Die Fragen, die die Lieferantenprüfung wirklich stellt

Ja. EyesClear wird in der eigenen Umgebung der Bank eingeführt — on-premise oder Private Cloud — und die KI läuft auf derselben Infrastruktur hinter einem privaten LLM-Gateway. Weder Kundendaten noch Modellinferenz gehen an eine externe Cloud oder einen Drittanbieter. Datensouveränität wird durch die Architektur garantiert, nicht durch einen Vertrag.

Ein Analyst. Die KI entwirft aus dem Alert und dem vollständigen Nachweisbestand; der Analyst prüft, bearbeitet und unterzeichnet. Die KI ist der Maker, der Analyst ist der Checker — ohne diese Unterschrift wird nichts abgeschlossen und nichts gemeldet.

Eine Engine bedient Echtzeit- und rückdatierte Verarbeitung als zwei Modi. Sie aktualisieren die Typologie, lassen sie noch in derselben Nacht über die gesamte Transaktionshistorie laufen und prüfen die neuen Alerts am nächsten Morgen. Kein Leistungsschein beim Anbieter, kein monatelanges Nachbearbeitungsprojekt.

Nein. EyesClear screent keine Zahlungen in Echtzeit. Es nimmt die Sanktions- und Namensabgleich-Alerts, die Ihre Screening-Plattform erzeugt, und löst sie über denselben Maker-Checker-Workflow auf. Die eigene Analyse kann zudem Sanktionsbedenken zur Weitergabe an das Screening-Team markieren.

Tage statt eines monatelangen Integrationsprogramms. Detection, Case Management und Reporting kommen als eine Plattform auf einer einzigen Data Fabric, die sich mit den Warehouses verbindet, die Sie bereits betreiben — es muss also kein neues Data-Lake-Programm vorausgehen.

Konfigurierbare Berichtstypen, Feldkataloge und Transformationsregeln erzeugen die MASAK-ŞİB/STR-Meldungen der Türkei im aktuellen Schema (Kommuniqué Nr. 30), die CRS- und FATCA-Regime sowie weitere komplexe Ausgaben — mit Nachverfolgung der Einreichung, Wiederholungslogik und Terminplanung. Ein neuer Berichtstyp ist Konfiguration, keine Entwicklung.

Durch die Architektur, nicht durch eine Richtlinie. Das LLM läuft ausschließlich innerhalb von EyesClear und hat keinen Zugriff auf Banksysteme, Datenbanken oder Anwendungen. Es sieht die Falldaten, die die Plattform ihm übergibt, und sonst nichts. Alles, was die Agenten tun können, ist durch selbst entwickelte Tools definiert — jedes eine bekannte, geprüfte Fähigkeit mit definierten Ein- und Ausgaben.

Universelle Konnektoren nehmen SWIFT und ISO 20022 auf (MT103, pacs.008, camt und verwandte Nachrichten werden nativ verarbeitet), Echtzeit-Queues wie MQ und Kafka sowie Datenbank- und Dateiquellen aus CRM, Transaktionen, Risiko und KYC — alle abgebildet in die eine Data Fabric.

Nein. Daten gelangen über regelbasierte Erhebung hinein, die Ihre Analysten und Technikteams steuern — jede Quelle, jedes Feld und jede Aktualisierung wird ausdrücklich konfiguriert. Manche Werkzeuge am Markt crawlen stattdessen interne Daten; aus unserer Sicht ist dieses Muster für eine Bank nicht sicher genug. Es wird nichts gelesen, was nicht ausdrücklich freigegeben wurde.

Eine vollständige Plattformeinführung zielt auf 30 % Effizienzgewinn; der Betrieb neben Ihren bestehenden Systemen auf 10–15 %. Die beiden Zahlen, die man im Pilotprojekt beobachtet, sind die durchschnittliche Bearbeitungszeit je Fall und die Analystenstunden, die in höherwertige Arbeit zurückfließen.

Nein. EyesClear ist keine mandantenfähige SaaS. Es läuft als containerisierte Microservices in der eigenen Umgebung der Bank — genau darum geht es. Es ist die Untersuchungs- und Entscheidungsplattform innerhalb der Bank.

EyesClear kann mit passend dimensionierter privater KI-Hardware geliefert werden, sodass die LLM-Schicht als Gerät in den Perimeter kommt und nicht als Cloud-Abhängigkeit. Fragen Sie uns, wie diese Option für Ihre Umgebung aussieht.

Ja — so ist es gedacht. Compliance-Verantwortliche bearbeiten Regeln und Typologien direkt, und Ihr Team gestaltet über dynamische Formulare, was ein Fall erfasst; diese gehen ohne Change Request beim Anbieter live. Jede wesentliche Änderung durchläuft weiterhin einen Maker-Checker-Workflow (Vier-Augen-Prinzip) mit vollständigem Nachweis, wer sie beantragt und wer sie genehmigt hat.

Die KI entscheidet niemals allein. Jede Ausgabe ist bis zu den Quelldaten nachvollziehbar und wird von einem Analysten geprüft, bearbeitet und freigegeben, bevor gehandelt wird — es gibt also keinen Black-Box-Score zu verteidigen. Sämtliche Nachweise, Fallhistorien und Entscheidungen werden zentral mit vollständigen Audit-Trails vorgehalten, und die Aktivitätsprotokollierung hält fest, wer welchen Bildschirm geöffnet und was er getan hat.