Onderzoekers werkzaam bij de Universiteit van Pretoria te Zuid-Afrika hebben recent onderzoek gedaan naar de rol die expediteurs hebben of zouden moeten hebben bij het detecteren en onderzoeken van Trade Based Money Laundering (TBML). Hoewel het onderzoek zich beperkt tot de Zuid-Afrikaanse context, zijn de bevindingen zeker interessant in de context van Nederland. Hierna volgt
Ten behoeve van het onderzoek is gebruik gemaakt van semi-gestructureerde interviews met deelnemers, deskundig op het gebied van de vrachtafhandeling en de naleving van de regelgeving rond de vrachtafhandeling.
Allereerst merken de onderzoekers op dat expediteurs goed gepositioneerd zijn om TBML te detecteren en te melden maar dat ze niet altijd bekend zijn met de indicatoren en typologieën die helpen om TBML te detecteren. Slechts weinig deelnemers waren bekend met de FATF en de door haar benoemde typologieën en indicatoren. Zo werd de meest bekende indicator ‘over- of onderfacturering’ toegeschreven aan belastingfraude maar niet aan TBML. Een ander vaak gebruikte techniek is het vervalsen van documenten, onder andere multiple invoicing (typologie FATF). Dat was de deelnemers wel bekend maar werd toegeschreven aan douanefraude en niet aan TBML. Een laatste vaststelling was dat TBML vaak gepaard gaat met ambtelijke en niet-ambtelijke corruptie. Zo merkte een deelnemer op dat wanneer er een ‘ghost shipment‘ (typologie FATF) aankomt, deze ingeklaard en vervoerd moet worden; iemand moet het in de haven komen ophalen. De partij die de ‘ghost shipment‘ doet, moet dus de inklaringsagent onder controle hebben.
Tenslotte doen de onderzoekers enkele aanbevelingen. Volgens hen kan een betere detectie van TBML bereikt worden wanneer douane- en vrachtinformatie gedeeld wordt tussen de partijen die een rol hebben in de keten. Tegelijkertijd moeten expediteurs zich verder ontwikkelen in het detecteren van TBML.
Ook aanbevolen is het benoemen van expediteurs als poortwachters met een meldplicht voor ongebruikelijke transacties. Volgens de onderzoekers is dat in 2022 gebeurd in Zuid-Afrika. Slechts één deelnemer wist overigens van deze meldplicht.
De laatste aanbeveling betreft de ontwikkeling van een machine-learning platform op basis van AI om vroege detectie en voorspelling mogelijk te maken.
Al met al een zeer interessant onderzoek, voor de liefhebbers hier de link.