SAS ist laut Chartis führend bei der Transaktionsüberwachung zur Geldwäschebekämpfung

Best-in-Class-Bewertungen in vier Kompetenzbereichen

Chartis bewertete 49 Anbieter in seinem Bericht AML Transaction Monitoring Solutions, 2026: Quadrant Update. SAS erhielt Best-in-Class-Bewertungen für Daten- und Systemintegrationen, die Modellierung von Risikotypologien, analytische Modellierung sowie Modellqualität und -validierung.

SAS zufolge führt SAS Viya Transaktions-, Kunden- und Risikodaten aus bestehenden Systemen zusammen. Nach Angaben des Unternehmens unterstützt dies die Erkennung und Untersuchung sowie den Informationsaustausch zwischen Geldwäschebekämpfungs- und Betrugsteams.

SAS kombiniert statistische Verfahren, maschinelles Lernen und Verhaltensanalysen, um Erkennungsstrategien an Kundenprofile, Transaktionsmuster und neue Risiken anzupassen. Die Plattform nutzt zudem KI-gestützte Codegenerierung, um die Modellentwicklung zu beschleunigen. Modellvalidierung und kontinuierliche Überwachung sollen Institutionen dabei helfen, Drift, Verzerrungen und nachlassende Leistung zu erkennen und zugleich die Governance über den gesamten Lebenszyklus eines Modells aufrechtzuerhalten.

Chartis hebt agentische KI und Aufsicht hervor

Chartis würdigte SAS außerdem für Workflow-Automatisierung, die Paketierung und Bereitstellung von Lösungen sowie Geschwindigkeit, Volumen und Leistung. Sean O’Malley, Research Director für Financial Crime and Control bei Chartis, sagte, das Unternehmen habe den Einsatz agentischer KI „erheblich ausgeweitet“. Dies gelte für die analytische Modellierung, die Modellqualität und -validierung sowie die Workflow-Automatisierung.

Chartis zufolge kombiniert SAS szenariobasierte Überwachung mit fortschrittlichen Analysen, maschinellem Lernen, Netzwerkanalysen und KI-gestützter Risikobewertung. Das begleitende SAS Vendor Spotlight beschreibt einen Markt, der sich in Richtung weniger, dafür wertvollerer Warnmeldungen bewegt. Dadurch können Ermittler ihre Zeit auf tatsächliche Risiken konzentrieren.

Der Bericht hebt außerdem hervor, dass KI in Viya auf breiter Ebene eingebettet ist, um manuelle Programmierung zu reduzieren, die Entwicklung und Bereitstellung von Modellen zu beschleunigen und die Erkennung auf aussagekräftige Risikosignale zu konzentrieren. SAS zufolge sollen integrierte Funktionen für Modell-Governance und verantwortungsvolle KI eine Aufsicht von der Programmierung über die Bereitstellung bis zur täglichen Nutzung ermöglichen.

„Wenn eine Bank nicht erkennen kann, wann ein Modell vom Kurs abgekommen ist, oder erklären kann, warum es eine Warnmeldung erzeugt hat, hat sie lediglich einen blinden Fleck gegen einen anderen eingetauscht“, sagte Stu Bradley, Senior Vice President für Risk, Fraud and Compliance Solutions bei SAS.

FRAML-Integration führt Betrugs- und AML-Signale zusammen

Chartis stellte eine zunehmende Dynamik hinter der Zusammenführung von Betrugsprävention und Geldwäschebekämpfung fest, die häufig als FRAML bezeichnet wird. Betrugs- und AML-Teams sehen möglicherweise unterschiedliche Teile desselben Vorgangs. Der Austausch von Signalen kann Finanzinstituten daher einen umfassenderen Blick auf das Risiko von Finanzkriminalität geben, während die Ermittlungsprozesse und regulatorischen Kontrollen der einzelnen Teams erhalten bleiben.

Chartis schrieb die Integration der Betrugs- und AML-Funktionen von SAS dem Umstand zu, dass Transaktionsdaten, Kundeninformationen, Risikoindikatoren und analytische Modelle in einer umfassenderen Sicht zusammengeführt werden. Nach Angaben des Unternehmens unterstützt dies Erkennung, Entscheidungsfindung und Ermittlungs-Workflows in bestehenden Technologieumgebungen.

Für Banken positioniert die Auszeichnung das Angebot von SAS rund um drei miteinander verbundene Prioritäten, die in der Quelle beschrieben werden: die Qualität von Warnmeldungen verbessern, Modelle an veränderte Risiken anpassen und die Aufsicht aufrechterhalten, während Betrugs- und AML-Informationen zusammengeführt werden.