Foto: Ompongs - shutterstock.com
Compliance-Vorschriften werden zwar zum Schutz von Verbrauchern und Märkten erlassen, sind aber oft sehr komplex. Sie einzuhalten, ist deshalb nicht nur diffizil, sondern oft auch kostspielig. Stark regulierte Branchen wie der Finanzsektor oder Life Sciences haben dabei die höchsten Compliance-Kosten zu tragen: Die Beratungsfirma Deloitte schätzt, dass die Compliance-Kosten für Banken seit der Finanzkrise im Jahr 2008 um 60 Prozent gestiegen sind. Laut der Risk Management Association hat die Hälfte aller Finanzinstitute zwischen sechs und zehn Prozent ihrer Einnahmen für Compliance ausgeben.
5 Wege, Ihre Compliance-Kosten senken
Künstliche Intelligenz (KI) und intelligente Automatisierungstechnologien wie Robotic Process Automation (RPA) oder Natural Language Processing (NLP) können an dieser Stelle Abhilfe schaffen. So geht's:
1. Compliance-Änderungen managen
Bis zu 300 Millionen Seiten neuer Vorschriften müssen Finanzinstitute in nur einem einzigen Jahr bewältigen. Das manuell zu sammeln, zu sortieren und zu verstehen, um es anschließend den entsprechenden Geschäftsbereichen zuzuordnen, frisst enorm viel Zeit.
RPA Tools können zwar so programmiert werden, dass sie Änderungen der Vorschriften erfassen. Diese müssen aber auch verstanden und auf die Geschäftsprozesse angewendet werden. An dieser Stelle kommen hochentwickelte Texterkennungs-, NLP- und KI-Modelle ins Spiel.
Texterkennung (Optical Character Recognition, OCR) kann Verordnungstexte in maschinenlesbare Form umwandeln.
Dann kommt NLP zum Einsatz, um diese Texte zu verarbeiten sowie verschachtelte Sätze und komplexe Terminologien verständlich zu machen.
Den Output können KI-Modelle nutzen, um Optionen für Richtlinienänderungen auf der Grundlage ähnlicher, früherer Fälle zu liefern und neue Vorschriften zu filtern, um die für das jeweilige Unternehmen relevanten zu kennzeichnen.
2. Reporting-Rationalisierung
Einer der größten Zeitfresser beim Reporting über gesetzliche Vorschriften ist die Frage, was wann und wie gemeldet werden muss. Hierfür müssen Analysten nicht nur die Vorschriften prüfen, sondern sie auch interpretieren. Zudem ist es ihre Aufgabe, einen Text darüber zu verfassen, wie die Vorschriften ihr Unternehmen betreffen und diesen in Code zu übersetzen, um relevante Daten abrufen zu können.
Alternativ dazu kann KI unstrukturierte, regulatorische Daten schneller analysieren, um Reporting-Anforderungen zu definieren, sie auf der Grundlage früherer Regeln und Situationen zu interpretieren und Code zu erzeugen. So ensteht ein automatisierter Prozess, der auf mehrere Unternehmensressourcen zugreift, um Reportings zu erstellen. Dieser Ansatz für regulatorische Intelligenz gewinnt zunehmend an Bedeutung - sowohl bei Finanzdienstleistern als auch bei Life-Science-Unternehmen, die regelmäßig neue Produktzulassungen beantragen müssen.
3. Marketing-Review-Prozesse verkürzen
Verkaufsprozesse in stark regulierten Märkten erfordern regelkonformes Marketingmaterial. Der Prozess, dieses Material abzusegnen, kann sich jedoch unter Umständen sehr mühsam gestalten.
Der Trend zu personalisierten Marketinginhalten treibt die Compliance-Kosten exponentiell in die Höhe. Die zuständigen Mitarbeiter müssen sicherstellen, dass jeder einzelne Inhalt regelkonform ist. Solche Strategien zu skalieren, verursacht hohe Kosten. Deswegen setzen viele Unternehmen inzwischen auf KI, um Inhalte zu scannen und so schneller zu bestimmen, ob sie die Vorschriften einhalten. In einigen Fällen werden KI-Bots sogar eingesetzt, um entsprechende Marketingtexte zu bearbeiten und zu verfassen.
4. Fehler bei der Transaktionsüberwachung reduzieren
Herkömmliche, regelbasierte Transaktionsüberwachungssysteme im Finanzsektor neigen dazu, übermäßig viele Fehlalarme auszugeben. In einigen Fällen liegt die Quote bei 90 Prozent, wobei jede einzelne Meldung von einem Compliance-Beauftragten überprüft werden muss.
Durch die Integration von KI in bestehende Transaktionsüberwachungssysteme können fehlerhafte Compliance-Warnungen minimiert und die Kosten für Prüfprozesse reduziert werden. Probleme, die als legitim und risikoreich eingestuft sind, können an einen Compliance-Beauftragten weitergeleitet werden, während der Rest automatisiert gelöst werden kann. Da sich die Compliance-Beauftragten nur mit den risikoreichen Transaktionen befassen, können diese Ressourcen dort eingesetzt werden, wo sie den größten Nutzen bringen. Werden neue Trends identifiziert, kann die KI auch helfen, Regelwerke und Überwachungssysteme zu aktualisieren.
5. Hintergrund-Checks und rechtliche Überprüfungen
Um kriminelle Aktivitäten wie Geldwäsche zu verhindern, müssen Banken eine Due-Diligence-Prüfung durchführen. Je nach Risikostufe bestimmter Personen können Hintergrund-Checks zwischen zwei und 24 Stunden dauern. Ein Großteil dieser Zeit wird dafür aufgewendet, Dokumente zu sammeln, Datenbanken zu überprüfen und Medienberichte zu analysieren.
Auch diese Prozesse lassen sich mit KI und Automatisierung schlanker machen: Bots können eingesetzt werden, um das Internet nach Hinweisen zu durchsuchen und mit Hilfe von Sentiment-Analysen negative Inhalte zu erkennen. NLP-Technologien können Gerichtsdokumente nach Anzeichen für illegale Aktivitäten und Erwähnungen in Medien durchsuchen, die für die Analyse relevant sind.
Dieser Beitrag basiert auf einem Artikel unserer US-Schwesterpublikation CIO.com.