Finanzinstitute und Versicherer unterliegen strengen BaFin-Vorgaben, um Geldwäsche zu verhindern. Welchen Beitrag KI und Machine Learning in diesem Zusammenhang leisten, erläutert Thomas Ohlemacher.
Springerprofessional.de: Was sind die aktuellen Herausforderungen für Versicherer, sich gegen Terrorismusfinanzierung und Geldwäsche abzusichern?Woher rührt Gefahr?
Versicherungsinstitute haben eindeutigen Nachholbedarf in Sachen Geldwäsche. Eines der größten Probleme, das ich aktuell sehe, ist, dass Versicherungen ihren Fokus weiterhin auf Zahlungen aus dem Ausland legen. Das klassische Szenario gestaltet sich in etwa so: Aus dem Ausland überweist eine Person, die generell nicht zur klassischen Kundschaft eines Versicherungsunternehmens gehört, Geld in eine Versicherungspolice ein. Die Gefahr im Inland ist jedoch ebenso groß und darf nicht unterschätzt werden: Eine Person aus dem Inland zahlt zum Beispiel einen sehr hohen Betrag auf eine Lebensversicherung ein und löst diese nach verhältnismäßig kurzer Zeit wieder auf. Oder: Person A schließt eine Versicherung ab, Person B zahlt jedoch die Versicherungsbeiträge. All dies sind Faktoren, die auf ungewöhnliche Vorgänge schließen lassen.
Sollten Versicherer besonders bei hoch abgeschlossenen Versicherungspolicen aufmerksam sein?
Man sollte meinen, dass Betrugs- oder Geldwäschedelikte ausschließlich auf die großen Versicherungspolicen abzielen. Immerhin sehen Betrüger im Abschluss einer Lebensversicherung eine Möglichkeit zur großangelegten, schnellen Geldverschiebung. Dem ist jedoch nicht so: Betrügereien, wie zum Beispiel Geldwäsche, werden ebenso in kleineren Rahmen durchgeführt. In beiden Kontexten sehen sich Versicherungen jedoch der gleichen Herausforderung gegenüber: Sobald sich ein neuer Kunde vorstellt, müssen Versicherungsinstitute nicht nur deren Identität feststellen und validieren, sondern seine Kundendaten gemäß des Know-Your-Customer (KYC)-Prinzips prüfen und gegen Black- und Check-Listen abgleichen. Aus solchen Listen geht hervor, ob es sich beim Kunden um eine politisch exponierte Person (PEP) und somit ein potenzielles, kriminelles Risiko handelt. Auf Grundlage von Geschäftsregeln (Business Rules) und Machine Learning, mithilfe derer etwaige Betrugs- und Geldwäsche-Szenarien modelliert werden können, kann dieser Listenabgleich vollautomatisiert von der Technik übernommen werden. Allgemein gilt: Versicherungen – ebenso wie andere Finanzinstitute – sollten sich präventiv auf einen Ernstfall vorbereiten und absichern. Dieser Ernstfall darf nicht erst eintreten, damit entsprechende Sicherheitsmaßnahmen erarbeitet und eingeleitet werden.
Was besagen die neuesten regulatorischen Vorgaben zum Thema? Welcher Wirkungsbereich von Versicherungsunternehmen ist hiermit konkret adressiert?
Die BaFin hat mit den Auslegungs- und Anwendungshinweisen zum Geldwäschegesetz – konkret dem besonderen Teil für Versicherungsunternehmen – im Januar 2020 die Anforderungen nochmals genauer dargelegt. Alle Versicherungen können ihre bisherigen Maßnahmen dagegen abgleichen und werden eventuell Nachholbedarf feststellen. Soweit ich das überblicke, betreffen die Auslegungs- und Anwendungshinweise konkret die Vergabe bestimmter Darlehen, die Risikoanalyse und die Identitätsfeststellung im Rahmen bestimmter Vertragsabschlüsse wie zum Beispiel einer betrieblichen Altersvorsorge. Des Weiteren wurde festgehalten, dass Versicherungen einer periodischen Aktualisierungspflicht unterliegen, um die Identifizierungsdaten ihrer Versicherungsnehmer laufend zu prüfen und zu aktualisieren. Weitere Aktualisierungsmaßnahmen sind besonders dann durchzuführen, wenn signifikante Veränderungen der Beiträge oder sonstige aus geldwäschepräventiver Sicht relevante Umstände auftreten.
Wir erleben derzeit eine Phase, in der Versicherungsunternehmen Arbeits-, Bewertungs- und Entscheidungsprozesse automatisieren. Wie passt dies mit einer erhöhten Sorgfaltspflicht zusammen?
Eine erhöhte Sorgfaltspflicht bringt einen nicht zu verachtenden Anstieg von Herausforderungen in Sachen Compliance mit sich. Die Anzahl der Risikoszenarien und der regulatorischen Vorgaben, die diesen Risiken entgegenwirken sollen, häufen sich, ebenso wie die Menge an Daten, die abgeglichen werden soll. Dementsprechend muss Automatisierungstechnologie zum Einsatz kommen, um die Compliance überhaupt sicherstellen zu können. Daher ist die Implementierung von Künstlicher Intelligenz und Machine Learning absolut notwendig – nicht nur, um Kosteneinsparungen vornehmen zu können, sondern auch, um den Anforderungen gerecht zu werden und durch präziseres Vorgehen die Fehlerquote zu senken. Denn sonst würden sie in den Aufgabenbereich der menschlichen Kollegen fallen, die diese Zeit anderweitig effizienter und effektiver nutzen könnten.
Worauf sollten Versicherer Ihrer Meinung nach ein wachsamen Auge behalten?
Geldwäscher weichen immer wieder auf neue Geschäftsfelder jenseits der Finanz- und Versicherungsinstitute aus. Darunter fallen Immobilien, der Kunsthandel und Wettbüros. Das liegt unter anderem daran, dass Banken und Versicherer durch Sorgfaltspflichten und andere Regulierungen von staatlicher Seite technisch bereits sehr gut ausgerüstet sind. Das soll nicht heißen, dass Versicherungen in Zukunft verschont bleiben. Fallen Versicherer in einen Trott, laufen sie damit Gefahr, sich nur an vordefinierten, präzisen Risiken zu orientieren, um Betrugsfälle aufzudecken. Sie müssen vielmehr damit beginnen, unpräzise, ungewöhnliche Vorgänge ans Tageslicht zu bringen.
Was meinen Sie damit genau?
Konkret heißt das: Zwar kann in gewissen Kontexten ein sehr hoher, einmalig getätigter Einzahlungsbetrag kurz nach Versicherungsabschluss verdächtig erscheinen. Doch auch unvorhergesehene Veränderungen im Verhalten des Versicherungsnehmers – beispielsweise ungewöhnliche, außerplanmäßige Einzahlungen – können sich als Hinweise auf schädliche Aktivitäten entpuppen. An dieser Stelle kommen Business Rules und Machine Learning ins Spiel. Dadurch sind Versicherungsinstitute in der Lage, nach ungewöhnlichen Vorgängen, Bewegungen und Transaktionen zu suchen und diese überprüfen und gegenrechnen zu lassen, die aus dem Standardmuster herausfallen.
Wie ordnen Sie das Thema Blockchain im Kontext Versicherung und Geldwäsche ein?
Versicherungsinstitute profitieren von der Blockchain im Sinne der Smart Contracts. Versicherung und Versicherungsnehmer gehen einen Vertrag ein, dessen Bedingungen in der Blockchain festgehalten werden und nicht mehr umgeschrieben werden können. Auf diese Weise kann eine Person, die nicht als Partei im Rahmen des Vertragsabschlusses aufgeführt wird, nicht über die vereinbarten Einzahlungsbedingungen verfügen.
Und wie sieht es in diesem Zusammenhang mit der Nachvollziehbarkeit von Geldströmen aus?
Die Blockchain fungiert auch als Validierungsinstrument. Nehmen wir einmal an, ein Kunde plant, eine Lebensversicherung abzuschließen und zahlt einen ungewöhnlich hohen Betrag ein. Das Versicherungsinstitut wird daraufhin stutzig und möchte wissen, aus welcher Quelle das Geld stammt. Der Kunde hat die Summe über einen Vorgang, der auf Blockchain-Technologie basiert, erhalten. Ein naheliegendes Beispiel ist, dass besagter Kunde mit Kryptowährungsbeträgen spekuliert und sie gewinnbringend verkauft hat, denn diese funktionieren gänzlich nach dem Prinzip der Blockchain. Da in einer Blockchain die Transaktionshistorie festgehalten wird, kann der Versicherer den Transaktionsweg mit technischen Hilfsmitteln überprüfen und potenziellen Betrugs- und Geldwäscheverdachten nachgehen.