Konzeptkarte

KI im Bankwesen — AML, KYC und Kredit-Scoring mit SAP

Stand 2026-07-23

Redaktion: Cédric-Olivier Mâry, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist KI im Bankwesen — AML, KYC und Kredit-Scoring mit SAP?

Modellbasiertes Alert-Scoring dreht die Ökonomie der AML-Triage um — die obersten 10 % der bewerteten Alerts erfassen rund 80 % der bestätigten SAR-Meldungen, gegenüber einer regelbasierten Falsch-Positiv-Quote von 95-99 % als Ausgangsbasis.

Worum es geht

KI in SAP-verankerten Banking-Deployments teilt sich in drei regulierte Anwendungsfälle auf — Transaktionsüberwachung zur Geldwäschebekämpfung (AML), Erweiterung der Sorgfaltsprüfung im Rahmen von Know Your Customer (KYC) und Kredit-Scoring-Modelle —, jeweils mit einem anderen SAP-Produktmix und einem anderen Compliance-Profil nach der EU-KI-Verordnung.

Das Problem ist, dass Finanzdienstleister enorme Transaktionsvolumina gegen regelbasierte Systeme laufen lassen, die gewaltige Falsch-Positiv-Raten erzeugen: Schätzungen von SWIFT und Wolfsberg beziffern die AML-Falsch-Positiv-Rate auf 95-99 % der markierten Transaktionen, was Analystenzeit für ertragsarme Untersuchungen verschlingt. Die KYC-Rezertifizierung ist manuell, papierintensiv und nicht risikogerecht ausgerichtet — hochriskante Kunden werden seltener überprüft, als es die Regelfrequenz vorgibt. Kredit-Scoring-Modelle, die auf historischen Bestandsdaten trainiert sind, gewichten zukunftsgerichtete Verhaltenssignale, die in SAPs Kundeninteraktionsdaten verfügbar sind, zu gering.

Warum es zählt

Drei unterschiedliche Anwendungsfälle (AML-Überwachung, KYC-Erweiterung, Kredit-Scoring) brauchen jeweils einen anderen SAP-Produktmix (FSN/FSDM, Joule-Dossiersynthese, SAC-Predictive-Feature-Modell) — kein Pitch von der Stange.
Kredit-Scoring auf Basis von 24 Monaten S/4-Zahlungsverhalten liefert eine Gini-Verbesserung von 15-20 % gegenüber reinen Bureau-Modellen — ein konkreter, zitierfähiger Zugewinn.
AML- und Kredit-Scoring-Modelle fallen unter Art. 6 + Anhang III der EU-KI-Verordnung als Hochrisikosysteme, gültig ab dem 02.08.2026 — Governance muss von Anfang an eingebaut werden.

Kernpunkte

Drei regulierte KI-Anwendungsfälle auf SAP: AML-Transaktions-Scoring, KYC-Erweiterung, Kredit-Scoring.
AML-Falsch-Positiv-Ausgangsbasis: 95-99 % der markierten Transaktionen erfordern keine Maßnahme (Schätzungen von SWIFT/Wolfsberg).
AML-Alert-Scoring-Modell: Die obersten 10 % der bewerteten Alerts enthalten ~80 % der bestätigten SAR-Meldungen.
KYC-Erweiterung: Joule synthetisiert das Kontrahentendossier aus FSDM + externen Registern in Minuten.
Kredit-Scoring: 15-20 % Gini-Verbesserung gegenüber reinen Bureau-Modellen durch Hinzunahme von 24 Monaten S/4-Zahlungsverhalten.
EU-KI-Verordnung Art. 6 + Anhang III: AML + Kredit-Scoring sind Hochrisikosysteme — Compliance-Frist 02.08.2026.
KI im Bankwesen — AML, KYC und Kredit-Scoring mit SAP ist erst beherrscht, wenn sie eine konkret benannte Entscheidung eines Käufers verändert.
Erst das semantische Vertrags- und Kontrollmodell klären, bevor das Tool vorgeführt wird.
Aktuelle Signale aus SAP, Analystenhäusern, Studien, dem Knowledge Graph und den News als Beleg nutzen, nicht als Dekoration.
Verifizierte Fakten von richtungsweisenden Trends und modellierten Annahmen trennen.

Begriffe auf dieser Seite

FSDM: Financial Services Data Model — SAPs branchenübliches Datenmodell für Banken und Versicherungen, das die kanonischen Objektstrukturen für Kontrahenten, Konten und Transaktionen für Analytics bereitstellt.
SAR: Suspicious Activity Report — eine aufsichtsrechtliche Meldung, die erforderlich ist, wenn ein Finanzinstitut vermutet, dass eine Kundentransaktion Geldwäsche oder Terrorismusfinanzierung darstellt. Die Meldequote ist die primäre AML-Erfolgskennzahl.
Gini-Koeffizient (Kredit): Trennschärfe-Kennzahl für Kredit-Scoring-Modelle — die Fläche zwischen der Lorenzkurve und der Linie des Zufallsklassifikators. Höher = bessere Rangordnung des Ausfallrisikos. Branchenbenchmark: nur Bureau ≈ 45-55 Gini; mit SAP-Verhaltensdaten angereichert ≈ 60-70 Gini.
PEP: Politically Exposed Person (politisch exponierte Person) — eine Kategorie hochriskanter Kunden im AML-Regelwerk; Transaktionen mit PEP-Beteiligung erfordern eine verstärkte Sorgfaltsprüfung. SAP-AML-Modelle verknüpfen sich zum Zeitpunkt der Bewertung mit PEP-Listen-Feeds.
UBO: Ultimate Beneficial Owner (wirtschaftlich Berechtigter) — die natürliche Person, die eine juristische Person letztlich besitzt oder kontrolliert; verpflichtende Offenlegung nach der 5. und 6. EU-Geldwäscherichtlinie. KYC-Erweiterungsagenten automatisieren die Auflösung der UBO-Kette.
Entscheidungsverantwortlicher: Die verantwortliche Person, die den Kompromiss akzeptiert und die nächste Maßnahme finanziert.
Semantischer Vertrag: Die gemeinsame Definition von Geschäftsbegriffen, Kennzahlen, Entitäten und Zugriffsregeln, die von Tools und Teams verwendet wird.
Kontrollebene: Die Ebene, die Richtlinien, Zugriff, Herkunftsnachweis, Monitoring und Eskalation über das Betriebsmodell hinweg durchsetzt.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke.

In der App öffnen →