Insight
EU-AML-Verordnung 2027: KI ist mehr als ein Geldwäsche-Filter
Die AMLR gilt ab Juli 2027 und erhöht den Takt der Kundenprüfung. KI hilft, wenn sie Reviews vorbereitet und Menschen die Entscheidungen prüfen.
Organisation und Kultur
6 min Lesezeit
Kernaussage
Geldwäscheprävention scheitert nicht an der Erkennung, sondern an der Bearbeitung der Treffer. Wer Daten und Prozess nicht zuerst ordnet, automatisiert vor allem die Menge der Fehlalarme.

Die wichtigsten Erkenntnisse
Ab Juli 2027 gilt die AMLR unmittelbar
Artikel 76 erlaubt KI mit menschlicher Prüfung
Der Engpass ist der Mensch, nicht das Modell
Geldwäscheprävention wird zum Compliance-Labor für KI
Die EU-Geldwäscheverordnung, kurz AMLR (Verordnung (EU) 2024/1624), gilt nach ihrem Artikel 90 ab dem 10. Juli 2027 unmittelbar in allen Mitgliedstaaten. Sie bringt erstmals einen einheitlichen, direkt geltenden Rahmen für Sorgfaltspflichten, Risikoklassifizierung und Monitoring, der in seinem Anwendungsbereich die bisherigen nationalen Regeln ablöst.
Geldwäscheprävention scheitert selten an der Erkennung, sondern an der Bearbeitung: Die AMLR erhöht den Takt, in dem Kundendaten aktuell sein müssen, und erlaubt ausdrücklich automatisierte Verfahren bis hin zu KI, solange Menschen die Entscheidungen über Geschäftsbeziehungen prüfen. Wer KI nur als Filter für Transaktionen versteht, automatisiert vor allem die Menge der Fehlalarme.
Warum die Aktualisierungsfrequenz zum Engpass wird
Die AMLR setzt harte Obergrenzen für die Aktualität der Kundendaten. Nach Artikel 26 Absatz 2 müssen Unterlagen, Daten und Informationen bei Kunden mit erhöhtem Risiko spätestens nach einem Jahr aktualisiert werden, bei allen übrigen Kunden spätestens nach fünf Jahren. Hinzu kommen anlassbezogene Prüfungen, wenn sich maßgebliche Umstände ändern.

In Instituten mit vielen Geschäftskundenbeziehungen ergibt sich daraus ein dauerhaft hohes Volumen vollständiger Reviews. Steigt die Prüffrequenz und bleibt die manuelle Kapazität gleich, entsteht ein Rückstand, der irgendwann zum Prüfungsbefund wird. Die Frage ist deshalb weniger, ob automatisiert wird, sondern wie gut vorbereitet.
Was erlaubt die AMLR beim Einsatz von KI?
Die AMLR erlaubt ausdrücklich Entscheidungen auf Basis automatisierter Verfahren einschließlich Profiling und KI-Systemen. Artikel 76 Absatz 5 knüpft das an Bedingungen: Entscheidungen über Begründung, Verweigerung oder Fortführung einer Geschäftsbeziehung und über verstärkte oder vereinfachte Sorgfaltspflichten unterliegen einer menschlichen Prüfung, und Kundinnen und Kunden haben Anspruch auf eine Erklärung und die Möglichkeit, die Entscheidung anzufechten.
Für den Prozess heißt das: KI darf vorbereiten, verdichten und priorisieren, die Verantwortung für die Entscheidung bleibt beim Menschen. Daten aus besonderen Kategorien dürfen nur verarbeitet werden, wenn es für die Prävention unbedingt erforderlich ist, und nie für kommerzielle Zwecke. Wer diese Leitplanken früh in die Architektur einbaut, spart sich später teure Nachbesserungen.

KI als Tool im ganzen Prozess, nicht nur als Filter
Viele Institute denken KI in der Geldwäscheprävention noch zu eng, nämlich als Filter, der Transaktionen markiert. Das ist die kleinste Stufe. Breiter gedacht unterstützt KI die Dokumentenanalyse, die Ermittlung wirtschaftlich Berechtigter, die Mustererkennung über Beziehungen hinweg und die Vorbereitung der periodischen Reviews.
Ein KI-Filter senkt bestenfalls die Zahl der Fehlalarme. Ein durchdachter KI-Einsatz verändert den gesamten Ablauf: Er bereitet Reviews vor, priorisiert nach tatsächlichem Risiko und gibt der Spezialistin die kniffligen Fälle, statt sie in Routineprüfungen zu binden. Wie das bei Massentreffern aussieht, zeigt der Beitrag zur KI in der Sanktionsprüfung.
Was eine prüfungsfeste KI im Geldwäsche-Kontext ausmacht
Eine KI, die an einer Risikoeinstufung mitwirkt, muss drei Bedingungen erfüllen. Erstens muss sie nachvollziehbar machen, auf welcher Grundlage sie zu einem Ergebnis kommt, denn eine nicht erklärbare Einstufung lässt sich weder intern noch gegenüber Kundinnen und Kunden begründen. Zweitens muss klar sein, wer das Ergebnis verantwortet und an welcher Stelle ein Mensch eingreift. Drittens muss das System überwacht werden, damit ein Abdriften der Trefferqualität früh erkannt wird.
Diese Bedingungen sind keine Bremse, sondern der Unterschied zwischen einem produktiven System und einem Risiko. Eine KI, die Fälle vorsortiert und priorisiert, ohne die Letztverantwortung zu verschieben, lässt sich in jeder Prüfung erklären. Eine KI, die intransparent entscheidet, wird beim ersten kritischen Fall zum Problem.
Warum ist der Mensch der eigentliche Engpass?
Der eigentliche Engpass ist die Kapazität der Spezialistinnen und Spezialisten, nicht das Modell. Geldwäscheprävention lebt von erfahrenen Mitarbeitenden, die ungewöhnliche Muster erkennen und Zusammenhänge herstellen, die kein Regelwerk vorwegnimmt. Genau diese Menschen sind knapp, und genau ihre Zeit wird heute von Routineprüfungen aufgezehrt.
Hier liegt der stärkste Hebel der KI. Bereitet sie die Masse der unauffälligen Reviews vor und reicht nur die auffälligen Fälle weiter, verschiebt sich die Arbeit von der Abarbeitung zur Beurteilung. Das spart Bearbeitungsstunden und erhöht die Qualität der Prävention, weil die knappe Aufmerksamkeit dort ankommt, wo sie gebraucht wird.
Welche Rolle spielt die neue EU-Behörde AMLA?
Die europäische Geldwäschebehörde AMLA mit Sitz in Frankfurt am Main baut ihre Aufsicht schrittweise auf. Laut AMLA werden im Lauf des Jahres 2027 40 Verpflichtete für die direkte Aufsicht ausgewählt, die direkte Aufsicht beginnt 2028. Parallel konkretisieren technische Standards, welche Datenpunkte und Verfahren verbindlich werden. Was das für Institute bedeutet, ordnet der Beitrag zur neuen EU-Geldwäschebehörde AMLA ein.
Ein oft übersehener Vorteil liegt in der einheitlichen Geltung. Weil die Verordnung in allen Mitgliedstaaten denselben Wortlaut hat, entsteht ein gemeinsamer Maßstab für Sorgfaltspflichten, Risikoklassifizierung und Monitoring. Wenn überall dieselben Datenpunkte in derselben Weise zu erheben sind, lassen sich Prozesse standardisieren und mit KI-gestützter Workflow-Automatisierung unterlegen.
Warum der Vorlauf über den Erfolg entscheidet
Ein KI-gestützter Präventionsprozess entsteht nicht durch den Einkauf einer Software, sondern durch die Verzahnung mehrerer Bausteine. Die Datengrundlage muss stimmen, denn ein Modell auf lückenhaften Kundendaten liefert unbrauchbare Ergebnisse. Die Integration in die Bestandssysteme muss stehen, damit Ergebnisse dort ankommen, wo die Sachbearbeitung arbeitet. Und die Governance muss geklärt sein, bevor das System das erste Mal an einer echten Einstufung mitwirkt.
Wird die AMLR nur als Lastenheft gelesen, entsteht der volle Umstellungsaufwand ohne den Ertrag. Wird sie als Anlass genutzt, Datenqualität, Prozessklarheit und Automatisierung zu verbessern, wirkt die Arbeit über die Compliance hinaus: auf die Qualität der Kundendaten, die Geschwindigkeit der Prozesse und die Belastung der Fachleute. Wie Betrüger KI ihrerseits einsetzen, zeigt der Beitrag zu KI-gestütztem Betrug mit Deepfakes; dass manuelle Pflichtprozesse an Grenzen stoßen, ist auch aus dem ESG-Reporting in Banken bekannt.
Was das Management jetzt anstoßen sollte
Das Review-Volumen beziffern: wie viele Kundenbeziehungen mit erhöhtem Risiko jährlich und wie viele übrige Kunden im Fünfjahrestakt zu aktualisieren sind.
Die Datenqualität der Kundendaten prüfen, bevor ein Modell darauf aufsetzt.
Den Prozess vom Treffer bis zur Entscheidung beschreiben und festlegen, wo KI vorbereitet und wo ein Mensch prüft.
Erklärbarkeit und Überwachung in die Architektur einbauen, damit Entscheidungen begründet und angefochten werden können.
Einen klar abgegrenzten ersten Anwendungsfall starten, etwa die Vorbereitung periodischer Reviews.
Häufige Fragen
Ab wann gilt die EU-Geldwäscheverordnung?
Die AMLR gilt nach Artikel 90 grundsätzlich ab dem 10. Juli 2027 unmittelbar in allen Mitgliedstaaten.
Darf KI über Geschäftsbeziehungen entscheiden?
KI darf Entscheidungen vorbereiten und automatisierte Verfahren sind erlaubt. Entscheidungen über Begründung, Verweigerung oder Fortführung einer Geschäftsbeziehung unterliegen nach Artikel 76 aber einer menschlichen Prüfung.
Wie oft müssen Kundendaten aktualisiert werden?
Bei Kunden mit erhöhtem Risiko spätestens jährlich, bei allen übrigen spätestens alle fünf Jahre, zusätzlich anlassbezogen.
Weitere Beiträge zu Geldwäscheprävention, KI-Verordnung und DORA bündelt das Dossier Regulierung & Resilienz.
Ob die Geldwäscheprävention mit dem neuen Takt mithält, lässt sich meist schon an einer Zahl ablesen: wie viele Reviews heute offen sind und wie lange sie liegen. Veränderung beginnt mit einem ersten Gespräch, und wir freuen uns darauf.
Ein Thema, das gerade beschäftigt?
Gemeinsam einordnen, was daraus folgt.

Die wichtigsten Erkenntnisse
Ab Juli 2027 gilt die AMLR unmittelbar
Artikel 76 erlaubt KI mit menschlicher Prüfung
Der Engpass ist der Mensch, nicht das Modell
Geldwäscheprävention wird zum Compliance-Labor für KI
Die EU-Geldwäscheverordnung, kurz AMLR (Verordnung (EU) 2024/1624), gilt nach ihrem Artikel 90 ab dem 10. Juli 2027 unmittelbar in allen Mitgliedstaaten. Sie bringt erstmals einen einheitlichen, direkt geltenden Rahmen für Sorgfaltspflichten, Risikoklassifizierung und Monitoring, der in seinem Anwendungsbereich die bisherigen nationalen Regeln ablöst.
Geldwäscheprävention scheitert selten an der Erkennung, sondern an der Bearbeitung: Die AMLR erhöht den Takt, in dem Kundendaten aktuell sein müssen, und erlaubt ausdrücklich automatisierte Verfahren bis hin zu KI, solange Menschen die Entscheidungen über Geschäftsbeziehungen prüfen. Wer KI nur als Filter für Transaktionen versteht, automatisiert vor allem die Menge der Fehlalarme.
Warum die Aktualisierungsfrequenz zum Engpass wird
Die AMLR setzt harte Obergrenzen für die Aktualität der Kundendaten. Nach Artikel 26 Absatz 2 müssen Unterlagen, Daten und Informationen bei Kunden mit erhöhtem Risiko spätestens nach einem Jahr aktualisiert werden, bei allen übrigen Kunden spätestens nach fünf Jahren. Hinzu kommen anlassbezogene Prüfungen, wenn sich maßgebliche Umstände ändern.

In Instituten mit vielen Geschäftskundenbeziehungen ergibt sich daraus ein dauerhaft hohes Volumen vollständiger Reviews. Steigt die Prüffrequenz und bleibt die manuelle Kapazität gleich, entsteht ein Rückstand, der irgendwann zum Prüfungsbefund wird. Die Frage ist deshalb weniger, ob automatisiert wird, sondern wie gut vorbereitet.
Was erlaubt die AMLR beim Einsatz von KI?
Die AMLR erlaubt ausdrücklich Entscheidungen auf Basis automatisierter Verfahren einschließlich Profiling und KI-Systemen. Artikel 76 Absatz 5 knüpft das an Bedingungen: Entscheidungen über Begründung, Verweigerung oder Fortführung einer Geschäftsbeziehung und über verstärkte oder vereinfachte Sorgfaltspflichten unterliegen einer menschlichen Prüfung, und Kundinnen und Kunden haben Anspruch auf eine Erklärung und die Möglichkeit, die Entscheidung anzufechten.
Für den Prozess heißt das: KI darf vorbereiten, verdichten und priorisieren, die Verantwortung für die Entscheidung bleibt beim Menschen. Daten aus besonderen Kategorien dürfen nur verarbeitet werden, wenn es für die Prävention unbedingt erforderlich ist, und nie für kommerzielle Zwecke. Wer diese Leitplanken früh in die Architektur einbaut, spart sich später teure Nachbesserungen.

KI als Tool im ganzen Prozess, nicht nur als Filter
Viele Institute denken KI in der Geldwäscheprävention noch zu eng, nämlich als Filter, der Transaktionen markiert. Das ist die kleinste Stufe. Breiter gedacht unterstützt KI die Dokumentenanalyse, die Ermittlung wirtschaftlich Berechtigter, die Mustererkennung über Beziehungen hinweg und die Vorbereitung der periodischen Reviews.
Ein KI-Filter senkt bestenfalls die Zahl der Fehlalarme. Ein durchdachter KI-Einsatz verändert den gesamten Ablauf: Er bereitet Reviews vor, priorisiert nach tatsächlichem Risiko und gibt der Spezialistin die kniffligen Fälle, statt sie in Routineprüfungen zu binden. Wie das bei Massentreffern aussieht, zeigt der Beitrag zur KI in der Sanktionsprüfung.
Was eine prüfungsfeste KI im Geldwäsche-Kontext ausmacht
Eine KI, die an einer Risikoeinstufung mitwirkt, muss drei Bedingungen erfüllen. Erstens muss sie nachvollziehbar machen, auf welcher Grundlage sie zu einem Ergebnis kommt, denn eine nicht erklärbare Einstufung lässt sich weder intern noch gegenüber Kundinnen und Kunden begründen. Zweitens muss klar sein, wer das Ergebnis verantwortet und an welcher Stelle ein Mensch eingreift. Drittens muss das System überwacht werden, damit ein Abdriften der Trefferqualität früh erkannt wird.
Diese Bedingungen sind keine Bremse, sondern der Unterschied zwischen einem produktiven System und einem Risiko. Eine KI, die Fälle vorsortiert und priorisiert, ohne die Letztverantwortung zu verschieben, lässt sich in jeder Prüfung erklären. Eine KI, die intransparent entscheidet, wird beim ersten kritischen Fall zum Problem.
Warum ist der Mensch der eigentliche Engpass?
Der eigentliche Engpass ist die Kapazität der Spezialistinnen und Spezialisten, nicht das Modell. Geldwäscheprävention lebt von erfahrenen Mitarbeitenden, die ungewöhnliche Muster erkennen und Zusammenhänge herstellen, die kein Regelwerk vorwegnimmt. Genau diese Menschen sind knapp, und genau ihre Zeit wird heute von Routineprüfungen aufgezehrt.
Hier liegt der stärkste Hebel der KI. Bereitet sie die Masse der unauffälligen Reviews vor und reicht nur die auffälligen Fälle weiter, verschiebt sich die Arbeit von der Abarbeitung zur Beurteilung. Das spart Bearbeitungsstunden und erhöht die Qualität der Prävention, weil die knappe Aufmerksamkeit dort ankommt, wo sie gebraucht wird.
Welche Rolle spielt die neue EU-Behörde AMLA?
Die europäische Geldwäschebehörde AMLA mit Sitz in Frankfurt am Main baut ihre Aufsicht schrittweise auf. Laut AMLA werden im Lauf des Jahres 2027 40 Verpflichtete für die direkte Aufsicht ausgewählt, die direkte Aufsicht beginnt 2028. Parallel konkretisieren technische Standards, welche Datenpunkte und Verfahren verbindlich werden. Was das für Institute bedeutet, ordnet der Beitrag zur neuen EU-Geldwäschebehörde AMLA ein.
Ein oft übersehener Vorteil liegt in der einheitlichen Geltung. Weil die Verordnung in allen Mitgliedstaaten denselben Wortlaut hat, entsteht ein gemeinsamer Maßstab für Sorgfaltspflichten, Risikoklassifizierung und Monitoring. Wenn überall dieselben Datenpunkte in derselben Weise zu erheben sind, lassen sich Prozesse standardisieren und mit KI-gestützter Workflow-Automatisierung unterlegen.
Warum der Vorlauf über den Erfolg entscheidet
Ein KI-gestützter Präventionsprozess entsteht nicht durch den Einkauf einer Software, sondern durch die Verzahnung mehrerer Bausteine. Die Datengrundlage muss stimmen, denn ein Modell auf lückenhaften Kundendaten liefert unbrauchbare Ergebnisse. Die Integration in die Bestandssysteme muss stehen, damit Ergebnisse dort ankommen, wo die Sachbearbeitung arbeitet. Und die Governance muss geklärt sein, bevor das System das erste Mal an einer echten Einstufung mitwirkt.
Wird die AMLR nur als Lastenheft gelesen, entsteht der volle Umstellungsaufwand ohne den Ertrag. Wird sie als Anlass genutzt, Datenqualität, Prozessklarheit und Automatisierung zu verbessern, wirkt die Arbeit über die Compliance hinaus: auf die Qualität der Kundendaten, die Geschwindigkeit der Prozesse und die Belastung der Fachleute. Wie Betrüger KI ihrerseits einsetzen, zeigt der Beitrag zu KI-gestütztem Betrug mit Deepfakes; dass manuelle Pflichtprozesse an Grenzen stoßen, ist auch aus dem ESG-Reporting in Banken bekannt.
Was das Management jetzt anstoßen sollte
Das Review-Volumen beziffern: wie viele Kundenbeziehungen mit erhöhtem Risiko jährlich und wie viele übrige Kunden im Fünfjahrestakt zu aktualisieren sind.
Die Datenqualität der Kundendaten prüfen, bevor ein Modell darauf aufsetzt.
Den Prozess vom Treffer bis zur Entscheidung beschreiben und festlegen, wo KI vorbereitet und wo ein Mensch prüft.
Erklärbarkeit und Überwachung in die Architektur einbauen, damit Entscheidungen begründet und angefochten werden können.
Einen klar abgegrenzten ersten Anwendungsfall starten, etwa die Vorbereitung periodischer Reviews.
Häufige Fragen
Ab wann gilt die EU-Geldwäscheverordnung?
Die AMLR gilt nach Artikel 90 grundsätzlich ab dem 10. Juli 2027 unmittelbar in allen Mitgliedstaaten.
Darf KI über Geschäftsbeziehungen entscheiden?
KI darf Entscheidungen vorbereiten und automatisierte Verfahren sind erlaubt. Entscheidungen über Begründung, Verweigerung oder Fortführung einer Geschäftsbeziehung unterliegen nach Artikel 76 aber einer menschlichen Prüfung.
Wie oft müssen Kundendaten aktualisiert werden?
Bei Kunden mit erhöhtem Risiko spätestens jährlich, bei allen übrigen spätestens alle fünf Jahre, zusätzlich anlassbezogen.
Weitere Beiträge zu Geldwäscheprävention, KI-Verordnung und DORA bündelt das Dossier Regulierung & Resilienz.
Ob die Geldwäscheprävention mit dem neuen Takt mithält, lässt sich meist schon an einer Zahl ablesen: wie viele Reviews heute offen sind und wie lange sie liegen. Veränderung beginnt mit einem ersten Gespräch, und wir freuen uns darauf.
Ein Thema, das gerade beschäftigt?
Gemeinsam einordnen, was daraus folgt.

Die wichtigsten Erkenntnisse
Ab Juli 2027 gilt die AMLR unmittelbar
Artikel 76 erlaubt KI mit menschlicher Prüfung
Der Engpass ist der Mensch, nicht das Modell
Geldwäscheprävention wird zum Compliance-Labor für KI
Die EU-Geldwäscheverordnung, kurz AMLR (Verordnung (EU) 2024/1624), gilt nach ihrem Artikel 90 ab dem 10. Juli 2027 unmittelbar in allen Mitgliedstaaten. Sie bringt erstmals einen einheitlichen, direkt geltenden Rahmen für Sorgfaltspflichten, Risikoklassifizierung und Monitoring, der in seinem Anwendungsbereich die bisherigen nationalen Regeln ablöst.
Geldwäscheprävention scheitert selten an der Erkennung, sondern an der Bearbeitung: Die AMLR erhöht den Takt, in dem Kundendaten aktuell sein müssen, und erlaubt ausdrücklich automatisierte Verfahren bis hin zu KI, solange Menschen die Entscheidungen über Geschäftsbeziehungen prüfen. Wer KI nur als Filter für Transaktionen versteht, automatisiert vor allem die Menge der Fehlalarme.
Warum die Aktualisierungsfrequenz zum Engpass wird
Die AMLR setzt harte Obergrenzen für die Aktualität der Kundendaten. Nach Artikel 26 Absatz 2 müssen Unterlagen, Daten und Informationen bei Kunden mit erhöhtem Risiko spätestens nach einem Jahr aktualisiert werden, bei allen übrigen Kunden spätestens nach fünf Jahren. Hinzu kommen anlassbezogene Prüfungen, wenn sich maßgebliche Umstände ändern.

In Instituten mit vielen Geschäftskundenbeziehungen ergibt sich daraus ein dauerhaft hohes Volumen vollständiger Reviews. Steigt die Prüffrequenz und bleibt die manuelle Kapazität gleich, entsteht ein Rückstand, der irgendwann zum Prüfungsbefund wird. Die Frage ist deshalb weniger, ob automatisiert wird, sondern wie gut vorbereitet.
Was erlaubt die AMLR beim Einsatz von KI?
Die AMLR erlaubt ausdrücklich Entscheidungen auf Basis automatisierter Verfahren einschließlich Profiling und KI-Systemen. Artikel 76 Absatz 5 knüpft das an Bedingungen: Entscheidungen über Begründung, Verweigerung oder Fortführung einer Geschäftsbeziehung und über verstärkte oder vereinfachte Sorgfaltspflichten unterliegen einer menschlichen Prüfung, und Kundinnen und Kunden haben Anspruch auf eine Erklärung und die Möglichkeit, die Entscheidung anzufechten.
Für den Prozess heißt das: KI darf vorbereiten, verdichten und priorisieren, die Verantwortung für die Entscheidung bleibt beim Menschen. Daten aus besonderen Kategorien dürfen nur verarbeitet werden, wenn es für die Prävention unbedingt erforderlich ist, und nie für kommerzielle Zwecke. Wer diese Leitplanken früh in die Architektur einbaut, spart sich später teure Nachbesserungen.

KI als Tool im ganzen Prozess, nicht nur als Filter
Viele Institute denken KI in der Geldwäscheprävention noch zu eng, nämlich als Filter, der Transaktionen markiert. Das ist die kleinste Stufe. Breiter gedacht unterstützt KI die Dokumentenanalyse, die Ermittlung wirtschaftlich Berechtigter, die Mustererkennung über Beziehungen hinweg und die Vorbereitung der periodischen Reviews.
Ein KI-Filter senkt bestenfalls die Zahl der Fehlalarme. Ein durchdachter KI-Einsatz verändert den gesamten Ablauf: Er bereitet Reviews vor, priorisiert nach tatsächlichem Risiko und gibt der Spezialistin die kniffligen Fälle, statt sie in Routineprüfungen zu binden. Wie das bei Massentreffern aussieht, zeigt der Beitrag zur KI in der Sanktionsprüfung.
Was eine prüfungsfeste KI im Geldwäsche-Kontext ausmacht
Eine KI, die an einer Risikoeinstufung mitwirkt, muss drei Bedingungen erfüllen. Erstens muss sie nachvollziehbar machen, auf welcher Grundlage sie zu einem Ergebnis kommt, denn eine nicht erklärbare Einstufung lässt sich weder intern noch gegenüber Kundinnen und Kunden begründen. Zweitens muss klar sein, wer das Ergebnis verantwortet und an welcher Stelle ein Mensch eingreift. Drittens muss das System überwacht werden, damit ein Abdriften der Trefferqualität früh erkannt wird.
Diese Bedingungen sind keine Bremse, sondern der Unterschied zwischen einem produktiven System und einem Risiko. Eine KI, die Fälle vorsortiert und priorisiert, ohne die Letztverantwortung zu verschieben, lässt sich in jeder Prüfung erklären. Eine KI, die intransparent entscheidet, wird beim ersten kritischen Fall zum Problem.
Warum ist der Mensch der eigentliche Engpass?
Der eigentliche Engpass ist die Kapazität der Spezialistinnen und Spezialisten, nicht das Modell. Geldwäscheprävention lebt von erfahrenen Mitarbeitenden, die ungewöhnliche Muster erkennen und Zusammenhänge herstellen, die kein Regelwerk vorwegnimmt. Genau diese Menschen sind knapp, und genau ihre Zeit wird heute von Routineprüfungen aufgezehrt.
Hier liegt der stärkste Hebel der KI. Bereitet sie die Masse der unauffälligen Reviews vor und reicht nur die auffälligen Fälle weiter, verschiebt sich die Arbeit von der Abarbeitung zur Beurteilung. Das spart Bearbeitungsstunden und erhöht die Qualität der Prävention, weil die knappe Aufmerksamkeit dort ankommt, wo sie gebraucht wird.
Welche Rolle spielt die neue EU-Behörde AMLA?
Die europäische Geldwäschebehörde AMLA mit Sitz in Frankfurt am Main baut ihre Aufsicht schrittweise auf. Laut AMLA werden im Lauf des Jahres 2027 40 Verpflichtete für die direkte Aufsicht ausgewählt, die direkte Aufsicht beginnt 2028. Parallel konkretisieren technische Standards, welche Datenpunkte und Verfahren verbindlich werden. Was das für Institute bedeutet, ordnet der Beitrag zur neuen EU-Geldwäschebehörde AMLA ein.
Ein oft übersehener Vorteil liegt in der einheitlichen Geltung. Weil die Verordnung in allen Mitgliedstaaten denselben Wortlaut hat, entsteht ein gemeinsamer Maßstab für Sorgfaltspflichten, Risikoklassifizierung und Monitoring. Wenn überall dieselben Datenpunkte in derselben Weise zu erheben sind, lassen sich Prozesse standardisieren und mit KI-gestützter Workflow-Automatisierung unterlegen.
Warum der Vorlauf über den Erfolg entscheidet
Ein KI-gestützter Präventionsprozess entsteht nicht durch den Einkauf einer Software, sondern durch die Verzahnung mehrerer Bausteine. Die Datengrundlage muss stimmen, denn ein Modell auf lückenhaften Kundendaten liefert unbrauchbare Ergebnisse. Die Integration in die Bestandssysteme muss stehen, damit Ergebnisse dort ankommen, wo die Sachbearbeitung arbeitet. Und die Governance muss geklärt sein, bevor das System das erste Mal an einer echten Einstufung mitwirkt.
Wird die AMLR nur als Lastenheft gelesen, entsteht der volle Umstellungsaufwand ohne den Ertrag. Wird sie als Anlass genutzt, Datenqualität, Prozessklarheit und Automatisierung zu verbessern, wirkt die Arbeit über die Compliance hinaus: auf die Qualität der Kundendaten, die Geschwindigkeit der Prozesse und die Belastung der Fachleute. Wie Betrüger KI ihrerseits einsetzen, zeigt der Beitrag zu KI-gestütztem Betrug mit Deepfakes; dass manuelle Pflichtprozesse an Grenzen stoßen, ist auch aus dem ESG-Reporting in Banken bekannt.
Was das Management jetzt anstoßen sollte
Das Review-Volumen beziffern: wie viele Kundenbeziehungen mit erhöhtem Risiko jährlich und wie viele übrige Kunden im Fünfjahrestakt zu aktualisieren sind.
Die Datenqualität der Kundendaten prüfen, bevor ein Modell darauf aufsetzt.
Den Prozess vom Treffer bis zur Entscheidung beschreiben und festlegen, wo KI vorbereitet und wo ein Mensch prüft.
Erklärbarkeit und Überwachung in die Architektur einbauen, damit Entscheidungen begründet und angefochten werden können.
Einen klar abgegrenzten ersten Anwendungsfall starten, etwa die Vorbereitung periodischer Reviews.
Häufige Fragen
Ab wann gilt die EU-Geldwäscheverordnung?
Die AMLR gilt nach Artikel 90 grundsätzlich ab dem 10. Juli 2027 unmittelbar in allen Mitgliedstaaten.
Darf KI über Geschäftsbeziehungen entscheiden?
KI darf Entscheidungen vorbereiten und automatisierte Verfahren sind erlaubt. Entscheidungen über Begründung, Verweigerung oder Fortführung einer Geschäftsbeziehung unterliegen nach Artikel 76 aber einer menschlichen Prüfung.
Wie oft müssen Kundendaten aktualisiert werden?
Bei Kunden mit erhöhtem Risiko spätestens jährlich, bei allen übrigen spätestens alle fünf Jahre, zusätzlich anlassbezogen.
Weitere Beiträge zu Geldwäscheprävention, KI-Verordnung und DORA bündelt das Dossier Regulierung & Resilienz.
Ob die Geldwäscheprävention mit dem neuen Takt mithält, lässt sich meist schon an einer Zahl ablesen: wie viele Reviews heute offen sind und wie lange sie liegen. Veränderung beginnt mit einem ersten Gespräch, und wir freuen uns darauf.
Ein Thema, das gerade beschäftigt?
Gemeinsam einordnen, was daraus folgt.




