Teil 2: Die Bedeutung von Artifizieller Intelligenz im automatisierten Onboarding-Prozess von Finanzdienstleistern im Rahmen der 4. Geldwäsche-Richtlinie.
Im ersten Teil hat sich die Autorin dem neuen Geldwäschegesetz, der Umsetzung der 3. und 4. Geldwäsche-Richtlinie sowie den aktuellen Tendenzen in der Bekämpfung von Geldwäsche beschäftigt.

Soweit so gut. Die bisherigen Anforderungen aus der letzten Neuerung aus 2011 und 2012 gehen mit dem neuesten Geldwäschegesetz, wirksam ab dem 26. Juni 2017, noch weiter (BGBl. I 2017, S. 1822 ff.): Nämlich mit der Erweiterung des Verpflichtetenkreises und eines erstmals zu führenden Transparenzregisters. Damit ist die 4. EU-Geldwäsche-Richtlinie fristgerecht umgesetzt. U.a. schreiben die Neuregelungen vor:

  • eine Absenkung der Bargeldschwelle im Zusammenhang mit den Sorgfaltspflichten
  • eine Pflicht zur gruppenweiten Einhaltung der Geldwäschepflichten

Daneben steigen die Anforderungen an ein wirksames Risikomanagement und damit an die Compliance-Maßnahmen der Verpflichteten.

Bündelt man all diese Erkenntnisse und Voraussetzungen aus den neuen Vorschriften, gerade unter der Relevanz der Thematik im Bereich der Bekämpfung von Wirtschaftskriminalität, wird eines klar: In Zeiten digitaler Transformation bedarf es Instrumente wie ein sauberes Management großer Datenmengen, Offenheit für neue Technologien und vor allem AI (Artifizieller Intelligenz) sowie ISL (Intelligent Self Learning).

Durch die hohen Anforderungen rund um KYC und CDD (Client Due Diligence) wird dies besonders deutlich.

Ist-Situation

  • Häufig ist zu beobachten, dass zahlreiche manuelle Fehler eben aufgrund der mangelnden Bewältigung von Big Data, möglich wegen fehlender Normierung entstehen.
  • Begünstigt wird dies oft durch Ermangelung eines einheitlichen Systems, auf das alle relevanten Funktionsabteilungen wie Vertrieb, Compliance, etc. zurückgreifen können. Häufig liegen die Daten in diversen Systemen, es ist nicht gewährleistet, dass alle relevanten Stakeholder hierauf Zugriff haben.
  • Es besteht teils erhebliches Verbesserungspotential in der Effektivität und Effizienz von Prozessen, was zu einer regelrechten Kostenexplosion führen kann

 

Die Relevanz von AI und ISL im Onboarding Prozess/Soll-Situation

Die rapide Veränderung in HR-Systemen ist auch und gerade Acceleratoren wie AI und ISL in Verbindung mit Big Data Management zu verdanken. Hierzu zählen auch Tools wie semantic matching und anderer analytische Methoden. Ein Report von einer Beratungsgesellschaft belegt, dass ein Anstieg von 29% in 2016 im Vergleich zum Vorjahr in der Anwendung dieser Tools stattgefunden hat. Die Anzahl prädiktiver Modelle hat sich sogar verdoppelt in diesem Zeitraum.

Künftig wird AI-Technologie sich stetig verbessern, so dass eine kohäsive Unternehmenskultur bzw. eine klare Herausarbeitung einer Corporate Brand durch Identifizierung von speziell für die Branche Finanzdienstleister passender Angestellter und Vendoren möglich ist. Die speziellen Bedürfnisse dieses Sektors wird hierdurch maßgeschneidert vorausgesagt werden können.

Dies gilt für die Auswahl von Vendoren genauso wie die Akquise von neuem Personal:

Eine Forschungsgruppe beschäftigt sich mit dem Phänomen des Schwundes einiger Arbeitsplätze: Sie sagt voraus, dass AI 16% aller Jobs in den USA, darunter ein nicht unerheblicher Teil bei Finanzdienstleistern, bis 2020 wegfallen werden.

Deutlich sichtbar ist der Einsatz von AI im Recruitingprozess. Hier ist visibel, dass führende IT-Gesellschaften Suiten und Tools auf den Markt gebracht haben, Priorisierungen und exaktes Mapping von Kandidaten auf eine bestimmte Position vornehmen zu können.

Andere Lösungen machen sich AI zunutze, indem sie background checks künftiger Kandidaten durchführen, um diverse Attribute, Potentiale und Erkenntnisse zu erlangen. Die Möglichkeiten sind hier deutlich höher im Vergleich zu den traditionellen Vorgehensweisen bei den checks. Auch hier kann der Kandidat wieder exakt zur Corporate Brand bzw. Unternehmenskultur ausgesucht werden. Aktuellstes Beispiel auf dem Markt ist Good&Co, neulich durch StepStone akquiriert. Hier wird der Bewerber gegen die von high performers seiner Jahrgänge gesetzt und entsprechend kategorisiert, ob sie den Anforderungen überhaupt bestehen können. Dies, lange bevor ein Vorstellungsgespräch überhaupt stattgefunden hat.

Dies kann beliebig – soweit mit lege lata korrespondierend – weitergeführt werden: Soziale Interaktionen, professionelle Websites, etc. können mit Scoring Points versehen werden, um entsprechend den Anforderungen und Bedürfnissen des Instituts/Unternehmens optimal gerecht zu werden. Bereits aus CV und Anschreiben können sehr viele Attribute generiert werden, was wiederum dem Scoring hinzugefügt werden kann.

Das Ganze kann weit über den Onboarding-Prozess weitergeführt werden: Wie kann ein Institut seinen Mitarbeitern und dessen Entwicklung gerecht werden? Hier sind ganz neue Begriffe wie Mikro-Lernen entstanden.

Zusammenfassend kann festgestellt werden, dass eine Kombination von Technologie und personalisierten Services optimale Tools sind, um den steigenden Anforderungen und Regularien am Markt zu genügen. Gerade aus den Anforderungen aus den Vorschriften der Geldwäsche zu KYC und CDD sind Akzeleratoren wie AI und/oder ISL unabdingbar. Nur so können im Management von Big Data effiziente und effektive Prozesse hergestellt, eine Kostenexplosion vermieden werden.

Über diesen Autor

Picture of Elif Morgenroth

Elif Morgenroth

Practice Head Anti-Money Laundering & Financial Crime Management

Elif Morgenroth ist Executive Consultant und arbeitet seit 2011 für CGI. Frau Morgenroth erweitert und etabliert weltweit unsere Beratung im Bereich Prävention von Wirtschaftskriminalität. Sie hat Rechtswissenschaften mit Schwerpunkt Strafrecht/Kriminologie studiert, dies unter anderem in München, Mannheim und USA/Kanada. Sie hat eine breite Expertise ...

Kommentar hinzufügen

Comment editor

  • No HTML tags allowed.
  • Lines and paragraphs break automatically.
Blog-Richtlinie und Nutzungsbedingungen