AML Observability: Vom Watchdog-Dossier zum akademischen Paper
FinCrime Watchdog · AML Observability · Begleitartikel
AML Observability: Vom Watchdog-Dossier zum akademischen Paper
Was passiert ist
Vier Artikel in drei Tagen. Dann ein Position Paper auf aixiv.science. Das war nicht geplant – aber es war folgerichtig.
Die AML-Observability-Serie auf FinCrime Watchdog begann als Marktschau und endete als Architekturthese. Was als Frage an vier Anbieter startete – Quantexa, SAS, IMTF, GFT – wurde zu einem eigenständigen Framework: fünf Layer, drei Qualitätsdimensionen, eine Transformation Spiral und fünf Enforcement-Cases, die alle dasselbe Muster zeigen.
Das Ergebnis ist jetzt peer-reviewed auf aixiv.science verfügbar:
→ AML Observability: A Conceptual Framework for Debuggable Compliance Systems
aixiv.260406.000005 · v1.0 · April 2026 · Jürgen Schiller García
Die vier Teile – und was daraus wurde
Teil I: Eine Marktschau – Von Monitoring zu Observability
Die Ausgangsfrage: Kann die AML-Branche von der IT-Operations etwas lernen? Die Antwort war überraschend eindeutig. Kein einziger der untersuchten Anbieter implementiert Observability im Sinne der Distributed-Systems-Definition. Was als Monitoring verkauft wird, beantwortet die Frage „Ist etwas passiert?“ – nicht „Warum ist es passiert, und was haben wir übersehen?“
Im Paper: Dieser Artikel liefert den Related-Work-Kontext und die Vendor-Analyse in Section 3 und 4.
Teil II: Drei Ebenen, eine Sicht – Business-, Daten- und IT-Service-Qualität
Die Erkenntnis, die alles verändert hat: AML-Observability ist kein IT-Thema. Es ist die Frage, ob Business Quality, Data Quality und IT Service Quality überhaupt in derselben Sichtlinie liegen. In den meisten Banken tun sie das nicht. Die drei Dimensionen werden in separaten Silos gemessen – und genau deshalb bleiben Cross-Cutting-Failures unsichtbar.
Im Paper: Daraus wurde Section 5.3 (Three Quality Dimensions) und ein zentrales Argument in der Conclusion.
Teil III: Die Legacy-Bank stranglen, nicht neu erfinden
Die ehrliche Frage: Wie soll eine Großbank mit gewachsener Infrastruktur Observability einführen – ohne alles wegzuwerfen? Die Antwort kommt aus der Software-Architektur: das Strangler Fig Pattern. Erst instrumentieren, dann extrahieren, dann ersetzen. Phase 1 erzeugt sofort Wert, noch bevor ein einziges System ausgetauscht wird.
Im Paper: Daraus wurde Section 8 (Migration Strategy) – und die vielleicht praxisrelevanteste Passage des gesamten Papers.
Teil IV: Fünf Fälle, drei Ebenen, eine Kette
Der empirische Kern: Fünf Enforcement-Cases – Danske Bank, Westpac, Capital One, Swedbank, NatWest – durch eine OBASHI-Brille gelesen. Das Ergebnis: Jeder Fall lässt sich auf eine Schwachstelle in einer spezifischen Schicht des Processing-Stacks zurückführen, in der Observability fehlte. Keine Kausalbeweise – aber ein auffällig konsistentes Muster.
Im Paper: Daraus wurde Section 7 mit der saubersten methodischen Rahmung: „illustrative, not causal proof.“
Was das Paper neu einführt
Drei Dinge stehen im Paper, die in den Blog-Artikeln so nicht vorkamen:
1. Die drei Kernpropositionen (P1–P3)
Das Paper formuliert drei prüfbare Thesen: Observability-Defizite erzeugen epistemische Unsicherheit (P1), Governance ohne Observability bleibt unterevidenziert (P2), KI ohne Observability ist schwer steuerbar (P3). Die Blog-Artikel argumentierten intuitiv in diese Richtung – das Paper macht die Logik explizit.
2. Die Transformation Spiral
Ein Reifegradmodell, das die Sequenzierungsfrage auflöst: Data Governance → System Observability → AI Observability → AI Enablement. Keine lineare Stufenlogik, sondern eine expandierende Spirale. Institutionen können überall einsteigen – aber je weiter sie ohne Observability vorpreschen, desto mehr Opacity, Control Debt und Rework akkumulieren sie.
3. Der Schlusssatz als Sequenzierungsprinzip
„First make the system legible. Then govern it. Then make it smarter.“
Das ist kein Slogan. Das ist eine Architekturaussage.
Warum aixiv.science?
Weil die Plattform zwei Dinge tut, die zu diesem Projekt passen:
Erstens akzeptiert sie AI-assisted Research transparent. Dieses Paper wurde mit KI-Unterstützung gedraftet – aber jede These, jede Fallanalyse und jede editoriale Entscheidung ist meine eigene Arbeit. Das steht so im Colophon, und aixiv macht genau diese Transparenz zum Prinzip.
Zweitens bietet sie AI-Peer-Review – schnell, strukturiert, nachvollziehbar. Kein Ersatz für traditionelle Begutachtung, aber ein sinnvoller erster Qualitätscheck für ein Position Paper, das aus einem Blog-Kontext kommt und seinen akademischen Anspruch erst beweisen muss.
Was als Nächstes kommt
Das Paper ist v1.0. Es gibt offene Fragen, die ich weiterverfolgen werde:
Standardisierung: Kann AMLA Observability-Anforderungen in ihre RTS integrieren?
Föderierte Observability: Ist institutionenübergreifende Compliance-Transparenz ohne Datenzentralisierung möglich?
AI-Diagnostik: Kann KI nicht nur detektieren, sondern Observability-Daten autonom interpretieren?
Diese Fragen werden in künftigen Watchdog-Artikeln und möglicherweise in einer v2 des Papers adressiert.
Links
| Ressource | Link |
| aixiv Paper | aixiv.260406.000005 |
| Teil I – Marktschau | watchdog.endvater.de |
| Teil II – Drei Ebenen | watchdog.endvater.de |
| Teil III – Strangler Fig | watchdog.endvater.de |
| Teil IV – OBASHI Cases | watchdog.endvater.de |
| Beyond AI (GitHub) | github.com/endvater/beyond-ai |
| ORCID | 0009-0001-5370-4972 |
Dieser Artikel ist Teil des AML-Observability-Dossiers auf FinCrime Watchdog. Das Dossier ist als Serie abgeschlossen – das Paper auf aixiv.science ist die akademische Verdichtung.
