Die Zukunft der Geldwäschebekämpfung

Seit den frühen 2000er Jahren waren die Bemühungen zur Bekämpfung der Geldwäsche weitgehend regelbasiert – sie konzentrierten sich darauf, Compliance nachzuweisen, anstatt echte Risiken zu erkennen. Das Ergebnis? Viele Fehlalarme, überlastete Analysten und begrenzte kontextbezogene Einblicke.

Die Branche bewegt sich nun auf ein Hybridmodell zu: Analysen ermöglichen einen risikobasierten Ansatz, und AMLR führt regelbasierte Kontrollen wieder ein. Während sich risiko- und regelbasierte Rahmenwerke entwickeln, bleibt das Talent für die Geldwäschebekämpfung entscheidend.

Damit Banken der Finanzkriminalität weltweit einen Schritt voraus sind, benötigen sie AML-Teams, die nicht nur KI-unterstützt, sondern kontinuierlich weiterentwickelt werden – fähig, Datenkompetenz, Urteilsvermögen und Entscheidungsfähigkeiten zu kombinieren, um Hochrisikofälle zu managen.

‍

Die Bekämpfung der Wirtschaftskriminalität ist ein negativer „Business Case“ von 2,4 Milliarden US-Dollar.

Zwischen 2024 und 2025 sank die Einstellung für Einstiegspositionen in europäischen Tech-Firmen um 73,4 %. Für mich ist das ein klares Signal, dass die Automatisierung echten Druck auf Berufseinstiegspositionen und die traditionellen Wege zur Entwicklung zukünftiger Führungskräfte ausübt.

Obwohl diese Verschiebung Talentpipelines beeinträchtigen könnte, bietet sie auch eine Chance: Organisationen können Junior-Rollen neu gestalten, um den Fokus auf Lernen, Mentoring und strategische Beiträge zu legen und so die Entwicklung Ihrer zukünftigen Führungskräfte zu beschleunigen.

‍
Hier sehe ich eine entscheidende Rolle für Manager – nicht als Prozessüberwacher, sondern als Coaches, die junge Talente betreuen und deren Fähigkeiten in einer KI-reichen Umgebung aufbauen. Durch die Kombination von KI-Tools mit gezielter Talententwicklung können Organisationen ihre Pipelines stärken und ihre zukünftigen Führungsteams viel schneller aufbauen.

‍

Aufbau „kundenorientierter“ AML-Teams durch Weiterbildung 

Während KI Daten verarbeiten und Risiken in großem Umfang aufdecken kann, sind Analysten, die Transaktionen mit höherem Risiko interpretieren, priorisieren und darauf reagieren können, die entscheidenden Faktoren.

Es gibt mehrere Bereiche, in denen wir sicherstellen wollen, dass die Mitarbeiter in meinem Team – und darüber hinaus in der gesamten Organisation – auf das vorbereitet sind, was als Nächstes kommt.

Ein Schlüsselbereich ist die Datenkompetenz. Ein weiterer ist maschinelles Lernen, wo wir kontinuierliche Programme zu neuen Risiken und Überwachungsherausforderungen durchführen. Karim Tadjer, Global Head Financial Crime bei ING 

Deshalb ist Weiterbildung der entscheidende Wegbereiter für eine risikobasierte, KI-gestützte AML-Funktion. Da KI manuelle Aufgaben automatisiert, müssen sich die menschlichen Fähigkeiten weiterentwickeln, um interpretativ, ethisch und kontextbezogen zu sein. AML-Experten müssen lernen:

• Kritisches Urteilsvermögen bei der Bewertung von KI-generierten Erkenntnissen und der Entscheidung über Eskalationen anzuwenden.
  
  
• Komplexe Ergebnisse klar an Aufsichtsbehörden und Kunden zu kommunizieren, um Transparenz und Vertrauen zu wahren.
  
  
• Sich global anzupassen und KI-Ergebnisse im lokalen rechtlichen, kulturellen und Marktkontext zu interpretieren.

Technologie mag Prozesse beschleunigen, aber es sind menschliches Urteilsvermögen, Anpassungsfähigkeit und Entscheidungsfindung, die die Stabilität und Integrität des gesamten Finanzsystems schützen.

‍

‍