Minimieren Sie globale Risiken durch KI-gestützte, identitätsbasierte Geldwäscheprüfung

Häufige Fehlalarme aufgrund gebräuchlicher Namen überfluten die AML-Warteschlangen, und verifizierte Kriminelle schlüpfen unter der Tarnung häufiger durch. Shufti verknüpft jeden Treffer mit einer biometrisch verifizierten Identität (Gesichtserkennung, Ausweis und OCR), sodass die Engine nicht nur die Schreibweise des Namens, sondern auch die Person ermittelt.

Phonetik, diakritische Zeichen, Transliteration, kulturelle Namensreihenfolge und Suffixregeln werden an Ihre Risikobereitschaft angepasst – nicht an die Standardeinstellungen eines Anbieters. Die Feldbewertung ist nachvollziehbar und ohne Supportanfrage anpassbar.

Geburtsdatum, Staatsangehörigkeit, Dokumentennummer und Entitätstyp, die per OCR erfasst werden, fließen direkt in die Risikobewertung auf Entitätsebene ein. Treffer mit widersprüchlichen Identitätssignalen werden automatisch verworfen, sodass Analysten die Überprüfung von Warnmeldungen, die eindeutig nicht zur selben Person gehören, einstellen können.

Shufti verfügt über die gesamte Infrastruktur: über 4000 Watchlists, 2.6 Millionen PEPs in mehr als 215 Jurisdiktionen und über 1 Milliarde negative Medienberichte aus mehr als 100,000 globalen Quellen. Eine einzige AML-Screening-Plattform für umfassende Audits.

Unsere AML-Screening-Software aktualisiert alle 15 Minuten Sanktions-, PEP-, Negativmedien- und Krypto-Wallet-Register.

Lateinkorpus-Engines weisen Inkompatibilitäten mit Arabisch, Kyrillisch, CJK, Vietnamesisch, Thailändisch und Hindi auf. Shufti verwendet native phonetische Modelle, Transliteration, Diakritika-Verarbeitung und die Auflösung von Unicode-Verwechslungsgefahr, bevor die Gesamtkonfidenz berechnet wird.

Die Analyse vergleicht Artikel mit über 200 Sanktionsregimen und über 4,000 Beobachtungslisten. Die Auswertung negativer Medienberichte bewertet Artikel anhand von über 415 Risikothemen (Sanktionen, politisch exponierte Personen, Betrug, Bestechung, organisierte Kriminalität) unter Berücksichtigung von Kontext, Tonfall und Rolle der beteiligten Personen – nicht anhand von Schlüsselwörtern.

Die Wallets wurden mit den Listen von OFAC SDN, GOV.UK, dem japanischen Finanzministerium und Israel für sanktionierte Krypto-Wallets abgeglichen und werden im gleichen 15-Minuten-Takt wie die Fiat-Geldwäschebekämpfungslisten aktualisiert. Sie entsprechen den Richtlinien von MiCA und FATF Travel Rule und sind für die Integration in VASPs vorbereitet.

Unternehmen, Schiffe, Flugzeuge und Häfen werden anhand derselben Datenbasis überprüft. Die kontinuierliche Nachprüfung löst Echtzeit-Benachrichtigungen per API, Webhook, E-Mail oder Backoffice aus.

Gleicht jeden AML-Treffer mit der verifizierten Identität, den OCR-Daten und dem Kontext des Geldwäschebeauftragten ab. Verwirft automatisch nachweislich falsche Positivmeldungen mit verständlicher Begründung, zeigt zuerst korrekte Positivmeldungen an und reduziert die Anzahl der Level-1-Triage um bis zu 60 %.

Die AML-Compliance-Teams konfigurieren im Dashboard Risikogewichte (Land, AML-Kategorie, Vorstrafenregister, Summe 100 %) und Schwellenwerte (Annahme, manuelle Prüfung, Ablehnung). Jede Richtlinienänderung wird vor der Produktivsetzung in einer Sandbox getestet.

Interne Watchlists, aufsichtsrechtliche Feeds und Whitelists für gelöste Warnmeldungen unterstützen das institutionelle Gedächtnis. Wiederverwendbare Suchprofile gewährleisten einen einheitlichen Suchumfang. Die Massensuche per CSV und API ermöglicht die Durchsuchung ganzer Portfolios.