Europas Compliance-Vorsprung: Warum Banken KI-Screening als Wettbewerbsvorteil begreifen

Teil 1 unserer Reihe zu Regulierung & Compliance im Banking. Während unser Beitrag zu KI-Personalisierung, EU AI Act, DSGVO und MaRisk die Regeln für personalisierte Entscheidungen einordnet und „Data is the Key for AI“ die Datenbasis beleuchtet, geht es hier um AML-, Fraud- und Sanktions-Screening als operativen Wettbewerbsfaktor. Für Banken entsteht der Vorsprung nicht durch weniger Kontrolle, sondern durch weniger Reibung bei gleichbleibender Kontrolltiefe.

Autor: acceleraid Redaktion

Europas Ausgangslage: hoher Druck, klare Investitionsrichtung

Compliance wird oft als unvermeidlicher Kostenblock behandelt. Das greift zu kurz. Sie entscheidet im Zahlungsverkehr über Geschwindigkeit, im Onboarding über eine belastbare Kundenbeziehung und im laufenden Betrieb über die Kapazität von Fachkräften. Wo Screening-Entscheidungen nachvollziehbar, schnell und konsistent sind, sinkt nicht der Anspruch an Kontrolle – es sinkt die unnötige Arbeit rund um unklare Treffer.

Die Ausgangslage ist in Europa besonders deutlich. Im Moody’s-Whitepaper „The European Edge“ nannten 66 % der europäischen Banken steigenden Betrug und stärkere Sanktionsdurchsetzung als Herausforderung; in den USA waren es 44 % und im asiatisch-pazifischen Raum 54 %. Diese 66 % sind ausdrücklich ein Challenge-Wert, kein Investitionstreiber. Die Studie basiert auf einer Befragung von 348 Senior Decision-Makern im Februar und März 2026 sowie 20 Führungskräfteinterviews.

Die Investitionsentscheidungen zeigt Moody’s getrennt: 60 % der europäischen Risk-Verantwortlichen richten Investitionen auf Betrug und Finanzkriminalität, und 69 % der europäischen Compliance-Verantwortlichen investieren in Financial-Crime-Compliance. Diese Trennung ist wichtig für die Steuerung: Eine wahrgenommene Bedrohung erklärt den Handlungsdruck; ein Zielbild für Daten, Prozesse und Verantwortlichkeiten bestimmt, ob daraus eine wirksame Fähigkeit wird.

Regulierung verschiebt den Takt des Screenings

Der europäische Rahmen macht aus der Prozessqualität ein Führungs- und Architekturthema. Die Anti-Money-Laundering Authority hat ihren Sitz in Frankfurt; nach ihrem eigenen Zeitplan nahm sie im Sommer 2025 den Betrieb auf, soll 2027 die 40 direkt beaufsichtigten Verpflichteten auswählen und 2028 die direkte Aufsicht beginnen (AMLA). Parallel gilt die Geldwäscheverordnung AMLR ab 10. Juli 2027, mit einer abweichenden Frist für bestimmte Verpflichtete.

Besonders konkret wird die neue Prozesslogik bei Instant Payments. Die Verordnung verlangt von Zahlungsdienstleistern, ihre Kunden nach neuen oder geänderten gezielten Finanzsanktionen unverzüglich und mindestens einmal pro Kalendertag zu prüfen. Zugleich untersagt sie im betreffenden Kontext das transaktionsbezogene Sanktions-Screening während der Ausführung; die Vorgaben galten ab 9. Januar 2025. Das ist kein Detail der Ablaufplanung. Es verschiebt die Kontrolle von einem potenziell verzögernden Moment in der Transaktion zu einer verlässlichen, wiederholbaren Kundenprüfung.

Der Gesetzgeber begründet diese Änderung ausdrücklich mit einer sehr hohen Zahl markierter Überweisungen, deren große Mehrheit nach Prüfung keine sanktionierte Person oder Einheit betrifft. Bei Instant Payments wäre eine vollständige Prüfung innerhalb der kurzen Ausführungsfrist nicht leistbar (EUR-Lex, Erwägungsgrund 25). Die strategische Frage lautet daher nicht: Wie wird ein zusätzlicher Check eingebaut? Sie lautet: Wie wird die Daten-, Matching- und Fallbearbeitungslogik so verlässlich, dass Geschwindigkeit und Kontrolle zusammengehen?

Das False-Positive-Problem ist eine Priorisierungsfrage

Screening-Systeme müssen beides leisten: relevante Namen erkennen und unkritische Fälle nicht unnötig in die Untersuchung geben. Das Spannungsfeld ist real. Eine peer-reviewte Studie berichtet, dass sich über 90 % der Alerts in aktuellen Sanktions-Screening-Programmen als False Positives erweisen können. Ihr NLP-basiertes Fuzzy Matching erhöhte zwar die Sensitivität, senkte jedoch die Gesamtgenauigkeit – ein klarer Hinweis darauf, dass ein isolierter Kennwert kein ausreichendes Steuerungsinstrument ist.

Die Aufsicht liefert eine zweite, praxisnähere Perspektive. Die schwedische Finansinspektionen testete 19 aktive Banken mit 5.000 Namen aus UN- und EU-Sanktionslisten. Bei exakt geschriebenen Namen lagen die Trefferquoten im Kundenscreening bei 86,3 % und im Transaktionsscreening bei 96,1 %; für manipulierte Schreibweisen fielen sie auf 63,9 % beziehungsweise 88,4 % (Finansinspektionen, Analyse von Sanktions-Screening-Systemen). Das zeigt: Datenqualität, Namensvarianten und ein sauberer Review-Prozess gehören zusammen. Ein höherer Alert-Output ist nicht automatisch bessere Compliance.

Daraus folgt eine andere Steuerungslogik. Teams sollten nicht nur Treffer und Alerts berichten, sondern Fälle nach Risiko, Datenvollständigkeit, Bearbeitungsdauer und Ergebnis differenzieren. Die Fachseite muss entscheiden können, welche Schwellenwerte und Matching-Strategien dem Risikoappetit entsprechen. Die Daten- und Modellsicht muss zeigen können, warum ein Fall priorisiert wurde. Und die Operations-Seite braucht eine Warteschlange, die den knappen menschlichen Review auf die Fälle mit dem höchsten Klärungswert lenkt. KI kann dabei Muster erkennen, Falschpositive in Warteschlangen reduzieren und Entscheidungen vorbereiten; die Letztentscheidung verbleibt im Human-in-the-Loop-Prozess, wie Moody’s den Einsatz beschreibt.

Vom Kostenprogramm zum Vertrauens- und Geschwindigkeitsvorteil

Der wirtschaftliche Druck erklärt, warum diese Umstellung mehr als ein Compliance-Projekt ist. Laut LexisNexis lagen die Gesamtkosten der Financial-Crime-Compliance in EMEA bei 85 Mrd. US-Dollar. In derselben Erhebung berichteten 98 % der Institute steigende Kosten und 78 % höhere Screening-Alert-Volumina. Die Studie belegt keinen separaten Wert nur für Europa; sie ist deshalb als EMEA-Benchmark zu lesen.

Ein nachhaltiger Vorteil entsteht nicht durch die Behauptung, KI ersetze Compliance-Fachkräfte. Er entsteht durch ein besseres Betriebsmodell: weniger vermeidbare Eskalationen, klarere Gründe für die Fallpriorisierung, reproduzierbare Entscheidungen und eine schnellere Bearbeitung unkritischer Kundenvorgänge. Das verbessert die Kundenerfahrung nicht gegen Compliance, sondern durch bessere Compliance.

Ein praktikables Zielbild umfasst diese Bausteine:

Datenfundament festlegen: Stammdaten, Identitäten, Listenstände und Datenherkunft müssen versionierbar sowie für Prüfung und Rekonstruktion verfügbar sein.

Matching als Steuerungsregel behandeln: Schreibweisen, Aliase und Risikoschwellen sind fachliche Entscheidungen. Sie brauchen Tests, Freigaben und nachvollziehbare Änderungen.

Review intelligent priorisieren: Automatisierung sollte Evidenz bündeln und Fälle strukturieren, nicht eine nicht erklärbare Endentscheidung verstecken.

Wirkung messen: Neben Risikodeckung gehören Alert-Qualität, Durchlaufzeit, Override-Gründe und wiederkehrende Datenfehler in ein gemeinsames Steuerungsbild.

Diese Reihenfolge verhindert typische Fehlentwicklungen: den Kauf eines isolierten KI-Werkzeugs ohne belastbare Datenbasis und die Optimierung von Bearbeitungszeiten, ohne die Qualität der Fälle zu prüfen. Sie macht Compliance zugleich anschlussfähig an Operations, Risk, Data und Produktteams.

Datenarchitektur und KI-Unterstützung: die richtige Rolle der Plattform

Ein Sanktions-Screening-Tool ist etwas anderes als eine Customer-Data- oder Orchestrierungsplattform. Die Rollen sollten nicht vermischt werden. Für Banken bleibt jedoch dieselbe Grundlage entscheidend: konsistente Daten, dokumentierte Herkunft, wirksamer Schutz personenbezogener Informationen und überprüfbare Entscheidungslogik.

Hier kann Acceleraid die umgebende Daten- und Aktivierungsarchitektur unterstützen. Das Modul CDP & Data Governance konsolidiert Daten aus CRM, Core Banking und Kartenverarbeitung, verwaltet Consent, Lineage und PII-Schutz. Die Prediction Engine liefert erklärbare, auditierbare Scores; das Regulatory-Reporting-Modul unterstützt unter anderem MaRisk-Meldewesen sowie FINREP, COREP und AnaCredit (Acceleraid Platform). Keine dieser Funktionen ersetzt ein spezialisiertes Sanktions-Screening oder die fachliche Verantwortung der Compliance. Sie kann aber die Nachvollziehbarkeit und Datenqualität stärken, auf die ein belastbarer Screening-Prozess angewiesen ist.

Compliance als Fähigkeit zur schnellen, begründeten Entscheidung

Europas Vorsprung ist nicht automatisch gegeben. Die Moody’s-Zahlen zeigen einen höheren wahrgenommenen Druck, keine Garantie für bessere Ausführung. Banken, die das Thema als laufende Fähigkeit organisieren, können aus genau diesem Druck einen Vorteil machen: Sie prüfen kundenbezogen statt transaktionsverzögernd, sie konzentrieren Fachkapazität auf relevante Fälle und sie dokumentieren Entscheidungen so, dass sie erklärbar bleiben.

Das ist der Kern eines datengetriebenen Compliance-Modells: nicht weniger Kontrolle, sondern kontrollierbare Geschwindigkeit. Für die konkrete rechtliche Auslegung und die institutsspezifische Umsetzung sollten Banken ihre Compliance-, Rechts- und Risikofunktionen einbeziehen.

Illustration: KI-generiert. KI-gestützte Inhalte: Bei der Erstellung unserer Beiträge setzen wir KI-Technologien und automatisierte Agenten ein, unter anderem von Microsoft, Google, OpenAI, Anthropic und weiteren Anbietern. Themen, fachliche Ausrichtung und finale Freigabe liegen bei unserem Team.