Im Kampf gegen Finanzkriminalität setzen Banken immer mehr auf KI. Kosten sollen sinken, Betrüger eingeschüchtert werden. Doch so einfach ist das nicht.
Der tägliche Kampf der Banken gegen Betrug, Geldwäsche und Sanktionsverstöße verschlingt Milliarden und hält Tausende Mitarbeiter auf Trab. Und der Aufwand steigt. Die Attacken werden immer ausgeklügelter, die Vorschriften strenger. Die Konsequenz: Die Institute stocken ihr Personal in den Compliance-Abteilungen auf.
Doch große Hoffnungen beim Aufspüren und Aussortieren von verdächtigen Transaktionen ruhen auf dem Einsatz künstlicher Intelligenz. Im Gegensatz zum klassischen Filtern, bei dem Experten Computern auf Basis bekannter Muster klare Regeln für die Erkennung von Betrug oder Geldwäsche vorgeben, „lernt“ ein Algorithmus ähnlich wie der Mensch auf Basis von Beispieldaten.
„Künstliche Intelligenz birgt ein riesiges Potenzial, um die Effizienz und Effektivität zu erhöhen“, sagt Gerold Grasshoff vom Beratungsunternehmen Boston Consulting Group (BCG).
„Bei Kreditkarten-Transaktionen gelingt die Betrugserkennung mit Hilfe von künstlicher Intelligenz schon sehr gut“, sagt Stefan Rüping vom Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme. Um einzuschätzen, ob eine Transaktion verdächtig ist oder nicht, werden viele Merkmale analysiert: Wo wurde die Karte eingesetzt? Wie häufig? Welcher Betrag wurde gezahlt?
Menschen stoßen bei der Analyse der riesigen Datenmengen schnell an ihre Grenzen, die Maschine kann hingegen parallel unzählige Kombinationen prüfen, dadurch Regeln finden und diese ständig anpassen.
Kreditkarten-Transaktionen sind dafür wie gemacht: Die Datenmenge ist wegen der Vielzahl an Transaktionen groß. Zudem melden sich Kreditkarten-Besitzer zügig, falls sie Opfer von Betrug geworden sind oder eine legitime Transaktion blockiert wurde. „Die schnelle Rückmeldung ermöglicht automatisiertes Lernen. Die Systeme können ständig verbessert werden“, sagt Rüping.
Um den vollständigen Artikel zu lesen, klicken Sie bitte hier.