Eine Strategie für das Risikomanagement im Zahlungsverkehr ist ein umfassender Plan, den Unternehmen umsetzen, um potenzielle Risiken im Zusammenhang mit der Zahlungsabwicklung zu identifizieren, zu bewerten und zu mindern. Zu diesen Risiken gehören Betrug, Rückbuchungen, Datenschutzverletzungen, Verstöße gegen gesetzliche Vorschriften, Betriebsausfälle und finanzielle Verluste. Das oberste Ziel einer Strategie für das Zahlungsrisikomanagement besteht darin, die finanziellen Interessen und den Ruf eines Unternehmens zu schützen und gleichzeitig ein sicheres, nutzerfreundliches Zahlungserlebnis für Kundinnen und Kunden zu schaffen. Über 60 % aller Betriebsausfälle in Zahlungssystemen verursachen einen Gesamtverlust von mindestens 1 Mio. USD. Dies zeigt, wie wichtig es für Unternehmen ist, Zahlungsrisiken zu verringern.

In diesem Leitfaden werden die wichtigsten Komponenten einer effektiven Strategie für das Zahlungsrisikomanagement, technische Lösungen für das Management von Zahlungsrisiken und die Compliance-Anforderungen für das Zahlungsrisikomanagement erläutert.

Worum geht es in diesem Artikel?

• Was sind häufige Zahlungsrisiken bei digitalen Transaktionen?
  
• Schlüsselkomponenten einer effektiven Strategie für das Zahlungsrisikomanagement
  
• Technische Lösungen für das Management von Zahlungsrisiken
  
• Best Practices zur Eindämmung von Zahlungsbetrug
  
• Einhaltung gesetzlicher Vorschriften rund um das Zahlungsrisikomanagement
  

Was sind übliche Zahlungsrisiken bei digitalen Transaktionen?

Digitale Transaktionen sind schnell und bequem, aber sie bergen zwangsläufig auch Risiken für Unternehmen und Verbraucher/innen. Im Folgenden werden einige häufige Zahlungsrisiken bei digitalen Transaktionen erläutert.

Betrug

Zahlungsbetrug ist das Hauptrisiko bei digitalen Transaktionen. Betrug kann viele Formen annehmen, zum Beispiel:

• Identitätsdiebstahl: Betrüger/innen stehlen persönliche Daten, um nicht autorisierte Einkäufe zu tätigen.

• Kontoübernahme: Betrüger/innen verschaffen sich ohne Wissen der Kontoinhaber/innen Zugang zu Konten und initiieren Transaktionen.

• Phishing-Betrug: Betrüger/innen verleiten ihre Opfer dazu, sensible Informationen wie Passwörter oder Kartendaten preiszugeben.

• Social Engineering: Betrüger/innen manipulieren Einzelpersonen durch Social-Engineering-Taktiken, um Zugang zu sensiblen Informationen zu erhalten oder sie dazu zu bringen, betrügerische Transaktionen zu autorisieren.

• Datenschutzverletzungen: Hacker dringen in Systeme ein und stehlen sensible Kundendaten, einschließlich Zahlungsinformationen, um betrügerische Transaktionen durchzuführen.

• Card-Not-Present (CNP)-Betrug: Dies bezieht sich auf betrügerische Transaktionen, die ohne das Vorhandensein einer physischen Karte stattfinden. Dies kommt bei Online-Käufen häufig vor.

Rückbuchungen

Kundinnen/Kunden können Transaktionen anfechten und eine Rückbuchung beantragen. Dies kann zu finanziellen Verlusten und operativem Aufwand für Unternehmen führen.

Technische Probleme

Durch technische Störungen oder Systemausfälle kann die Zahlungsabwicklung unterbrochen werden, was zu Verzögerungen, unzufriedenen Kundinnen/Kunden und möglichen Umsatzeinbußen führt.

Aufsichtsrechtliche Compliance

Unternehmen müssen Vorschriften wie den Payment Card Industry Data Security Standard (PCI DSS) für Datensicherheit und die überarbeitete Zahlungsdiensterichtlinie (PSD2) für die starke Kundenauthentifizierung einhalten. Die Nichteinhaltung kann zu Bußgeldern und Strafen führen.

Neue Bedrohungen

Mit der Weiterentwicklung der Technologie steigen auch die Risiken. Es entstehen neue Bedrohungen wie synthetischer Identitätsbetrug und Deepfake-Betrug, die ständige Wachsamkeit und Anpassung erfordern.

Risiken durch Dritte

Unternehmen verlassen sich häufig auf externe Zahlungsabwickler und Dienstleister, was potenzielle Risiken in Bezug auf ihre Sicherheitspraktiken und betriebliche Ausfallsicherheit mit sich bringt.

Schlüsselkomponenten einer effektiven Strategie für das Zahlungsrisikomanagement

Das Management von Zahlungsrisiken erfordert den Einsatz mehrerer miteinander verbundener Methoden. Im Folgenden finden Sie eine Übersicht gängiger Methoden, die eine effektive Strategie für das Zahlungsrisikomanagement ausmachen.

• Erweiterte Betrugserkennung: Mit maschinellem Lernen (ML) und künstlicher Intelligenz (KI) werden Transaktionsdaten analysiert. Diese Systeme sollten mit großen Datensätzen trainiert werden, damit subtile, komplexe Muster betrügerischer Aktivitäten erkannt werden, die sich einfacheren regelbasierten Systemen entziehen würden. Außerdem sollten sie so konzipiert sein, dass sie sich anpassen und weiterentwickeln, wenn betrügerische Akteure ihre Taktiken ändern.

• Verhaltensanalyse: Mittels Verhaltensanalysen wird verfolgt, wie Nutzer/innen in der Regel mit Ihren Systemen interagieren. Jede Abweichung von diesen Mustern kann zur weiteren Untersuchung gekennzeichnet werden. Dies könnte den Zeitpunkt von Transaktionen, die Häufigkeit, den Fingerabdruck des Geräts und die Eingabegeschwindigkeit oder -muster umfassen.

• Echtzeit-Datenanalyse: Bei der Echtzeit-Datenanalyse wird das Risikoniveau jeder Transaktion auf der Grundlage aktueller und historischer Daten bewertet. Diese Systeme sollten statische Regeln (z. B. keine Transaktionen über einem bestimmten Wert) und dynamische Modelle enthalten, die sich an sich entwickelnde Muster in den Daten anpassen.

• Sichere Tokenisierung und Verschlüsselung: Erweiterte Verschlüsselungsmethoden und Tokenisierung schützen Daten im Ruhezustand und bei Übertragungen. Bei der Tokenisierung werden sensible Datenelemente durch nicht vertrauliche Entsprechungen ersetzt, die sicher gespeichert und verwendet werden können, ohne Datenwerte offenzulegen.

• Zugriffsverwaltung: Unternehmen müssen den Zugang zu Zahlungssystemen über starke Authentifizierungsprotokolle regeln, sodass nur autorisiertes Personal Zugriff auf sensible Daten und Systeme hat.

• Deep-Link-Analyse: Die Link-Analyse untersucht die Verbindungen zwischen Transaktionen über verschiedene Systeme und Netzwerke hinweg, um Ketten verdächtiger Aktivitäten zu identifizieren. So können ausgeklügelte Betrugsmaschen aufgedeckt werden, an denen mehrere Parteien oder Standorte beteiligt sind.

• Regulatorische Technologie (RegTech): RegTech-Lösungen verwalten und automatisieren die Einhaltung von Finanzvorschriften in verschiedenen Rechtsordnungen. Diese Lösungen können bei der Überwachung und Berichterstattung in Echtzeit helfen und so Compliance-Risiken und -Kosten reduzieren.

• Verbesserte Cybersicherheitsmaßnahmen: Optimierte Tools für die prädiktive Modellierung und die Quantifizierung von Cyberrisiken veranschaulichen die potenziellen finanziellen Auswirkungen verschiedener Cyber-Ereignisse und können proaktive Investitionen in die Cybersicherheit steuern.

• Kooperationsnetzwerke: Branchenweite Kooperationsnetzwerke tauschen Informationen über Betrugstrends und Abwehrstrategien aus und schaffen gemeinsame Analyseplattformen, die Zugriff auf einen breiteren Datenbestand ermöglichen.

• Integrierte Risikomanagement (IRM)-Plattformen: IRM-Plattformen bieten eine ganzheitliche Sicht auf Risiken im gesamten Unternehmen, korrelieren verschiedene Risikotypen und bewerten ihre gegenseitigen Abhängigkeiten.

• Vorhersagemodelle: Vorhersagemodelle können die Wahrscheinlichkeit künftiger Betrugsfälle auf der Grundlage historischer Daten, Verhaltensmuster und externer Threat Intelligence bewerten und Transaktionen mit hohem Risiko zur weiteren Untersuchung proaktiv kennzeichnen.

• Quantitative Risikobewertung: Bei der quantitativen Risikoanalyse werden verschiedenen Risikofaktoren numerische Werte zugeordnet, die auf ihrer Wahrscheinlichkeit und potenziellen Auswirkung basieren. Dies hilft bei der Priorisierung von Ressourcen und legt den Fokus auf die dringendsten Risiken.

• Qualitative Risikobewertung: Die qualitative Risikoanalyse berücksichtigt Faktoren wie den mit einem bestimmten Risiko verbundenen Reputationsschaden, das Potenzial für behördliche Überprüfungen und die Auswirkungen auf das Kundenvertrauen.

• Compliance-Prüfungen und Audits: Compliance-Prüfungen und Audits stellen sicher, dass alle Zahlungssysteme den relevanten Vorschriften und Standards sowie internen Richtlinien und Verfahren entsprechen.

Die folgenden Taktiken können darüber hinaus bei der Identifizierung und Bewertung von Zahlungsrisiken helfen.

• Interne Datenanalyse: Untersuchen Sie historische Transaktionsdaten auf Muster, die auf Betrug hindeuten, z. B. ungewöhnliche Transaktionsvolumen, Spitzen bei Rückbuchungen oder Anomalien im Kundenverhalten. Nutzen Sie Algorithmen für maschinelles Lernen, subtile Zusammenhänge und Trends zu erkennen, die durch manuelle Überprüfung möglicherweise nicht erkennbar sind.

• Externe Threat Intelligence: Nutzen Sie Threat-Intelligence-Feeds aus seriösen Quellen, um sich über aufkommende Betrugstrends, neue Angriffsvektoren und Schwachstellen in Zahlungssystemen auf dem Laufenden zu halten. Verwenden Sie diese Informationen, um Risikomodelle und Sicherheitsmaßnahmen proaktiv anzupassen.

• Branchen-Benchmarking: Vergleichen Sie Ihr Risikoprofil mit Branchen-Benchmarks, um Bereiche zu identifizieren, in denen Ihr Unternehmen möglicherweise anfälliger ist.

• Regelmäßige Risikobeurteilungen Regelmäßige Neubewertung von Risikoprofilen, um Veränderungen im Geschäftsumfeld, neue Technologien und neue Bedrohungen zu berücksichtigen.

• Leistungskennzahlen: Verfolgen Sie wichtige Leistungskennzahlen (KPIs) wie Betrugsraten, Rückbuchungsquoten und Falsch-Positiv-Raten, um die Wirksamkeit von Risikomanagementstrategien zu messen und Verbesserungsmöglichkeiten zu identifizieren.

• Risikoidentifikations-Frameworks: Implementieren Sie umfassende Frameworks, die verschiedene Arten von Zahlungsrisiken kategorisieren: betrügerische, betriebliche, systemische und Compliance-bezogene Risiken. Untersuchen Sie jede Kategorie systematisch mithilfe datengestützter Modelle, um potenzielle Schwachstellen zu identifizieren.

• Netzwerkanalyse: Nutzen Sie die Netzwerkanalyse, um die Beziehungen zwischen den verschiedenen am Zahlungsprozess beteiligten Unternehmen zu verstehen. So lassen sich komplexe Betrugsmaschen erkennen, an denen mehrere miteinander verbundene Parteien beteiligt sind, wie z. B. Absprachen oder Geldwäsche.

• Threat-Intelligence-Plattformen: Verwenden Sie Threat-Intelligence-Plattformen, die Informationen über potenzielle Bedrohungen aus verschiedenen Quellen aggregieren und analysieren. Die Informationen sollten verwertbar sein und spezifische Angaben zu Vektoren, Schwachstellen und Indikatoren für potenzielle Eindringlinge in ein Netzwerk oder Betriebssystem liefern.

• Simulation und Stresstests: Führen Sie Simulationen und Stresstests durch, um zu bewerten, wie Ihre Zahlungssysteme mit Extremszenarien wie technischen Ausfällen und ausgeklügelten Cyberangriffen umgehen würden. Diese Tests helfen dabei, potenzielle Fehlerquellen in Hardware- und Softwaresystemen zu identifizieren.

• Szenarioanalyse und Folgenabschätzung: Verwenden Sie die Szenarioanalyse, um die Auswirkungen verschiedener Risikoereignisse zu verstehen. Erstellen Sie detaillierte Szenarien für potenzielle Risiken und modellieren Sie deren finanzielle Auswirkungen. Dies hilft bei der Priorisierung von Risiken auf der Grundlage ihrer potenziellen Auswirkungen auf das Unternehmen.

• Bewertung der Cybersicherheit: Implementieren Sie ausgefeilte Cybersicherheits-Bewertungstools, die den Sicherheitsstatus von Zahlungssystemen in Echtzeit bewerten können. Diese Tools sollten in der Lage sein, Schwachstellenbewertungen, Penetrationstests und die Identifizierung von Zero-Day-Schwachstellen durchzuführen.

Technische Lösungen für das Management von Zahlungsrisiken

Der technologische Fortschritt hat die Art und Weise, wie Unternehmen Zahlungsrisiken managen, durch Bereitstellung einer Reihe ausgeklügelter Methoden zur Erkennung und Minderung potenzieller Bedrohungen revolutioniert. Berücksichtigen Sie bei der Auswahl technischer Lösungen für das Zahlungsrisikomanagement die folgenden Aspekte.

• Spezifische Risiken: Ermitteln Sie die spezifischen Risiken, mit denen Ihr Unternehmen konfrontiert ist.

• Skalierbarkeit: Wählen Sie Lösungen, die mit Ihrem Unternehmen wachsen können.

• Integration: Wählen Sie Lösungen, die Sie problemlos in Ihre bestehenden Systeme und Prozesse integrieren können.

• Wirtschaftlichkeit: Bewerten Sie die Kosten-Nutzen-Analyse verschiedener Lösungen, um festzustellen, ob sie einen positiven Return on Investment bieten.

• Nutzererfahrung: Priorisieren Sie Lösungen, die Ihren Kundinnen und Kunden eine nutzerfreundliche Oberfläche bieten.

Hier finden Sie einen Überblick über einige führende technische Lösungen und wie sie das Zahlungsrisiko reduzieren.

Maschinelles Lernen und künstliche Intelligenz

• Betrugserkennung: ML-Algorithmen können große Transaktionsdatensätze analysieren, um Muster und Anomalien zu erkennen, die auf Betrug hindeuten. Sie können sich im Laufe der Zeit anpassen und weiterentwickeln, um neuen Betrugstaktiken immer einen Schritt voraus zu sein.

• Risiko-Scoring: KI-gestützte Risiko-Scoring-Engines können das Risikoniveau jeder Transaktion in Echtzeit bewerten und ermöglichen so eine sofortige Entscheidungsfindung und adaptive Authentifizierung.

• Verhaltensbiometrie: ML-Algorithmen können Verhaltensmuster von Nutzern/Nutzerinnen analysieren (z. B. Tippgeschwindigkeit, Mausbewegungen), um Anomalien zu erkennen, die auf betrügerische Aktivitäten hinweisen könnten.

Datenanalyse und -visualisierung

• Big-Data-Plattformen: Big-Data-Plattformen ermöglichen es Unternehmen, große Mengen an Transaktionsdaten aus einer Vielzahl von Quellen zu sammeln, zu speichern und zu analysieren, um wertvolle Erkenntnisse über Betrugsmuster und -trends zu gewinnen.

• Datenvisualisierung: Die Visualisierung von Daten durch Grafiken, Diagramme und Dashboards kann dazu beitragen, Beziehungen und Muster zu erkennen, die in Rohdaten möglicherweise nicht ersichtlich sind.

• Link-Analyse: Bei der Link-Analyse werden die Beziehungen zwischen Entitäten (z. B. Transaktionen, Konten, Geräte) visuell dargestellt und verborgene Verbindungen und Muster aufgedeckt, die auf Betrügerringe hinweisen könnten.

Transaktionsüberwachung und Entscheidungsfindung in Echtzeit

• Betrugserkennungssysteme in Echtzeit: Echtzeit-Betrugserkennungssysteme überwachen Transaktionen auf verdächtige Aktivitäten und verwenden regelbasierte Engines und Modelle für maschinelles Lernen, um potenziellen Betrug in Echtzeit zu erkennen.

• Adaptive Authentifizierung: Adaptive Authentifizierungslösungen passen die erforderliche Authentifizierungsstufe an das bewertete Risikoniveau jeder Transaktion an und minimieren so Unstimmigkeiten für legitime Nutzer/innen, ohne die Sicherheit zu beeinträchtigen.

Tokenisierung und Verschlüsselung

• Tokenisierung: Bei der Tokenisierung werden sensible Karteninhaberdaten durch eindeutige Token ersetzt, wodurch das Risiko von Datenschutzverletzungen verringert und die Einhaltung von PCI DSS sichergestellt wird.

• Verschlüsselung: Die Verschlüsselung schützt Daten bei der Übertragung und im Ruhezustand und macht sie für Unbefugte unlesbar.

3D Secure 2.0

• Mehrstufige Authentifizierung: 3D Secure 2.0 bietet eine zusätzliche Sicherheitsebene für Online-Kartentransaktionen, bei der sich Karteninhaber/innen über verschiedene Methoden (z. B. OTP, biometrische Authentifizierung) authentifizieren müssen.

• Risikobasierte Authentifizierung: 3D Secure 2.0 ermöglicht es Unternehmen, mehr Daten mit Ausstellern zu teilen, wodurch diese bessere Risikobewertungen vornehmen und geeignete Authentifizierungsanforderungen anwenden können.

Biometrische Authentifizierung

• Sichere Authentifizierung: Technologien wie Fingerabdruck- oder Gesichtserkennung oder Iris-Scans bieten eine bequeme Möglichkeit zur Authentifizierung von Nutzern und Nutzerinnen, wodurch das Risiko von Betrug und Kontoübernahmen verringert wird.
  

Blockchain-Technologie

• Zahlungstransparenz: Die dezentrale, unveränderliche Natur der Blockchain kann genutzt werden, um die Sicherheit, Rückverfolgbarkeit und Transparenz in Zahlungssystemen zu verbessern.

• Intelligente Verträge: Mit diesen selbstausfertigenden Verträgen lassen sich Zahlungsabläufe automatisieren und das Risiko von Fehlern und Anfechtungen verringern.

Threat-Intelligence-Plattformen

• Bedrohungsinformationen in Echtzeit: Echtzeit-Threat-Intelligence-Plattformen liefern aktuelle Informationen zu neuen Bedrohungen, Angriffsmustern und Schwachstellen.

• Zusammenarbeit im Bereich Cybersicherheit: Sie erleichtern den Informationsaustausch zwischen Unternehmen und schaffen eine kollektive Verteidigung gegen Cyberbedrohungen.

Best Practices zur Eindämmung von Zahlungsbetrug

Die Minimierung von Zahlungsbetrug in einer Umgebung, in der viel auf dem Spiel steht, erfordert eine Kombination aus fortschrittlicher Technologie und menschlicher Überwachung. Im Folgenden finden Sie einige Best Practices, mit denen sich das Risiko von Zahlungsbetrug verringern lässt.

• Mehrschichtige Betrugserkennungssysteme: Setzen Sie ein mehrschichtiges Betrugserkennungssystem ein, das eine Mischung aus regelbasierten Systemen, Anomalieerkennung, maschinellem Lernen und künstlicher Intelligenz umfasst. Jede Ebene zielt auf verschiedene Aspekte von Betrug ab und bietet in Kombination einen umfassenden Schutz vor betrügerischen Aktivitäten.

• Verhaltensanalyse: Verwenden Sie Verhaltensanalysen, um ein Profil zu erstellen, wie Nutzer/innen typischerweise mit Ihren Systemen interagieren, und um Abweichungen von ihrem normalen Verhalten zu erkennen. Dies könnte die Analyse der Eingabegeschwindigkeit, der Transaktionsmuster, der Surfgewohnheiten und der Änderungen der Geräteausrichtung umfassen.

• Verifizierungsmaßnahmen: Implementieren Sie starke Verifizierungsverfahren wie Zwei-Faktor-Authentifizierung, biometrische Daten (z. B. Fingerabdrücke, Gesichtserkennung) und digitale Zertifikate. Wenden Sie diese Maßnahmen nicht nur bei der Anmeldung an, sondern auch sporadisch während einer Sitzung, insbesondere vor der Autorisierung von Transaktionen mit hohem Wert.

• Tokenisierung und Verschlüsselung: Schützen Sie Daten mit fortschrittlichen Verschlüsselungsstandards sowohl im Ruhezustand als auch bei der Übertragung. Verwenden Sie die Tokenisierung, um sensible Datenelemente durch nicht vertrauliche Entsprechungen zu ersetzen, die nutzlos sind, wenn sie abgefangen werden.

• Transaktionsüberwachung in Echtzeit: Überwachen Sie Transaktionen in Echtzeit, um verdächtige Aktivitäten zu erkennen und sofort darauf zu reagieren. Richten Sie Systemwarnungen für ungewöhnliche Transaktionsgrößen, -häufigkeiten oder geografische Muster ein, die auf Betrug hindeuten könnten.

• Link-Analyse: Implementieren Sie die Verknüpfungsanalyse, um die Verbindungen zwischen Datenpunkten zu visualisieren und zu verstehen. Dadurch können verborgene Beziehungen und Muster zwischen Transaktionen und Konten aufgedeckt werden, die auf organisierte Betrügerringe hindeuten könnten.

• Compliance-Updates: Bleiben Sie auf dem Laufenden über die neuesten Vorschriften und Standards wie PCI DSS, Datenschutz-Grundverordnung (DSGVO) und Gesetze zur Bekämpfung von Geldwäsche (AML). Führen Sie regelmäßige Schulungen und Audits durch, um zu bestätigen, dass alle Systeme und Prozesse konform sind.

• Verbesserter Cybersicherheitsstatus: Halten Sie einen hohen Cybersicherheitsstatus mit regelmäßigen Sicherheitsbewertungen, Penetrationstests und Schwachstellenscans aufrecht. Verwenden Sie SIEM-Systeme (Security Information and Event Management), um Daten aus verschiedenen Quellen zu aggregieren und zu analysieren und potenzielle Sicherheitsvorfälle zu erkennen.

Einhaltung gesetzlicher Vorschriften rund um das Zahlungsrisikomanagement

Es gibt eine Vielzahl von Gesetzen und Normen, die das Risikomanagement im Zahlungsverkehr regeln, und alle dienen dem Schutz von Verbrauchern, Unternehmen und des Finanzsystems vor Betrug, Geldwäsche und anderen illegalen Aktivitäten. Im Folgenden werden die wichtigsten rechtlichen, regulatorischen und branchenspezifischen Richtlinien erläutert, die sich auf das Zahlungsrisikomanagement auswirken.

• Payment Card Industry Data Security Standard (PCI DSS): Dieser globale Standard legt Sicherheitsanforderungen für Organisationen fest, die Karteninhaberdaten verarbeiten. Der Zweck besteht darin, Datenschutzverstöße und Betrug zu verhindern. Compliance umfasst die sichere Speicherung, Übertragung und Verarbeitung von Kartendaten, das Management von Sicherheitslücken und regelmäßige Tests.

• Datenschutz-Grundverordnung (DSGVO): Diese Verordnung der Europäischen Union schützt die Privatsphäre und die personenbezogenen Daten natürlicher Personen und wirkt sich darauf aus, wie Unternehmen Kundendaten erfassen, speichern und verarbeiten. Compliance umfasst die Einholung der Zustimmung des Kunden/der Kundin, die Gewährleistung der Datensicherheit und die Gewährung von Rechten für den Zugriff auf und die Kontrolle seiner/ihrer Daten.

• Überarbeitete Zahlungsdiensterichtlinie (PSD2): Diese europäische Verordnung schützt die Verbraucher/innen, fördert Innovationen und erhöht die Sicherheit auf dem Zahlungsverkehrsmarkt. Sie schreibt eine starke Kundenauthentifizierung (SCA) für Online-Transaktionen, Open-Banking-Initiativen und strengere Sicherheitsanforderungen für Zahlungsdienstleister vor.

• Vorschriften zur Bekämpfung von Geldwäsche (AML) und Terrorismusfinanzierung (CTF): Diese Vorschriften verpflichten Unternehmen zur Umsetzung bestimmter Maßnahmen zur Verhinderung und Aufdeckung von Geldwäsche und Terrorismusfinanzierung. Compliance umfasst die Sorgfaltspflicht gegenüber Kundinnen/Kunden, die Überwachung von Transaktionen, die Meldung verdächtiger Aktivitäten und die Risikobewertung.

• Know Your Customer (KYC)- und Know Your Business (KYB)-Vorschriften: Diese Vorschriften schreiben vor, dass Unternehmen die Identität ihrer Kundinnen/Kunden und Geschäftspartner/innen überprüfen und das Risikoprofil bewerten, um Betrug und Finanzkriminalität zu verhindern. Compliance umfasst die Erfassung und Verifizierung von Kundeninformationen, die laufende Überwachung und das Melden verdächtiger Aktivitäten.

• Federal Trade Commission (FTC) Act: In den USA verbietet der FTC Act unlautere oder irreführende Handlungen oder Praktiken, die den Handel beeinträchtigen, einschließlich betrügerischer und täuschender Aktivitäten im Zusammenhang mit Zahlungen.

Um diese Gesetze und Vorschriften einzuhalten, müssen Unternehmen in Ressourcen, Technologie und Personal investieren und häufig ihre Prozesse und Richtlinien anpassen. Diese Kosten und betrieblichen Änderungen können zwar Schwierigkeiten verursachen, aber die Einhaltung der Vorschriften kann auch die Sicherheit verbessern und das Vertrauen der Verbraucher/innen stärken.