Die rasante technologische Entwicklung im Bereich der Künstlichen Intelligenz verändert viele Branchen grundlegend – auch den Bankensektor. Die vorliegende Bachelorarbeit widmet sich der Frage, inwiefern Künstliche Intelligenz im Bereich der Compliance von Banken sinnvoll eingesetzt werden sollte. Dabei wird untersucht, wie KI-gestützte Systeme zur Einhaltung gesetzlicher Vorgaben und zur Bekämpfung von Wirtschaftskriminalität beitragen können. Darüber hinaus werden die damit verbundenen Herausforderungen und Risiken betrachtet und kritisch analysiert.
Das Bestreben dieser Arbeit ist es, ein umfassendes Bild der Möglichkeiten und Grenzen von KI in der Banken-Compliance aufzuzeigen und eine Empfehlung für Banken zum gegenwärtigen Zeitpunkt abzugeben. Im Rahmen dieser Forschung werden sowohl theoretische Grundlagen als auch praktische Anwendungsfälle aufgezeigt. Darüber hinaus wurde eine Primärdatenerhebung durchgeführt, bei der Bankmitarbeitende und Compliance-Verantwortliche im Rahmen einer Umfrage zu ihren Ansichten über den Einsatz von KI in der Compliance befragt wurden. Zusätzlich wurden namhafte Experten interviewt, darunter ein Bereichsleiter einer Schweizer Bank, die bereits KI-Implementierungen umgesetzt hat, ein Abteilungsleiter für Künstliche Intelligenz eines Unternehmens, das auf vielseitige und maßgeschneiderte Data Science & Software-Lösungen spezialisiert ist, sowie Finanzmarktanwälte, die sich auf Digitalisierungs- und Innovationsprojekte spezialisiert haben und mit ihrer Expertise Unternehmen dabei unterstützen, moderne und zukunftsorientierte Lösungen zu realisieren.
Die Ergebnisse dieser Forschung legen nahe, dass der Einsatz von Künstlicher Intelligenz zu empfehlen ist, jedoch unter der Voraussetzung, dass die KI für den Menschen arbeitet und die Funktion des Menschen unersetzlich bleibt. Die Mensch-Maschine-Kollaboration soll die Stärken und Schwächen der jeweils anderen Seite ausgleichen und gemeinsam zu hervorragenden Ergebnissen führen.
Diese Arbeit richtet sich an Compliance-Fachleute, an Studierende der Wirtschaftswissenschaften und an alle, die sich dafür interessieren, wie technologische Innovationen Bankprozesse in Zukunft gestalten können.
Inhaltsverzeichnis
1. Einleitung und Relevanz des Themas
1.1 Einleitung
1.2 Relevanz des Themas
1.3 Zielsetzung und Forschungsfrage
1.4 Aufbau der Arbeit
2. Theoretische Grundlagen
2.1 Definitionen
2.1.1 Definition Bankensektor
2.1.2 Definition Compliance
2.1.3 Definition Künstliche Intelligenz
2.2 Anwendungsbeispiele von Künstlicher Intelligenz in der Banken-Compliance
2.2.1 Anwendungsbeispiel eins: KI im Transaction Monitoring
2.2.2 Anwendungsbeispiel zwei: KI im Einsatz von KYC – Know Your Customer
2.2.3 Anwendungsbeispiel drei: KI in der Mitarbeiterschulung und Sensibilisierung
2.3 Vorteile und Nachteile durch den Einsatz von Künstlicher Intelligenz
2.4 Herausforderungen und Risiken
2.4.1 Interdisziplinäre Zusammenarbeit: Banken, Regulierungsbehörden und IT-Experten
2.4.2 Transparenz vs. Black Box
2.4.3 Haftung und Verantwortung
2.4.4 Datenschutz, Datenqualität und Datenverfügbarkeit
2.4.5 Gesellschaftliche und ethische Aspekte
2.4.6 Ressourcen: Technologische Infrastruktur, Humankapital und finanzielle Ressourcen
3. Methodik und Primärdatenerhebung
3.1 Forschungsdesign und Methodenwahl: Umfrage
3.1.1 Präsentation der Umfrageergebnisse
3.1.2 Interpretation der Umfrageergebnisse
3.2 Forschungsdesign und Methodenwahl: interdisziplinäre Interviews
3.2.1 Präsentation der Interviewergebnisse
3.2.2 Diskussion und Interpretation der Primärdaten
3.3 Zusammenfassung der wichtigsten Erkenntnisse
4. Schlussfolgerung und Empfehlung
4.1 Handlungsempfehlungen für Banken
4.2 Fazit und Ausblick
Zielsetzung & Themen
Diese Arbeit untersucht die sinnvolle Integration von Künstlicher Intelligenz in Compliance-Prozesse von Banken, um gesetzliche Vorgaben effizienter einzuhalten und Wirtschaftskriminalität präventiv zu bekämpfen, während gleichzeitig die spezifischen Herausforderungen und Risiken für den Bankensektor analysiert werden.
- Potenziale von KI zur Effizienzsteigerung in Compliance-Prozessen
- Analyse und kritische Betrachtung von Risiken wie Transparenz und Haftung
- Empfehlungen für die praktische Implementierung von KI-Systemen in Banken
- Untersuchung der Forschungsfrage durch Primärdaten (Umfrage & Experteninterviews)
Auszug aus dem Buch
2.2.1 Anwendungsbeispiel eins: KI im Transaction Monitoring
Um Geldwäsche vorzubeugen, sind die Banken dazu angehalten, alle Finanztransaktionen auf ihre Legitimität hinzuprüfen. Um dieser Vorgabe nachzugehen, werden Kunden und Transaktionen systematisch überwacht und bei einem Verdacht werden Meldungen an die dafür zuständigen Aufsichtsbehörden wie die Zentralstelle für Finanztransaktionsuntersuchungen (FIU) gemacht (Schott 2006, S. 13). Welche Informationen über welche Kundengruppen näher beleuchtet werden sollten, hat die FATF 1989 als Empfehlung ausgesprochen (United Nations Office on Drugs and Crime [UNODC], 2011). Die Integration in den legalen Wirtschaftskreislauf erfolgt durch ein Drei-Phasen-Modell: Einspeisung, Verschleierung und Integration (BaFin, 2021). Um diesen Missbrauch der Bankenbeziehung vorzubeugen, sind die Banken verpflichtet, das Verhalten ihrer Kunden mittels spezieller Programme auf mögliche Hinweise auf Geldwäsche zu überwachen. Transaktionen werden auf risikorelevante Faktoren wie Land, Kunde und Art der Transaktion überprüft. Dies erfolgt durch regelbasierte Systeme, die aufgrund ihrer starren vorprogrammierten Regeln eine Vielzahl verdächtiger Transaktionen herausfiltern (Stengel, 2023). Bevor eine Übermittlung von auffälligen Transaktionen an die Aufsichtsbehörde erfolgen kann, muss gemäß Art. 22 DSGVO eine Bewertung durch einen Mitarbeiter eingeholt werden, da eine Bewertung oder ein Profiling allein auf Basis einer automatisierten Datenverarbeitung nicht zulässig ist (Datenschutz-Grundverordnung-Gesetz [DSGVO], n. d.; Hösche, 2020).
Wird dieser Verdacht von einem Mitarbeiter bestätigt, dann erfolgt abschließend eine Verdachtsmeldung an die zuständige Finanzaufsichtsbehörde (FIU), die dann entscheidet, ob es zur Anzeige kommt (BaFin, 2024). Ziel ist es, den Output der Systeme so zu verändern, dass die tatsächlich verdächtigen Transaktionen herausgefiltert werden und möglichst wenige so genannte „False Positives" generiert werden (BaFin, 2021). False Positives sind Fälle, in denen ein System ein Risiko fälschlicherweise als vorhanden einstuft, obwohl es in Wirklichkeit nicht vorhanden ist.
Zusammenfassung der Kapitel
1. Einleitung und Relevanz des Themas: Diese Einleitung führt in die technologische Transformation des Bankensektors ein und definiert die zentrale Forschungsfrage bezüglich des KI-Einsatzes in Compliance-Prozessen.
2. Theoretische Grundlagen: In diesem Kapitel werden grundlegende Definitionen von Bankensektor, Compliance und KI erläutert sowie erste Anwendungsgebiete und Risiken identifiziert.
3. Methodik und Primärdatenerhebung: Dieses Kapitel erläutert das Forschungsdesign und präsentiert die durchgeführte Online-Umfrage sowie Experteninterviews zur Validierung der theoretischen Erkenntnisse.
4. Schlussfolgerung und Empfehlung: Das abschließende Kapitel fasst die Ergebnisse zusammen und gibt konkrete Handlungsempfehlungen für Banken beim Einsatz von KI.
Schlüsselwörter
Künstliche Intelligenz, Compliance, Bankensektor, Transaction Monitoring, KYC, Anti-Money Laundering, Risikomanagement, Digitalisierung, Datenschutz, Prozessoptimierung, Black Box, Finanzkriminalität, Automatisierung, Regulatorische Anforderungen, Mensch-Maschine-Kollaboration
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, inwiefern der Einsatz von Künstlicher Intelligenz in Compliance-Prozessen von Banken sinnvoll ist und welche Risiken dabei bestehen.
Was sind die zentralen Themenfelder?
Zu den zentralen Feldern gehören die Möglichkeiten zur Effizienzsteigerung bei Prozessen wie dem Transaction Monitoring und KYC, sowie die Analyse rechtlicher und ethischer Herausforderungen.
Was ist das primäre Ziel oder die Forschungsfrage?
Es soll beantwortet werden, ob Banken KI in der Compliance einsetzen sollten und welche Herausforderungen und Risiken man dabei berücksichtigen muss.
Welche wissenschaftliche Methode wird verwendet?
Die Forschung basiert auf einer Literaturrecherche, einer quantitativen Online-Umfrage unter Fachleuten sowie qualitativen Experteninterviews mit Branchenvertretern.
Was wird im Hauptteil behandelt?
Der Hauptteil analysiert theoretische Grundlagen, drei spezifische Anwendungsfälle (Transaction Monitoring, KYC, Mitarbeiterschulung) sowie die damit verbundenen Herausforderungen und Risiken.
Welche Schlüsselwörter charakterisieren die Arbeit?
Schlüsselbegriffe sind Künstliche Intelligenz, Compliance, Bankensektor, Transparenz (Black Box), Datenschutz, Risikomanagement und Prozessoptimierung.
Welchen Mehrwert bietet KI laut den Befragten bei KYC-Prozessen?
KI ermöglicht ein 360-Grad-Bild des Kunden, verbessert die Identitätsprüfung durch Automatisierung und reduziert die Fehlerquote bei der Risikoanalyse.
Wie gehen deutsche Banken laut dieser Studie mit dem KI-Einsatz in der Compliance um?
Es zeigt sich eine abwartende Haltung; viele Institute befinden sich noch in der Planungsphase oder nutzen KI vereinzelt, da Unsicherheiten bezüglich regulatorischer Anforderungen und Datenqualität bestehen.
Welche Rolle spielt der Mensch beim KI-Einsatz in Compliance-Prozessen?
Obwohl KI als wichtiges Assistenzsystem zur Vorarbeit dient, bleibt die menschliche Instanz für die finale Überprüfung, Plausibilisierung und Haftung unersetzlich.
- Arbeit zitieren
- Shala Askar (Autor:in), 2024, Der Einsatz von Künstlicher Intelligenz (KI) in Compliance-Prozessen im Bankensektor, München, GRIN Verlag, https://www.grin.com/document/1588156
