Artificial Intelligence (AI), Machine Learning (ML) und Robotic Process Automation (RPA) \u2013 Begriffe, die im aktuellen Umfeld des Finanzsektors allzu h\u00e4ufig verwendet werden, wenn es um Ma\u00dfnahmen zur Prozessoptimierung, Kosten- und Zeitersparnis geht. Die Forderung nach den neuesten technologischen Entwicklungen bestimmt seit geraumer Zeit den Markt. Insbesondere im Bereich der Bek\u00e4mpfung von Finanzkriminalit\u00e4t pl\u00e4dieren Fachexperten f\u00fcr den Einsatz o.g. Technologien. Doch welche Herausforderungen bringt der Einsatz von k\u00fcnstlicher Intelligenz mit sich? Wie steht die Bundesanstalt f\u00fcr Finanzdienstleistungsaufsicht (BaFin) zu diesem Thema und welche potenziellen Auswirkungen k\u00f6nnte dies am Ende des Tages f\u00fcr die operative Compliance zur Folge haben? Mit diesen Fragen gilt es, sich kritisch auseinanderzusetzen.<\/p>\n
Vor der Implementierung von k\u00fcnstlicher Intelligenz in den Monitoring- und Screeningtools gilt es, entsprechende Grundlagen in der technologischen Infrastruktur des jeweiligen Hauses zu schaffen. Ein wesentlicher Bestandteil hierbei ist die Datenqualit\u00e4t. Sofern eine gewisse Qualit\u00e4t der Daten nicht vorhanden ist, kann der Einsatz von k\u00fcnstlicher Intelligenz nicht funktionieren.<\/p>\n
In ihrer Studie zum Thema \u201eBig Data trifft auf k\u00fcnstliche Intelligenz\u201c definiert die BaFin unter anderem die Qualit\u00e4t und Quantit\u00e4t vorhandener Daten als strategische Voraussetzung<\/strong> f\u00fcr den Einsatz von k\u00fcnstlicher Intelligenz. Als wesentliche Kriterien werden hierbei die Vollst\u00e4ndigkeit, Wahrhaftigkeit, Konsistenz und Aktualit\u00e4t von Daten definiert. (1)<\/p>\n Ein Gro\u00dfteil der Finanzdienstleister beklagt jedoch einen Mangel an Daten<\/strong> f\u00fcr eine Implementierung von AI, dies best\u00e4tigte zuletzt eine Umfrage der Wirtschaftspr\u00fcfungsgesellschaft PricewaterhouseCoopers (PwC). (2)\u00a0Daher gilt, gr\u00fcndlich zu pr\u00fcfen, ob wirklich alle n\u00f6tigen Kunden-, Transaktions- und Produkt-, und Partnerdaten im Bestandsf\u00fchrungssystem eingespielt sind, um beispielsweise eine robotergest\u00fctzte Prozessautomatisierung einzuf\u00fchren.<\/p>\n Neben der Datenproblematik ist das begrenzte bzw. fehlende Wissen in der Branche<\/strong> ein weiterer \u201eShowstopper\u201c bei dem Einsatz von k\u00fcnstlicher Intelligenz im operativen Compliance-Bereich.\u00a0Laut oben erw\u00e4hnter Umfrage von PwC gaben 64 % der Teilnehmer an, nicht \u00fcber die notwendige Kompetenz zu verf\u00fcgen, um die neuen Technologien implementieren zu k\u00f6nnen.\u00a0Dies erschwert auch die Nachvollziehbarkeit von Entscheidungsprozessen im Rahmen der operativen Compliance, was sich nicht unerheblich auf interne oder externe Audits auswirken kann.<\/p>\n Grunds\u00e4tzlich billigt die oberste Finanzaufsicht Deutschlands keine algorithmischen Entscheidungsprozesse. Noch vor drei Jahren \u00e4u\u00dferte sich die BaFin als technologieneutral. <\/strong>(3) In Bezug auf aufsichtsrechtliche Organisations- und Dokumentationspflichten g\u00e4be es keine konkreten Vorgaben dar\u00fcber, welche Art der Technologie einzusetzen sei.<\/p>\n Eins ist jedoch klar: die klare Verantwortung \u2013 und somit auch das Risiko der Haftung \u2013 verbleibt bei der Gesch\u00e4ftsleitung. (4) Dies tangiert auch die Funktion des Compliance-Beauftragten, welche neben der Gesch\u00e4ftsleitung ebenfalls einem pers\u00f6nlichen Haftungsrisiko ausgesetzt ist.<\/p>\n Man betrachte beispielsweise das klassisch statistische Verfahren f\u00fcr das Transaktionsmonitoring, welches aktuell auf Basis von regelbasierten Erkennungsszenarien funktioniert. Mit dem Einsatz von Artificial Intelligence im Verdachtsmeldewesen k\u00e4me es zu einer Reduktion von sogenannten \u201aFalse Positives\u2018<\/strong> \u2013 Treffer, die am Ende der Analyse zu einem Fehlalarm f\u00fchren. Das ist eines der Kernargumente vom Einsatz k\u00fcnstlicher Intelligenz im Transaktionsmonitoring. (5)<\/p>\n Wichtig ist es, sich vorher zu \u00fcberlegen, an welchen Punkten entlang des Verdachtsmeldeprozesses sich der Einsatz von oben genannten Technologien eignet. So kann Robotic Process Automation<\/strong> bei der Aggregation von Daten<\/strong> ein wesentlicher Treiber im Verdachtsmeldeprozess sein, welcher der vorgeschriebenen Unverz\u00fcglichkeit in der Fallbearbeitung unterst\u00fctzend entgegenkommt. Die Investigationen im aktuellen Umfeld des Verdachtsmeldeprozesses sind noch von vielen Insel-L\u00f6sungen<\/strong> gepr\u00e4gt. Neben dem Monitoringsystem gilt es meist Informationen aus internen Datenquellen (Archivierungs- und CRM-Systeme) oder aus den g\u00e4ngigen externen Quellen (wie bspw. Google, WorldCheck oder Factiva) zusammenzutragen.<\/p>\n Der Einfluss auf die seit Jahren steigende Anzahl an abgegebenen Geldw\u00e4scheverdachtsmeldungen<\/strong> an die Financial Intelligence Unit (FIU) bleibt abzuwarten. (6) Jedoch liegt der Verdacht nahe, dass die Risikoaversion in der Kalibrierung<\/strong> beim Einsatz von k\u00fcnstlicher Intelligenz im Transaktionsmonitoring eher steigen wird. Dies wiederum k\u00f6nnte den ohnehin abzuarbeitenden Backlog an Verdachtsmeldungen<\/strong> bei der FIU noch gr\u00f6\u00dfer werden lassen. (7)<\/p>\n Abgesehen von den Auswirkungen auf das operative Tagesgesch\u00e4ft gilt es auch die Tragweite f\u00fcr regulatorische Anforderungen zu betrachten. So k\u00f6nnte mit dem Einsatz von Machine Learning auch die Rolle des Algorithmus-Beauftragten<\/strong> geschaffen werden, welche analog zu der des Datenschutz-Beauftragten anzusehen ist. (8) Oder werden gar neue Verwaltungsanweisungen in Form von \u201eMaAlgo\u201c (Mindestanforderungen an Algorithmen)<\/strong> ver\u00f6ffentlicht?<\/p>\n <\/p>\n (1) \u201eBig Data trifft auf k\u00fcnstliche Intelligenz \u2013 Herausforderungen und Implikationen f\u00fcr Aufsicht und Regulierung von Finanzdienstleistungen\u201c (BaFin, 2018).<\/p>\n (2) \u201eK\u00fcnstliche Intelligenz im Finanzsektor\u201c (PwC, 2020).<\/p>\n (3) \u201eGenerelle Billigung von Algorithmen durch die Aufsicht? Nein, aber es gibt Ausnahmen\u201c (BaFin Publikation, 2020).<\/p>\n (4) \u201eBig Data und k\u00fcnstliche Intelligenz \u2013 Prinzipien f\u00fcr den Einsatz von Algorithmen in Entscheidungsprozessen\u201c (BaFin, 2021).<\/p>\n (5) \u201eMit k\u00fcnstlicher Intelligenz Geldw\u00e4sche erkennen \u2013 bevor sie geschieht\u201c (KPMG, 2022).<\/p>\n (6) \u201eJahresbericht 2021\u201c (Financial Intelligence Unit).<\/p>\n (7) \u201eWie Deutschland die Geldw\u00e4schebek\u00e4mpfung verschleppt\u201c (ZEIT ONLINE, 2022).<\/p>\n (8) \u201eKonsultation des Berichts Big Data trifft auf k\u00fcnstliche Intelligenz Ergebnisse und n\u00e4chste Schritte\u201c (BaFin, 2019).<\/p>\n <\/p>\nHohe Komplexit\u00e4t f\u00fcr die breite Masse<\/strong><\/h2>\n
Aus der \u201eBaFin-Brille\u201c: Weder Pro noch Contra \u2013 oder doch Contra?<\/strong><\/h2>\n
M\u00f6gliche Auswirkungen auf die operative Compliance und Regulatorik<\/strong><\/h2>\n
Praxistipps<\/strong><\/h2>\n
\n