211service.com
Die Pandemie hat die Art und Weise verändert, wie Kriminelle ihr Geld verstecken – und KI-Tools versuchen, es aufzuspüren
Frau Technik | Getty
Als die Volkswirtschaften auf der ganzen Welt Anfang dieses Jahres geschlossen wurden, war dies nicht nur der Fall Unternehmer und Verbraucher der sich anpassen musste. Kriminelle hatten plötzlich ein Problem. Wie bewegt man sein Geld?
Gewinne aus der organisierten Kriminalität werden in der Regel durch legitime Unternehmen weitergegeben, wobei sie oft mehrmals die Hand wechseln und Grenzen überschreiten, bis es keine eindeutige Spur zurück zu ihrer Quelle gibt – ein Prozess, der als Geldwäsche bekannt ist.
Aber da viele Unternehmen geschlossen wurden oder geringere Einnahmequellen als üblich hatten, wurde es schwieriger, Geld vor aller Augen zu verbergen, indem man alltägliche Finanzaktivitäten nachahmte. Das Geld kommt immer noch herein, aber man kann es nirgendwo hinstellen, sagt Isabella Chase, die bei RUSI, einer in Großbritannien ansässigen Denkfabrik für Verteidigung und Sicherheit, an Finanzkriminalität arbeitet.
Die Pandemie hat kriminelle Banden gezwungen, neue Wege zu finden, um Geld zu bewegen. Dies hat wiederum den Einsatz für Anti-Geldwäsche (AML)-Teams erhöht, die damit beauftragt sind, verdächtige Finanztransaktionen aufzudecken und sie bis zu ihrer Quelle zurückzuverfolgen.
Der Schlüssel zu ihren Strategien sind neue KI-Tools. Während einige größere, ältere Finanzinstitute ihre regelbasierten Legacy-Systeme langsamer angepasst haben, nutzen kleinere, neuere Firmen maschinelles Lernen, um nach anomalen Aktivitäten Ausschau zu halten, was auch immer diese sein mögen.
Das genaue Ausmaß des Problems ist schwer einzuschätzen. Aber laut dem Büro der Vereinten Nationen für Drogen- und Verbrechensbekämpfung sind es zwischen 2 % und 5 % des globalen BIP – nach derzeitigen Zahlen zwischen 800 Milliarden und 2 Billionen US-Dollar jedes Jahr gewaschen . Die meisten bleiben unentdeckt. Schätzungen gehen davon aus, dass nur etwa 1 % der von Kriminellen erzielten Gewinne beschlagnahmt werden.
Und das war vor Covid-19. Betrug ist auf dem Vormarsch, da die Befürchtungen rund um Covid-19 einen lukrativen Markt für gefälschte Schutzausrüstung oder Medikamente schaffen. Mehr Menschen, die Zeit online verbringen, schaffen auch einen größeren Pool für Phishing-Angriffe und andere Betrügereien. Und natürlich werden immer noch Drogen gekauft und verkauft.
Lockdown machte es schwieriger, die Erlöse zu verbergen – zumindest am Anfang. Das Problem für Kriminelle besteht darin, dass viele der besten Unternehmen für die Geldwäsche auch diejenigen waren, die am stärksten von der Pandemie betroffen waren. Kleine Geschäfte, Restaurants, Bars und Clubs werden bevorzugt, weil sie bargeldlastig sind, was es einfacher macht, unrechtmäßig erworbene Gewinne mit legalem Einkommen zu verwechseln.
Da die Bankfilialen geschlossen waren, war es schwieriger, große Bargeldeinlagen zu tätigen. Banküberweisungsdienste wie Western Union – die es normalerweise jedem erlauben, von der Straße hereinzukommen und Geld ins Ausland zu schicken – schließen ihre Räumlichkeiten ebenfalls.
Aber Kriminelle sind nichts, wenn nicht opportunistisch. Als die normalen Kanäle für Geldwäsche geschlossen wurden, öffneten sich neue. Dank staatlicher Rettungsaktionen fließen wieder riesige Geldsummen in kleine Unternehmen. Dies schafft eine Flut von Finanzaktivitäten, die Geldwäsche decken.
Die Regeln brechen
Das Ergebnis ist, dass mehr Anforderungen an die AML-Technologie gestellt werden. Ältere Systeme verlassen sich auf handgefertigte Regeln, wie z. B. dass Transaktionen über einem bestimmten Betrag einen Alarm auslösen sollten. Aber diese Regeln führen zu vielen falschen Flaggen und echte kriminelle Transaktionen gehen im Lärm unter. In jüngerer Zeit versuchen auf maschinellem Lernen basierende Ansätze, Muster normaler Aktivität zu identifizieren und Flags nur dann zu hissen, wenn Ausreißer erkannt werden. Diese werden dann von Menschen bewertet, die die Warnung ablehnen oder genehmigen.
Dieses Feedback kann verwendet werden, um das KI-Modell so zu optimieren, dass es sich im Laufe der Zeit anpasst. Einige Unternehmen, darunter Featurespace, ein in den USA und Großbritannien ansässiges Unternehmen, das maschinelles Lernen zur Erkennung verdächtiger Finanzaktivitäten einsetzt, und Napier, ein weiteres Unternehmen, das maschinelle Lerntools für AML entwickelt, entwickeln hybride Ansätze, bei denen korrekte Warnungen von einer KI generiert werden können in neue Regeln umgewandelt werden, die das Gesamtmodell prägen.
Die schnellen Verhaltensänderungen der letzten Monate haben die Vorteile anpassungsfähigerer Systeme deutlich gemacht. Finanzaufsichtsbehörden auf der ganzen Welt haben neue Leitlinien dazu veröffentlicht, auf welche Art von Aktivitäten AML-Teams achten sollten, aber für viele war es zu spät, sagt Araliya Sammé, Leiterin der Abteilung Finanzkriminalität bei Featurespace. Wenn so etwas wie Covid passiert, wo sich die Zahlungsmuster aller plötzlich ändern, haben Sie keine Zeit, neue Regeln einzuführen.
Sie brauchen eine Technologie, die es erfassen kann, während es passiert, sagt sie: Andernfalls ist das Geld weg, bis Sie etwas entdeckt und die Leute alarmiert haben, die es wissen müssen.
Für Dave Burns, Chief Revenue Officer von Napier, sorgte Covid-19 dafür, dass lang schwelende Probleme überkochten. Diese Pandemie war in vielerlei Hinsicht der Wendepunkt, sagt er. Es ist ein bisschen wie ein Weckruf, dass wir wirklich anders denken müssen. Und, fügt er hinzu, seien einige der größeren Akteure der Branche auf dem falschen Fuß erwischt worden.
Aber das bedeutet nicht einfach, die neueste Technologie zu übernehmen. Man könne nicht einfach KI um der KI willen machen, denn das würde Müll ausspucken, sagt Burns. Was benötigt wird, sagt er, ist ein maßgeschneiderter Ansatz für jede Bank oder jeden Zahlungsanbieter.
Die AML-Technologie hat noch einen langen Weg vor sich. Die Pandemie habe Risse in bestehenden Systemen aufgedeckt, die die Menschen beunruhigen, sagt Burns. Und das bedeutet, dass sich die Dinge schneller ändern könnten, als sie wollten. Wir sehen eine größere Dringlichkeit, sagt er. Die traditionell sehr langwierige, bürokratische Entscheidungsfindung wird dramatisch beschleunigt.