Warum lohnt sich dieser Kurs?
Wie gut decken die eigenen Monitoring-Regeln die tatsächlichen Geldwäscherisiken ab? Mit der EU-Geldwäscheverordnung (AMLR) wird genau das zur Prüfungsfrage. Das Seminar führt von institutsspezifischen Red Flags über prüfungsfeste TM-Regeln bis zur Verdachtsmeldung und zeigt, wo KI im Monitoring sinnvoll unterstützt.Kursüberblick
Ab 10. Juli 2027 regelt die EU-Geldwäscheverordnung (Anti-Money Laundering Regulation, AMLR) die laufende Überwachung von Geschäftsbeziehungen unmittelbar. Flankiert wird sie vom Finanzmarkt-Geldwäschegesetz (FM-GwG) und von den Erwartungen der EU-Geldwäschebehörde (AMLA) und der Finanzmarktaufsicht (FMA). Im Zentrum steht das Transaktionsmonitoring: die systematische Überwachung von Zahlungen und Kundenaktivitäten, um auffällige Muster früh zu erkennen und Verdachtsfälle zu melden.Wirksam wird es erst, wenn die Regeln zum eigenen Risikoprofil passen. Aus der institutsspezifischen Risikoanalyse und einschlägigen Typologiepapieren entstehen Red Flags. Das TM Risk Coverage Assessment (TMRCA) prüft, ob die Regeln die identifizierten Risiken tatsächlich abdecken. Ob regelbasiert, risikobasiert oder Scorecard-basiert: Ein TM Rule Management Framework führt von der Konzeption bis zur Implementierung.
Doch was passiert nach dem Treffer? Effiziente Investigations, der Weg zur Verdachtsmeldung an die Geldwäschemeldestelle sowie Reporting und Dokumentation gegenüber der Aufsicht schließen den Kreis. Künstliche Intelligenz und Machine Learning eröffnen dabei neue Möglichkeiten, mit klaren Grenzen und konkreten Erwartungen der Aufsicht. Fallbeispiele und Diskussion verankern das Gelernte.
Kursinhalte
Regulatorischer Rahmen- Anforderungen an die laufende Überwachung nach FM-GwG und AMLR
- Vorgaben und Erwartungen von AMLA und FMA
- Institutsspezifische Risikoanalyse als Grundlage
- Relevante Typologiepapiere und Indizien (Red Flags)
- TM Risk Coverage Assessment (TMRCA): Risikoabdeckung prüfen
- Ableitung von Monitoring-Regeln auf Basis der TMRCA
- Regelbasierter, risikobasierter und Scorecard-basierter Ansatz
- TM Rule Management Framework von der Konzeption bis zur Implementierung
- Effiziente Bearbeitung von Treffern (Investigations)
- Von der Auffälligkeit zur Verdachtsmeldung an die Geldwäschemeldestelle
- Reporting, Dokumentation und Nachweis gegenüber der Aufsicht
- Grundlagen von Künstlicher Intelligenz und Machine Learning
- Chancen, Grenzen und Erwartungen der Aufsicht
- Fallbeispiele und Diskussion
Zielgruppe
- Geldwäschebeauftragte
- Managementebene
- Mitarbeiter von Behörden, die mit der Bekämpfung und Verhinderung von Geldwäsche-Vortaten befasst sind
- Fach- und Führungskräfte, die mit dem Aufbau, der Durchführung oder Weiterentwicklung von Transaktionsmonitoring-Systemen betraut sind
- Mitarbeitende im Bereich Compliance und Risikomanagement
- Mitarbeitende von Aufsichts- und Strafverfolgungsbehörden mit Fokus auf Transaktionsanalysen oder Systemprüfungen
- Landeskriminalämter, Staatsanwaltschaften, Finanzministerium (Betriebsprüfer) etc.
