In den letzten Nachrichten zeichnet sich klar ab, dass Banken und Zahlungsdienste stärker überwacht werden und dass Aufsichtsbehörden härter gegen Versäumnisse vorgehen. Drei typische Probleme kommen immer wieder vor: Mitarbeitende, die Regeln umgehen oder ausnutzen, unzureichende Überprüfung von Kundinnen und Kunden, und Plattformen für digitale Zahlungen, die keine funktionierenden Schutzmechanismen haben. Diese Fehler führen dazu, dass kriminelle Gelder über Konten laufen, große Beträge nicht erkannt werden und Hinweise auf verdächtige Vorgänge nicht gemeldet werden. Deshalb setzen Aufsichtsbehörden häufiger Strafen ein und verlangen bessere Kontrollen.
Für Geschäftsführende heißt das: Es reicht nicht mehr, sich auf alte Abläufe zu verlassen. Bargeldeinzahlungen über Schwellenwerte müssen zuverlässig erkannt und gemeldet werden. Wenn Mitarbeitende bewusst oder unbewusst Meldevorgänge umgehen, entsteht ein grosses Risiko für das Institut. Ebenso müssen Zahlungsströme genau geprüft werden, damit ungewöhnliche Häufungen von Einzahlungen oder sehr hohe Beträge nicht übersehen werden. Plattformen, die viele kleine Zahlungen oder direkte Tauschgeschäfte ermöglichen, sind besonders anfällig, wenn sie keine klaren Verfahren zur Identitätsprüfung, Überwachung und Meldung haben.
Wer künstliche Intelligenz einsetzt oder einsetzen will, sollte sie gezielt zur Verstärkung dieser Kontrollen nutzen, aber mit klaren Regeln. Künstliche Intelligenz kann helfen, Muster zu erkennen, die Menschen übersehen: etwa wenn viele Barzahlungen innerhalb kurzer Zeit auf verschiedene Konten verteilt werden, wenn ein Konto plötzlich grosse Geldbeträge empfängt, oder wenn Kundenverhalten sich schnell ändert. Sie kann auch dabei helfen, Transaktionen mit Verknüpfungen zu Ländern oder Diensten mit erhöhtem Risiko herauszufiltern. Gleichzeitig darf die Technologie nicht die alleinige Entscheidungsinstanz sein. Jede automatische Warnung muss von gut geschulten Mitarbeitenden geprüft werden, damit Fehlalarme reduziert und echte Risiken nicht übersehen werden.
Konkrete Anwendungsfälle sind leicht vorstellbar. Eine Software, die mit künstlicher Intelligenz arbeitet, kann laufend Kontobewegungen auswerten und sofort Alarm schlagen, wenn ungewöhnliche Muster auftauchen. Sie kann Kundendaten automatisch auf Plausibilität prüfen und bei Unstimmigkeiten eine tiefere Prüfung anstoßen. Bei Mitarbeitenden-Aktionen kann die Technik ungewöhnliche Verarbeitungsmuster erkennen, etwa ungewöhnlich viele manuelle Ausnahmen oder das wiederholte Nichterfassen vorgeschriebener Meldungen, und automatisch eine Prüfung auslösen. Auf Plattformen mit vielen Nutzenden kann die KI helfen, Profile zu verknüpfen und Netzwerke zu erkennen, die auf Betrug oder Geldwäsche hindeuten. Weiter kann sie die Fälligkeit und Priorität von Verdachtsfällen bewerten, so dass die begrenzten Ermittlungsressourcen dort eingesetzt werden, wo sie am wichtigsten sind.
Die Einführung solcher Systeme braucht klare Schritte. Zuerst muss die Datenqualität stimmen: nur saubere, vollständige Daten ergeben sinnvolle Ergebnisse. Dann müssen Regeln festgelegt werden, wie automatisierte Erkenntnisse an Menschen weitergegeben werden. Wichtig ist eine Dokumentation, die erklärt, wie die Systeme funktionieren und wie Entscheidungen getroffen werden. Regelmässige Tests und Simulationen zeigen, ob die Kontrollen greifen. Ebenso wichtig ist eine klare Rollenverteilung: Wer prüft Warnungen, wer unterschreibt Meldungen, wer ist verantwortlich für Eskalationen? Geschäftsführende sollten zudem sicherstellen, dass externe Dienstleister und Plattformpartner ebenfalls angemessene Kontrollen haben und vertraglich zur Rechenschaft gezogen werden können.
Rechtliche und organisatorische Vorgaben dürfen nicht vernachlässigt werden. Es braucht Nachweise dafür, dass Meldeschwellen eingehalten werden, und Aufzeichnungen über alle Prüfungen und Meldungen. Aufsichtsbehörden erwarten, dass Institute nicht nur Technik einsetzen, sondern auch zeigen können, dass Menschen, Prozesse und Systeme zusammenarbeiten. Transparenz gegenüber der Aufsicht, zeitnahe Reaktionen auf Hinweise und ein laufender Dialog mit den Kontrollbehörden reduzieren das Risiko von Strafen und Imageschäden.
Kurz gesagt: Wer künstliche Intelligenz für die Geldwäschebekämpfung nutzt, gewinnt an Geschwindigkeit und Tiefe bei der Erkennung von Risiken. Aber der Erfolg hängt von sauberer Datenbasis, klaren Prozessen, menschlicher Kontrolle und guter Dokumentation ab. Geschäftsführende müssen diese Punkte priorisieren, damit Technik und Organisation zusammen effektiv gegen Missbrauch wirken und die Institution rechtlich abgesichert bleibt.