MaLeFiz
Maschinelles Lernen zur effizienten Identifikation auffälliger Finanztransaktionen
Mit Hilfe von künstlicher Intelligenz können Computer Muster in Daten in kürzester Zeit erkennen, die Menschen erst nach Monaten oder überhaupt nicht finden. Diese neuen technischen Möglichkeiten möchte das Projekt MaLeFiz nutzen, um Finanzaufsichtsbehörden und Ermittelnde beim Kampf gegen Geldwäsche und Terrorismusfinanzierung zu unterstützen.
Hierzu entwickelt das Projektteam eine Lösung, mit der sich Hinweise auf Geldwäsche in großen Mengen von Finanzdaten schneller und besser identifizieren lassen als mit etablierten Verfahren der Transaktionsüberwachung. Besondere Herausforderung dabei: Anwender*innen und Ermittlungsbehörden müssen die Entscheidungsfindung zu jeder Zeit nachvollziehen können.
Um alle relevanten Interessengruppen in der Entwicklung zu berücksichtigen, werden Finanzinstitute, Strafverfolgungsbehörden sowie Rechtsexpert*innen in das Projekt eingebunden. Des Weiteren wird in dem Projekt eine robuste Kontrollinfrastruktur für KI-Anwendungen definiert sowie praxistaugliche Handlungsempfehlungen sowohl für Entwickler*innen wie auch Endanwender*innen formuliert.
Konsortium
- Deloitte GmbH WPG
Dr. Andreas Burger - Das Wirtschaftsprüfungsunternehmen Deloitte hat umfangreiche Projekterfahrung im Bereich Anti-Financial Crime, insbesondere in der Geldwäscheprävention. Deloitte Deutschlands Expertise erstreckt sich auf nahezu jede große Europäische Bank. Projektinhalte umfassen typischerweise den Aufbau neuer oder die Aktualisierung bestehender Transaktionsmonitoringsysteme (TMS) sowie fachliche Beratung zu regulatorischen Fragestellungen. Deloitte verfügt nachweislich über umfangreiche wie auch tiefgreifende praktische Erfahrung bei der Implementierung und Nutzung von technischen Hilfsmitteln zur Geldwäscheprävention. - Martin-Luther-Universität Halle-Wittenberg
Jun-Prof. Dr. Lucia Sommerer forscht aus einer theoretischen Perspektive an den rechtlichen und kriminologischen Besonderheiten computervermittelter Kriminalitätskontrolle. Gegenwärtig bspw. zur Rolle von Offshore-Finanzzentren für Wirtschaftskriminalität in Deutschland. Sie befasste sich bereits in ihrer Doktorarbeit juristisch-kritisch mit den notwendigen Transparenzanforderungen von Algorithmen und wurde dafür mit dem 1. Platz des Deutschen Studienpreises der Körber-Stiftung und dem Wissenschaftspreis der Deutschen Gesellschaft für Recht und Informatik ausgezeichnet. - Universität Leipzig
Prof. Dr. Katrin Höffler forscht an der Prognose von Risiken im Rahmen der Kriminalprävention gerade mit Blick auf Digitalisierung. Einen besonderen Schwerpunkt ihrer Forschung bildet ihr interdisziplinärer Zugang zur sich wandelnden Kriminalität in der global vernetzten Gesellschaft. Sie untersucht den Einfluss der zunehmend (ökonomisch) vernetzten Welt auf verschiedene Kriminalitätsbereiche, insbesondere im Zusammenhang mit Shadow Economy, Organisierter Kriminalität sowie Terrorismus, an der Schnittstelle von Kriminologie und Strafrecht. - Zentrum Technik und Gesellschaft, TU Berlin
Dr. Robert Pelzer - Der Forschungsbereich Sicherheit – Risiko – Kriminologie des ZTG hat Methoden der integrierten Technikentwicklung und Bewertung gesellschaftlicher Dimensionen von Sicherheitslösungen einschließlich der Untersuchung von Fragen der Akzeptanz sowie der Risikokommunikation in zahlreichen Forschungs- und Entwicklungsprojekten der zivilen Sicherheitsforschung auf nationaler (KISTRA, SIMKAS-3D, AlphaKomm, 4D-Sicherheit, Stratum, INTEGER) und EU-Ebene angewendet (FORTRESS, ASSERT, CRISP, PROFILING, SIAM und Responsibility). Die gesellschaftlichen Folgen des Einsatzes von Verfahren maschinellen Lernens wurden insbesondere in den BMBF-Projekten INTEGER (2017-2020) und KISTRA (2020-2023) untersucht. - Fraunhofer SIT
Prof. Dr. Martin Steinebach - Das Fraunhofer SIT erforscht den Einsatz maschineller Lernverfahren für eine Vielzahl unterschiedlicher Problemstellungen bspw. zur Erkennung von Desinformationen in Texten und Bildern, zur Erkennung organisierter Kriminalität im Internet sowie im textforensischen Anwendungsfeld der Autorenschaftserkennung. Darüber hinaus forscht das Fraunhofer SIT intensiv an den Aspekten Robustheit sowie Privatheit und Sicherheit maschineller Lernverfahren. Auch im Bereich der softwarebasierten Betrugserkennung hat das Fraunhofer SIT bereits mehrere bild-, text- und finanzforensische Methoden und Werkzeuge entwickelt.