Von Pierre Gérard, CEO und Mitgründer von Scorechain

Als Scorechain 2015 in Luxemburg gegründet wurde, war „Blockchain-Analyse“ noch keine etablierte Kategorie. In den ersten Jahren erklärten wir Banken und Aufsichtsbehörden, warum die Transparenz eines öffentlichen Ledgers eher eine Chance als eine Bedrohung darstellt. Ein Jahrzehnt später beobachte ich, wie sich dasselbe Missverständnis an die künstliche Intelligenz (KI) heftet – und der Branche damit Zeit kostet, die sie nicht hat.

Zwei Erzählungen dominieren die Debatte. Die erste besagt, KI werde die Compliance-Teams schon bald vollständig ersetzen. Die zweite behauptet, KI sei zu unberechenbar, um ihr in regulierten Finanzaktivitäten auch nur nahe zu lassen. Ich glaube keines von beiden – und das sage ich als jemand, dessen Unternehmen seit 2015 mehr als 2.800 Virtual Asset Service Provider (VASPs) risikobewertet hat und in den vergangenen zwei Jahren KI dort ergänzt hat, wo sie tatsächlich hilft: als separate Ebene, nicht als etwas, das in die Compliance-Tools eingebaut ist, auf die sich unsere Kunden verlassen.

Das Lärmproblem in der Compliance

Jeder Compliance Officer, mit dem ich spreche, nennt innerhalb der ersten fünf Minuten dasselbe Problem: Rauschen. Ein Sanktionsscreening-System, das so eingestellt ist, wie es eine nervöse Bank bevorzugen würde, kann Falsch-Positive in einer Größenordnung von 95% erzeugen. Transaction Monitoring liegt nicht weit dahinter. Ein geschulter Analyst – jemand, der Typologien versteht und Geldflüsse lesen kann – verbringt daher den Großteil des Arbeitstags damit, Alerts zu bereinigen, die nie ein Risiko waren: Namensübereinstimmungen bei einem häufigen Nachnamen zu verwerfen oder fünf Negative-Media-Treffer zu lesen, die sich schließlich auf eine völlig andere Person beziehen. Jede dieser Prüfungen dauert 10 bis 20 Minuten. Das ist die tatsächliche Realität der Compliance-Arbeit – und der Grund, warum gute Leute aus dem Beruf ausbrennen.

Hier verdient Automatisierung ihren Platz, und dieser Platz ist enger, als der Hype vermuten lässt. Ich bin dabei nicht neutral. Scorechain AI wurde entwickelt, um einem Analysten einen einzigen Bericht zu liefern: den Risikoscore einer Wallet, die Arten von Entitäten, mit denen sie interagiert hat, sowie die benannten Dienste und Gegenparteien, denen sie ausgesetzt war. Das ist Arbeit, die früher stundenlange manuelle Spurensuche durch ein Ledger bedeutete. Aber wichtig ist, was der Bericht tut – und was nicht. Er trifft keine Entscheidungen. Er verdichtet die Belege, damit der Compliance Officer – die Person, die diese Entscheidung freigeben und später einer Aufsicht erklären muss – sie in Minuten lesen und dann die Entscheidung treffen kann. Das ist das ganze Spiel. Gute Automatisierung verkleinert die Compliance-Funktion nicht; sie verschiebt sie weg von der Triage-Mühle und zurück zur Beurteilung.

Der Unterschied ist wichtig, weil die Alternative gefährlich ist. In einem regulierten Umfeld kann ein Modell nicht vor einem Vorgesetzten Verantwortung übernehmen. Sowohl die Sixth Anti-Money Laundering Directive (AMLD6) als auch die Markets in Crypto-Assets Regulation (MiCA) verlangen von einer Institution, ihre Entscheidungen zu erklären und zu verantworten. „Der Algorithmus hat es markiert“ ist bei einer Prüfung keine Verteidigung, und „der Algorithmus hat es freigegeben“ ist noch schlimmer. Deshalb ist nur ein verantwortungsvolles Design richtig: KI als Unterstützungsebene auf verlässlichen Daten, während ein benannter Compliance Officer die Entscheidung und die damit verbundene Verantwortung behält. Menschliche Aufsicht ist kein Stützrad, das man entfernt, sobald das Modell reifer wird. Sie ist die Architektur.

Und ein Modell ist nur so gut wie das, worauf es aufbaut. Das ist der Teil, den Außenstehende oft übersehen. Für sich genommen sieht eine KI, die eine Blockchain liest, nur anonyme Zeichenfolgen, die Werte an andere anonyme Zeichenfolgen bewegen. Sie kann nicht erkennen, dass die Wallet drei Hops stromaufwärts zu einer sanktionierten Börse gehört oder dass die Gegenpartei, die die Mittel empfängt, ein Mixer ist und kein Payroll-Anbieter. Genau diese fehlende Einordnung ist die Aufgabe der Blockchain-Analyse: Identität und Risiko an rohe On-Chain-Aktivitäten zu knüpfen, indirekte Exponierung über mehrere Hops zu verfolgen statt nur die Adresse vor sich zu prüfen, und sie anhand von mehr als einer Milliarde Datenpunkten und über einer Million Krypto-Entitäten zu bewerten, die wir seit 2015 labeln konnten.

Ein konkretes Beispiel: Eine Wallet wirkt auf den ersten Blick sauber, doch die Nachverfolgung ihrer Flüsse zeigt, dass der Großteil ihres Bestands zwei Hops zurück von einer Adresse stammt, die mit einem Ransomware-Betreiber verbunden ist. Das ist ein Befund, zu dem ein Modell auf Basis roher Chain-Daten allein nie kommen würde – und genau der Befund, auf den ein Compliance Officer reagieren muss. Gibt man einem Modell diesen Kontext, kann es auf sicherer Grundlage urteilen. Gibt man ihm dünne Daten, erzeugt es selbstbewussten Unsinn – und das ist in der Compliance gefährlicher als eine ehrliche Lücke, weil dadurch Dinge freigegeben werden, die eigentlich auffallen müssten.

Hier kommt etwas wirklich Neues ins Spiel. KI ist nicht länger nur ein Werkzeug, das Compliance-Teams verwenden; sie wird zu einem Teilnehmer des Marktes, den diese überwachen. Autonome Agenten, die Zahlungen innerhalb festgelegter Grenzen anstoßen, sind von der Demo in den Einsatz übergegangen – getragen von realer Infrastruktur: Coinbase’ x402-Standard für Machine-to-Machine-Zahlungen, Visa’s Trusted Agent Protocol, die Checkout-Integration von PayPal und OpenAI. Software beginnt, mit anderer Software zu transagieren und sich in Krypto-Assets abzuwickeln – in einem Umfang, den kein Treasury-Team von Hand erreichen könnte.

Damit stellt sich eine Frage, 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 transagieren, dürfen Kontrollen nicht nur beim Onboarding sitzen. Sie wandern auf die Transaktionsebene selbst: Echtzeit-Monitoring, Geschwindigkeitslimits, Provenienz und die Möglichkeit einzugreifen, solange das Geld noch unterwegs ist. Die Transparenz, die wir jahrelang gegenüber Skeptikern verteidigt haben, erweist sich als genau das, was autonome On-Chain-Aktivitäten überhaupt erst prüfbar macht.

Diese Zukunft bauen wir lieber aktiv, statt auf sie zu warten. Wir haben kürzlich Scorechain MCP gestartet, das unsere Risikobewertung und Entity Intelligence über das Model Context Protocol zugänglich macht – den entstehenden Standard, mit dem KI-Agenten externe Tools direkt aufrufen können. Die Intelligenz bleibt in unserer Plattform, und die KI bleibt außerhalb davon und ruft Antworten ab, statt in das Compliance-Tool selbst eingebettet zu sein. Das Prinzip ist einfach: Ein Agent sollte niemals blind transagieren. Bevor er Mittel bewegt oder eine Gegenpartei freigibt, kann er Scorechain unmittelbar fragen, ob diese Adresse eine sanktionierte Entität, ein Mixer, ein bekannter Betrugsfall oder eine saubere private Wallet ist, und erhält im Gegenzug einen Risikoscore. Das ist kein hypothetischer Durchsatz. Wir führen bereits mehr als 1,5 Millionen AML-Prüfungen pro Tag durch, und ein Screening-Aufruf antwortet in rund 235 Millisekunden – schnell genug, um in einer laufenden Transaktion zu liegen, statt 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 Ablauf an dem Punkt sitzt, an dem die Entscheidung fällt, ist weit mehr wert als eine, die erst nach dem Geldtransfer ergänzt wird.

Die grundlegendste Prüfung von allen – ob eine Adresse auf einer Sanktionsliste erscheint – sollte für niemanden hinter einer Paywall liegen. Deshalb bieten wir sie als kostenlose Sanctions-Screening-API an, die jeder Entwickler, Agent oder Workflow aufrufen kann. Das Screening auf Sanktionsrisiken ist nicht der Bereich, in dem ein Compliance-Anbieter Wert abschöpfen sollte; es ist die Grundlage, auf der der gesamte Markt stehen sollte.

Hier findet eine zweite Verschiebung statt, die Token-Emittenten und Asset Manager erst allmählich einordnen. Wenn Werte mit Maschinen­geschwindigkeit in Stablecoins und tokenisierte Assets fließen, liegt das relevante Risiko nicht mehr nur in der einzelnen Transaktion, sondern im Asset selbst: Wer hält es, wie konzentriert ist dieses Eigentum, und wie viel des Angebots liegt bei sanktionierten oder anderweitig risikoreichen Entitäten? Das ist eine andere Frage als Transaction Monitoring, und genau darauf ist unsere Digital Asset Intelligence ausgelegt – sie gibt Emittenten oder Asset Managern einen Asset-Level-Blick auf Inhaber und Exponierung, bevor sie prägen, listen oder zuweisen.

Europa ist dafür besser vorbereitet, als ihm oft zugetraut wird. MiCA und AMLD6 setzen bereits kontinuierliche Überwachung und klare Verantwortlichkeit voraus, statt einer einmaligen Prüfung an der Tür. Ein Regime, das voraussetzt, dass Aktivität erklärbar sein muss, ist genau das, was man will, wenn Software beginnt, Geld zu bewegen.

Ja, KI wird die Krypto-Compliance verändern. Sie wird einen großen Teil der mühsamen Arbeit beseitigen, und das begrüße ich. Was sie nicht beseitigen wird, ist der Bedarf an Urteilskraft, Verantwortlichkeit und verifizierbaren Daten. Im Gegenteil: Sie hebt den Anspruch an alle drei. Die Teams, die KI als schnelleren Analysten behandeln – getragen von verlässlicher On-Chain-Intelligenz und fest unter menschlicher Kontrolle – werden die sein, die auch dann noch bestehen, wenn Maschinen anfangen, selbstständig zu transagieren. Dieser Zeitpunkt ist näher, als die meisten Menschen denken.