Wie Versicherungen mithilfe von KI vermeiden wollen, Geldwäsche zu unterstützen
Geldwäsche verbirgt sich bisweilen hinter harmlosesten Transaktionen. Selbst bei Versicherungen steigt die Zahl der Geldwäscheverdachtsmeldungen. Damit kein illegales Geschäft durchs Raster fällt, implementieren Versicherungen komplexe Prüfverfahren. Problem: Diese binden enorme personelle Ressourcen. Eine Lösung versprechen sich viele durch den Einsatz von KI.
Wenn illegales Geld in den Finanzkreislauf eingeschleust werden soll, 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.
Naturgemäß treten bei diesen Prüfungen 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 lässt. 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.
Für Versicherer bedeutet die Anwendung der KI eine Umstellung in der IT. Die steigende Datenverarbeitung und Prüfung der KI erfordern zusätzliche Rechenkapazitäten, die in Zukunft voraussichtlich weiter ausgebaut werden müssen. Hier bietet sich Cloud-Lösungen wie die von Actico an, die auch spezielle KI-Hardware einsetzen können, um die großen Datenmengen effizient zu verarbeiten und sich als Software-as-a-Service leicht an die eigenen Bedürfnisse anpassen lassen. Wie das praktisch aussehen kann, verrät das aktuelle Whitepaper von Actico „Anti-Geldwäsche mit künstlicher Intelligenz“, welches sich hier gegen persönliche Daten herunterladen lässt.
