Aufrufe
vor 7 Monaten

KINOTE 02.2021

  • Text
  • Wwwbankverlagde
  • Effizienz
  • Unternehmen
  • Roboter
  • Prozesse
  • Einsatz
  • Beispielsweise
  • Automatisierung
  • Treffer
  • Transaktionen
  • Banken
Um einen Wandel der Finanzbranche erfolgreich zu meistern, müssen Kreditinstitute sowohl Chancen als auch Herausforderungen der Künstlichen Intelligenz (KI) erkennen. Unter der neuen Marke KINOTE der Bank-Verlag GmbH finden Sie Meldungen, Studien und Fachartikel zum Themenkomplex KI. Wir beantworten Ihre Fragen rund um KI. Wir berichten über Trends, neue Technologien, Forschungsergebnisse und daraus entstehende Möglichkeiten, die KI Ihrem Unternehmen bietet.

34 02 | 2021 02 | Fuzzy

34 02 | 2021 02 | Fuzzy Matching von Transaktionen im Zahlungsverkehr bei der VP Bank Gruppe 2021 Geprüfte Transaktionen im Zahlungsverkehr 18 % 16 % 14 % 12 % 10 % 8 % 6 % 4 % 2 % 0 % Quote weitergeleitete Treffer Jan 21 Feb 21 Mär 21 Apr 21 Mai 21 Jun 21 Durch das System erzeugte Treffer LEGENDE An Compliance-Team weitergereichte Treffer Anteil weitergeleitete Treffer Die Optimierung mit Machine Learning und gezieltes Listing reduziert die Anzahl an Fuzzy-Matching-Treffern kontinuierlich. Die Qualität der Treffer steigt. Das Zahlungsverkehrs-Team muss immer weniger unnötige Treffer abklären. Quelle: VP Bank Gruppe.

02 | 2021 35 Das Treffervolumen wurde nach dem Go-live laufend reduziert und die Trefferqualität erhöht. Gleichzeitig konnte die Quote der Transaktionen, die zur vertieften Abklärung an das Compliance-Team weitergeleitet wurden, im Vergleich zum Gesamtvolumen der ausgesteuerten Transaktionen auf über 15 Prozent erhöht werden. Dies weist auf eine durch das System gesteigerte Qualität der ausgesteuerten Transaktionen hin. » 2 Autoren Fabian Wälte ist Head Payments and Transactions Services bei der VP Bank Gruppe in Liechtenstein. In seiner Verantwortung liegt die Abwicklung des gesamten Zahlungsverkehrs, darunter auch das Payment Screening. Dr. Sönke Wienholdt ist Senior Consultant bei Actico GmbH. Der Schwerpunkt des theoretischen Physikers liegt auf der Steigerung der Effizienz von Algorithmen zur Erkennung von Geldwäsche und Terroris mus finanzierung. Fazit Die größte Herausforderung, vor der Finanzinstitute bei der Erfüllung steigender Anforderungen an das Payment Screening stehen, ist es, eine Balance zwischen Effektivität und Effizienz zu schaffen. Die unscharfe Suche kann zu einem massiven Anstieg an False Positives und damit an nötigen manuellen Abklärungen führen. Dies würde einen extrem hohen Einsatz an Ressourcen bedeuten. Damit steht die Anforderung an Fuzzy Screening stark in Konkurrenz zum Ziel, möglichst nur wenige und richtige Treffer zu haben. Durch die Nutzung von Machine-Learning-Verfahren lässt sich die Trefferqualität signifikant steigern und an das Risikoprofil eines Instituts anpassen. In Kombination mit einer sorgfältigen Kalibrierung konnte so bei der VP Bank ein neues Payment-Screening-System eingeführt werden, das die Anforderungen an eine unscharfe Suche erfüllt und trotzdem weniger False Positives generiert.

die bank

© die bank 2014-2020