Quantexa

Kurzfazit

Quantexa ist eine der ernstzunehmendsten Plattformen, wenn es darum geht, Finanzkriminalität nicht auf der Ebene einzelner Transaktionen, sondern im gesamten Netzwerk zu erkennen. Der Kern ist die Kombination aus Entity Resolution (verstreute Datenpunkte zu echten Entitäten zusammenführen) und Graphenanalyse (Beziehungen zwischen diesen Entitäten sichtbar machen). Damit fällt auf, was regelbasierten AML-Systemen entgeht: Strohmann-Konten, Round-Tripping, koordiniertes Smurfing über Dutzende scheinbar unabhängiger Konten. Der Preis dafür ist hoch, wörtlich und im übertragenen Sinn: Quantexa ist ein reines Enterprise-Produkt mit langen Implementierungsprojekten, ohne öffentliches Pricing und ohne dokumentierten Deutsch-Support. Für Großbanken und große Versicherer ist es ein Marktführer; für ein mittelständisches Institut ohne Daten-Reife ist es überdimensioniert.

Für wen ist Quantexa?

Großbanken und Investmentbanken: Das Kernsegment. Wer täglich sechsstellige Transaktionszahlen über viele Produkte, Länder und Tochtergesellschaften verarbeitet, profitiert am stärksten von der Netzwerkperspektive. Quantexa nennt namhafte Referenzen im Banking, HSBC ist zugleich Investor, und das portugiesische Institut Novobanco betreibt nach Anbieterangaben über 50 KI-Modelle auf der Plattform.

AML- und Financial-Crime-Compliance-Teams: Teams, die unter einer Flut von False Positives ersticken und ihre Analysten von der Alert-Abarbeitung zu echter Risikobewertung verschieben wollen. Quantexa priorisiert Alerts nach Netzwerkkontext und liefert Q Assist als generativen Recherche-Assistenten für die Fallbearbeitung.

Große Versicherer und öffentliche Stellen: Über AML hinaus deckt Quantexa Versicherungsbetrug, Steuerlücken und Sanktionsumgehung ab. Die Zürich-Versicherung kündigte Ende 2025 eine Partnerschaft zur Betrugserkennung an; im Public Sector geht es um Betrugsnetzwerke bei Förderungen und Steuern.

Institute mit harten Datenhaltungs-Anforderungen: EU-Region und On-Premise-Deployment sind möglich, relevant für Banken unter BaFin/EZB-Aufsicht, die Transaktions- und Personendaten nicht in eine US-Cloud geben dürfen.

Weniger geeignet für: Kleine und mittlere Institute ohne siebenstelliges Projektbudget, Häuser mit unsauberen oder fragmentierten Stammdaten (Entity Resolution braucht eine brauchbare Datenbasis), und alle, die eine schnell einsatzbereite Out-of-the-box-Lösung suchen. Für reines Sanktions- und PEP-Screening ist ein schlankeres Tool wie oft die wirtschaftlichere Wahl.

Preise im Detail

Modell	Preis	Was dahintersteckt
Cloud AML / SaaS	Auf Anfrage	Vorkonfigurierte AML-Variante (Quantexa Cloud AML) für mittelgroße und Community-Banken ohne eigene Graph-Infrastruktur, zunächst auf den US-Markt zugeschnitten; schnellere Time-to-Value
Decision Intelligence Platform	Auf Anfrage	Volle Plattform-Lizenz: Entity Resolution, Graph Analytics, Contextual Monitoring, Q Assist, für komplexe Konzern-Setups
On-Premise / Private Cloud	Auf Anfrage	Deployment im eigenen Rechenzentrum oder in der eigenen Cloud-Region für strikte Datenhaltung
Implementierung & Integration	Projektbasiert	Datenanbindung, Modell-Tuning, Schnittstellen zu Case-Management (Oracle Mantas, Appian, Actimize), Schulung

Einordnung: Quantexa veröffentlicht keine Preise, alles läuft über den Enterprise-Vertrieb. Belastbare Listenpreise gibt es nicht; aus Marktbeobachtung liegen Lizenz plus Implementierung für mittlere bis große Institute realistisch im mittleren sechs- bis siebenstelligen Bereich pro Jahr, abhängig von Datenvolumen, Modulen und Deployment-Modell. Das macht Quantexa zu einer strategischen Investitionsentscheidung, nicht zu einem Tool-Kauf. Wer den ROI rechnet, sollte ihn gegen die Personalkosten für die manuelle Alert-Prüfung und gegen das regulatorische Risiko (Bußgelder bei AML-Versagen gehen in die Millionen) stellen, dann relativiert sich der Preis für die großen Häuser. Für kleine Institute tut er es nicht.

Stärken im Detail

Netzwerkperspektive statt Einzeltransaktion. Das ist der eigentliche Hebel. Regelbasierte Systeme schlagen an, wenn eine einzelne Transaktion eine Schwelle reißt, Geldwäscher umgehen das, indem sie Beträge über viele Konten streuen (Smurfing). Quantexa baut aus allen verfügbaren Daten einen Entitätsgraphen und erkennt Muster, die erst auf Netzwerkebene sichtbar werden: Round-Tripping, Layering, Strohmann-Strukturen. Das ist methodisch eine andere Liga als Schwellenwert-Regeln.

Entity Resolution als Fundament. Bevor man Beziehungen analysieren kann, muss man wissen, wer wer ist. Quantexas Entity Resolution führt verstreute Datenpunkte, leicht abweichende Namen, Adressen, Firmenverflechtungen aus internen und externen Quellen, zu einer einzigen, kohärenten Entität zusammen. Diese Auflösung ist die Grundlage, auf der die Graphenanalyse überhaupt erst funktioniert, und sie ist eine der ausgereiftesten am Markt.

Weniger False Positives, schnellere Ermittlungen. Der wirtschaftliche Kernnutzen: Laut Quantexa-Benchmarks lassen sich False-Positive-Raten deutlich (in Fallstudien bis 75 %) senken und Ermittlungen erheblich beschleunigen. Wichtig: Das sind herstellerseitige Zahlen aus Referenzprojekten, keine unabhängig auditierten Durchschnittswerte, die tatsächliche Wirkung hängt stark von Datenqualität und Ausgangslage ab. Der Mechanismus ist aber plausibel: Wer Alerts nach Netzwerkkontext priorisiert, sortiert harmlose Einzelfälle früher aus.

Q Assist bringt generative KI in die Fallarbeit. Mit Q Assist hat Quantexa einen generativen KI-Assistenten in die Ermittlungsumgebung integriert, der Analysten beim Zusammenfassen von Fällen, beim Recherchieren von Zusammenhängen und beim Dokumentieren unterstützt. Das verkürzt die reine Schreibarbeit, die in der Compliance-Dokumentation einen erheblichen Zeitanteil ausmacht.

Echte Referenzen im Tier-1-Banking. Quantexa ist kein Start-up-Versprechen, sondern produktiv im Einsatz bei namhaften Finanzinstituten. HSBC ist zugleich Investor, was die Bindung an den Use Case unterstreicht; das portugiesische Institut Novobanco betreibt nach Anbieterangaben über 50 KI-Modelle auf der Plattform. Die Series F (175 Mio. USD, Bewertung 2,6 Mrd. USD) und ein Kundenstamm in über 70 Ländern bestätigen die Marktposition im Financial-Crime-Segment.

Cloud, On-Premise und Hybrid. Anders als viele US-zentrierte KI-Anbieter bietet Quantexa neben der Cloud auch On-Premise- und Hybrid-Deployment an. Für DSGVO-pflichtige und aufsichtsregulierte Institute ist das oft die Voraussetzung dafür, dass das Tool überhaupt in die engere Wahl kommt. Wichtig: Eine EU-Region ist je nach Vertrag wählbar, sollte aber konkret schriftlich fixiert werden, das öffentliche Material nennt vor allem die Deployment-Flexibilität, nicht automatisch ein deutsches Rechenzentrum.

Schwächen ehrlich betrachtet

Kein öffentliches Pricing, hohe Einstiegshürde. Du kannst Quantexa nicht ausprobieren, nicht selbst lizenzieren und nicht ohne Vertriebsgespräch einschätzen, was es kostet. Das ist branchentypisch für Enterprise-AML, macht aber jeden Vergleich schwer und schließt kleinere Institute faktisch aus. Wer ein Budget unter sechsstellig hat, braucht gar nicht erst anzufragen.

Lange Implementierung. Eine Decision-Intelligence-Plattform ist kein Plug-and-play. Datenanbindung, Entity-Resolution-Tuning, Schnittstellen zum bestehenden Case-Management und regulatorische Abnahme ziehen sich realistisch über 6 bis 18 Monate. In dieser Zeit läuft das Altsystem parallel weiter, Doppelkosten inklusive. Die Cloud-AML-Variante verkürzt das, ist aber weniger flexibel.

Steht und fällt mit der Datenqualität. Entity Resolution und Graphenanalyse sind nur so gut wie die zugrunde liegenden Daten. Wer fragmentierte Stammdaten, Dubletten und Lücken hat, bekommt einen unsauberen Graphen, und damit unzuverlässige Ergebnisse. Häufig ist ein Daten-Aufräum-Projekt die unausgesprochene Vorbedingung, die Zeit und Budget zusätzlich frisst.

Kein dokumentierter Deutsch-Support. Quantexa ist UK-ansässig; Support und Dokumentation laufen primär auf Englisch. Für deutsche Compliance-Teams, die mit BaFin-Sprachregelungen arbeiten, ist das ein Reibungspunkt, lösbar über lokale Implementierungspartner, aber kein nativer Vorteil.

Herstellerzahlen sind keine Garantie. Die viel zitierten 75 % FP-Reduktion und die Beschleunigungswerte stammen aus Quantexa-Fallstudien. Sie sind plausibel, aber nicht unabhängig auditiert und nicht auf jedes Institut übertragbar. Im Business Case sollten konservativere Annahmen stehen, bis ein eigener Proof-of-Concept eigene Zahlen liefert.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Schlankes Sanktions-, PEP- und Adverse-Media-Screening brauchst
Eine API-first-AML-Plattform für mittelgroße Institute willst
Echtzeit-Betrugserkennung im Zahlungsverkehr priorisierst
Eine etablierte End-to-End-Suite mit Marktbreite suchst

Quantexas eigentliche Direktkonkurrenz im Graph- und Decision-Intelligence-Segment sind Anbieter wie Palantir (Foundry/AML), Ripjar und SAS Anti-Money Laundering sowie Feedzai im Betrugsumfeld, sie haben (noch) keine eigene Tool-Seite bei uns, gehören aber in jede Longlist. Quantexas Alleinstellung ist die Tiefe der Entity Resolution plus Graphenanalyse: Wer Finanzkriminalität wirklich als Netzwerk verstehen will und das Budget mitbringt, findet wenige gleichwertige Alternativen. Wer dagegen vor allem Screening oder Echtzeit-Payment-Fraud braucht, fährt mit den schlankeren Spezialisten oft günstiger und schneller.

So steigst du ein

Schritt 1: Kontaktiere Quantexa über quantexa.com für eine Bedarfsanalyse. Bereite Metriken vor: aktuelles Transaktionsvolumen pro Monat, aktuelle Alert-Zahl und False-Positive-Quote, Anzahl AML-Analysten und vorhandene Datensysteme. Quantexa bietet Business-Case-Workshops an, die den konkreten ROI für dein Institut modellieren.

Schritt 2: Proof-of-Concept mit historischen Transaktionsdaten. Quantexa lädt einen definierten Datensatz (typisch 6–12 Monate), baut den Entitätsgraphen auf und zeigt in einem Shadow-Mode-Test, welche Alerts das System anders priorisiert hätte als das aktuelle System. Besonders aufschlussreich: Die Identifikation von Netzwerkmustern (Smurfing, Round-Tripping), die das Altsystem nicht erkannt hatte. Nutze diesen Schritt, um eigene Zahlen statt der Hersteller-Benchmarks zu erzeugen.

Schritt 3: Stufenweiser Rollout beginnend mit einem Kundensegment oder Produktbereich. Quantexa empfiehlt parallelen Betrieb (neues System + altes System) über mindestens 3 Monate, bevor das neue System die primäre Alert-Quelle wird. Dieser Schritt ist auch für die regulatorische Dokumentation gegenüber BaFin oder EZB erforderlich.

Ein konkretes Beispiel

Eine Privatbank mit 15 Milliarden Euro Bilanzsumme verarbeitet täglich 120.000 Transaktionen. Das regelbasierte AML-System generiert täglich 250 Alerts, 97 % davon sind False Positives. Drei Vollzeit-AML-Analysten verbringen 90 % ihrer Zeit mit der manuellen Prüfung dieser Alerts statt mit echter Risikobewertung. Nach der Quantexa-Einführung sinkt die tägliche Alert-Zahl auf 62, wovon 28 % echte Verdachtsfälle sind (gegenüber 3 % vorher). Die Analysten bearbeiten dieselbe Gesamtzahl echter Fälle in einem Bruchteil der Zeit und können erstmals systematisch Netzwerkanalysen für bekannte Risikokunden durchführen, etwa, als der Entitätsgraph zeigt, dass sechs scheinbar unabhängige Geschäftskonten über eine gemeinsame Hinterlegungsadresse und überlappende wirtschaftlich Berechtigte verbunden sind. Ein Fall, den das Altsystem nie als zusammenhängend erkannt hätte.

DSGVO & Datenschutz

• Datenhosting: Cloud-, On-Premise- und Hybrid-Deployment verfügbar; für Banken mit strikten Datenhaltungsanforderungen ist Betrieb im eigenen Rechenzentrum oder in einer EU-Cloud-Region möglich. Die konkrete Region ist Vertragssache und sollte schriftlich fixiert werden, das öffentliche Material betont die Deployment-Flexibilität, garantiert aber nicht automatisch ein EU-Rechenzentrum.
• Datenverarbeitung: Quantexa verarbeitet Transaktionsdaten und personenbezogene Entitätsdaten, eine Datenschutz-Folgenabschätzung (DSFA) vor Produktiveinsatz ist faktisch Pflicht.
• Auftragsverarbeitung: AVV-Abschluss als fester Vertragsbestandteil; Quantexa ist UK-ansässig, EU-Standardvertragsklauseln (SCCs) bzw. das UK-Angemessenheitsregime sind für EU-Kunden relevant und vertraglich zu fixieren.
• Regulatorische Compliance: Auditlogs und vollständige Entscheidungsnachverfolgung für BaFin/EZB-Prüfungen sind Kernfunktionen der Plattform, wichtig, weil aufsichtsrechtlich jede automatisierte Entscheidung nachvollziehbar bleiben muss.
• Empfehlung: EU-Hosting oder On-Premise bei Vertragsabschluss schriftlich festlegen; gemeinsam mit dem Datenschutzbeauftragten prüfen, ob die Anforderungen aus Art. 9/10 DSGVO (besondere und strafrechtsbezogene Datenkategorien) durch die DSFA abgedeckt sind.

Gut kombiniert mit

• , Quantexa erkennt Geldwäschemuster im Netzwerk, ComplyAdvantage liefert das laufende Sanktions-, PEP- und Adverse-Media-Screening. Zusammen decken sie sowohl die Netzwerk- als auch die Watchlist-Perspektive ab.
• , für die Echtzeit-Betrugserkennung im Zahlungsverkehr: Featurespace bewertet Einzeltransaktionen in Millisekunden, Quantexa liefert die nachgelagerte Netzwerkanalyse der auffälligen Fälle.
• , als etabliertes Case-Management- und Reporting-Backbone: Quantexa lässt sich mit Actimize (sowie Oracle Mantas und Appian) integrieren, sodass priorisierte Alerts im gewohnten Ermittlungs-Workflow landen.

Unser Testurteil

Quantexa verdient 4 von 5 Sternen. In seiner Kerndisziplin, Finanzkriminalität auf Netzwerkebene erkennen, gehört es zur absoluten Spitzengruppe, und die Kombination aus reifer Entity Resolution, Graphenanalyse und EU-/On-Premise-Hosting ist im Markt schwer zu schlagen. Die namhaften Banking-Referenzen (HSBC als Investor, Novobanco mit über 50 KI-Modellen) und die finanzielle Stabilität nach der Series F (175 Mio. USD, Bewertung 2,6 Mrd. USD) unterstreichen die Position. Den fünften Stern kostet die hohe Einstiegshürde: kein öffentliches Pricing, lange Implementierung, starke Abhängigkeit von der Datenqualität, kein nativer Deutsch-Support und herstellerseitige Benchmark-Zahlen, die man im eigenen Proof-of-Concept erst verifizieren muss. Für Großbanken und große Versicherer ist Quantexa eine klare Empfehlung; für kleinere Institute ist es schlicht die falsche Größenordnung.

Was wir bemerkt haben

• März 2025, Quantexa hat in einer Series-F-Runde 175 Mio. USD eingesammelt (angeführt von Teachers’ Venture Growth) und wird seither mit rund 2,6 Mrd. USD bewertet. Das festigt die finanzielle Basis erheblich und reduziert das Risiko, dass ein Anbieter mitten im Mehrjahresprojekt in Schieflage gerät.
• Oktober 2025, Partnerschaft mit der Zürich-Versicherung zur Verbesserung der Betrugserkennung angekündigt. Das zeigt, dass Quantexa über das Banking hinaus in den Versicherungssektor expandiert, der Decision-Intelligence-Ansatz ist nicht auf AML beschränkt.
• 2023, Übernahme des Dubliner KI-Unternehmens Aylien (NLP/Nachrichtenanalyse). Die Technologie fließt in die Anreicherung von Entitätsdaten mit externen, unstrukturierten Quellen ein, ein Baustein für den späteren Q-Assist-Ansatz.
• 2024–2025, Mit Q Assist hat Quantexa generative KI in die Ermittlungsumgebung integriert. Bemerkenswert: Der Anbieter setzt generative KI gezielt als Assistenz in der Fallarbeit ein, nicht als Marketing-Aufsatz, die analytische Kernarbeit bleibt graph- und regelgestützt nachvollziehbar.
• 2026, Quantexa wird in Medienberichten als IPO-Kandidat gehandelt. Für Bestandskunden zunächst neutral, mittelfristig aber relevant: Ein Börsengang erhöht den Druck auf Margen und Roadmap, beobachtenswert, weil AML-Projekte über viele Jahre laufen.
• Hinweis zu Zahlen, Die oft zitierten 75 % False-Positive-Reduktion und 80 % schnellere Ermittlungen stammen aus Quantexa-Fallstudien, nicht aus unabhängigen Audits. Wir führen sie als Hersteller-Benchmarks, nicht als allgemeingültige Durchschnittswerte.