KI kommt für die Krypto-Compliance, aber nicht so, wie die meisten Leute denken

Von Pierre Gérard, CEO und Mitgründer, Scorechain

Als wir Scorechain 2015 in Luxemburg gründeten, war „Blockchain-Analytik“ noch keine Kategorie. Wir verbrachten die ersten Jahre damit, Banken und Aufsichtsbehörden zu erklären, warum die Transparenz eines öffentlichen Ledgers eine Chance und keine Bedrohung war. Ein Jahrzehnt später sehe ich, wie dasselbe Missverständnis an die künstliche Intelligenz (KI) gekoppelt wird, und es kostet die Branche Zeit, die sie nicht hat.

Zwei Geschichten dominieren die Diskussion. Die erste besagt, dass KI Compliance-Teams bald vollständig ersetzen wird. Die zweite besagt, dass KI zu unvorhersehbar ist, um sie in die Nähe regulierter Finanzaktivitäten zu lassen. Ich glaube keiner von beiden, und das sage ich als jemand, dessen Unternehmen seit 2015 mehr als 2.800 Virtual-Asset-Service-Provider (VASPs) risikobewertet hat und der die letzten zwei Jahre damit verbracht hat, KI dort einzufügen, wo sie wirklich hilft, als separate Schicht und nicht als etwas, das in die Compliance-Tools eingebaut ist, von denen unsere Kunden abhängen.

Beginnen wir mit dem Problem, das jeder Compliance-Beauftragte, mit dem ich spreche, innerhalb der ersten fünf Minuten anspricht: Rauschen. Ein Sanktions-Screening-System, das so eingestellt ist, wie es eine nervöse Bank einstellt, kann Falschpositive in einer Größenordnung von 95 % auslösen. Die Transaktionsüberwachung liegt nicht weit dahinter. Also verbringt ein geschulter Analyst, jemand, der Typologien versteht und Fundflüsse lesen kann, den Großteil des Arbeitstages damit, Warnungen zu bereinigen, die nie Risiken waren: Abweisen von Namensübereinstimmungen bei einem gemeinsamen Nachnamen, Lesen von fünf negativen Medienberichten, die sich herausstellen, eine völlig andere Person zu beschreiben. Jeder dieser negativen Medienchecks dauert einen Analysten 10 bis 20 Minuten. Das ist die tatsächliche Textur der Compliance-Arbeit heute, und das ist der Grund, warum gute Leute in diesem Beruf ausbrennen.

Hier findet die Automatisierung ihren Platz, und dieser Platz ist enger, als der Hype vermuten lässt. Ich bin dazu nicht neutral. Scorechain AI existiert, um einem Analysten einen einzigen Bericht zu übergeben: das Risikoscore eines Wallets, die Entitätstypen, mit denen es interagiert hat, und die benannten Dienste und Gegenparteien, mit denen es in Berührung gekommen ist. Das ist Arbeit, die früher Stunden des manuellen Nachverfolgens über ein Ledger bedeutete. Aber beachten Sie, was der Bericht tut und was nicht. Er trifft keine Entscheidungen. Er komprimiert die Beweise, sodass der Compliance-Beauftragte, der diese Entscheidung unterzeichnen und später gegenüber einem Aufsichtsbehörden verteidigen muss, sie in Minuten lesen und dann die Entscheidung treffen kann. Das ist das ganze Spiel. Gute Automatisierung schrumpft die Compliance-Funktion nicht; sie entfernt sie von der Tretmühle der Triage und zurück zur Urteilsfindung.

Die Unterscheidung ist wichtig, weil die Alternative gefährlich ist. In einem regulierten Umfeld kann ein Modell nicht einem Vorgesetzten Rechenschaft ablegen. Die Sechste Richtlinie zur Geldwäschebekämpfung (AMLD6) und die Verordnung über Märkte für Krypto-Assets (MiCA) verlangen beide von einer Institution, ihre Entscheidungen zu erklären und hinter sie zu stehen. „Der Algorithmus hat es markiert“ ist keine Verteidigung bei einer Inspektion, und „der Algorithmus hat es freigegeben“ ist noch schlimmer. Daher ist das einzige verantwortungsvolle Design KI als Unterstützungsschicht, die auf vertrauenswürdigen Daten sitzt, mit einem benannten Compliance-Beauftragten, der die Entscheidung und die damit verbundene Verantwortung behält. Menschliche Aufsicht ist kein Trainingsrad, das wir entfernen, sobald das Modell ausgereift ist. Es ist die Architektur.

Und ein Modell ist nur so gut wie das, was darunter liegt. Das ist der Teil, den Außenstehende verpassen. Ein AI, die eine Blockchain liest, sieht allein nur anonyme Zeichenketten, die Wert zu anderen anonymen Zeichenketten bewegen. Sie kann nicht erkennen, dass das Wallet drei Hops stromaufwärts eine sanktionierte Börse ist oder dass die Gegenpartei, die die Mittel erhält, ein Mixer und kein Lohnabwickler ist. Die Bereitstellung dieses fehlenden Kontexts ist die gesamte Aufgabe der Blockchain-Analytik: Anhängen von Identität und Risiko an rohe On-Chain-Aktivitäten, Nachverfolgen indirekter Exposition über mehrere Hops statt nur die Adresse vor Ihnen zu prüfen, und Bewertung gegen die mehr als eine Milliarde Datenpunkte und über eine Million Krypto-Entitäten, die wir seit 2015 gekennzeichnet haben. Nehmen Sie einen konkreten Fall: Ein Wallet sieht auf den ersten Blick sauber aus, aber das Nachverfolgen seiner Flüsse zeigt, dass der Großteil seines Guthabens vor zwei Hops von einer Adresse kam, die mit einem Ransomware-Betreiber verbunden ist. Das ist die Erkenntnis, die ein Modell mit reinen Chain-Daten allein nie erreichen würde, und die ein Compliance-Beauftragter umsetzen muss. Füttern Sie ein Modell mit diesem Kontext, und es kann auf solidem Boden schlussfolgern. Füttern Sie es mit dünnen Daten, und es produziert selbstsicheren Unsinn, was im Compliance-Bereich gefährlicher ist als eine ehrliche Lücke, weil es Dinge freigibt, die es nicht sollte.

Hier ist etwas, das ich wirklich neu finde. KI ist nicht mehr nur ein Werkzeug, das Compliance-Teams verwenden; sie wird zu einem Teilnehmer am Markt, den sie überwachen. Autonome Agenten, die Zahlungen unter vordefinierten Grenzen initiieren, sind von der Demo zur Bereitstellung übergegangen, vorangetrieben durch echte Infrastruktur: den x402-Standard von Coinbase für Maschin-zu-Maschine-Zahlungen, das Trusted Agent Protocol von Visa, die PayPal- und OpenAI-Checkout-Integration. Software beginnt, mit anderer Software zu transaktieren, sich in Krypto-Assets zu verrechnen, in einem Volumen, das kein Treasury-Team von Hand erreichen könnte.

Dies wirft eine Frage auf, die die Branche noch nicht sauber beantwortet hat: Wie wendet man Know Your Transaction-Prinzipien auf eine Gegenpartei an, die ein Stück Software ist? Die Richtung ist zumindest klar. Wenn Agenten eigenständig transaktieren, können Kontrollen nicht nur beim Onboarding leben. Sie bewegen sich in die Transaktionsschicht selbst: Echtzeitüberwachung, Geschwindigkeitsbegrenzungen, Herkunftsnachweis und die Fähigkeit, einzugreifen, während das Geld noch unterwegs ist. Die Transparenz, für die wir Jahre damit verbracht haben, Skeptiker zu überzeugen, erweist sich als das einzige Mittel, das autonome On-Chain-Aktivitäten überhaupt auditierbar macht.

Das ist die Zukunft, für die wir uns entschieden haben, anstatt darauf zu warten. Wir haben kürzlich Scorechain MCP gestartet, das unsere Risikobewertung und Entitätsintelligenz über das Model Context Protocol freilegt, den aufkommenden Standard, der es AI-Agenten ermöglicht, externe Tools direkt aufzurufen. Die Intelligenz lebt in unserer Plattform, und die AI bleibt außerhalb davon, ruft Antworten ab, anstatt in das Compliance-Tool selbst eingebettet zu sein. Die Prämisse ist einfach: Ein Agent sollte niemals blind transaktieren. Bevor er Mittel bewegt oder eine Gegenpartei genehmigt, kann er Scorechain im selben Atemzug fragen, ob diese Adresse eine sanktionierte Entität, ein Mixer, ein bekannter Betrug oder ein sauberes privates Wallet ist, und erhält im Gegenzug einen Risikoscore. Dies ist keine hypothetische Durchsatzrate. Wir führen bereits mehr als 1,5 Millionen AML-Prüfungen pro Tag durch, und ein Screening-Aufruf dauert etwa 235 Millisekunden, schnell genug, um in eine Live-Transaktion eingebettet zu sein, anstatt sie zu verlangsamen. Wir platzieren es dort, wo diese Agenten und Workflows tatsächlich leben, als App in ChatGPT und Claude sowie als Integration auf Automatisierungsplattformen wie n8n und Zapier. Eine Compliance-Prüfung, die im Fluss sitzt, im Moment der Entscheidung, ist weit mehr wert als eine, die nachgebolt wird, nachdem das Geld bereits bewegt wurde. Die grundlegendste Prüfung aller, ob eine Adresse auf einer Sanktionsliste erscheint, sollte nicht hinter einer Paywall für jedermann sitzen. Deshalb bieten wir sie als kostenlose Sanktions-Screening-API an, die jeder Entwickler, Agent oder Workflow aufrufen kann. Das Screening auf Sanktionsexposition ist nicht der Bereich, in dem ein Compliance-Anbieter Wert extrahieren sollte; es ist der Boden, auf dem der gesamte Markt stehen sollte.

Hier gibt es eine Verschiebung zweiter Ordnung, mit der Token-Aussteller und Asset-Manager erst beginnen, sich auseinanderzusetzen. Wenn Wert im Maschinentempo in Stablecoins und tokenisierte Assets fließt, ist das relevante Risiko nicht mehr nur die einzelne Transaktion, sondern das Asset selbst: Wer hält es, wie konzentriert ist dieser Besitz und wie viel der Versorgungssitze bei sanktionierten oder sonstigen hochriskanten Entitäten. Das ist eine andere Frage als die Transaktionsüberwachung, und genau darauf ist unsere Digital Asset Intelligence ausgelegt, die einem Aussteller oder Asset-Manager eine Asset-Ebene-Ansicht von Haltern und Exposition gibt, bevor sie minten, listen oder zuweisen.

Europa ist dafür bereitwilliger, als ihm zugestanden wird. MiCA und AMLD6 gehen bereits von kontinuierlicher Überwachung und klarer Rechenschaftspflicht aus, anstatt von einer einmaligen Prüfung an der Tür, und ein Regime, das davon ausgeht, dass Aktivitäten erklärbar sein müssen, ist genau das, was man will, wenn Software anfängt, Geld zu bewegen. Also ja, KI kommt für die Krypto-Compliance. Sie wird einen großen Teil der mühsamen Arbeit entfernen, und das begrüße ich. Was sie nicht entfernen wird, ist die Notwendigkeit von Urteilsvermögen, Rechenschaftspflicht und überprüfbaren Daten. Sie erhöht die Anforderungen an alle drei. Die Teams, die KI als schnelleren Analysten behandeln, der in zuverlässige On-Chain-Intelligenz eingebettet ist und fest unter menschlicher Kontrolle gehalten wird, sind diejenigen, die noch stehen werden, wenn die Maschinen anfangen zu transaktieren. Das ist näher, als die meisten Leute denken.