, KYC-Prozesse zu rationalisieren?

Vielen Dank @KuppingerCole Analysts AG und ihr Team für die Organisation dieser interessanter Veranstaltung!

Folgen Sie dem AML Knowledge Centre auf LinkedIn unter https://www.linkedin.com/groups/8196279/ oder kontaktieren Sie mich unter https://www.linkedin.com/in/paulhamilton2/

Sanktionsprüfung des Intensivpatienten… Innovation ist die Lösung!

Sanktionsprüfung des Intensivpatienten… Innovation ist die Lösung!

Die Sanktionsscreening oder die Namensfilterung verursacht erhebliche Anzahl von Fehlalarmen und ist eine zeitaufwändige Aufgabe, die anderen “AML-Patienten” weniger Zeit lässt.

Im heutigen Umfeld verschärfter Vorschriften für die Bekämpfung der Geldwäsche, ständig weiterentwickelter Sofortzahlungsinitiativen, Open Banking (d. H. API) und mobiler Geldbörsen zunimmt nicht nur die Komplexität, aber auch die Anzahl der Fehlalarme.

Die neuen Entwicklungen im Bankenumfeld bringen zwar große Chancen, setzen jedoch die Risiko- und Compliancesysteme von Finanzinstituten unter Druck, die tatsächliche Bedrohungen in Echtzeit erkennen sollen. Wir dürfen nicht vergessen, dass diese neue Realität in der Zeit eingetreten ist, in der die Aufsichtsbehörden denjenigen Menschen immer mehr Verantwortung auferlegen, die die Aufgabe haben zu verhindern, dass ein Finanzinstitut wegen Geldwäsche und Terrorismusfinanzierung kompromittiert wird.

Daher ist das Screening von Einzelpersonen und Unternehmen eine zentrale Aufgabe sowie eine rechtliche Anforderung eines Compliance-Programms.

„Ein Finanzinstitut stellte nach der Rückkehr der Mitarbeiter vom Wochenende fest, dass Hunderte von SWIFT-Zahlungen nicht durchgelaufen waren, weil das System die Begünstigten fälschlicherweise als sanktionierten Namen oder als Unternehmen identifiziert hatte.“

Die Herausforderungen des Namensscreenings

Sanktionslisten

Sanktionslisten finden Sie in allen Formaten und Größen. Einige sind länderbasiert und folgen häufig den Resolutionen der Vereinten Nationen zur Förderung des Weltfriedens und der Menschenrechte. Andere Sanktionen sind auf nationaler Ebene politisch und außenpolitisch motiviert, wie dies beim Wirtschaftsembargo der Vereinigten Staaten gegen Kuba der Fall ist. In einer dritten Kategorie werden gezielte Sanktionen (z. B. Einfrieren von Vermögenswerten, Reiseverbote und Waffenembargos) gegen bestimmte Personen, Gruppen, Unternehmen und Organisationen verhängt, wie dies bei einer terroristischen Vereinigung wie der ISIL (Da’esh) oder Al-Qaida der Fall ist.

Viele der nationalen Sanktionslisten basieren auf Sanktionen, die im Rahmen von UN-Resolutionen verhängt wurden, so dass viele der in den UN-Listen aufgeführten Namen auch in supranationalen Listen wie den von der Europäischen Union sowie in nationalen Sanktionslisten wie den OFAC der USA und die britischen HMT-Listen zu finden sind.

Sanktionslisten sind ziemlich einfach. Die Vorgehensweise in Bezug auf sanktionierten Personen und Organisationen ist klar – sie sind für die meisten Finanzinstitute ein absolutes Verbot, und wenn sie bestätigt werden, muss ein Verdachts- / Transaktionsbericht (SAR / STR) bei der örtlichen Finanzermittlungseinheit (FIU) eingereicht werden. Komplikationen treten auf, wenn ein Unternehmen nicht auf einer offiziellen Sanktionsliste steht, sondern nur als ein Aktionär. Sie müssen es daher auch als sanktioniertes Unternehmen behandeln.

Beobachtungslisten

Beobachtungslisten dienen der Beurteilung des potenziellen Risikos eines Kunden und umfassen (unter anderem) PEPs. Eine politisch exponierte Person (PEP) ist eine Person, die mit einer herausragenden öffentlichen Funktion betraut wurde und daher aufgrund ihrer Position und ihres Einflusses ein höheres Risiko für eine potenzielle Beteiligung an Bestechung und Korruption darstellt. Die Financial Action Task Force zur Bekämpfung der Geldwäsche (FATF) hat 2012 ihre neueste Definition von PEPs veröffentlicht:

  • Ausländische PEP: Personen, die von einem fremden Land mit wichtigen öffentlichen Aufgaben betraut wurden oder werden, z. B. Staats- oder Regierungschefs, hochrangige Politiker, hochrangige Regierungs-, Justiz- oder Militärbeamte, leitende Angestellte staatseigener Unternehmen, wichtige politische Persönlichkeiten, Parteifunktionäre.
  • Inländische PEP: Personen, die im Inland mit wichtigen öffentlichen Aufgaben betraut sind oder betraut wurden, z. B. Staats- und Regierungschefs, hochrangige Politiker, hochrangige Regierungs-, Justiz- oder Militärbeamte, leitende Angestellte staatseigener Unternehmen, wichtige Parteibeamte.

Diese Unterscheidung ist wichtig für einen risikobasierten Ansatz. Es ist auch wichtig anzumerken, dass es immer noch Länder gibt, die der Vorstellung nicht zustimmen, dass inländische PEPs überhaupt ein Risiko darstellen.

Darüber hinaus können auch Personen, die nicht politisch aktiv sind, aber von einem staatlichen Unternehmen oder einer internationalen Organisation mit einer herausragenden Funktion betraut wurden, beispielsweise Mitglieder der Geschäftsleitung, Direktoren, stellvertretende Direktoren und Mitglieder des Verwaltungsrates oder gleichwertige Funktionen auf Beobachtungslisten erscheinen.

Auf einer PEP oder einer anderen Beobachtungsliste zu stehen bedeutet natürlich nicht, dass eine Person korrupt ist. Diese Person birgt jedoch ein erhöhtes Risiko, da eine Person, die eine solche Position besitzt, eine weitaus größere Chance hat, Macht und Einfluss zum persönlichen Vorteil zu missbrauchen, oder ist möglicherweise offen für böswillige Einflüsse Dritter. Ein Punkt, der oft übersehen wird, aber wirklich wichtig ist, da Bestechungsverurteilungen ein Allzeithoch erreichen, ist das Risiko, dass Geschäftspartner aufgrund der Eigentümerstruktur ihres Unternehmens, wenn es ganz oder teilweise in staatlichem Besitz sind, als „Beamte“ eingestuft werden.

Strafverfolgungsbehörden, Sicherheitsbehörden, nationale und regionale Behörden verbreiten ebenfalls verschiedene Listen. Diese Listen (z. B. die Red Notices von Interpol, die Crime Alert List des FBI, der Most Wanted, der Singapore Investors Alert und der IOSCO-Verbraucherschutz) können Finanzinstituten und anderen Organisationen helfen, Geschäfte mit einer falschen Partei zu vermeiden und nicht in betrügerische oder unerwünschte Pläne verwickelt zu werden.

Negative Medien

Negative Medien stammen aus einer Reihe lokaler, nationaler und sogar globaler Quellen sowie von sozialen Online-Plattformen. Negative Medien können die Entscheidung eines Finanzinstituts oder eines Unternehmens beeinflussen, eine Geschäftsbeziehung einzugehen oder nicht einzugehen, basierend auf dem mit dem Kunden verbundenen Risiko aufgrund negativer Nachrichten. Negative Medien können potenzielle Verwicklungen in Geldwäsche, Terrorismus, verschiedene kriminelle Aktivitäten und andere potenzielle Verbrechen aufdecken, die für ein Unternehmen eine negative Auswirkung auf den Ruf haben könnten.

Listen im Allgemeinen

Obwohl viele Listen öffentlich verfügbar sind, gibt es technische Herausforderungen, da diese Quellen unterschiedliche Arten der Darstellung von Informationen aufweisen. Einige bieten gut strukturierte Informationen in herunterladbaren XML-Dateien, andere in CSV-Dateien oder Textdateien mit Trennzeichen, während andere aus sozialen Feeds, Blogs und Webposts stammen und viele nicht strukturiert sind. Andere Quellen enthalten Onlinelisten über mehrere Webseiten und einige sind sogar nur im PDF-Format.

Trotz der offensichtlichen Einfachheit und Unkompliziertheit kann die Auswahl der Listen, die allen Bereichen Ihres Programms zur Verhinderung von Finanzkriminalität dienen, eine entmutigende Aufgabe sein. Hier sind einige Faktoren zu berücksichtigen:

  • Die geografische (n) Gerichtsbarkeit (en), in der / denen die Finanzdienstleister tätig sind
  • Die Anforderungen der örtlichen und ausländischen Aufsichtsbehörden in dem von Ihnen betriebenen Gebiet
  • Risikobewertung Ihrer Organisation – dies muss als Richtlinie herangezogen werden
  • Ist eine entsprechende Datenstruktur vorhanden?
  • Stellt der Listenanbieter Technologien bereit, die eine kosteneffektivere Datenbereitstellung ermöglichen (z. B. über die Cloud oder eine Schnittstelle über eine API)?
  • In welchen Formaten sind Datendateien verfügbar?
  • Wie aktuell und „sauber“ sind die Daten? Die Listen können Millionen von Einträgen enthalten. Wie gut werden Vervielfältigungen, abgelaufene Aufzeichnungen usw. verwaltet?
  • Ein entsprechender Update-Zeitplan und ein Update per Delta-Dateien sind ein “Muss”
  • Welche Techniken werden zum Abgleichen von Namen verwendet, wenn eine Online-Suchfunktion bereitgestellt wird?

Daten

In vielen Fällen und aus vielen Gründen weisen die Daten eines Instituts Lücken und Inkonsistenzen auf, die dem alten Datenverarbeitungsprinzip von Müll-in-Müll-aus folgen. Auf der anderen Seite versucht man, mit Hunderten von Listen abzugleichen, deren Informationen auf unterschiedliche Weise dargestellt werden.

Inkonsistenzen in grundlegenden Darstellungen wie Abkürzungen (Sr./Senior, Inc./Incorporated, AG / Aktien Gesellschaft, Spitznamen usw.) und Übersetzungen von Wörtern, die dieselbe Bedeutung haben, aber unterschiedlich geschrieben sind, können Auswirkungen auf die Qualität des Screenings haben.

Transliteration

Ein Großteil der veröffentlichten relevanten Listen befindet sich in einem lateinischen Zeichensatz, während viele der Namen auf diesen Listen aus Ländern stammen, in denen das lateinische Alphabet nicht verwendet wird. Daher müssen chinesische, griechische, islamische, russische und thailändische Namen usw. von ihrer Muttersprache in eine lateinische umgeschrieben werden. Die Komplikation endet jedoch nicht hier. Auf der arabischen Halbinsel wird Jamal beispielsweise als Jamal, in Ägypten als Gamal und in Algerien als Djamal ausgesprochen. Dies sind alle das gleiche arabische Wort, aber eines, das auf verschiedene regionale Arten geschrieben (transliteriert) wird, wenn es auf Englisch geschrieben wird.

Ein weiteres Beispiel für Transliteration ist der in Arabisch und anderen Sprachen verwendete stimmlose Uvularplosive. Es wird ungefähr wie Englisch [k] ausgesprochen. Die Aussprache variiert zwischen verschiedenen Sprachen und verschiedenen Dialekten derselben Sprache. Der Konsonant wird manchmal in “g”, manchmal in “k” und manchmal in “q” auf Englisch umgeschrieben.

Zum Beispiel kann der Name des ehemaligen libyschen Führers auf verschiedene Arten geschrieben werden:

  • Gaddafi
  • Gaddafi
  • Kaddafi
  • Gaddafi
  • Ghathafi
  • Qaddafi
  • Ghadafi

Wirtschaftlichberechtigte

Undurchsichtige Eigentümerstrukturen stellen eine echte Herausforderung für KYC dar, da Kriminelle und politisch exponierte Personen (PEPs) usw. sich hinter Unternehmensstrukturen verstecken.

Ein Unternehmen befindet sich möglicherweise nicht auf einer offiziellen Sanktionsliste. Gemäß einer OFAC-Regel (Office of Foreign Assets Control) kann es jedoch gesperrt werden, wenn Stakeholder, die sich auf Listen befinden, Eigentümer von mindestens 50 Prozent sind; es besteht also eine gute Chance, dass das betreffende Unternehmen selbst als sanktioniertes Unternehmen behandelt wird. Einfach ausgedrückt, wenn Unternehmen X gesperrt ist und 50 Prozent von Unternehmen Y besitzt, wird Unternehmen Y ebenfalls als gesperrt betrachtet, auch wenn dieses Unternehmen nicht in der Liste der OFAC Specially Designated Nationals (SDN) aufgeführt ist.

Aus diesem Grund ist es unerlässlich, dass das Eigentumsrecht von Unternehmen im Umgang mit bestimmten Ländern und Unternehmensstrukturen überprüft wird, um sicherzustellen, dass keiner der wirtschaftlichen Eigentümer nach den OFAC-Bestimmungen eine sanktionierte Person ist.

Praktische Maßnahmen, die Sie jetzt ergreifen müssen

In Anbetracht der oben angesprochenen Punkte sollten Finanzdienstleister einige praktische Schritte unternehmen, um Listen effizient zu nutzen und die Wirksamkeit der Sanktions- und Pep-Filterung zu erhöhen:

1.Datenintegrität. Bringen Sie Ihre Daten in Ordnung. Eine Datenbank, die auf den Prinzipien guter Daten, korrekter Schreibweise, solider Datenstruktur und korrektem Format basiert, trägt wesentlich zur Verbesserung des Identitätsabgleichs bei.

2.Automatisierte Datenerfassung an jedem Punkt der Kundenbindung

3.Führen Sie nicht einfach eine Risikobewertung durch, sondern „leben Sie es“. Dies ist von entscheidender Bedeutung für das Verständnis, wie sich diese Risikopositionen auf technologische Entscheidungen und operative Bereiche des Instituts auswirken.

4.Testen, testen, testen – führen Sie stichprobenweise Überprüfungen durch, um sicherzustellen, dass Technologie und betriebliche Prozesse ordnungsgemäß funktionieren und konsequent angewendet werden. Überprüfen Sie die Berichte, um zu verstehen, wann und warum Änderungen erforderlich sind.

5.Überprüfen Sie die AML-Datenanbieter auf Glaubwürdigkeit, Datengenauigkeit, Strukturierte Daten, Inhaltstiefe, usw.

Innovative Technologie anwenden

Künstliche Intelligenz

Das stimmt, es gibt eine Menge Hype um künstliche Intelligenz (KI) und die meisten KI-Beispiele, von denen Sie heute hören – von Google Assistant, Alexa, Siri oder Bixby bis hin zu selbstfahrenden Autos hängen stark vom tiefen Lernen und der Verarbeitung natürlicher Sprache ab. Mithilfe dieser Technologien können Computer für die Ausführung bestimmter Aufgaben geschult werden, indem große Datenmengen verarbeitet und Muster in den Daten erkannt werden.

Wenn Sie es also ernst meinen mit der Überprüfung von Sanktionen und der Bekämpfung von Geldwäsche mit einer akzeptablen Rendite für Ihre Bemühungen und Investitionen, müssen Sie sich mit künstlicher Intelligenz (KI) und maschinellem Lernen (ML) vertraut machen.

Künstliche Intelligenz und maschinelles Lernen verwenden zwei Arten von Techniken:

Betreute Modelle werden anhand von Daten mit bekannten Ein- und Ausgängen (auch als kategorisierte Daten bezeichnet) trainiert, um potenziell verdächtige Transaktionen zu identifizieren.

Während bei nicht betreuten Modellen es werden Rohdaten zugeliefert, um verborgene Muster oder intrinsische Strukturen zu finden, die auf Geldwäsche oder andere Finanzverbrechen hindeuten könnten.

Dies wird anhand des überwachten Lernens bei der Überprüfung von Sanktionen deutlich, bei der jeder Zahlungsvorgang überprüft werden muss, um festzustellen, ob Begünstigte auf einer Sanktions- oder Überwachungsliste stehen.

Screening-Systeme produzieren jedoch eine Vielzahl von Falsch-Positiven, die von einem menschlichen Prüfer entsorgt werden müssen, bevor die Transaktion das Gateway oder die Mitarbeiter verlassen kann, der nach einem nächtlichen Batch-Screening von Tausenden von Falsch-Positiven oft begrüßt wird.

Hoffentlich kann die KI gut genug trainiert werden, um irgendwann einen Großteil der Aufgabe der Überprüfung solcher falsch positiven Ergebnisse zu übernehmen. Es ist wichtig mit künstlicher Intelligenz (KI) zu experimentieren, um diverse Modelle und Algorithmen zu konstruieren, Systeme einrichten und dann trainieren, testen, trainieren, testen und trainieren, bis diese Technologien lernen hohe Volumen von Fehlalarmen zu bearbeiten.

Allerdings ist KI an sich kein “Wundermittel” und der Prozess der Inbetriebnahme dieser Modelle kann mühsam sein. Daher sollten Banken cloudbasierte mandantenfähige Lösungen in Betracht ziehen, die die Kosten aufteilen und die Zeit zum Einsatz verkürzen.

Blockchain-Technologie

Andere technologische Fortschritte, wie die Distributed-Ledger-Technologie (z. B. Blockchain-Technologie), werden dazu beitragen, die Fähigkeit der Banken zu verbessern, komplexe mehrteilige Transaktionen zu überwachen. Diese „intelligenten Verträge“ mit fortschrittlichen Algorithmen ermöglichen es Finanzinstituten, Daten über eine AML-Engine in der Blockchain sicher zu analysieren. Auf diese Weise können Banken Daten speichern und gemeinsam nutzen, wodurch der mit dem Informationsaustausch verbundene übermäßige bürokratische Aufwand verringert wird.

Autor Paul Allen Hamilton

I can be contacted on LinkedIn @ https://www.linkedin.com/in/paulhamilton2/

Handelsbezogene Geldwäsche – und wie man sie bekämpft.

Handelsbezogene Geldwäsche – und wie man sie bekämpft.

Bei einem internationalen im Wert von ca. 16 Billionen US-Dollar pro Jahr gibt es ausreichend Spielraum für Geldwäsche. Laut dem Internationalen Strategiebericht zur Drogenkontrolle (INCSR) werden jährlich Hunderte von Milliarden Dollar gewaschen mit Hilfe von dem handelsbezogenen Geldwäsche (TBML steht für trade-based money laundering). Es ist eine der anspruchsvollsten Methoden zur Reinigung von schmutzigem Geld. TBML Red Flags sind besonders schwer zu erkennen. Zum Beispiel: Was ist der Wert eines Kleides? Sind es $3? Oder 30 Dollar? Oder 300 Dollar? Diese einfache Unsicherheit schafft ein Umfeld, das für Missbrauch weit verbreitet ist. TBML ist für Hunderte von Milliarden Dollar illegaler Geldflüsse pro Jahr verantwortlich. Laut einem im Januar 2015 veröffentlichten PWC-Bericht haben 80 Prozent der illegalen Finanzströme aus den Entwicklungsländern mit handelsbezogenen Geldwäsche zu tun.

Häufig verwendete TBML-Techniken umfassen über oder Unterfakturierung und Mehrfachabrechnung, die Geldwäsche erleichtern durch die Schaffung künstlicher Gewinne oder Verluste. Ehrliche Exporteure und Importeure können unwissentlich in solche Systeme verwickelt sein:

  • Überfakturierung. Unternehmen X versendet 10 Autos mit einem Marktwert von je 10.000 $ an Unternehmen Y, aber Rechnungsstellung an Unternehmen Y $20.000 pro Fahrzeug. Unternehmen Y hat einen scheinbar legitimen Grund, um die 200.000 $ an das Unternehmen X überweisen, von denen die Hälfte “schmutziges Geld” ist, das gewaschen werden soll. Das Unternehmen X profitiert dabei von dem 100.000 $ Überschuss über den Marktwert, der durch die stellt den Erlös aus kriminellen Aktivitäten dar, ist aber nun “sauber”. Unternehmen X könnte sogar Steueranreize für die Ausfuhr bestimmter Warenkategorien beantragen, und es kann sich den Kapitalkontrollen entziehen, indem es die überschüssigen Mittel in eine Offshore-Anlage legt. Konto
  • Unterfakturierung. In diesem Szenario Unternehmen X liefert 10 Autos mit einem Marktwert von je 10.000 $ an das Unternehmen. Y, aber Firma Y berechnet nur 5.000 Dollar pro Fahrzeug. Unternehmen Y überträgt 50.000 $ an Firma X, dann verkauft sie die Autos an einen Händler für 100.000 $. Auf diese Weise Firma X kann 50.000 $ schmutziges Geld an Firma Y überweisen. Auf Anfrage können beide Firmen plausibel argumentieren, dass die Transaktion legitim war. Ein wahrscheinlicheres Szenario ist es jedoch, dass die beiden Unternehmen die Unterfakturierung auf ein Minimum Marge von 10% oder weniger beschränken, was es noch schwieriger macht, nachzuweisen, dass die Transaktion wurde durchgeführt, um Geldwäsche zu verbergen.
  • Mehrfachabrechnung. Die Firmen können stattdessen die gleiche Lieferung von Waren mehr als einmal in Rechnung stellen. Um die wahre Natur dieses Schemas zu verbergen, werden Unternehmen mehrere Finanzinstitute zur Unterstützung bei der Finanzierung einbeziehen. Der angegebene Preis für die Waren oder Dienstleistungen muss nicht manipuliert werden und es ist nicht ungewöhnlich, dass sie mehrere Zahlungen bei rechtmäßigen Transaktionen aufgrund von Änderungen und Korrekturen durchführen werden, was die Erkennung erschwert.

Eine Alternative ist es, das Schiff zu über- oder unterschiffen. Waren selbst:

  • Dies ist ähnlich wie bei over und Unterfakturierung in diesem Wert wird entweder auf den Käufer oder den Verkäufer übertragen. In diesem Fall stellen die Parteien jedoch eher die Menge als die Menge falsch dar. Preis. Das Unternehmen X berechnet dem Unternehmen Y $5 Millionen, was den Wert des Unternehmens widerspiegelt. Waren auf Papier. Unternehmen X fährt dann fort, ein Produkt im Wert von 10 Millionen Dollar zu versenden, also erhält Firma Y zusätzliche Waren im Wert von 5 Millionen Dollar.
  • Überfrachtung kann auch genutzt werden. um Einfuhrzölle zu vermeiden.
  • In einigen extremen Fällen von Unterlieferung, auch bekannt als Phantomversand, wird der Verkäufer überhaupt nichts versenden – nur eine leerer Behälter mit einer Dokumentation, die vollständig in Ordnung zu sein scheint.

Eine weitere gängige Technik ist die betrügerische Beschreibung der exportierten Waren:

  • Exporteure können fälschlicherweise beschreiben die übertragenen Waren oder Dienstleistungen, die entweder aufblasen oder entleeren. wahrer Wert, um sich auszuzahlen oder ausgezahlt zu werden. Dieses TBML-Schema funktioniert am besten. mit “unsichtbaren” Dienstleistungen wie Finanz- oder Rechtsberatung, Unternehmensberatung, etc. Marktforschung etc.
  • Alternativ können auch minderwertige oder auch Schrottmaterial kann zu einem überhöhten Preis bewertet und betrügerisch verkauft werden als hochwertiges oder hochwertiges Material.
  • Diese Form der Geldwäsche kann auch in Verbindung mit anderen kriminellen Aktivitäten, wie z.B. dem Versand, verwendet werden. verbotene Waren wie Elfenbein oder gefährdete Hölzer auf den CITES-Listen stehen oder beanspruchen. um Waren zu versenden, die für steuerliche Anreize oder Subventionen in Frage kommen.

Handelsumlenkung ist eine gängige Form des Warenverkehrs. zwischen Hochkosten- und Niedrigkostenwirtschaften (oder “Entwicklungsländern”) unter Nutzung der Vorteile von Preisdifferenzierung zwischen den Märkten.

  • Unternehmen X verkauft teuer pharmazeutische Produkte zu niedrigen Kosten aus einem Land der Europäischen Union (z.B. Großbritannien oder Deutschland). Irland) an Company Y in einem armen afrikanischen Land.
  • Firma Y verkauft das Gleiche. Arzneimittel zurück nach Irland zu (oder nahe) den irischen Marktpreisen.

Rote Flaggen

Die meisten TBMLs beinhalten mehr als eine der folgenden Optionen Methoden, die vorstehend aufgeführt sind (und möglicherweise auch andere), und mehr als ein Unternehmen, unter mehr als eine Gerichtsbarkeit. Dies macht es für den Finanzsektor außerordentlich schwierig. Institute und Regulierungsbehörden, um rote Flaggen zu identifizieren. Die Finanzielle Die Action Task Force listet die folgenden roten Flaggen auf, die Finanzinstitute haben. sollte aufpassen und untersuchen:

  • Diskrepanzen zwischen den einzelnen Beschreibung der Ware oder Dienstleistung und der Rechnung
  • Diskrepanzen zwischen den einzelnen Beschreibung der Ware oder Dienstleistung und der tatsächlichen Ware oder Dienstleistung
  • Diskrepanzen zwischen den einzelnen ausgewiesener Wert und der Marktwert
  • Wenn die zugrunde liegende Ware oder Die Dienstleistung unterscheidet sich erheblich von der typischen Sendung des Exporteurs oder Importeurs.
  • Wenn der Umfang der Sendung unterscheidet sich erheblich von der typischen Sendung des Exporteurs oder Importeurs.
  • Wenn die Ware oder Dienstleistung bezeichnet als “hohes Risiko”.
  • Wenn die Gerichtsbarkeit besteht bezeichnet als “hohes Risiko”.
  • Wenn mehrere Gerichtsbarkeiten bestehen ohne wirtschaftlichen Grund beteiligt sind.
  • Wenn die Transaktion Folgendes beinhaltet Briefkastenfirmen

Rote Flagge Kontrollen zielen auch auf die illegalen Versand von Gütern mit doppeltem Verwendungszweck – Güter, die für beide unschuldigen Zwecke verwendet werden können, sowie unheimliche. Dazu könnten auch Chemikalien gehören, die dazu dienen, illegale Aktivitäten zu unterbinden. Drogen, oder die sowohl für zivile als auch für militärische Zwecke verwendet werden können. Ammonium Nitrat wird beispielsweise als Düngemittel verwendet, kann aber auch in folgenden Bereichen eingesetzt werden Sprengstoff. In diesem Fall, das Verständnis des Kontextes der Sendung, und Die Kenntnis der beteiligten Unternehmen ist entscheidend.

Was sollten Banken tun?

Die Regulierungsbehörden auf der ganzen Welt sind Intensivierung der Prüfung von TBML und die Banken sind zunehmend gezwungen, mehr zu nehmen. strenge Maßnahmen, um sicherzustellen, dass sie nicht unbeabsichtigt illegale Handlungen erleichtern. Transaktionen. Die Währungsbehörde von Singapur (MAS), die Hongkonger Währung und die Die Behörde (HKMA) hat die Führung bei der Erstellung von Richtlinien und Kontrollen der roten Flagge übernommen. rund um die Handelsfinanzierung, basierend auf der Beratung durch die Internationale Kammer der Commerce (ICC), Bankers Association for Finance and Trade (BAFT) und FATF. Diese Prüfungen mit roter Flagge definieren den Schlüssel. Attribute bei Handelsfinanzierungen, die auf ein hohes Risiko für TBML hinweisen, und werden heute als der globale Standard für die Sorgfaltspflicht angesehen, für den der Finanzsektor Die Institute müssen prüfen und überwachen.

Insbesondere haben die Banken eine Sorgfaltspflicht gegenüber den Banken. Identifizieren Sie, wo Waren versandt werden, welche Transporte verwendet werden und ob sie Güter können potenziell für doppelte Zwecke verwendet werden. Dies ist jedoch nicht nur ein Zoll für Banken; Unternehmen, die an der Aus- und Einfuhr beteiligt sind, müssen die fälligen Zollgebühren einhalten. Sorgfalt, um sicherzustellen, dass sie nicht (wissentlich oder unwissentlich) involviert sind in verdächtige Handelsaktivitäten.

Wie bei anderen Geldformen auch. Waschen, Nichteinhaltung führt nicht nur zu hohen Bußgeldern, sondern auch zu hohen Strafen. erhebliche Reputationsschäden. Regelmäßige Durchsetzungsmaßnahmen sind oft mit folgenden Merkmalen verbunden spezifische Sprache, die angibt, dass die Banken Terrorismus, Drogen und Drogen unterstützt und unterstützt haben. Menschenhandel und Menschenhandel, indem sie illegale Einwanderer nicht erkennen und melden. Aktivität, auf die Medien schnell zugreifen können.

Sanktionsprüfung

Einhaltung der Sanktionslisten der Regierung bildet natürlich einen wesentlichen Teil der Kontrollen für Handelsfinanzierungen, die Banken durchführen. sind erforderlich, um zu machen. Die Richtlinien der roten Flagge verlangen von den Banken, dass sie die Augen offen halten. für Kunden, die Geschäfte in Staaten mit hohem Risiko tätigen oder Artikel durch Staaten mit hohem Risiko versenden, oder Kunden, die sich an potenziell risikoreichen Aktivitäten beteiligen, einschließlich der Waffen. Handel oder die Ausfuhr von Gütern mit doppeltem Verwendungszweck. Banken müssen alle Gegenparteien (Unternehmen und Banken) im Rahmen von Kennen Sie die Vorschriften Ihres Kunden (KYC) und stellen Sie sicher, dass alle Parteien an einem Transaktion wird anhand offizieller Sanktionslisten “Sanktionsprüfung” unterzogen, einschließlich derjenigen des Office of Foreign Assets Control (OFAC), des europäischen Union (EU) und der Vereinten Nationen (UN).

Warum ist Compliance so schwierig?

Allerdings ist eine solche Einhaltung keine leichte Aufgabe. weil es, wie wir gesehen haben, viele TBML-Techniken gibt, die in vielen Kombinationen verwendet werden können. Außerdem, während Der legitime internationale Handel geht davon aus, dass es nur eine beratende Bank gibt und eine emittierende Bank, die sowohl im Namen des Importeurs als auch des Exporteurs handelt, die Realität der Akkreditivabwicklung (LC), könnte viel komplexer sein mit viele weitere Beteiligte: eine oder mehrere erstattende Banken sowie die Banken von Intermediären, Beratern, Schifffahrts- und Versicherungsagenten, Schiffen, Spediteure, Empfänger, Anmelder…. die Liste ist nahezu vollständig…. endlos. Mehrere Finanzinstitute und -agenten, verschiedene Möglichkeiten, um die Waren usw., die alle die Komplexität der Komplexität erhöhen, um die Überwachung zu ermöglichen. für Geldwäsche.

Also, obwohl alle TBMLs, die in der Datenbank enthalten sind. Die oben aufgeführten Techniken sind den Ermittlern gut bekannt, es gibt keinen einfachen Weg. um diese Form der Geldwäsche zu identifizieren, zumindest nicht unter Verwendung von traditionelle Methoden. Die Daten, die erforderlich sind, um verdächtige Aktivitäten zu identifizieren. liegt typischerweise in mehreren Quellen, über die der einzelne Prüfer verfügt. bei einer Bank oder Aufsichtsbehörde hat eine eingeschränkte Sichtbarkeit. Außerdem, wie auch die Fall mit allen Formen von Ermittlungen zur Bekämpfung der Geldwäsche und Sanktionsliste Überwachung, TBML wirft eine große Anzahl von False Positives auf, die beide reduzieren. die Produktivität des Ermittlers und die Wahrscheinlichkeit, dass er einen echten positiv.

Hindernisse für die Datenintegration

Der Hauptgrund für die hohe Falschgeldquote ist die positiv ist, dass die verwendeten Quelldaten nicht mit Daten belegt wurden. Normalisierung oder Datenbereinigung und befindet sich in verschiedenen Legacy-Systemen, die in der Lage sind. nicht integriert und nicht von den verschiedenen beteiligten Finanzinstituten geteilt. Typischerweise, es besteht kein Zusammenhang zwischen Akkreditivdaten und zugehörigen Daten und einem die Beobachtungsliste des Finanzinstituts. Folglich sind die meisten Untersuchungen weitgehend manuell und wird von einzelnen Ermittlern in den einzelnen Banken durchgeführt. Es gibt einen völligen Mangel an Transparenz und Sichtbarkeit.

Mit mehreren Dokumentenformaten und Daten Quellen, die überwacht werden sollen, setzen die Banken zunehmend auf künstliche Intelligenz. Technologien wie Natural Language Processing (NLP), um ihre TBML-Anforderungen zu erfüllen. Compliance-Verpflichtungen. Zu diesem Zweck werden unstrukturierte Daten aus den verschiedenen Papierbasierte Handelsdokumente müssen zuerst gescannt und in maschinenlesbare Dokumente eingelegt werden. Textformat. Sobald die Daten in einem Format vorliegen, das verarbeitet und analysiert werden kann, NLP kann in Kombination mit einer regelbasierten Engine zur Interpretation des Textes verwendet werden, den Kontext verstehen und daraus Schlussfolgerungen ziehen, um die rote Flagge zu identifizieren. Indikatoren sowie wahre wirtschaftliche Eigentümer auf Sanktionslisten.

Indem man die Fähigkeiten solcher Systeme nutzt. Technologien werden die Banken in der Lage sein, die Geldwäsche zu überwachen und zu erkennen. Aktivitäten schneller und effizienter als in der Vergangenheit, so dass weniger Menschen sich aufhalten. False Positives ohne die Belastung, eine große Anzahl von Mitarbeitern beschäftigen zu müssen. Ermittler, um schwierige Compliance-Kontrollen manuell anzugehen. Mensch Die Ermittler können sich stattdessen auf die Weiterverfolgung der tatsächlichen Ergebnisse konzentrieren. verdächtige Aktivitäten.

Während TBML nach wie vor weit verbreitet ist, wird die rote Flagge Richtlinien und Beobachtungslisten werden sich weiter entwickeln und wachsen. Es ist nur durch flexible, intelligente, automatisierte KI-gestützte Lösungen, die die Banken auf dem Laufenden halten können. mit einer verschärften Regulierung, die erforderlich ist, um diesem Wachstum entgegenzuwirken, und die Anpassung daran. internationale Kriminalität.

Allerdings ist die KI an sich kein “Silber”. bullet” und der Prozess, sie in Betrieb zu nehmen, kann mühsam sein, wenn die von einzelnen Finanzinstituten durchgeführt werden. Modelle und Algorithmen müssen konstruiert, Systeme eingerichtet und anschließend geschult und getestet werden. Dazu gehören Expertenermittler, die mit Datenwissenschaftlern zusammenarbeiten, um verdächtige Aktivitäten einzurichten. Szenarien, die auf allen Schlüsselfeldern eines Handelsgeschäfts basieren. Banken sollten daher auf Cloud-basierte Multi-Tenant-Lösungen zurückgreifen, die sich die gesamte Bandbreite der Kostenbelastung.

Wenn das System ein potenzielles Rot erkennt. Flag, das auf den vorprogrammierten Szenarien basiert, wird ein Alarm generiert, der Folgendes anzeigt der Prüfer sofortigen Zugang zu der betreffenden Transaktion. Ermittler wird dann die Fähigkeit benötigen, Transaktionen, die ähnliche Merkmale aufweisen, schnell zu finden. Eigenschaften.

Andere technologische Fortschritte, wie z.B. Distributed-Ledger-Technologie (z.B. Blockchain), wird dazu beitragen, die Qualität der Banken zu verbessern. Fähigkeit zur Überwachung komplexer, mehrteiliger Transaktionen.

Dennoch ist eine stärkere Internationalisierung der Die Zusammenarbeit ist von entscheidender Bedeutung. Die Fortschritte bei der Bekämpfung von TBML werden erheblich sein. beschleunigt, wenn die Regulierungsbehörden in allen Rechtsordnungen Vereinbarungen treffen können für besserer Informationsaustausch und Verbesserung der Harmonisierung von Daten, die als verstreut über mehrere Systeme, Grenzen und Finanzinstitute.

Weitere Artikel finden Sie im AML Knowledge Centre unter https://www.linkedin.com/groups/8196279/

Autor Paul Allen Hamilton

Sofortige Zahlungen: Enormes Potenzial gegenüber Finanzkriminalitätsrisiken

Sofortige Zahlungen: Enormes Potenzial gegenüber Finanzkriminalitätsrisiken

   

Die Bankenwelt entwickelt sich in rasantem Tempo weiter und wird immer wettbewerbsfähiger. Sobald eine neue Technologie auf den Markt kommt, stehen die Banken vor einem Dilemma: Nehmen wir sie an und betreiben sie, oder lassen wir unsere Wettbewerber einen First-Mover-Vorteil erlangen? Verspätungen stellen ein wirtschaftliches Risiko dar. Aber die Betriebs- und Compliance-Risiken, die Sie als First Mover eingehen, können noch größer sein.

Angesichts der Harmonisierung der nationalen Zahlungssysteme in den Regionen hat sich der Schwerpunkt auf den internationalen Zahlungsverkehr verlagert und die allgemeine Benutzerfreundlichkeit wie Geschwindigkeit, Kosten, Zuverlässigkeit und Rückverfolgbarkeit verbessert. Daher erleben die Zahlungsverarbeiter heute einige wichtige Entwicklungen, wobei neue Tools wie SWIFTs gpi und SEPAs Sofortzahlung auftauchen. Diese sofortigen grenzüberschreitenden Zahlungsinitiativen sind ein Paradebeispiel dafür, was im Zahlungsverkehr zur Norm werden wird.  

Das rasante Tempo der Digitalisierung der Zahlungen führte zu einem zunehmenden Marktdruck, der dazu geführt hat, dass grenzüberschreitende Zahlungen einer erheblichen Modernisierung der Infrastruktur unterzogen wurden. Der allgemeine Trend bei digitalen Transaktionen, der allein in Europa um 6% pro Jahr steigt. Die Gesamtzahl der nachvollziehbaren Transaktionen in Europa stieg von 2013 bis 2017: von 113B im Jahr 2013 auf 144B im Jahr 2017 (+27,4%; CAGR +6%).

Die Anzahl der digitalen Zahlungen: Globale E-Zahlungen stiegen von 28,6B im Jahr 2013 auf 56,5B im Jahr 2017 (CAGR: 18,6%); globale M-Zahlungen stiegen von 24,6B im Jahr 2013 auf 70,4B im Jahr 2017 (CAGR: 30,1%).

Banken, die diesen Service anbieten, werden einen Wettbewerbsvorteil gegenüber Banken haben, die ihn nicht anbieten. Die Kunden wollen, dass ihre Zahlungen schnell abgewickelt werden, weil es für sie Effizienz, Transparenz, Komfort und Finanzkontrolle erhöht. Für kleine und mittlere Unternehmen hilft diese Form der Zahlungsabwicklung Liquiditätsstress und Gegenparteirisiken zu mindern. Und im Allgemeinen haben sich die Menschen an Dinge gewöhnt, die sich schnell bewegen, so dass sie wenig Geduld und Verständnis haben, wenn die Zahlungsabwicklung langsam ist.

Die sofortige Zahlung ermöglicht es Verkäufern und Käufern, Geld zu tauschen und Dienstleistungen in Sekundenschnelle zu kaufen. Die Gelder werden fast sofort auf dem Bankkonto des Zahlungsempfängers gebucht, anstatt wenige Werktage zu warten. Das kann insbesondere für den Cashflow eines Kleinunternehmens einen erheblichen Unterschied machen. Schnelle Transaktionen sind in der neuen Wirtschaft eine häufige Anforderung, insbesondere bei erhöhter Mobilität: Die heutigen Kundengenerationen (so genannte Millennials und darüber hinaus) wollen mit ihren mobilen Geräten jederzeit und überall bezahlen können.

Also, welche Probleme bringen Sofortzahlungen mit sich?

Nun, eine ganze Menge, eigentlich. Die sofortige Zahlungsabwicklung erschwert die Aufdeckung von Finanzkriminalität wie Geldwäsche und Finanzbetrug. Kriminelle wollen Geld so schnell wie möglich über eine Reihe von Konten bei verschiedenen internationalen Banken bewegen, um die Herkunft der Gelder zu verschleiern. Es gibt keinen schnelleren Weg, dies zu tun, als mit Sofortzahlungen. Wie kann eine Bank Geldwäscheaktivitäten in einer Echtzeit erkennen, wenn die Transaktionsüberwachung in einem Batch-Prozess durchgeführt wird, ohne die komplexere kriminelle Aktivität zu erwähnen?

Der Überfall der Bangladesch Bank ist ein perfektes Beispiel für die zukünftige Komplexität der Überwachung von Sofortzahlungen.

Von den 81 Millionen Dollar, die der Bangladesch Bank im Februar 2016 gestohlen wurden, wurden nur 15 Millionen Dollar eingezogen, und es gibt immer noch keine Ahnung, wer dafür verantwortlich war. Cyber-Angreifer überwiesen illegal 81 Millionen US-Dollar von der Central Bank of Bangladesh (CBB) auf mehrere fiktive Bankkonten auf der ganzen Welt, indem sie ihre SWIFT-Konten untergruben. Die Hacker nutzten die SWIFT-Anmeldeinformationen der CBB, um Dutzende von betrügerischen Zahlungen an gefälschte Konten auf den Philippinen und anderen asiatischen Banken zu senden. Dies war ohne Frage ein gut durchdachter Angriff, der Zeitunterschiede und regionale Feiertage hervorragend nutzte.

Wie werden die derzeitigen Systeme zur Bekämpfung der Geldwäsche in einer Welt der Sofortzahlungen funktionieren?

Es ist schwierig genug für Finanzinstitute, Verstöße gegen die Geldwäsche zu überwachen, wenn es drei bis fünf Tage dauert, bis eine Transaktion abgewickelt wird, oder bestenfalls über Nacht. Mit der sofortigen Zahlung wird das Unmögliche mit herkömmlichen Methoden völlig unmöglich, da die Transaktionen in wenigen Millisekunden klar sind. Unter konventionell verstehen wir hier regelbasierte Ansätze, bei denen verdächtige Transaktionen in eine Warteschlange gestellt und im Batch-Modus untersucht werden.

Selbst in einer Welt, die im Batch-Betrieb arbeitet, erzeugen traditionelle AML-Systeme zu viele False Positives (typischerweise zwischen zwei und 15% aller Transaktionen) und verursachen daher eine enorme Arbeitsbelastung für Banken und Ermittler.

Anzahl der Verdächtige Transaktionen, die der UIF gemeldet wurden: +51% (‘ 12-16), von 67K in 2012 auf 101K im Jahr 2016

Bei der Sofortzahlung wird dieses Problem stark verschärft, da die Banken unter dem Druck von Kunden und Verbrauchern stehen, Transaktionen so schnell wie möglich abzuwickeln, um den vereinbarten Leistungsumfang zu erreichen.

Transaktionsüberwachungssysteme, die auf der aktuellen Technologie basieren und auf maschinellem Lernen basieren, bieten die einzige glaubwürdige Antwort. Durch die Entwicklung von Algorithmen, die aus früheren Ergebnissen mit dem Fachwissen und dem Wissen der AML-Compliance-Beauftragten lernen, lernt das System, Fehlalarme zu erkennen, und Compliance-Beauftragte können sich auf Warnungen konzentrieren, bei denen die Wahrscheinlichkeit, dass Geldwäsche tatsächlich stattfindet, höher ist.

Ein weiterer, kürzlich entwickelter technologiebasierter Ansatz, das so genannte Visual Mapping, gibt Aufschluss darüber, wie Sofortzahlungen abgewickelt werden. Verdächtige Zahlungen können auf ihrem Weg zwischen Bankkonten verfolgt werden, unabhängig davon, ob der Zahlungsbetrag auf mehrere Konten aufgeteilt wird oder ob diese Konten demselben oder verschiedenen Finanzinstituten gehören. Die Software erstellt eine visuelle Karte, wohin und wann das Geld geflossen ist, und liefert neue Erkenntnisse und Erkenntnisse, die Betrugs- und Compliance-Teams zum Handeln anregen.

Durch die Zusammenführung von Transaktionsdaten von mehreren Finanzinstituten und die Ausführung komplexer Algorithmen können die sogenannten “Maultierkonten” identifiziert werden, die für Geldwäsche und andere illegale Aktivitäten verwendet werden. Viele dieser Konten sind nicht direkt von den Kriminellen selbst eingerichtet, sondern über eine Reihe von Betrügereien, einschließlich der folgenden Phishing, Spam-E-Mails, Instant Messaging etc.

Es sei darauf hingewiesen, dass die Technologie zwar eine notwendige Voraussetzung für eine erfolgreiche AML-Konformität in der neuen Welt der Sofortzahlung ist, aber keine ausreichende Bedingung. Darüber hinaus müssen die Finanzinstitute ihre Compliance-Verfahren und ihr Dienstleistungsangebot überprüfen, um ein optimales Gleichgewicht zwischen Wettbewerbsfähigkeit und Sicherheit zu finden.

Was sollte die Obergrenze für eine sofortige Zahlung sein?

Sollten sie bei der Überprüfung verdächtiger Transaktionen VIP- und profitablen Kunden Priorität einräumen? Wie sieht es mit sozialen und politischen Fragen aus? (Zum Beispiel ist Mohammed der gebräuchlichste Name der Welt und erscheint auch oft auf der Sanktionsliste. Das bedeutet aber auch eine signifikant hohe Anzahl von False Positives, was zu Ansprüchen auf unlauteres Profiling führen kann.) Und schließlich müssen die Banken auch bei fortgeschrittener Technologie und effektiver Neugestaltung von Prozessen und Verfahren möglicherweise noch mehr Personal einstellen, um der Herausforderung zu begegnen. Sie müssen sicherstellen, dass sie über genügend Personal mit ausreichenden Kenntnissen und Befugnissen verfügen, um für eine schnelle Überprüfung der Transaktionen zur Verfügung zu stehen.

Einige Banken haben einfache Customer Due Diligence Funktionen ausgelagert, allerdings geht der Trend eindeutig zu Investitionen in mehr Technologie. Wie ein aktueller Artikel in The Economist es ausdrückte: “Nun, die größte Frage für Bank Controllers ist, wie viele Menschen sie durch Bots ersetzen können, ohne die Einhaltung der Vorschriften zu beeinträchtigen [….] Die Banken gehen Partnerschaften mit einigen der Hunderte von Regtechs ein, die in den letzten Jahren entstanden sind”. Technologie muss ein großer Teil der Lösung sein, aber die Banken müssen bei der Überprüfung der neuen Regtech-Apps nur vorsichtig sein und unabhängigen Expertenrat einholen: Die Regulierungsbehörden und die Märkte werden sie bestrafen, wenn ihre Techno-Experimente scheitern.[1]

Weitere Artikel über Finanzkriminalität und Geldwäsche finden Sie im AML Knowledge Centre unter https://www.linkedin.com/groups/8196279/


[1] “Das letzte Jahrzehnt hat einen Compliance-Boom im Bankensektor gebracht”, Economist 2. Mai 2019.

Autor Paul Allen Hamilton

Bekämpfung der Geldwäsche mit künstlicher Intelligenz: Spielwechsler oder Hype

Bekämpfung der Geldwäsche mit künstlicher Intelligenz: Spielwechsler oder Hype

Die Kosten der Geldwäsche und anderer Formen der Finanzkriminalität sind entscheidend für die Zukunft einer Bank. Die in Schwierigkeiten geratene Deutsche Bank wird wegen ihrer angeblichen Rolle in einem russischen Geldwäscheprogramm von 20 Milliarden Dollar mit Geldbußen, rechtlichen Schritten und der möglichen Verfolgung des oberen Managements konfrontiert, so ein aktueller Bericht von The Guardian.

Geldwäsche Betrug umfasste Shellfirmen, die sich gegenseitig Geld leihen und sich dann für bankrott erklären. Neben den hohen Bußgeldern, die anfallen können, kann der Schaden für Marke und Ansehen unkalkulierbar sein. Die Deutsche Bank wird als “Global Laundromat” bezeichnet, wobei die Gesamtfinanzierung auf rund 80 Milliarden US-Dollar geschätzt wird. 

Nun, es gibt eine große Herausforderung für jedes PR-Unternehmen, das dazu bereit ist.

Und doch sind die Kosten für die Quietschreinigung (zumindest in den Augen des Reglers) auch augenfällig. Allein in den USA werden die Kosten für die Einhaltung von AML auf 23,5 Milliarden US-Dollar pro Jahr geschätzt. Europäische Banken kommen mit 20 Milliarden Dollar pro Jahr in die Nähe. Und wofür? Die Banken identifizieren ein mickriges Prozent aller gewaschenen Gelder.

In Europa sind das nur 10 Milliarden Dollar von den 1 Billionen Dollar, die gewaschen werden. Das ist nur die Hälfte dessen, was für Compliance ausgegeben wird! Noch schockierender ist, dass in den letzten zehn Jahren 90 % der europäischen Banken wegen AML-bezogener Straftaten mit einer Geldstrafe belegt wurden; weltweit wurden Banken in den letzten zehn Jahren mit einer Geldstrafe von rund 26 Milliarden Dollar belegt.

Was ist also der Sinn von “Compliance”? Es ist zum Selbstzweck geworden, zu einer von Regierungen und Regulierungsbehörden auferlegten Tick-the-box-Übung, die Tausende von Compliance-Profis in hochbezahlten Jobs hält, und Zehntausende von niedrigbezahlten Schuften, die seelenzerstörerische Nebentätigkeiten verrichten.

Die Bekämpfung der Geldwäsche war und ist immer eine weitgehend manuelle Aufgabe, bei der es darum geht, Fälle von ungewöhnlichen oder verdächtigen Aktivitäten zu verfolgen, die sich in der überwiegenden Mehrheit der Fälle als falsch positiv erweisen.

An der Wurzel des Problems liegen die vier Vs von Big Data: Die zunehmende Wachstumsrate des Volumens der im Umlauf befindlichen Finanzdaten, ihre Umlaufgeschwindigkeit, ihre Vielfalt und Variabilität. Nach Angaben der International Data Corporation (IDC) werden bis 2020 44 Zettabytes an Daten erzeugt worden sein.

Um das in Relation zu setzen, ist ein Zettabyte eine Milliarde Gigabyte. Ein Zettabyte ist gleich einem Sextillion, oder 1021. Die Anzahl der Sandkörner auf der Erde wird auf eine weitaus kleinere Zahl geschätzt, nur 7,5 * 1018, oder sogar Trillionen, fünfhundert Billiarden Körner.

Deshalb kommt das Gerede über Nadeln im Heuhaufen bei weitem nicht an die Beschreibung der Herausforderung heran! Der Versuch, eine einzige kriminelle Transaktion zu finden, ist eher der Suche nach einem Sandkorn auf mehreren Kontinenten gleichzusetzen. Aber mit einem zusätzlichen Komplikationsfaktor.

Die Anzahl der Sandkörner auf der Erde ist zwar riesig, aber begrenzt. Während wir ständig mehr Finanzdaten ausgeben. Bis 2030 werden rund 50 Milliarden elektronische Geräte an das Internet angeschlossen sein, von denen die meisten in der einen oder anderen Form Transaktionen generieren.

Es gibt nur einen Weg, um aus dieser Sackgasse herauszukommen, und zwar durch den Einsatz von Technologie. 

Lassen Sie uns einige der beteiligten Technologien betrachten. Insbesondere die Technologie, die leistungsfähig genug ist, um durch die unüberschaubar riesigen Ozeane von Transaktionsdaten zu streifen und Muster zu erkennen, die auf kriminelle Aktivitäten mit einer sehr zuverlässigen Wahrscheinlichkeit hinweisen.

Es gibt zwar eine Menge IT-Hype, aber wenn Sie es ernst meinen, Ihren Kunden zu kennen und die Geldwäsche mit einer akzeptablen Rendite für Ihre Bemühungen und Investitionen anzugehen, müssen Sie sich mit der künstlichen Intelligenz (KI) vertraut machen.

Es vergeht kein Tag, an dem wir nicht von künstlicher Intelligenz hören, und das klingt alles erstaunlich, aber wissen wir wirklich, was sich hinter künstlicher Intelligenz verbirgt?

Die KI-Idee begann Anfang des letzten Jahrhunderts. Genauer gesagt, die erste wissenschaftliche Arbeit von Walter Pitts und Warren McCulloch zu diesem Thema beeinflusste die wichtige Dartmouth-Konferenz 1956.

Die KI hat eine breite Definition. Sie gilt für jede Form von Intelligenz, die durch Computer und ähnliche Geräte nachgewiesen wird. Das Financial Stability Board definiert KI als “die Theorie und Entwicklung von Computersystemen, die in der Lage sind, Aufgaben zu erfüllen, die traditionell menschliche Intelligenz erfordern”.

Maschinelles Lernen (ML): Dies ist ein wichtiges Teilgebiet der KI und es sind die Entwicklungen im Bereich des maschinellen Lernens, die viele der jüngsten Erfolge der KI im Finanzsektor vorangetrieben haben. Es bezieht sich auf die Wissenschaft von Algorithmen und statistischen Modellen, mit denen Computersysteme bestimmte Aufgaben ohne ausdrückliche Anweisungen ausführen. Je mehr historische Daten ein maschinelles Lernsystem hat, desto mehr lernt es, wie es auf neue Daten reagieren kann.

Maschinelles Lernen: Dies ist ein wichtiges Teilgebiet der KI und es sind die Entwicklungen im Bereich des maschinellen Lernens, die viele der jüngsten Erfolge der KI im Finanzsektor vorangetrieben haben. Es bezieht sich auf die Wissenschaft von Algorithmen und statistischen Modellen, mit denen Computersysteme bestimmte Aufgaben ohne ausdrückliche Anweisungen ausführen. Je mehr historische Daten ein maschinelles Lernsystem hat, desto mehr lernt es, wie es auf neue Daten reagieren kann.

Das maschinelle Lernen wird in zwei Gruppen eingeteilt: Überwachtes und unbeaufsichtigtes Lernen:

Künstliche Intelligenz und maschinelles Lernen verwenden zwei Arten von Techniken: Während unbeaufsichtigte Modelle Rohdaten ausgesetzt sind, um versteckte Muster oder intrinsische Strukturen zu finden, die Geldwäsche oder andere Finanzkriminalität signalisieren könnten. 

Alles wird “intelligent“, wie unsere Autos, Handys, Fernseher, Uhren, ja sogar Städte. Dennoch haben wir noch nicht im Zeitalter der unbeaufsichtigten KI gelebt. Sein Gegenstück, die beaufsichtigte KI, existiert bereits. 

Anwendung von KI und ML bei der Bekämpfung der Finanzkriminalität 

Zwei wesentliche Vorteile für die Banken, die sich mit der Bekämpfung der Finanzkriminalität befassen: vor allem die Reduzierung von Fehlalarmen und die Erstellung ausgefeilterer Risikoprofile auf der Grundlage von Verhaltensweisen, anstatt sich nur auf Regeln zu verlassen, werden einen großen Beitrag zur Steigerung der Effizienz im AML-Prozess leisten. 

Die Methodik hinter den traditionellen Transaktionsüberwachungssystemen sind im Wesentlichen Regeln, Schwellenwerte und Risikoprofile, die auf Branchenspezifika wie Produkt, Geographie, Transaktionswert und -typ basieren.

Wie wir gesehen haben, ist dies weder der ausgefeilteste noch der effizienteste Ansatz, um verdächtige Aktivitäten zu erkennen, die zu einem hohen Volumen an False Positives geführt haben. 

Die Zukunft des Transaktions-Monitorings bedeutet daher, in der Lage zu sein, in nahezu Echtzeit tiefer in Transaktionsdaten einzutauchen, als nur mit einer Bibliothek von festgelegten Regeln, die auf Branchenspezifika basieren.

Wie wichtig dies ist, zeigt der Einsatz von überwachtem Lernen bei der Sanktionsprüfung, bei der jeder Zahlungsvorgang überprüft werden muss, um zu überprüfen, ob Begünstigte auf einer Sanktions- oder Pepliste stehen.

Diese Screening-Systeme produzieren jedoch viele False Positives, die von einem menschlichen Prüfer bereitgestellt werden müssen, bevor die Transaktion das Gateway verlassen kann. Hoffentlich kann die KI gut genug trainiert werden, um schließlich einen Großteil der Aufgabe zu übernehmen, diese Fehlalarme zu überprüfen.

Künstliche Intelligenz hätte nicht zu einem besseren Zeitpunkt kommen können, und man kann es sich einfach nicht leisten, nicht damit zu experimentieren, besonders für eine unterbeschäftigte mittelgroße oder kleine Bank. KI und ML haben ein grundlegendes Veränderungspotenzial, da sie in der Lage sind, ein Mittel zur Skalierung und Anpassung an die moderne Bedrohung durch Finanzkriminalität bereitzustellen.

Allerdings ist künstliche Intelligenz kein Ersatz für menschliche Intelligenz und kann es wahrscheinlich auch nie sein. Um das Potenzial von KI besser zu erforschen und zu realisieren, müssen Banken ihre Grenzen und Risiken sowie ihre Fähigkeiten verstehen. Im Wesentlichen,

Die Aufgabe der KI besteht darin, die nicht und teilautomatisierten Aufgaben bei der Verarbeitung und Untersuchung großer Datenmengen zu unterstützen, die der Mensch einfach nicht bewältigen kann. Kurz gesagt, die KI kann und muss helfen, wo es viele historische Daten gibt, aus denen Algorithmen lernen können und das Risiko, einen Fehler zu machen, gering ist. 

Risikoprofilerstellung 

Die aktuelle Herausforderung besteht darin, dass diese Kundenkategorie nicht einheitlich Gruppen von Unternehmen mit einheitlichem Transaktionsverhalten darstellt. Wenn also Benachrichtigungen über gute Kunden generiert werden, müssen Finanzinstitute entscheiden, ob sie entweder die Regel für die gesamte Kundenkategorie anpassen oder eine neue Kundenunterkategorie anlegen. Aus diesem Grund arbeiten viele Banken mit über 200 Unterkategorien und verlieren buchstäblich die Aufsicht.

Ein vielversprechender Bereich für die KI könnte daher das Risikoprofiling und die Kundensegmentierung sein. AI analysierte Transaktionen, würden Kunden aufgrund ihres Verhaltens in relevantere Risikosegmente einordnen. Ein Kundensegment könnten beispielsweise Unternehmen sein, die große grenzüberschreitende Kreditgeschäfte tätigen, über hochfrequente Gegenparteien und eine große Anzahl von eindeutigen Originatoren verfügen.

Wenn ein Kunde Transaktionen außerhalb der normalen Parameter seines Segments durchführt, wird er einer weiteren Analyse unterzogen, die möglicherweise auch Untersuchungen durch Menschen beinhaltet. Dies würde die Anzahl der Fehlalarme minimieren und gleichzeitig die Produktivität erhöhen und die Kosten für die Einhaltung der Vorschriften senken. 

Menschen hingegen müssen dort eingreifen, wo es wenig Informationen gibt (oder die Informationen bereits gesichtet und verdichtet wurden), aber das Risiko, einen Fehler zu machen, ist erheblich.

Hier sind die Herausforderungen an die Künstliche Intelligenz und das Machine Learning, von denen niemand spricht:

  • Datenzugriff und -kennzeichnung – Stellen Sie sicher, dass Sie Zugriff auf robuste Daten haben, die ordnungsgemäß gekennzeichnet sind, um “garbage in, garbage out” zu vermeiden.
  • Erklärbarkeit – die Regulierungsbehörden erwarten, dass Sie beschreiben können, wie Ihr ML-Modell funktioniert. Ansonsten nur eine “Black Box”.
  • IT-Infrastruktur – muss in der Lage sein, eine hohe Verfügbarkeit aufrechtzuerhalten, um Nachfragespitzen nach dem ML-Modell entgegenzuwirken.
  • Mögliche Verzerrungen – die Trainingsdaten stellen die Bevölkerung nicht genau dar oder die Trainingsdaten werden durch Vorurteile beeinflusst.

Das bedeutet, dass es bei der Untersuchung, wie KI eingesetzt werden kann, auch wichtig ist, ein Governance-System und einen ethischen Rahmen zu schaffen, durch den die Entwicklung und Nutzung von KI gesteuert werden kann. KI-Systeme müssen kontinuierlich bewertet werden, um die Qualität ihrer Ergebnisse zu bestimmen, und sie müssen ständig verbessert werden, wenn die Finanzdienstleistungsbranche mit der sich ständig ändernden Natur der Finanzkriminalität Schritt halten will.

Jedoch ansprechend, dass diese Technologie zu den Leuten klingen konnte, die das Endergebnis überwachen. Die Realität ist, dass KI-Systeme monatelang mühsam geschult werden müssen, da Experten riesige Mengen an gut strukturierten Daten in das System einbringen müssen, um aussagekräftige Schlussfolgerungen ziehen zu können, und diese Schlussfolgerungen basieren nur auf den Daten, auf denen sie geschult wurden.

Kurz gesagt, menschliches Lernen ist genauso wichtig wie maschinelles Lernen!

Weitere Artikel sowie eigene Artikel im AML Knowledge Centre finden Sie hier auf LinkedIn, indem Sie der Gruppe @ beitreten. https://www.linkedin.com/groups/8196279/ oder Besuch oder Seite über Kryptowährungen https://aml-knowledge-centre.org/cryptocurrencie


Da Kryptowährungen zum Mainstream werden, müssen sie die KYC-Compliance berücksichtigen.

Da Kryptowährungen zum Mainstream werden, müssen sie die KYC-Compliance berücksichtigen.

Maybe I am just getting old, but it came as a shock that Bitcoin has now been around for a decade. Yes, it was launched in January 2009. Early in its existence, financial authorities became concerned that, due to its semi-anonymous and decentralized nature, Bitcoin would become the currency of choice for money laundering and illegal weapons trade, financing of terrorism and drugs trafficking. Yet it is only lately that governments and regulators have put in place systems and regulations to ensure that AML and KYC are applied to cryptocurrency accounts. Try to get an answer to the question, “How many cryptocurrency users are there?” and you soon see why they have a problem on their hands. According to Bitcoin there are 7.1 million active bitcoin users. But a staggering 32 million bitcoin wallets had been set up by December 2018. Coinbase, the cryptocurrency exchange, has 13 million users. Last year, Ethereum claimed to have overtaken Bitcoin in terms of active users. And there are literally hundreds of other cryptocurrencies, with widely divergent business models. Moreover, users in emerging markets barely figure in the statistics and could run into millions. The legal status of these currencies varies enormously from one regulatory regime to another, further confusing the issue. Back in 2017 the European Union took limited measures requiring exchanges and wallet providers to carry out KYC and AML checks on customers and any beneficial owners, i.e. requiring them to collect, process and record personal data and to share these with public authorities. But the  requirements only applied to exchanges that allow the exchange of cryptocurrencies against regular fiat currencies, effectively excluding many popular cryptocurrencies. 2018 then saw the release of the Fifth AML Directive in the EU, which created tougher regulatory obligations for crypto exchanges. The Financial Action Task Force (FATF) will also be releasing specific international AML standards for crypto companies later this year. Cryptocurrency companies will therefore need to become as serious about maintaining AML compliance as traditional banks. Three camps When it comes to regulatory compliance, the crypto world seems to fall into three camps. It is inevitable that the more responsible crypto companies will welcome the regulatory embrace: they realize that regulations are necessary in order to keep expanding their market, and to protect reputation. These are the “must haves”. At worst, criminal activity could bring the whole crypto market crashing down, so many other companies will understand that they cannot avoid regulations and will have to deal with them. This is the view of the “necessary evil” camp. However, a significant number of crypto exchanges are doing everything in their power to avoid having to introduce KYC. Ethfinex’ Trustless DEX launched in September 2018 without KYC, insisting that it is impossible to obscure the source of a person’s funds: every transaction is visible and recorded forever on their blockchain. Hodl allows traders to swap cryptocurrencies without the need to undergo compliance.  These companies form the “violation of privacy” camp. And there is still a long way to go. A recent study by PAID discovered that even in the US and EU, two-thirds of cryptocurrency exchanges fail to comply with even the most basic KYC requirements. They ask for nothing more than an email address and a phone number, which means they know virtually nothing about their customers. According to the most in-depth report so far, carried out by the Cambridge Centre for Alternative Finance in 2017, there is a huge divergence between the different types of wallet providers: “All wallets providing centralized national-to-cryptocurrency exchange services perform KYC and AML checks.  The preferred KYC and AML methods are internal checks, which are in some cases complemented with traditional third-party KYC/AML service providers. Third-party blockchain analytics specialists are only used by 17% of wallets performing KYC/AML checks. All small wallets performing KYC/AML checks only do so internally.” Cryptocurrencies will face similar challenges to banks But for legal and regulatory reasons, crypto exchanges will be increasingly obliged to perform KYC, like it or not. In doing so they will soon run into the same problems and challenges faced by conventional financial institutions: long waits for clearance and an increasing number of time-consuming false positives. Moving forward, if cryptocurrencies are to be adopted into the mainstream, both blockchain technology companies and crypto platforms will need to do a couple of things: First, they must take a seat alongside the regulators in charge for a new solution. Second, they need to get involved with multi-stakeholder use cases that examine the specific nature of anti-money laundering and other financial crime using cryptocurrencies. This will help build reputation and sideline the bad guys. Third, they need to engage with consultants providing KYC/AML services and technology that meet their needs. If they take these steps, the cryptocurrency exchanges can do a lot for their cause. The fact is, many traditional financial institutions use outdated technology to run their AML programmes, leading to high levels of false positives, which in turn causes friction during onboarding and payment processing and increases operational costs. The crypto exchanges can gain a competitive advantage by becoming early adopters of the latest automated technologies to transform their KYC and AML procedures. Paul Hamilton Besuchen Sie das AML Knowledge Centre LinkedIn https://www.linkedin.com/groups/8196279/, um weitere Artikel über AML und Finanzkriminalität zu lesen. Auch wir freuen uns auf Ihren Input!

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close