Kontextbezogene Überwachung: Die neue Technologie, mit der Retail-Banken Geldwäsche bekämpfen
Wir wissen, dass die herkömmliche Transaktionsüberwachung nicht funktioniert. Aber wie können Banken proaktiv Risiken erkennen, indem sie dem Geld folgen? Unsere Experten zeigen Ihnen einen effizienteren und effektiveren Ansatz.
Die Nasdaq Verafin 2024 Globaler Bericht zur Finanzkriminalität zeigt, dass "im Jahr 2023 schätzungsweise 3,1 Billionen Dollar an illegalen Geldern durch das globale Finanzsystem flossen." Weiter heißt es in dem Bericht, dass "Geldwäsche für Billionen von Dollar verantwortlich ist, mit denen eine Reihe von zerstörerischen Verbrechen finanziert werden, darunter geschätzte 346,7 Milliarden Dollar im Menschenhandel und 782,9 Milliarden Dollar im Drogenhandel sowie 11,5 Milliarden Dollar in der Terrorismusfinanzierung."
Für die für die Einhaltung der Vorschriften im Bereich der Finanzkriminalität zuständigen Mitarbeiter ist dies natürlich keine Neuigkeit, denn sie wissen nur zu gut, dass in ihren Unternehmen tagtäglich ein Kampf gegen Geldwäscher geführt wird - eine Aufgabe, die durch Budgetkürzungen und Personalabbau noch schwieriger wird.
Also, Wie können die Banken diese illegalen Aktivitäten, die immer komplexer werden und mit veralteten Methoden nur schwer aufzuspüren sind, besser eindämmen?
Um diese Frage zu beantworten, müssen wir zunächst untersuchen, wie Finanzinstitute Risiken heute sehen, wo die Grenzen der traditionellen Risikobetrachtung liegen und welche Vorteile es bringt, über die traditionelle Transaktionsüberwachung hinaus zu einem risikoorientierten, kontextbezogenen Ansatz überzugehen, der die neueste Technologie nutzt, um einen weitaus ganzheitlicheren Blick auf Kunden und ihre Gegenparteien zu werfen.
Isolierte Warnmeldungen erzählen einen Teil der Geschichte, aber nicht die ganze Geschichte
Die meisten Compliance-Beauftragten für Finanzkriminalität glauben, dass sie ein umfassendes Profil ihrer Kunden haben, und das aus gutem Grund. Mit KYC-Anbindung Kontrollen, Kundenrisikobewertungen und AML-Überwachung Wenn eine Reihe von Transaktionen einer Person verdächtig erscheint, können die für Finanzkriminalität zuständigen Stellen dem nachgehen.
Das Problem bei herkömmlichen Transaktionsangeboten wie diesem ist jedoch, dass sie die Transaktionsaktivitäten eines Kunden isoliert betrachten und sich auf wert- bzw. volumenbasierte Kontrollen innerhalb des Bankennetzes stützen. Dies ist zwar wertvoll, aber nur ein Teil des Puzzles.
Nur durch einen Blick über die Grenzen des Bankennetzes hinaus kann festgestellt werden, dass es sich nicht um Einzeltäter handelt, sondern um Mitglieder eines weitaus größeren kriminellen Netzwerks, die über die Bank Geld für eine Vielzahl von ruchlosen Zwecken waschen.
"Auf diese Weise werden die Geldwäscheermittlungen von den traditionellen reaktiven Methoden auf eine proaktive Art und Weise umgestellt, bei der größere Gruppen von Transaktionen untersucht werden, die größere kriminelle Netzwerke erkennen lassen. Es gibt auch mehrere praktische Gründe dafür, über die Überwachung von Transaktionen hinauszugehen.
Warum einzelne rote Flaggen das Aufspüren krimineller Netzwerke erschweren
Das Aufspüren verdächtiger Transaktionen auf der Grundlage einer einzelnen Person erfordert große Ermittlungsteams, und diese Teams sind kostspielig im Betrieb. Noch wichtiger ist, dass die Verfolgung einzelner "roter Flaggen" die Zahl der Fehlalarme stark erhöht.
Die Untersuchung von 10.000 Fehlalarmen pro Monat vergeudet wertvolle Ermittlungszeit, treibt die Kosten in die Höhe und ist einfach kein effizienter Weg, dem Geld zu folgen. Für Banken kann es auch schwierig sein, gute Analytiker zu gewinnen und zu halten, wenn sie jeden Tag nur Whac-A-Mole spielen müssen, um Tausende von Warnmeldungen zu verifizieren, während die wahren Risiken übersehen werden.
Die noch wichtigere Frage ist jedoch die: Wie können die Branche oder die Aufsichtsbehörden realistischerweise erwarten, dass ein AML-Ops-Analyst ein organisiertes kriminelles Netzwerk auf der Grundlage einer einzigen roten Flagge in einer Transaktion aufdeckt?
Darüber hinaus könnte der Drahtzieher eines organisierten kriminellen Netzwerks sehr wohl im Kundenbuch einer Bank sitzen. Ohne die Mittel, um die Verbindungen zu dieser Einheit von innen heraus zu identifizieren und außerhalb des Netzwerks der Bank, ist es unmöglich, das gesamte mit dieser Person verbundene Risiko aufzudecken.
Um zu einer optimaleren Lösung zu gelangen, müssen die Analysten die Zahl der Fehlalarme, denen sie nachgehen, stark reduzieren. In diesem neuen Licht betrachtet, könnten wir fragen: Wie wäre es, wenn Sie diese 80 % Falsch-Positiv-Raten auf einen überschaubaren Wert von 20 bis 30 % reduzieren könnten? Es gibt einen Weg, und der beginnt damit, dass man nach mehreren roten Fahnen sucht, die sich um ein einziges Unternehmen drehen, anstatt einzelne Transaktionen zu verfolgen.
Die Möglichkeit, sowohl innerhalb als auch außerhalb des Bankennetzes zu suchen, eröffnet den Ermittlern die Möglichkeit, mehrere "rote Fahnen" oder "Cluster" von Transaktionen auf Netzebene zu identifizieren und das Risiko zu einer Scorecard zu aggregieren, die weit über eine einzelne Transaktion hinausgeht, um zu klären, ob das Geld aus einer fragwürdigen Quelle stammt und vor allem, wohin es geflossen ist.
Die Betrachtung des gesamten Risikonetzwerks auf diese Weise und die Möglichkeit, Kunden, ihre Gegenparteien und "Risikocluster" zu sehen, ist jetzt mit Quantexas Kontextbezogene Überwachung.
A transformative approach to identifying risk
Warum die Umstellung auf kontextuelle Überwachung sinnvoll ist
Contextual Monitoring ist ein echter Paradigmenwechsel in der Art Transaktionsüberwachung durchgeführt wird. Es bietet einen klaren Fahrplan für eine drastische Verbesserung der Kontrollen und Prozesse zur Überwachung und Untersuchung von Finanzkriminalität, indem es den Daten einen Kontext verleiht.
Diese Lösung behält die transaktionsbezogene Risikoanalyse innerhalb des Netzwerks einer Bank bei, erweitert jedoch die Gesamtsicht auf das Risiko nach außen, um eine vollständige 360-Grad-Sicht auf die Kunden zu ermöglichen, indem Kunden und ihre Gegenparteien miteinander verknüpft werden, um die tatsächlichen Netzwerkbeziehungen aufzuzeigen - alles in Echtzeit.
Dieser zusätzliche Kontext trägt dazu bei, versteckte Risiken zu erkennen, und generiert genauere Warnmeldungen, so dass die Untersuchungsteams weniger Fehlalarmen nachgehen. Außerdem können die Analysten über die eigentliche Zahlung hinaus den breiteren Kontext der beteiligten Parteien verstehen und somit feststellen, ob tatsächlich ein Risiko vorliegt.
Untermauert durch Auflösung der Entität und Graph Analytics Techniken angetrieben durch KI und maschinelles Lernen, Die kontextbezogene Überwachung konzentriert sich auf ganzheitliche Beziehungen und nicht auf einzelne Transaktionswerte und -volumen.
Quantexa's Plattform für Entscheidungsintelligenz ist eine revolutionäre Technologie, die eine kontextbezogene Überwachungsfunktion ermöglicht, die für die Aufnahme großer Datenmengen ausgelegt ist. Dadurch können interne und externe Daten automatisch konsolidiert und miteinander verknüpft werden, um einen vollständigen Überblick über Kunden und ihre Gegenparteien zu erhalten.. Dadurch werden verborgene Risiken schneller und genauer aufgedeckt, was die Effizienz und Effektivität steigert. Hochentwickelte Visualisierungsmodelle und eine intuitive Benutzeroberfläche helfen dabei, die Ermittlungsmaßnahmen auf die tatsächlichen Risiken zu konzentrieren.
Und so funktioniert es:
Mit kontextbezogener Überwachung das Geld verfolgen
Beim überwachten maschinellen Lernen (auch "prädiktives" Lernen genannt) werden historische Fälle verwendet, um statistische Muster zu erkennen. Für bestimmte Anwendungsfälle, die mit strafbaren Handlungen verbunden sind, gibt es jedoch nur sehr wenige bekannte Beispiele. Der folgende Weg kann bei der Risikovorhersage für diese Anwendungsfälle verwendet werden:
Quantexa hat Typologien für verschiedene kriminelle Vortaten im Zusammenhang mit Menschenhandel, Terrorismus, moderner Sklaverei, Briefkastenfirmen und mehr erstellt. Auf der Grundlage von Indikatoren und Leitlinien, die von verschiedenen Aufsichtsbehörden auf der ganzen Welt veröffentlicht wurden, hat Quantexa diese Merkmale als Grundlage für die Erstellung von "Scorecards" für verschiedene Arten von verdächtigen Aktivitäten und Verhaltensweisen verwendet. Mit diesen spezifischen Kombinationen granularer Scorings weisen die Scorecards von Quantexa eindeutig auf Aktivitäten hin, die auf diese identifizierten Straftaten hindeuten.
Nehmen wir an, Sie haben Ihr Überwachungssystem so eingestellt, dass es jede Transaktion über 50.000 Dollar kennzeichnet, was eine Verhaltensänderung darstellen könnte und weit über dem Transaktionsbetrag für einen normalen Kunden liegt. Wenn dieses Geld von einem Treuhandkonto stammt, würden Sie es vielleicht nicht als verdächtig einstufen, weil Sie es nur als Geld sehen, das für den Kauf eines Hauses verwendet wird. Mit dem Ansatz der kontextuellen Überwachung können Sie jedoch eine viel umfassendere und reichhaltigere Sicht auf den Kunden in Verbindung mit dieser Transaktion erhalten, um jedes potenzielle Risiko durch die Finanzierung des Treuhandkontos und jedes potenzielle Risiko in Verbindung mit der Immobilie aufzudecken, z. B. den Standort und die Anzahl der Käufe und Verkäufe der Immobilie in den letzten 12 Monaten.
Jetzt können Sie alle zusätzlichen Datenpunkte sehen, die mit der Aktivität eines Kunden verknüpft sind, um festzustellen, ob es sich um eine Person handelt, die sich in einem Hochrisikogebiet befindet oder durch negative Nachrichten als Verbündeter bekannt ist, oder ob es sich um ein Unternehmen handelt, das mit einer Person auf einer terroristischen Überwachungsliste verbunden ist. Plötzlich sind Sie in der Lage, das Risiko aufzudecken und die Warnung zu erhöhen, weil Sie über die Verbindungen der Kunden einen zusätzlichen Kontext haben, der das Risiko darstellt.
Der Versuch, eine öffentliche Suche nach dieser Art von Informationen manuell durchzuführen, ist eine zeitraubende Aufgabe, die wertvolle Zeit für die Analyse von Informationen kostet. Wenn Sie jedoch eine Plattform einsetzen, die die gesamte Datenanreicherung im Voraus vornimmt, sparen Sie Zeit und Ressourcen. Vor allem aber beschäftigen Sie Ihre Analysten mit dem, was sie am liebsten tun: die echten Risiken aufspüren, die übersehen werden, und dem Geld folgen.
Compliance mit Finanzkriminalität leicht gemacht mit Contextual Monitoring
Eine wirksame Überwachung zur Eindämmung der Geldwäsche beginnt mit einer soliden Grundlage von Qualitätsdaten. Sobald diese Grundlage geschaffen ist, können Analysten nach Antworten und Hinweisen suchen, die in diesem angereicherten Datenpool verborgen sind, um zu ermitteln:
Wer ist die Person oder Einrichtung, von der das Geld stammt?
Was haben sie mit den Geldern gemacht?
Wohin ist das Geld geflossen?
Wer ist die Person oder Einrichtung, an die das Geld ging?
Ist die Aktivität sinnvoll oder scheint sie mit einer Straftat verbunden zu sein?
Durch die Automatisierung dieser Schritte im Untersuchungsprozess schafft Contextual Monitoring eine solide Datengrundlage, auf der Unternehmen gründlichere Analysen und letztlich bessere Entscheidungen treffen können.
Die wichtigsten Vorteile dieses Ansatzes sind:
Die Erstellung von Risikoprofilen von Nicht-Bankkunden und deren Gegenparteien im Kontext ist eine stark wachsende Erwartung der Aufsichtsbehörden. In unserem nächsten Blog-Beitrag zeigen wir Ihnen, wie kontextbezogene Überwachung es Untersuchungsteams ermöglicht, sich auf Risikocluster und Netzwerke zu konzentrieren, um den Aufsichtsbehörden leichter zu zeigen, wie sie Finanzkriminalität eindämmen.
Um mehr darüber zu erfahren, wie Contextual Monitoring Ihrem Unternehmen helfen kann, hier klicken.
Loading...