Prävention von Geldwäsche und Terrorismusfinanzierung. Mike White
Читать онлайн книгу.
Risiko.
cc) Einsatz von Vermittlern
157
Auch der Einsatz von Vermittlern kann zu erhöhtem Geldwäscherisiko führen.[61] Hierbei kommt es entscheidend darauf an, wer den Kunden angeworben hat: Handelt es sich hierbei um eine Bank, die zur selben Institutsgruppe gehört, eine Drittbank oder um einen Vermittler, der selbst kein Finanzinstitut ist? Ist der Vermittler in einem Land mit erhöhtem Geldwäscherisiko ansässig?
158
Bei der Beurteilung des Vermittlerrisikos müssen sich Banken überlegen, inwieweit sie dem Vermittler bei der Identifizierung des Kunden „vertrauen“ können. Gute Indikatoren sind die Tatsache, dass der Vermittler selbst Verpflichteter des GwG ist. Sofern es sich um einen ausländischen Vermittler handelt, ist u.a. entscheidend, ob das jeweilige Land strengen Anforderungen zur Geldwäscheprävention unterliegt.
2. Kapitel Risikoanalyse nach § 5 GwG: Identifizierung der Risiken der Geldwäsche, Terrorismusfinanzierung und sonstigen strafbaren Handlungen › C. Durchführung der Risikoanalyse › III. Schritt 3a: Risikokategorisierung und -bewertung – Geldwäsche und Terrorismusfinanzierung › 4. Berechnung eines Gesamtrisikoscores pro Kunde
4. Berechnung eines Gesamtrisikoscores pro Kunde
159
Die Risikoscores der Risikodimensionen auf Einzelkundenebene sind zu einem Gesamtrisikoscore pro Kunde zu kombinieren.
Abb. 2:
Berechnung des Gesamtrisikoscores
a) Mögliche Optionen bei der Kombination des Gesamtrisikoscores
160
Bei der Bildung des Gesamtrisikoscores auf Einzelkundenebene bestehen grds. zwei Optionen.
aa) Option 1: Gesamtrisikoscore als Maximalwert
161
Eine Möglichkeit, die einzelnen Scores je Dimension zu kombinieren, ist die Maximalwertmethode. Dabei bestimmt sich der Gesamtrisikoscore des Kunden anhand des Einzelscores mit dem höchsten Risiko.
Abb. 3:
Gesamtrisikoscore als Maximalwert
162
Durch die Bildung des Maximalwerts wird quasi ein Vorsichtsprinzip angewandt. Allerdings werden mögliche risikomindernde Faktoren nicht berücksichtigt. So erhält beispielsweise ein in Saudi Arabien lebender deutscher Staatsangehöriger, der ein Bauspardarlehen für den Bau seines Einfamilienhauses in Hessen aufgenommen hat, automatisch eine schlechte Risikoeinstufung, da die Ausprägung „Saudi Arabien“ des Risikofaktors „Wohnsitz“ einen hohen Risikoscore hat, während die Ausprägungen „Deutschland“ (Risikofaktor „Nationalität“) und „Bauspardarlehen“ (Risikodimension „Produkt“) einen niedrigen Risikoscore haben.
bb) Option 2: Gesamtrisikoscore als arithmetisches Mittel
163
Dem o.g. Dilemma versuchen viele Institute entgegen zu wirken, indem sie nicht den Maximalwert der Einzelscores als ausschlaggebend übernehmen, sondern stattdessen ein arithmetisches Mittel aller Risikoscores bilden. In unserem Beispiel von vorhin würden der Faktor Nationalität und die Dimension Produkt risikomindernd auf den Faktor Wohnsitz wirken, sodass sich insgesamt ein ausgewogenerer Gesamtrisikoscore ergeben würde.
Abb. 4:
Gesamtrisikoscore als arithmetisches Mittel
164
Um nicht Gefahr zu laufen, dass durch die Durchschnittsbildung hohe Risiken in unangemessener Weise abgeschwächt werden, sollten sog. Auto High Risk-Faktoren bestimmt werden: Sobald ein solcher Auto High Risk-Faktor relevant wird, ermittelt sich der Gesamtrisikoscore des Kunden nicht mehr anhand des arithmetischen Mittels, sondern anhand des Maximalwertprinzips. Ein häufig vorkommendes Beispiel für Auto High Risk-Faktoren ist der PEP-Status.
b) Institutsspezifische Gewichtung der Risikofaktoren
165
Um das Risikomodell noch an die Institutsspezifika anzupassen, bietet es sich an, statt eines einfachen arithmetischen Mittels einen gewichteten Durchschnitt zu bilden. Die Gewichtung der einzelnen Risikodimensionen und der zugehörigen Faktoren muss von jedem Institut individuell festgelegt werden. Grundsätzlich sollte aber darauf geachtet werden, dass die Gewichtung einigermaßen ausgewogen erfolgt und nicht ein Faktor den Gesamtrisikoscore dominiert. Außerdem sollte die Gewichtung nicht dazu missbraucht werden, das Risikoprofil der Bank oder einzelner Kunden(segmente) zu beschönigen.
166
Die Wolfsberg-Gruppe gibt in ihren „Frequently Asked Questions on Risk Assessments for Money Laundering, Sanctions and Bribery & Corruption“ aus 2017 ein Beispiel für eine solche Gewichtung.[62] Hier erhalten jene Dimensionen, von denen angenommen wird, dass von ihnen ein höheres Risiko ausgeht, eine höhere Gewichtung als jene, von denen per se betrachtet geringere Geldwäscherisiken ausgehen.
2. Kapitel Risikoanalyse nach § 5 GwG: Identifizierung der Risiken der Geldwäsche, Terrorismusfinanzierung und sonstigen strafbaren Handlungen › C. Durchführung der Risikoanalyse › III. Schritt 3a: Risikokategorisierung und -bewertung – Geldwäsche und Terrorismusfinanzierung › 5. Kategorisierung
5. Kategorisierung
167
Nachdem der Gesamtrisikoscore für jeden Kunden berechnet wurde, können die Kunden kategorisiert und die Gesamtrisikoverteilung des Instituts ermittelt werden. Wie bei der Festlegung der Risikoscores empfehlen wir auch hier drei Risikokategorien: Niedrig, mittel und hoch. Eine detaillierte oder gröbere Kategorisierung ist möglich.
168
Falls man sich für die Ermittlung des Gesamtrisikoscores mittels Maximalwert entschieden hat, fällt die Kategorisierung der Kunden relativ leicht. Angenommen man hat als Risikoscores die Werte 1, 2 und 3 festgelegt, dann würde ein Gesamtrisikoscore von 1 der Kategorie „niedriges Risiko“, von 2 der Kategorie „mittleres Risiko“ und von 3 der Kategorie „hohes Risiko“ entsprechen.
169
Bei