Jüngst besonders beliebt, konnte der weltweit grösste Streaming-Anbieter Netflix im ersten Quartal dieses Jahres rund 10% und somit doppelt so viele Neuabonnenten gewinnen wie erwartet. Ist ja auch bequem. Kaum ist die letzte Staffel der Lieblingsserie zu Ende, wird schon der nächste Titel vorgeschlagen.
Aber wieso kann Netflix das überhaupt? Zauberwort Machine Learning
Machine Learning gilt als Teilbereich der Artificial Intelligence und steht für die Generierung von Wissen aus Erfahrung. Dabei lernt der Machine Learning Algorithmus aus historischen Daten und kann basierend darauf beispielsweise Empfehlungen und Voraussagen abgeben. So kann uns Netflix aufgrund unserer Zuschauer-Historie sowie derer von anderen Usern weitere Filme und Serien vorschlagen, die dazu passen. Ein System lernt anhand von Machine Learning stetig dazu und wird immer intelligenter. Der dahinterstehende Algorithmus kann dabei mittels verschiedenster Techniken trainiert werden. Dazu gehört unter anderem das Natural Language Processing, anhand dessen Texte verarbeitet und verstanden werden können.
Und was hat das mit Compliance zu tun?
Ob Netflix, Facebook, Instagram oder Amazon – Artificial Intelligence ist in unseren alltäglichen Abläufen stark verbreitet. Sie gewinnt aber auch in der Finanzindustrie immer mehr an Bedeutung. Grundsätzlich kann Machine Learning in allen Bereichen eingesetzt werden, in denen es gilt, grosse Datenmengen zu verarbeiten. Gerade im Bereich Compliance und insbesondere bei der Verwaltung und Bewirtschaftung von KYC-Daten sind die Einsatzmöglichkeiten von Machine Learning Algorithmen vielversprechend.
Stolperstein KYC-Daten
Qualitativ hochwertige KYC-Daten werden nicht nur von nationalen und internationalen Regulatoren erwartet, sie sind auch essentiell für weitergehende Prozesse wie die Kundenrisikoklassifizierung, Transaktionsmonitoring, Media Screening und periodische Reviews. Auch verdeutlichen immer wieder auftretende Geldwäschereiskandale, dass Kundeninformationen sowie die Überwachung der Beziehungen und Transaktionen oftmals trotz aller Bemühungen lückenhaft sind. Daraus entstehende finanzielle Schäden und Reputationsrisiken sind eine Realität geworden, die viele Finanzdienstleister erleben. Der Druck verschärft sich zusätzlich, da die Vorgaben für die Einhaltung von Geldwäschereibestimmungen immer komplexer werden und kontinuierlichen Aufwand an Ressourcen von Front- und Compliance-Mitarbeitern verlangen.
Eine neue Ära?
Der Einsatz von Machine Learning Algorithmen bietet die Chance, die qualitative Beurteilung von Kundeninformationen zu unterstützen sowie Inkonsistenzen und auffälliges Verhalten aufzudecken. So kann ein Machine Learning Algorithmus beispielswiese aufzeigen, welche Transaktionen vom Kundenprofil und -verhalten abweichen und ob ein «Name Screening Match» tatsächlich den gesuchten Kunden betrifft. Dies ermöglicht eine effektivere Aufdeckung echter Risiken sowie den fokussierteren Einsatz von Compliance-Ressourcen. Neben Effizienzgewinnen ebnen Machine Learning Algorithmen somit auch den Weg zu einer erhöhten Compliance-Sicherheit und robusteren Kundendatenqualität.