Tausende Treffer, fast alle falsch

Eine Sanktionsprüfung, die nur Namen abgleicht, erzeugt eine Flut an Fehltreffern, von denen die allermeisten harmlos sind. Jeder einzelne muss trotzdem geprüft werden, und genau dort verbrennt die Compliance ihre Kapazität. KI macht das Screening präziser, indem sie Kontext bewertet statt bloß Zeichenketten zu vergleichen, und sie hebt die wenigen echten Risiken aus der Masse heraus. Die Letztentscheidung über einen Treffer bleibt dabei beim Menschen, denn ein Sanktionsverstoß duldet keine Maschine, die unbeaufsichtigt durchwinkt.

Warum klassisches Screening an seiner eigenen Trefferflut erstickt

Listen wie die der EU, der Vereinten Nationen oder der USA ändern sich laufend, und Namen tauchen in zahllosen Schreibweisen und Transliterationen auf. Ein reiner Abgleich schlägt deshalb bei jeder Ähnlichkeit an, vom Allerweltsnamen bis zur zufälligen Übereinstimmung. Das Ergebnis sind Fehltreffer in großer Zahl, die manuell abgearbeitet werden, während die wirklich relevanten Fälle im Rauschen untergehen. Mehr Treffer bedeuten hier nicht mehr Sicherheit, sondern weniger.

Was KI im Screening besser macht

Statt nur den Namen zu vergleichen, bezieht ein KI-gestütztes System weitere Merkmale ein, etwa Geburtsdatum, Land, Rolle und bekannte Verbindungen, und löst auf, ob zwei Einträge dieselbe Person meinen. Aus einem binären Treffer wird ein Risikowert, der die Bearbeitung priorisiert. So sinkt die Zahl der Fehltreffer deutlich, und die Prüfer wenden ihre Zeit dort auf, wo tatsächlich ein Risiko liegt. Diese Logik ähnelt der KI-gestützten Geldwäschebekämpfung, in der dieselbe Trefferflut auftritt.

Wo die Grenze verläuft

Bei Sanktionen gilt eine strikte Verantwortung, und deshalb darf die Entscheidung über einen Treffer nicht an das Modell abgegeben werden. Was zählt, ist die Nachvollziehbarkeit: Warum wurde ein Treffer verworfen, und auf welcher Grundlage? Der EU AI Act und die Erwartungen der BaFin verlangen genau diese dokumentierte Prüfbarkeit. Ein System, das Treffer ohne Begründung aussortiert, schafft kein Vertrauen, sondern ein neues Risiko, ähnlich wie bei der zunehmenden Bedrohung durch KI-gestützten Betrug.

Der Weg zu einem belastbaren Screening

Die Grundlage bleibt die Datenqualität. Laut einer Studie von Dun & Bradstreet scheitern 61 Prozent der KI-Projekte bei Banken an einer mangelhaften Datenbasis, und ein Screening ist nur so gut wie die Daten, auf denen es beruht. Dazu kommen klare Regeln, dokumentierte Entscheidungen und ein laufendes Monitoring, eingebettet in eine umfassende GenAI-Governance. Verwandt ist die Aufgabe mit der Arbeit der neuen Geldwäschebehörde, die den Druck auf saubere Prozesse weiter erhöht.

Wenn Sie Ihre Sanktionsprüfung präziser und prüffest aufstellen wollen, ordnen wir mit Ihnen Datenbasis, Regeln und Kontrollen. Buchen Sie eine Sprechstunde, dann sehen wir uns Ihren Prozess an.