Was die AMLA verlangt – und wo Verpflichtete im Finanzsektor an Grenzen stoßen

Mit dem Aufbau einer zentralen EU-Datenbank, in die Verpflichtete im Finanzsektor strukturierte Daten über standardisierte Schnittstellen einspeisen müssen, und mit der Einführung verbindlicher Datenstandards stellt die AMLA klare Anforderungen an die Datenbereitstellung. Die Pflicht zur strukturierten, konsistenten und automatisiert übermittelten Datenerhebung bringt für Verpflichtete im Finanzsektor erhebliche Herausforderungen mit sich. Konkret verlangt werden:

• Risikodaten und -profile: Viele Banken erfassen relevante Datenattribute für Kunden- oder Produktrisiken bisher dezentral, unterschiedlich granular oder nur im Rahmen interner Systeme. Eine standardisierte Definition der Datenattribute, ihre technische Verfügbarkeit sowie die Möglichkeit, sie flexibel nach verschiedenen Kriterien auszuwerten, fehlen häufig ebenso wie eine entsprechende Systemarchitektur.
• Transaktionsdaten – besonders grenzüberschreitend: Die AMLA fordert detaillierte Klassifikationen auch für komplexe oder automatisierte Zahlungsströme, inklusive solcher mit Krypto-Bezug. Bestehende Transaktionsmonitoring-Systeme und Datenhaushalte sind oft nicht auf diese Tiefe ausgelegt.
• Governance- und Eigentümerinformationen: Bei juristischen Personen ist die Feststellung wirtschaftlich Berechtigter (Ultimate Beneficial Owner, UBO) nach wie vor ein operatives Nadelöhr. Auch diese Daten werden häufig fragmentiert in verschiedenen Systemen gepflegt – oft ohne Schnittstellen zur automatisierten Aggregation.
• Historien und Löschungskonzepte: Die neue AML EU-Verordnung (VO EU 2024/1624) fordert regelmäßige Speicherfristen von fünf Jahren beginnend mit dem Datum der Beendigung der Geschäftsbeziehung für vergangene Vorfälle, interne Prüfungen und Verdachtsmeldungen. Hier fehlt es insbesondere bei Fusionen, Migrationen oder Systemwechseln häufig an konsistenten Archivierungsstandards und durchsuchbaren Formaten.

Die hohen Anforderungen treffen bei den Verpflichteten im Finanzsektor nach wie vor auf vorhandene technische und organisatorische Hürden – oft sind Daten nicht miteinander verknüpft und Abläufe nicht automatisiert:

• Daten liegen verteilt ab, zum Beispiel in Kernbankensystemen, KYC-Lösungen, Zahlungsplattformen oder Excel-Dateien. Eine einheitliche Datendefinition und -struktur existiert oft nicht.
• Fehlende Metadatenstruktur: Ohne ein zentrales Dateninventar ist unklar, wem welche Daten gehören, wie aktuell sie sind und in welchem Kontext sie genutzt werden.
• Manuelle Prozesse: Viele AML-relevante Daten werden heute noch manuell aktualisiert oder nur auf Ad-hoc-Basis ausgewertet.
• Unzureichende Schnittstellen: Die automatisierte, prüfungssichere Übertragung an EU-Systeme nach AMLA-Vorgaben muss oft erst konzipiert und getestet werden.

Handlungsdruck für Institute: Gap-Analyse und Datenarchitektur

Viele Verpflichtete im Finanzsektor werden feststellen, dass ihre heutigen AML-Datenhaushalte und -prozesse nicht ausreichend automatisiert, zu fragmentiert oder nur teilweise standardisiert sind. Insbesondere deutsche Institute haben mit AML-Datenpunktmodellen und aufsichtlichen Datenpunktabfragen bislang keine Erfahrung.

Die zentrale Herausforderung lautet: Wie lässt sich eine konsistente, prüffähige und aufsichtskompatible Datenbasis schaffen – über alle Entitäten in der Gruppe hinweg? Dabei müssen die Herausforderungen nicht vollständig neu gedacht werden.

Es kann gegebenenfalls auf bestehenden Data-Governance-Anforderungen unter anderem für die Risikodatenaggregation und Risikoberichterstattung aufgesetzt werden, um Synergien aus bestehenden Umsetzungen zu heben. Das betrifft insbesondere die Anforderungen hinsichtlich der Datenqualität und -verfügbarkeit sowie die Dokumentation und Automatisierung von Datenlieferstrecken.

Ein AMLA-konformes Datenmanagement ist eine Mammutaufgabe: Für die Verpflichteten im Finanzsektor ist mit mehreren Hundert strukturierten Datenfeldern zu rechnen. Und so erfordert es das gleichzeitige Optimieren mehrerer technischer und datenbezogener Vorgänge:

• Zentralisierung und Harmonisierung der Datenquellen (KYC, Transaktionen, Sanktionslisten)
• Strukturierte Datenmodelle nach den technischen Standards der AMLA
• Schnittstellen-Architektur zur automatisierten Datenübertragung
• Dashboards und Reporting-Plattformen zur internen und externen Überwachung