Why Leveraging AI is No Longer Optional in Regulatory Compliance

Key Takeaways:

Der Einsatz künstlicher Intelligenz in Unternehmen hat weltweit stark zugenommen. Laut einer McKinsey-Umfrage stieg der Anteil innerhalb der vergangenen sechs Jahre von rund 50 Prozent auf 72 Prozent im Jahr 2024.¹ Dieses Wachstum zeigt sich auch im RegTech-Sektor. Für den Markt wird zwischen 2024 und 2033 eine durchschnittliche jährliche Wachstumsrate von 36,7 Prozent prognostiziert. Bis 2033 soll das Marktvolumen 29,6 Milliarden US-Dollar erreichen.² Auch die regulatorische Compliance wird durch KI grundlegend verändert. Innerhalb der vergangenen 18 bis 24 Monate hat sie sich von einer optionalen Zusatztechnologie zu einem unverzichtbaren Instrument im Kampf gegen Finanzkriminalität entwickelt.

Zentrale Entwicklungen wie die Einführung von ChatGPT im November 2022, die zunehmende Verbreitung von KI-Anwendungen und die wachsende Komplexität von Finanzkriminalität haben diesen Wandel maßgeblich vorangetrieben. Gleichzeitig haben steigende regulatorische Anforderungen sowie die Entwicklung hin zu digitalen Compliance-Prozessen in nahezu Echtzeit den Druck auf Finanzinstitute erhöht, fortschrittliche und datenbasierte Technologien einzusetzen. Zusätzlichen Auftrieb erhielt diese Entwicklung im Juli 2024 durch die Verabschiedung des EU AI Act. Er gilt als erster umfassender regulatorischer Rahmen für einen vertrauenswürdigen und ethischen Einsatz von KI unter menschlicher Aufsicht.

The Evolution of AI in Financial Crime Compliance

Von einfachen logischen Operationen bis hin zu fortschrittlicher Schlussfolgerung und Trendprognose hat sich künstliche Intelligenz erheblich weiterentwickelt. In den frühen 2000er-Jahren gewannen Data Science und Machine Learning zunehmend an Bedeutung. In den 2010er-Jahren folgten tiefe neuronale Netze, die natürliche Sprache verarbeiten, maschinelle Übersetzungen durchführen und Bilder erkennen konnten. Entsprechend wurden auch die Einsatzmöglichkeiten von KI im RegTech-Bereich immer leistungsfähiger.

Mit ihrer technologischen Reife ist KI zugleich kosteneffizienter, vertrauenswürdiger und transparenter geworden. Dazu haben insbesondere Fortschritte bei erklärbarer KI und der Reduzierung algorithmischer Verzerrungen beigetragen. Dennoch setzte sich KI erst Anfang der 2020er-Jahre auf breiter Ebene durch. Die Einführung von ChatGPT veränderte die Wahrnehmung von KI grundlegend und machte sie zu einem leicht zugänglichen Werkzeug, das auch ohne technische Fachkenntnisse für alltägliche Aufgaben eingesetzt werden kann.

Die Entwicklung branchenspezifischer KI für die Compliance im Bereich Finanzkriminalität verlief ähnlich wie die allgemeine Entwicklung künstlicher Intelligenz. Anfangs lag der Schwerpunkt auf dem Erfassen und Sortieren von Daten. Schon bald kamen die Automatisierung von Arbeitsabläufen in der regulatorischen Berichterstattung, die Erstellung von Audit Trails und die Einhaltung von Fristen hinzu. Es folgten kontinuierliche Überwachung, fortschrittliche Datenanalysen und die Integration verschiedener Systeme, wodurch Unstimmigkeiten und Compliance-Risiken nahtlos erkannt werden konnten.

Heute unterstützt KI in der Compliance zur Bekämpfung von Finanzkriminalität unter anderem Predictive Analytics, Risikoprofilierung, fortschrittliche Link Analysis, Adverse-Media-Screening und die Erkennung neu entstehender Risiken. Dadurch liefert sie Erkenntnisse in Echtzeit, steigert die Effizienz des Risikomanagements und stärkt die Compliance erheblich.

Über Predictive Analytics und die Erkennung von Anomalien in Echtzeit hinaus wird KI eine zentrale Rolle bei der Bereitstellung von Business Intelligence und der Steigerung der Effizienz spielen. Mithilfe intelligenter Robotic Process Automation (RPA) können Compliance-Verantwortliche risikoreiche Aufgaben priorisieren, falsch-positive Treffer reduzieren und regulatorischen Entwicklungen einen Schritt voraus bleiben – bei gleichzeitig höherer operativer Effizienz.

AI and Compliance: How Global Regulators Are Taking Action

Künstliche Intelligenz sorgt nicht nur für eine beispiellose Effizienz in der Compliance, sondern erweist sich auch als äußerst wertvoll für Business Intelligence und Nachhaltigkeit. Sie kann dazu beitragen, Kundenerlebnisse und das Kunden-Onboarding zu verbessern sowie operative Risiken zu reduzieren.

Das Financial Stability Board (FSB) erklärte bereits in seinem im November 2017 veröffentlichten Bericht „Artificial Intelligence and Machine Learning in Financial Services: Market Developments and Financial Stability Implications“: „Unsere Analyse zeigt eine Reihe potenzieller Vorteile. Insgesamt bieten Anwendungen künstlicher Intelligenz und des maschinellen Lernens erhebliches Potenzial, sofern ihre spezifischen Risiken angemessen gesteuert werden. Finanzinstitute haben wirtschaftliche Anreize, KI und Machine Learning für ihre geschäftlichen Anforderungen einzusetzen. Möglichkeiten zur Kostensenkung, Verbesserungen im Risikomanagement und Produktivitätssteigerungen haben die Einführung gefördert, da sie alle zu einer höheren Rentabilität beitragen können.“ ³ 

Regulierungsbehörden weltweit haben die Einschätzung des FSB wiederholt bestätigt und den Einsatz von KI gefördert. Viele Länder haben sogenannte regulatorische Sandboxes eingeführt. Dabei handelt es sich um kontrollierte Umgebungen, in denen Regulierungsbehörden die Auswirkungen von KI bewerten können, während Unternehmen ihre Lösungen vor einer umfassenden Einführung weiterentwickeln.

Die Canadian Securities Administrators (CSA) führten beispielsweise eine regulatorische Sandbox ein, die eine „zeitlich begrenzte Lockerung bestimmter regulatorischer Anforderungen“ ermöglichte. Louis Morisset, damals Vorsitzender der CSA und Präsident sowie heutiger CEO der Autorité des Marchés Financiers, erklärte: “Ziel dieser Initiative ist es, diesen Unternehmen die Nutzung innovativer Produkte, Dienstleistungen und Anwendungen in ganz Kanada zu erleichtern und gleichzeitig einen angemessenen Anlegerschutz sicherzustellen.” ⁴

Ähnliche Sandboxes wurden weltweit eingerichtet, unter anderem von der FINMA in der Schweiz, De Nederlandsche Bank, verschiedenen Kapitalmarktaufsichtsbehörden in der MENA- und APAC-Region sowie der Financial Conduct Authority (FCA) im Vereinigten Königreich.

Während Regulierungsbehörden Rahmenbedingungen zur Förderung von Innovation schaffen, setzen Finanz- und Regulierungstechnologien KI auf vielfältige Weise ein. Diese Ansätze verändern die Branche grundlegend – von fortschrittlichen Compliance-Analysen bis hin zu prädiktiven Erkenntnissen für das Risikomanagement. Im Folgenden betrachten wir, wie KI FinTech und RegTech transformiert.

• In Europe

Die OECD fordert Regierungen und private Organisationen dazu auf, in Forschung und Entwicklung zu investieren, um „Innovationen im Bereich vertrauenswürdiger KI voranzutreiben“. Die meisten OECD-Länder gewähren steuerliche Vergünstigungen für Investitionen in KI-Forschung und -Entwicklung. Elizabeth McCaul, Mitglied des Aufsichtsgremiums der Europäischen Zentralbank (EZB), erklärte: “Die Frage ist nicht mehr, ob künstliche Intelligenz eingesetzt werden soll, sondern wie sie möglichst effektiv und verantwortungsvoll genutzt werden kann. Wir können die Leistungsfähigkeit von KI nutzen, um Daten zu entschlüsseln, Risiken zu verstehen und Prozesse zu beschleunigen. Dadurch bleibt in einer zunehmend komplexen Welt mehr Zeit für menschliche Analyse und Urteilsvermögen.„ ⁵ 

• In APAC

Regulierungsbehörden im asiatisch-pazifischen Raum betrachten KI und Machine Learning als entscheidend für Innovation und Wettbewerbsfähigkeit und fördern aktiv Forschung, Entwicklung und Einführung dieser Technologien. Die Monetary Authority of Singapore (MAS) führte 2015 das Financial Sector Technology and Innovation Scheme (FSTI) ein, um Finanzinstitute beim Einsatz von KI im Risikomanagement zu unterstützen. Im Jahr 2017 folgte das Förderprogramm Artificial Intelligence and Data Analytics (AIDA), das die Einführung von KI und Datenanalysen zusätzlich vorantreiben sollte.

In Taiwan führte die Financial Supervisory Commission 2018 die FinTech Regulatory Sandbox und die Financial Information Service Platform ein. Letztere ist ein zentrales Datenrepository für die Entwicklung von KI- und Machine-Learning-Lösungen.

Auch die Hong Kong Monetary Authority (HKMA) unternahm 2018 einen bedeutenden Schritt, indem sie die Banking Made Easy Task Force zur Förderung von KI und Machine Learning im RegTech-Bereich ins Leben rief und einen offenen API-Standard für eine nahtlose Integration einführte.

• In MENA

Regulierungsbehörden in der MENA-Region unterstützen den Einsatz von KI in der Finanz-Compliance. Regulatorische Sandboxes sollen dabei die sichere Einführung von KI in regulatorischen Anwendungsbereichen erleichtern. Solche Sandboxes bestehen unter anderem in Saudi-Arabien, Bahrain, Jordanien und den Vereinigten Arabischen Emiraten.

• In the USA

In den USA haben die Commodity Futures Trading Commission (CFTC) und die Securities and Exchange Commission (SEC) anerkannt, dass Unternehmen Machine-Learning-Technologien auf innovative Weise zur Analyse von Informationen und Optimierung ihrer Geschäftsprozesse einsetzen. Die SEC selbst nutzt bereits Machine Learning, Deep Learning und Datenanalysen für ihre SupTech-Initiativen.

• In the UK

Im Vereinigten Königreich verfolgen die Financial Conduct Authority (FCA) und die Prudential Regulation Authority (PRA) einen innovationsfreundlichen Ansatz bei der Regulierung von KI und unterstützen deren Integration in die Finanzmärkte.

How Real-Time Compliance Hinges on AI

Der FSB-Bericht beschreibt, wie sich regulatorische Anforderungen weiterentwickelt haben und weshalb KI in der Compliance zunehmend unverzichtbar wird:

„Neue Vorschriften haben den Bedarf an effizienter regulatorischer Compliance erhöht. Dies hat Banken dazu veranlasst, Prozesse zu automatisieren und neue Analysewerkzeuge einzusetzen, die auch künstliche Intelligenz und Machine Learning umfassen können. Finanzinstitute suchen nach kosteneffizienten Möglichkeiten, regulatorische Anforderungen zu erfüllen, beispielsweise Aufsichtsvorschriften, Datenmeldepflichten, Best-Execution-Regeln sowie Vorschriften zur Bekämpfung von Geldwäsche und Terrorismusfinanzierung.“ ³

Seitdem haben das zunehmende Volumen und die steigende Geschwindigkeit digitaler Transaktionen, die Zunahme von Finanzkriminalität und strengere Vorschriften die Verwaltung von Compliance-Funktionen weiter erschwert. Da sich regulatorische Anforderungen von checklistenbasierten Verfahren hin zu kontinuierlicher Compliance entwickeln, wird es ohne fortschrittliche KI-basierte Technologien nahezu unmöglich, sämtliche Verpflichtungen zu erfüllen.

Why AI is essential for combating financial crime and managing risk?

• Data Integrity & Insights

Daten bilden die Grundlage jedes Compliance-Programms – sei es bei der Überwachung von Kundenprofilen, der Verfolgung regulatorischer Änderungen oder dem Zugriff auf Echtzeitinformationen zur Verhinderung illegaler Transaktionen. Ohne KI ist es nicht mehr praktikabel, eine integrierte und präzise Datenquelle aufzubauen und kontinuierlich zu aktualisieren oder große Mengen unstrukturierter Daten nach relevanten Risiken zu durchsuchen.

• Continuous Monitoring

Regulatorische Anforderungen sehen inzwischen eine fortlaufende Überwachung von Transaktionen und Sanktionslisten vor, um Geldwäsche- und Betrugsrisiken zu reduzieren. Dies ist bereits eine erhebliche Herausforderung. Kleinste Anomalien zu erkennen und in Echtzeit anhand sich verändernder Risikoprofile zu bewerten, ist ohne KI nahezu unmöglich. Während Finanzvorschriften eine Überwachung rund um die Uhr verlangen, untersagen arbeitsrechtliche Vorgaben in einigen Rechtsordnungen – etwa das deutsche Arbeitszeitgesetz – bestimmte Arbeiten an Wochenenden. KI kann dazu beitragen, diese operative Compliance-Lücke zu schließen.

• Intelligent Automation

Von wiederholtem Ausfüllen von Formularen bis hin zu regelmäßigen regulatorischen Berichten verbringen Compliance-Verantwortliche häufig einen erheblichen Teil ihrer Zeit mit Aufgaben mit geringem Mehrwert. Dadurch bleibt weniger Zeit für komplexe Untersuchungen. Robotic Process Automation (RPA) kann solche Aufgaben effizient übernehmen und Compliance-Teams ermöglichen, sich auf risikoreiche Fälle und strategische Initiativen zu konzentrieren.

• Link Analysis

Die manuelle Identifizierung wirtschaftlich Berechtigter ist kaum erfolgversprechend, während Kriminelle fortschrittliche Technologien einsetzen, um Finanzströme und Eigentumsverhältnisse zu verschleiern. Ohne KI verschwenden Compliance-Teams wertvolle Ressourcen mit der Erfassung, Analyse und Kontextualisierung komplexer Beteiligungsstrukturen. KI-gestützte Link Analysis ermöglicht eine schnellere und präzisere Erkennung wirtschaftlich Berechtigter.

• Risk Profiles

Echtzeit-Compliance erfordert dynamische Risikobewertungen sowie die Fähigkeit, bei Veränderungen von Risikoprofilen automatische Perpetual-KYC-Aktualisierungen auszulösen. Dabei handelt es sich um datenintensive Prozesse mit hohem Volumen, die KI unmittelbar verarbeiten kann. Eine manuelle Bearbeitung würde dagegen unverhältnismäßig viele personelle Ressourcen binden. KI optimiert die Compliance-Kosten und verbessert gleichzeitig die Genauigkeit.

• Cost of Compliance

Steigende Compliance-Kosten entstehen durch Zeitverluste, ineffiziente Prozesse und menschliche Fehler. Das größere Risiko besteht jedoch darin, dass manuelle und zahlenintensive Compliance-Verfahren zu kritischen Versäumnissen, regulatorischen Sanktionen und Reputationsschäden führen können.

• Business Intelligence

Es reicht nicht mehr aus, lediglich auf bestehende Risiken zu reagieren. Compliance-Teams müssen neu entstehende Bedrohungen frühzeitig erkennen und präventive Maßnahmen einleiten. Ohne Machine Learning sind prädiktive Analysen und Regressionsanalysen ineffizient und weniger wirksam. KI fungiert daher als Business-Intelligence-Instrument und liefert Erkenntnisse für strategische Entscheidungen und eine stärkere Wettbewerbsfähigkeit.

The Risks of AI in Regulatory Compliance and How to Overcome Them  

Mit der zunehmenden Einführung von KI in der Compliance entstehen auch erhebliche Risiken und komplexe Herausforderungen, die sorgfältig gesteuert werden müssen. Finanzinstitute, die KI einsetzen, müssen diese Risiken berücksichtigen und mit Partnern zusammenarbeiten, deren Lösungen gezielt auf ihre Reduzierung ausgerichtet sind.

Da KI große Datenmengen benötigt, sind Datenschutz und Datensicherheit von entscheidender Bedeutung. Vorschriften wie die Datenschutz-Grundverordnung und der EU AI Act stellen strenge Anforderungen an den Schutz sensibler Informationen.Machine-Learning-Algorithmen benötigen zudem umfangreiche Datensätze. Verzerrte oder unausgewogene Daten können jedoch zu diskriminierenden Ergebnissen führen. Trotz ihrer Fortschritte sollte KI nicht vollständig autonom arbeiten – insbesondere dann nicht, wenn Fehler in Algorithmen oder Prognosen schwerwiegende Konsequenzen verursachen können. Vielen KI-Systemen fehlen weiterhin die notwendige Robustheit, Transparenz und Erklärbarkeit, um den Aufwand für Nutzer zu reduzieren und Vertrauen aufzubauen.

Obwohl KI in der regulatorischen Compliance zunehmend eingesetzt wird, sind nicht alle Lösungen gleich leistungsfähig. Ein bekanntes Problem besteht darin, dass KI-basierte Compliance-Software teilweise mehr falsch-positive Treffer erzeugt und dadurch zusätzlichen Arbeitsaufwand verursacht, anstatt die Effizienz zu steigern.

Die besten KI-basierten Lösungen begegnen diesen Herausforderungen mit robusten, transparenten und erklärbaren Systemen. Sie verfolgen einen hybriden Ansatz, bei dem menschliche Nutzer weiterhin in die Entscheidungsprozesse eingebunden bleiben, und legen mit benutzerfreundlichen No-Code-Oberflächen besonderen Wert auf eine einfache Bedienung.

Siron^®One: A Unique Hybrid Approach, Combining the Best of AI and Rules

Die Siron^®One Plattform von IMTF vereint die Stärken beider Welten: eine leistungsfähige regelbasierte Engine und modernste KI-Technologien. Dadurch erzeugt sie besonders präzise und zuverlässige Warnmeldungen. Mit diesem hybrid approach, erhöht Siron®One die Treffergenauigkeit und reduziert falsch-positive Ergebnisse um bis zu 90 Prozent.

Anders als KI-Lösungen, die lediglich als Zusatzmodule eingesetzt werden, ist künstliche Intelligenz in Siron®One vollständig in die täglichen Compliance-Prozesse integriert. Sie unterstützt Teams nahtlos bei der Bearbeitung von Warnmeldungen, der Erkennung von Risiken und dem Treffen fundierter Entscheidungen. „human-in-the-loop“ geht dabei über reine Automatisierung hinaus: Compliance-Teams behalten die Kontrolle und können zugleich effizienter und wirksamer arbeiten.

Über die Technologie hinaus begleitet IMTF Unternehmen während ihrer gesamten Compliance-Transformation. Das umfassende Leistungsangebot reicht von Beratung und Lösungsimplementierung über Anwenderschulungen bis hin zu einem rund um die Uhr verfügbaren Kundensupport. Dadurch können Kunden die Funktionen der Plattform vollständig ausschöpfen und den Nutzen ihrer Compliance-Investitionen maximieren.

Learn more about the Siron^®One Platform, and if you’d like to see it in action, contact us!

Sources:

1. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai 
2. https://market.us/report/ai-in-regtech-market/ 
3. https://www.fsb.org/uploads/P14112024.pdf 
4. https://www2.deloitte.com/us/en/insights/industry/public-sector/future-of-regulation/regulating-emerging-technology.html/#figure-5
5. https://www.bankingsupervision.europa.eu/press/interviews/date/2024/html/ssm.in240226~c6f7fc9251.en.html