Viele Banken nutzen spezielle Programme, um zu prüfen, wer ihre Kunden sind und ob diese ein Risiko für Geldwäsche oder Betrug darstellen. Diese Programme haben eigene, oft große Datenbestände, aber sie zeigen nie die ganze Welt der öffentlichen Informationen. Deshalb haben Analysten lange Zeit zusätzlich im Internet gesucht. Leider reicht das oft nicht, denn große Internetsuchmaschinen zeigen nur einen Teil dessen, was online vorhanden ist. Sie entscheiden selbst, welche Ergebnisse oben angezeigt werden. Dabei spielt mit, wo der Nutzer sitzt, was vorher gesucht wurde und wie eine Seite gestaltet ist. Seiten, die sich gut für Suchmaschinen optimieren, tauchen öfter ganz oben auf. Andere wichtige lokale Quellen bleiben leicht verborgen. Außerdem gibt es Länder, in denen die großen Suchdienste gar nicht oder nur eingeschränkt funktionieren. Auch staatlich gesteuerte oder gut bezahlte Informationskampagnen können das Bild verfälschen, weil sie bestimmte Inhalte bekannter machen oder andere verdrängen. All das führt dazu, dass Compliance-Teams nicht immer alle relevanten Informationen finden, die sie für sichere Entscheidungen brauchen.
Neue Entwicklungen in der künstlichen Textverarbeitung helfen dabei, diese Lücken zu schließen. Solche Systeme können sehr schnell große Mengen an Text durchsuchen, Informationen zusammenfassen und Quellen angeben. Das macht die Arbeit der Analysten leichter, weil sie nicht jeden einzelnen Artikel selbst lesen müssen. Wichtig ist aber: Die Technik allein reicht nicht. Fachleute mit Erfahrung in Geldwäschebekämpfung, Identitätsprüfung und Betrugsaufklärung müssen die Suchanweisungen und die Auswertung steuern. Sie wissen, welche lokalen Nachrichtenquellen, welche Begriffe in verschiedenen Sprachen und welche speziellen Regionen besonders wichtig sind. Ohne dieses Fachwissen bleiben viele Treffer unentdeckt oder falsch eingeordnet.
Praktisch sieht das so aus: Statt dass ein Mitarbeiter 100 Artikel lesen muss, kann das System die Treffer so zusammenfassen, dass es etwa 19 sichere Artikel identifiziert und einen unsicheren Fall zur Nachprüfung markiert. Die Zusammenfassung liefert eine klare Erklärung und nennt die Quellen. Der Mensch überprüft nur die unsicheren oder besonders wichtigen Fälle. So werden Entscheidungen schneller und belastbarer. Außerdem lassen sich Suchanfragen in vielen Sprachen gezielt anlegen, lokale Begriffe und besondere Berichtstraditionen berücksichtigen sowie regionale Berichte aus Nischenmedien einbinden, die bei allgemeinen Suchmaschinen oft untergehen.
Für Geschäftsführer, die künstliche Intelligenz in ihren Compliance-Abteilungen einsetzen wollen, ergeben sich daraus konkrete Anpassungen. Erstens sollten Datenquellen erweitert werden: Nicht nur die großen Datenanbieter und allgemeine Suchmaschinen nutzen, sondern auch lokale Informationsdienste, Archive, Amtsseiten und spezialisierte Datenpools einbinden. Zweitens ist Fachwissen unverzichtbar: Teams brauchen Mitarbeiter, die wissen, wie Risiken in verschiedenen Jurisdiktionen berichtet werden, und die Suchanweisungen so bauen können, dass die KI die relevanten Treffer findet. Drittens sollten Arbeitsabläufe so gestaltet werden, dass die Technik die Vorarbeit macht, präzise Zusammenfassungen und nachvollziehbare Quellen liefert, und Menschen die finale Kontrolle behalten. Viertens ist Mehrsprachigkeit ein Muss: Viele relevante Informationen stehen nur in lokalen Sprachen, und automatische Übersetzungen allein reichen oft nicht aus. Fünftens muss auf Manipulation und Lücken geachtet werden: Ergebnisse sollten über mehrere Quellen abgeglichen werden, um gezielte Einflussnahme oder Auslassungen zu erkennen.
Konkrete Anwendungsfälle sind zum Beispiel die Überprüfung einer neuen Kundin oder eines neuen Kunden bei Kontoeröffnung, die laufende Überwachung von Kundinnen und Kunden mit hohem Risiko, das Aufspüren von negativen Medienberichten über Geschäftsführung oder wirtschaftlich Berechtigte, das Erkennen von ungewöhnlichen Zahlungsketten bei Betrugsverdacht und die Priorisierung von Meldungen an die Aufsichtsbehörde. In jedem dieser Fälle kann die Technik schnell Informationen zusammentragen, die wichtigsten Hinweise hervorheben und Quellen nennen. Die Mitarbeitenden entscheiden dann, ob eine Meldung nötig ist oder weitere Schritte folgen müssen.
Wichtig für Entscheider ist auch die Nachvollziehbarkeit: Jede automatisierte Entscheidung muss dokumentiert sein, damit im Zweifel genau gezeigt werden kann, welche Quellen und Zusammenfassungen zur Entscheidung geführt haben. Außerdem sollten Erfolg und Genauigkeit der Arbeit regelmäßig gemessen und die Suchstrategien laufend verbessert werden. Nur so lässt sich sicherstellen, dass die Kombination aus Technik und menschlichem Fachwissen wirklich das Risiko senkt und die Abläufe schneller und zuverlässiger macht.