Leitfaden zur Geldwäschebekämpfung für Krypto-Firmen

6AMLD & FATF: Adverse Media Screening und seine Rolle

Unerwünschte Medien Artikel

Jedes Framework zur Bekämpfung von Geldwäsche bedarf mehrerer starker Säulen. Essenziell hierbei ist auch Adverse Media Screening – die dezidierte Prüfung auf negative Berichterstattung rund um potenzielle Kunden in diversen Online- und Offline-Kanälen. Sie ist ein wichtiges Instrument, könnten doch Geschäftstätigkeiten mit Personen, die ein dokumentiertes Risiko darstellen, schwerwiegende Reputationsfolgen nach sich ziehen. Denn wer – wenngleich ungewollt und indirekt – Aktivitäten wie Geldwäsche, Betrug oder Terrorismusfinanzierung unterstützt, dessen Ansehen gerät rasch in Mitleidenschaft. 

Dennoch bedarf die Bedeutung von Adverse Media Screening akuterer Klarheit am Markt: So gaben im Anti-Money Laundering Preparedness Survey Report von Deloitte aus dem Jahr 2020 nur 63 % der Befragten an, entsprechende Recherchen im Zusammenhang mit Kundenprofilen regelmäßig durchzuführen. Ein insgesamt zu niedriger Wert im Kontext, ist doch gerade für Finanzinstitute die nahtlose Umsetzung von regulatorischen Vorgaben von kritischer Bedeutung. 

Adverse Media Screening als starkes Risiko-Instrument

Adverse Media Screening soll sämtliche negative mediale Berichterstattung zu potenziellen Kunden oder Klienten kanalübergreifend erfassen. 

Im Speziellen gilt es mit entsprechendem Screening, zu prüfen, ob eine Person oder ein Unternehmen in Aktivitäten wie Geldwäsche, Finanzbetrug, Terrorismusfinanzierung oder organisierte Kriminalität verwickelt ist. 

Überprüft werden dabei alle Arten von Medieninhalten, von traditionellen Nachrichtenquellen über Blogs und Webartikel bis hin zu Online-Datenbanken. 

Regulatorische Vorgaben auf EU-Ebene

In der EU verpflichtet die 6. Geldwäscherichtlinie (6AMLD) die Unternehmen seit 3. Juni 2021 zu erweiterten Sorgfaltsprüfungen bei Hochrisikokunden. Dazu gehört explizit auch die Durchführung von Recherchen in offenen Quellen und auf negative Berichterstattung, laut Empfehlung der EU speziell auch mit automatisierten Screening-Technologien, um eine leichtere Einschätzung anhand konsistenter Parameter zu erlangen.

Die 6AMLD ersetzt die fünfte Fassung der Richtlinie und listet nun auch Cyber- und Umweltkriminalität als Straftaten im Zusammenhang mit Geldwäsche und Terrorismusfinanzierung. Ebenso wurde die strafrechtliche Verantwortung für Geldwäsche auf die Rolle sogenannter Ermöglicher ausgeweitet – Finanzinstitute, die ihren Verpflichtungen im Rahmen von für sie geltenden AML/KYC-Vorschriften nicht nachkommen. 

Umzusetzen ist die 6AMLD von allen EU-Mitgliedstaaten. Ihre Gesetzgebung im Hinblick auf Geldwäsche und Terrorismusfinanzierung (AML/CFT) muss ferner die Empfehlungen der zwischenstaatlichen Financial Action Task Force (FATF) berücksichtigen. 

In diesen Leitlinien ist vorgesehen, dass Prüfungen auf negative Berichterstattung als Teil einer erweiterten Sorgfaltspflicht durchzuführen sind. Ein Kunde, so die Empfehlungen weiter, der in den Nachrichten negative Erwähnung gefunden hat, könnte demzufolge ein höheres Risiko darstellen, das zusätzliche Vorsichtsmaßnahmen erfordert. Die Leitlinien erfassen die dabei relevanten Straftaten konkret. So zählen hierzu unter anderem Betrug, Fälschung, Piraterie, Schmuggel und Erpressung. 

Methodische Ansätze zur Kategorisierung von Adverse Media

Dass 6AMLD und FATF in diesem Themenkomplex supranational im Gleichschritt voran bewegt werden, zeigt, wie wichtig die Erarbeitung der richtigen Methodik bei der Kategorisierung von Adverse Media für Finanzinstitute ist.

Denn ohne sie wird gerade auch sehr relevante negative Berichterstattung nicht zuverlässig erfasst. Dies kann Finanzinstitute in der Folge auch für die Straftaten ihrer Kunden haftbar machen – insbesondere dann, wenn sie bereits zuvor mit aufsichtsrechtlichen Sanktionen oder Ermittlungen rund um Geldwäsche, Terrorismusfinanzierung oder andere einschlägige Aktivitäten konfrontiert waren. 

Allgemeine Kategorisierung 

Eine Kategorisierung auf allgemeine Nachrichtenthemen wird dem spezifischen risikobasierten Bezug für AML/CFT nicht gerecht. Dies kann in der Konsequenz einer unzureichenden Erfüllung der Anforderungen der 6AMLD und der FATF gleichkommen, da bei der Auswahl der Kategorien die Risiken nicht adäquat reflektiert sind.

Dies erhöht die Wahrscheinlichkeit, dass wichtige Hinweise zu verdächtigen Aktivitäten oder Informationen über bestimmte Straftaten übersehen werden, und setzt das prüfungsverpflichtete Unternehmen zusätzlichen Risiken aus. 

Bei einer allgemeinen Nachrichtenkategorisierung kommen in der Regel Tools zum Einsatz, die für Medien-Screening in Zusammenhänge ohne Compliance-Auflagen vorgesehen sind. Diesen Tools mangelt es nicht nur an einer angemessenen Kategorisierung. Vielmehr machen sie das Screening auch unnötig ineffizient, da sie große Mengen einzelner Nachrichtenartikel und keine klaren Profile von Personen und Unternehmen liefern.

Keyword-gesteuerte Kategorisierung

Ein weiterer gängiger Ansatz besteht darin, negative Medien auf der Grundlage mehrerer Schlüsselbegriffe zu kategorisieren, diese also in eine Suchmaschine einzugeben und zu sehen, was sie ausgibt. 

Leider handelt es sich dabei um eine wenig präzise Herangehensweise, deren Wirksamkeit angesichts der dynamischen Funktionsweise von Suchmaschinen zudem zusätzlich verwässert wird. Um hier wirklich ein durch die Bank effektives Ergebnis zu erzielen, müssten alle Variationen und Synonyme eines gesuchten Begriffs mit einbezogen werden, wie etwa: Betrug, betrügerisch, Betrüger, Betrügerei etc. Weiter muss auch die Nutzung von modifizierenden Elementen wie „und“ und „oder“ sorgfältig abgewogen werden, da auch sie das Suchergebnis beeinflussen können, sowie Einschränkungen infolge von Suchen, die nur in einer bestimmten Sprache durchgeführt werden.

Selbst eine gründlich konzipierte Auswahl an Keywords resultiert in einer wahren Ergebniswucht, die mehr überlädt als informiert. Und paradoxerweise kratzt auch sie oft gerade einmal bestenfalls an der Oberfläche dessen, da viele Ergebnisse falsch positiv und somit irrelevant sind oder ganz ausgelassen werden, weil sie nicht in den aktuell indizierten Webinhalten enthalten sind. 

Das Durchforsten dieser Ergebnisse vergeudet obendrein auch wertvolle Zeit von Analysten, die an anderer Stelle gewinnbringender eingesetzt werden könnte. 

Automatisierte Kategorisierung durch maschinelles Lernen

Manuelles Screening auf negative Berichterstattung gestaltet sich zeitaufwendig und ineffektiv. Allzu leicht werden wichtige, relevante Informationen übersehen und gesetzliche Anforderungen angesichts begrenzter Möglichkeiten entgegen allen Absichten nicht erfüllt. 

Signifikant verbessern können den Screening-Prozess hingegen automatisierte Systeme. Sie basieren auf künstlicher Intelligenz (KI) und maschinellem Lernen (ML) – Technologien, die inzwischen eine beeindruckende Marktreife erreicht haben und sich zudem immer noch rasant weiterentwickeln. So automatisiertes Screening hilft Finanzinstituten enorm bei der konsistenten und gründlichen Prüfung potenzieller Kunden und entsprechender Risikominderung, dies zudem bei substanzieller Zeit- und Kostenersparnis. Maschinelle Sprachverarbeitung filtert irrelevante Nachrichten und identifiziert Ergebnisse, die eine zusätzliche Humanprüfung erfordern. 

Eine Konfiguration ist sowohl für detailtiefe Suchvorgänge als auch für Monitoring im Tagesgeschäft von bestehenden wie auch potenziellen Kunden möglich. Alle Informationen werden automatisch nach Kontext kategorisiert, um stets relevante Warnmeldungen mit zielführendem Timing zu gewährleisten. 

In die Technologie von ComplyAdvantage sind zudem die FATF-Leitlinien als Teil unserer eigenen Kategorisierungstaxonomie eingeflossen. Eine derartige ML-gestützte Kategorisierung macht aus Ihrem Adverse Media Screening ein konsistentes, effizientes Framework, das Ihre Risikoexposition erheblich einzuschränken weiß. 

Jedes Framework zur Bekämpfung von Geldwäsche bedarf mehrerer starker Säulen. Essenziell hierbei ist auch Adverse Media Screening – die dezidierte Prüfung auf negative Berichterstattung rund um potenzielle Kunden in diversen Online- und Offline-Kanälen. Sie ist ein wichtiges Instrument, könnten doch Geschäftstätigkeiten mit Personen, die ein dokumentiertes Risiko darstellen, schwerwiegende Reputationsfolgen nach sich ziehen. Denn wer – wenngleich ungewollt und indirekt – Aktivitäten wie Geldwäsche, Betrug oder Terrorismusfinanzierung unterstützt, dessen Ansehen gerät rasch in Mitleidenschaft.  Dennoch bedarf die Bedeutung von Adverse Media Screening akuterer Klarheit am Markt: So gaben im Anti-Money Laundering Preparedness Survey Report von Deloitte aus dem Jahr 2020 nur 63 % der Befragten an, entsprechende Recherchen im Zusammenhang mit Kundenprofilen regelmäßig durchzuführen. Ein insgesamt zu niedriger Wert im Kontext, ist doch gerade für Finanzinstitute die nahtlose Umsetzung von regulatorischen Vorgaben von kritischer Bedeutung. 

Adverse Media Screening als starkes Risiko-Instrument

Adverse Media Screening soll sämtliche negative mediale Berichterstattung zu potenziellen Kunden oder Klienten kanalübergreifend erfassen.  Im Speziellen gilt es mit entsprechendem Screening, zu prüfen, ob eine Person oder ein Unternehmen in Aktivitäten wie Geldwäsche, Finanzbetrug, Terrorismusfinanzierung oder organisierte Kriminalität verwickelt ist.  Überprüft werden dabei alle Arten von Medieninhalten, von traditionellen Nachrichtenquellen über Blogs und Webartikel bis hin zu Online-Datenbanken. 

Regulatorische Vorgaben auf EU-Ebene

In der EU verpflichtet die 6. Geldwäscherichtlinie (6AMLD) die Unternehmen seit 3. Juni 2021 zu erweiterten Sorgfaltsprüfungen bei Hochrisikokunden. Dazu gehört explizit auch die Durchführung von Recherchen in offenen Quellen und auf negative Berichterstattung, laut Empfehlung der EU speziell auch mit automatisierten Screening-Technologien, um eine leichtere Einschätzung anhand konsistenter Parameter zu erlangen. Die 6AMLD ersetzt die fünfte Fassung der Richtlinie und listet nun auch Cyber- und Umweltkriminalität als Straftaten im Zusammenhang mit Geldwäsche und Terrorismusfinanzierung. Ebenso wurde die strafrechtliche Verantwortung für Geldwäsche auf die Rolle sogenannter Ermöglicher ausgeweitet – Finanzinstitute, die ihren Verpflichtungen im Rahmen von für sie geltenden AML/KYC-Vorschriften nicht nachkommen.  Umzusetzen ist die 6AMLD von allen EU-Mitgliedstaaten. Ihre Gesetzgebung im Hinblick auf Geldwäsche und Terrorismusfinanzierung (AML/CFT) muss ferner die Empfehlungen der zwischenstaatlichen Financial Action Task Force (FATF) berücksichtigen.  In diesen Leitlinien ist vorgesehen, dass Prüfungen auf negative Berichterstattung als Teil einer erweiterten Sorgfaltspflicht durchzuführen sind. Ein Kunde, so die Empfehlungen weiter, der in den Nachrichten negative Erwähnung gefunden hat, könnte demzufolge ein höheres Risiko darstellen, das zusätzliche Vorsichtsmaßnahmen erfordert. Die Leitlinien erfassen die dabei relevanten Straftaten konkret. So zählen hierzu unter anderem Betrug, Fälschung, Piraterie, Schmuggel und Erpressung. 

Methodische Ansätze zur Kategorisierung von Adverse Media

Dass 6AMLD und FATF in diesem Themenkomplex supranational im Gleichschritt voran bewegt werden, zeigt, wie wichtig die Erarbeitung der richtigen Methodik bei der Kategorisierung von Adverse Media für Finanzinstitute ist. Denn ohne sie wird gerade auch sehr relevante negative Berichterstattung nicht zuverlässig erfasst. Dies kann Finanzinstitute in der Folge auch für die Straftaten ihrer Kunden haftbar machen – insbesondere dann, wenn sie bereits zuvor mit aufsichtsrechtlichen Sanktionen oder Ermittlungen rund um Geldwäsche, Terrorismusfinanzierung oder andere einschlägige Aktivitäten konfrontiert waren. 

Allgemeine Kategorisierung 

Eine Kategorisierung auf allgemeine Nachrichtenthemen wird dem spezifischen risikobasierten Bezug für AML/CFT nicht gerecht. Dies kann in der Konsequenz einer unzureichenden Erfüllung der Anforderungen der 6AMLD und der FATF gleichkommen, da bei der Auswahl der Kategorien die Risiken nicht adäquat reflektiert sind. Dies erhöht die Wahrscheinlichkeit, dass wichtige Hinweise zu verdächtigen Aktivitäten oder Informationen über bestimmte Straftaten übersehen werden, und setzt das prüfungsverpflichtete Unternehmen zusätzlichen Risiken aus.  Bei einer allgemeinen Nachrichtenkategorisierung kommen in der Regel Tools zum Einsatz, die für Medien-Screening in Zusammenhänge ohne Compliance-Auflagen vorgesehen sind. Diesen Tools mangelt es nicht nur an einer angemessenen Kategorisierung. Vielmehr machen sie das Screening auch unnötig ineffizient, da sie große Mengen einzelner Nachrichtenartikel und keine klaren Profile von Personen und Unternehmen liefern.

Keyword-gesteuerte Kategorisierung

Ein weiterer gängiger Ansatz besteht darin, negative Medien auf der Grundlage mehrerer Schlüsselbegriffe zu kategorisieren, diese also in eine Suchmaschine einzugeben und zu sehen, was sie ausgibt.  Leider handelt es sich dabei um eine wenig präzise Herangehensweise, deren Wirksamkeit angesichts der dynamischen Funktionsweise von Suchmaschinen zudem zusätzlich verwässert wird. Um hier wirklich ein durch die Bank effektives Ergebnis zu erzielen, müssten alle Variationen und Synonyme eines gesuchten Begriffs mit einbezogen werden, wie etwa: Betrug, betrügerisch, Betrüger, Betrügerei etc. Weiter muss auch die Nutzung von modifizierenden Elementen wie „und“ und „oder“ sorgfältig abgewogen werden, da auch sie das Suchergebnis beeinflussen können, sowie Einschränkungen infolge von Suchen, die nur in einer bestimmten Sprache durchgeführt werden. Selbst eine gründlich konzipierte Auswahl an Keywords resultiert in einer wahren Ergebniswucht, die mehr überlädt als informiert. Und paradoxerweise kratzt auch sie oft gerade einmal bestenfalls an der Oberfläche dessen, da viele Ergebnisse falsch positiv und somit irrelevant sind oder ganz ausgelassen werden, weil sie nicht in den aktuell indizierten Webinhalten enthalten sind.  Das Durchforsten dieser Ergebnisse vergeudet obendrein auch wertvolle Zeit von Analysten, die an anderer Stelle gewinnbringender eingesetzt werden könnte. 

Automatisierte Kategorisierung durch maschinelles Lernen

Manuelles Screening auf negative Berichterstattung gestaltet sich zeitaufwendig und ineffektiv. Allzu leicht werden wichtige, relevante Informationen übersehen und gesetzliche Anforderungen angesichts begrenzter Möglichkeiten entgegen allen Absichten nicht erfüllt.  Signifikant verbessern können den Screening-Prozess hingegen automatisierte Systeme. Sie basieren auf künstlicher Intelligenz (KI) und maschinellem Lernen (ML) – Technologien, die inzwischen eine beeindruckende Marktreife erreicht haben und sich zudem immer noch rasant weiterentwickeln. So automatisiertes Screening hilft Finanzinstituten enorm bei der konsistenten und gründlichen Prüfung potenzieller Kunden und entsprechender Risikominderung, dies zudem bei substanzieller Zeit- und Kostenersparnis. Maschinelle Sprachverarbeitung filtert irrelevante Nachrichten und identifiziert Ergebnisse, die eine zusätzliche Humanprüfung erfordern.  Eine Konfiguration ist sowohl für detailtiefe Suchvorgänge als auch für Monitoring im Tagesgeschäft von bestehenden wie auch potenziellen Kunden möglich. Alle Informationen werden automatisch nach Kontext kategorisiert, um stets relevante Warnmeldungen mit zielführendem Timing zu gewährleisten.  In die Technologie von ComplyAdvantage sind zudem die FATF-Leitlinien als Teil unserer eigenen Kategorisierungstaxonomie eingeflossen. Eine derartige ML-gestützte Kategorisierung macht aus Ihrem Adverse Media Screening ein konsistentes, effizientes Framework, das Ihre Risikoexposition erheblich einzuschränken weiß. 

Ursprünglich veröffentlicht März 23, 2022, aktualisiert amAugust 24, 2022

Disclaimer: This is for general information only. The information presented does not constitute legal advice. ComplyAdvantage accepts no responsibility for any information contained herein and disclaims and excludes any liability in respect of the contents or for action taken based on this information.

Copyright © 2022 IVXS UK Limited (trading as ComplyAdvantage).