Banken und andere verpflichtete Unternehmen sollen Geschäftsbeziehungen laufend auf Geldwäscherisiken prüfen. Die neue europäische Behörde zur Bekämpfung von Geldwäsche und Terrorismusfinanzierung (AMLA) arbeitet dafür an Leitlinien. Im Entwurf spielen auch Algorithmen, maschinelles Lernen und Künstliche Intelligenz eine Rolle. Noch handelt es sich um eine Konsultation, nicht um endgültige Regeln.

Der Kernkonflikt ist messbar: Ein empfindliches System findet womöglich mehr verdächtige Vorgänge, kann aber zugleich mehr unbescholtene Menschen markieren. Eine menschliche Schlusskontrolle löst dieses Problem allein nicht. Sie hilft nur, wenn Prüfer nachvollziehen können, warum das System angeschlagen hat und wie oft vergleichbare Hinweise falsch oder richtig waren.

Wie groß die Wissenslücke ist, zeigt der niederländische Rechnungshof. Banken meldeten dort 2024 mehr als 530.000 ungewöhnliche Transaktionen, nach knapp 250.000 im Jahr 2020. Die acht größten Institute beschäftigten für Kontrollen rund 13.000 Vollzeitkräfte und gaben etwa 1,6 Milliarden Euro aus. Trotzdem blieb laut Rechnungshof unklar, wie wirksam das System tatsächlich gegen Geldwäsche ist. Aus der Zahl ungewöhnlicher Meldungen lässt sich keine Fehlerquote berechnen.

Für belastbare EU-Regeln ergeben sich vier Prüfsteine. Erstens müssen Fehlalarme und übersehene Fälle mit geeigneten Stichproben gemessen werden. Zweitens braucht es Prüfungen, ob bestimmte Gruppen systematisch häufiger markiert werden. Drittens müssen Betroffene verständliche und anfechtbare Gründe erhalten. Viertens gehören klare Fristen, verantwortliche Menschen und dokumentierte Abhilfe in das Verfahren.

Privacy First fordert ein Verbot automatisierter Risikoprofile und verweist auf mögliche Diskriminierung. Das ist eine Bürgerrechtsposition, kein feststehendes Ergebnis der AMLA-Konsultation. Der Rechnungshof liefert jedoch einen unabhängigen Warnhinweis: Hoher Aufwand und viele Meldungen beweisen noch keinen Nutzen.

Entscheidend ist daher nicht nur, ob Software eingesetzt wird, sondern ob ihre Wirkung überprüfbar ist. Ohne veröffentlichte Qualitätsmaße, Gleichbehandlungsprüfungen und wirksamen Einspruch könnten Unternehmen mehr Daten auswerten, ohne dass Aufsicht oder Betroffene erkennen können, ob das Verfahren besser oder nur umfassender kontrolliert.