“Deutschland hat ein Geldwäscheproblem” – Verhaltensbiometrie soll helfen

Vergangene Woche wurde bekannt, dass die Zahl der Geldwäsche-Verdachtsmeldungen in Deutschland im Jahr 2021 einen neuen Höchststand erreicht hat. So habe die Zentralstelle für Finanztransaktionsuntersuchungen Financial Intelligence Uni (FIU) im vergangenen Jahr 300.000 Meldungen zu kriminellen Aktivitäten in Verbindung mit Geldwäsche erhalten. 2020 waren es mit 144.000 weniger als die Hälfte.

Nach Angaben der FIU sei ein Großteil des drastische Zuwachs der Verdachtsmeldungen zwar auf regulatorische Veränderungen zurückzuführen, so gelten seit vergangenem Jahr bereits auch „Vortaten“ der Geldwäsche als Straftaten, dennoch beunruhigen die enormen Zahlen.

So weist Deutschland laut dem Bericht des internationalen Geldwäsche-Gremiums Financial Action Task Force (mehr hier) große Defizite im Kampf gegen Geldwäsche auf. Der Wert der illegalen Transaktionen wird auf rund 100 Milliarden Euro jährlich geschätzt. Die Dunkelziffer dürfe sogar noch weitaus höher sein, denn auch Cyberkriminelle würden sich immer komplexerer Methoden bei der Geldwäsche bedienen. Oftmals würden sie gestohlene oder im Dark Web erworbene Daten nutzen, um Fake-Konten zu eröffnen – auch mithilfe von Bots. Außerdem würden Geldkuriere für den Prozess der Geldwäsche eingesetzt, die sich entweder wissentlich oder unwissentlich an den illegalen Operationen beteiligen. Während der Pandemie sei die Anwerbung solcher Money Mules sogar erheblich angestiegen.

Die rasante Zunahme von Money Muling lässt sich darauf zurückführen, dass Cyberkriminelle ihre Methoden weiterentwickeln, um die Sicherheitsmaßnahmen von Banken oder Finanzinstituten zu umgehen. So hat die europäische Initiative ‚Money Mule Action‘ unter Leitung von Europol im vergangenen Jahr in nur drei Monaten mehr als 1.800 Verhaftungen durchgeführt und dadurch 18.000 Geldkuriere identifiziert.“

Wiebke Fokma, Director EMEA Global Advisory bei BioCatch

Geldwäscher erkennen

Es gebe grundlegende Faktoren, die zur Erkennung von Geldwäschern und deren Handlangern führen könnten – beispielsweise die Transaktionsgeschwindigkeit und die Höhe der überwiesenen Summe. Aber Money Mules blieben oft unentdeckt – besonders bei kleinen Summen. Deswegen sollten Banken verhindern, dass Kriminelle überhaupt erst ein Fake-Konto für Geldwäscheoperationen eröffnen. Um die illegalen Aktivitäten zu bekämpfen, würden aktive Erkennungsmethoden wie der Einsatz von Verhaltensbiometrie helfen Denn es gebe klare Muster, die zeigen, wenn Money Mules oder Betrüger ein Konto eröffnen:

Größere Erfahrung: Ein Krimineller zeige eine deutlich höhere Gewandtheit im Umgang mit dem Prozess zur Eröffnung eines Kontos, da er den Vorgang kennt und wiederholt kompromittierte oder synthetische Identitäten verwende.

Geringere Datenvertrautheit: Im Gegensatz zu einem „echten“ Nutzer kenne sich ein Krimineller mit den persönlichen Daten schlechter aus. Er verwende häufig „copy and paste“-Techniken oder automatisierte Tools, um Informationen einzugeben. Für rechtmäßige Benutzer wären diese Vorgänge intuitiver.

Expertenverhalten: Ein Krimineller zeige im Gegensatz zu einem durchschnittlichen Nutzer oft fortgeschrittene Computerkenntnisse. Beispiele hierfür sind: erweiterte Tastenkombinationen, Sondertasten oder das Umschalten zwischen verschiedenen Anwendungen.

Aber nicht nur menschliches Verhalten lasse sich dank Verhaltensbiometrie erkennen. Vor allem Neobanken, die kein Video-Ident-Verfahren einsetzen, müssten künftig mehr damit rechnen, dass Geldwäscher hybride Bots einsetzen, um Fake-Konten zu eröffnen. Dabei verwenden sie in der Regel ein Skript, um persönliche Daten wie Sozialversicherungs- und Telefonnummern einzugeben. Dies unterscheide sich von Tastatureingaben bei einem Menschen. Dank Verhaltensbiometrie-Lösungen, wie der von BioCatch (Website), ließen sich typische Muster von Money Mules während des gesamten Lebenszyklus eines Kontos erkennen. Zudem unterstütze die Technologie die gängigen Sicherheitsmaßnahmen. Solche Lösungen würden ein bestimmtes Kundenverhalten einem echten Nutzer oder einem Cyberkriminellen zuordnen, sodass Bankkunden ­nicht falsch eingestuft werden. Die Customer Experience leide dabei nicht unter den Schutzmaßnahmen.ft