Geldwäscheprävention bei Versicherungen – KI hilft
Überall, wo es darum geht, illegales Geld in den Finanzkreislauf einzuschleusen, lauert die Gefahr von Geldwäsche und Terrorismusfinanzierung. Das gilt nicht nur für Banken, sondern auch für Versicherungen. Denn bei ihnen geht es oft um hohe Summen, etwa bei Unfall- und Lebensversicherungen. Zwar werden aus diesem Bereich weniger Verdachtsmeldungen als von Banken gemeldet, aber die Tendenz ist steigend. Für die Unternehmen ein Grund, nach Lösungen zu suchen, den personellen und monetären Aufwand für die Geldwäscheprävention deutlich zu begrenzen.
Wie sich mit einer Lebensversicherung Geld waschen lässt? Indem man am Anfang ungewöhnlich viel Geld einzahlt, den Wohnsitz kurz nach Vertragsabschluss ins Ausland verlegt, den Begünstigten wechselt und eine vorzeitige Rückzahlung ‒ am besten noch in bar ‒ veranlasst. Auffällig ist auch, wenn der Vertrag vorzeitig aufgelöst wird, selbst wenn dabei signifikante Verluste oder erhebliche Steuernachteile entstehen, die dem Nutzniesser offensichtlich gleichgültig sind. Versicherer sind daher angehalten, die oben genannten Indikatoren als Risikofaktoren zu werten und alle Versicherungsabschlüsse und Vertragsanpassungen sowie ungewöhnliche Vorgänge, die ein bestimmtes Risiko überschreiten, genau zu prüfen. Als Verpflichtete nach dem Geldwäschegesetz müssen Versicherer jeden Vertragspartner und, soweit vorhanden, wirtschaftlich Berechtigten bereits vor Begründung der Geschäftsbeziehung identifizieren. Dazu gehört der Abgleich mit Sanktionslisten und eine PEP-Prüfung. Die Prüfungen müssen nicht nur bei Vertragsabschluss, sondern bei nahezu allen Aktionen ausserhalb der normalen Beitragszahlungen erfolgen.
ActicoEine Studie unter deutschen Versicherern zeigt, dass drei Viertel aller befragten Studienteilnehmer von einem steigenden Personalbedarf im Bereich Compliance ausgehen.
False-Positive-Fälle begrenzen
Eine Studie unter deutschen Versicherern zeigt, dass drei Viertel aller befragten Studienteilnehmer von einem steigenden Personalbedarf im Bereich Compliance ausgehen. Das liegt vor allem auch an der enorm hohen Datenmenge sowie den mittlerweile sehr langen Sanktionslisten. Die maschinelle Bearbeitung erfolgt dabei «nur» in der Risikoeinstufung. Liegen genügend Kriterien vor, wird ein Fall als «Treffer» eingestuft und der Compliance-Abteilung übergeben. Eine Bewertung findet im Rahmen der Risikoeinstufung also nicht statt. Diese erfolgt durch Mitarbeitende der Compliance-Abteilung. Naturgemäss treten dabei eine Vielzahl von «falschen» Treffern (False Positives) auf, die zwar pro forma ein Risiko darstellen, bei näherer Betrachtung aber harmlos sind. Das bindet manuelle Ressourcen, insbesondere für die Prüfung von kniffligen Fällen. Ein Ansatzpunkt ist, die durch die Risikoprüfung aufgeworfenen False-Positive-Fälle durch Künstliche Intelligenz mithilfe von Machine Learning zu erkennen und auszufiltern.
Machine Learning führt zur Reduktion um 57 Prozent
Dazu nutzt die KI eine Vielzahl bereits geprüfter Fälle, um aus den Erfahrungen der menschlichen Compliance-Mitarbeitenden zu lernen. Erste Praxiseinsätze zeigen, dass sich beim Sanktions- und PEP-Listen-Check die Anzahl der manuell zu prüfenden Fälle um 57 Prozent senken lassen. Ein weiterer Vorteil: Auch die durch Compliance-Mitarbeitende nachträglich als «False-Positives» gekennzeichneten Fälle, die von der KI zunächst nicht erkannt wurden, können später zum Retraining des Machine-Learning-Algorithmus genutzt werden, um so die Filterrate weiter zu optimieren.
