Forschungsprojekt entwickelt Lösung zur automatisierten Aufdeckung illegaler Finanzströme – inklusive überprüfbarer Mindestanforderungen für den Einsatz von Künstlicher Intelligenz in sensiblen Bereichen
DARMSTADT, 8. Mai 2023 /PRNewswire/ -- Im Kampf gegen Geldwäsche arbeiten etablierte softwarebasierte Erkennungsverfahren unpräzise und lösen häufig Fehlalarme aus. Folglich sind die Ermittlungsbehörden häufig überlastet, weil sie jedem Verdacht nachgehen müssen. Im neuen Forschungsprojekt MaLeFiz (Machine Learning for the Identification of Conspicuous Financial Transactions) arbeiten Forscher nun an einer Lösung, die mittels Machine Learning – einer Technik der künstlichen Intelligenz – die Suche nach illegalen Geldströmen verbessert und präziser macht, damit weniger Fehlalarme entstehen. Darüber hinaus entwickeln die Projektpartner Mindestanforderungen und Kontrollmechanismen für KI-Lösungen, die in der Finanzindustrie eingesetzt werden. Des Weiteren sollen die Ergebnisse der KI nachvollziehbar gemacht werden. Projektpartner sind die Deloitte GmbH, das Fraunhofer-Institut für Sichere Informationstechnologie SIT, die Martin-Luther-Universität Halle-Wittenberg, die Universität Leipzig sowie das Zentrum Technik und Gesellschaft der TU Berlin. Das Projekt MaLeFiz wird vom Bundesministerium für Bildung und Forschung gefördert und hat eine Laufzeit von drei Jahren. Das Fraunhofer SIT leitet das Projekt und ist für die Entwicklung des KI-basierten Tools verantwortlich. Weitere Informationen finden Sie unter www.sit.fraunhofer.de/en/malefiz.
Die Analyse von Finanztransaktionen ist ein wichtiger Baustein im Kampf gegen Geldwäscherei. Aktuelle Analysemethoden identifizieren jedoch zu viele Verdachtsfälle, die alle einzeln von speziell geschulten Analysten überprüft werden müssen. Die zuständige Behörde, die Financial Intelligence Unit, kurz FIU, hat allein in den vergangenen zwei Jahren rund 300.000 Meldungen pro Jahr erhalten und hat aktuell noch rund 290.000 nicht endgültig bearbeitete Meldungen. Methoden der künstlichen Intelligenz versprechen bessere Analysemöglichkeiten, was weniger Fehlalarme bedeutet. Das Forschungsteam nutzt Methoden des maschinellen Lernens, um die notwendige technische Lösung zu entwickeln.
Transparente Entscheidungen durch künstliche Intelligenz
Damit die Ergebnisse solcher Analysen vor Gericht Bestand haben, müssen die IT-Lösungen bestimmte Anforderungen erfüllen. So müssen die Entscheidungen einer KI nachvollziehbar sein: Die KI sollte keine "Black Box" sein und einfach eine Liste mit Verdachtsfällen ausspucken. Sie sollte die Grundlage, auf der sie einen Verdachtsfall meldet, transparent machen. Dementsprechend forscht das Team zu rechtlichen und ethischen Fragen. Ein Ziel des Projekts ist es, einen Katalog von Mindestanforderungen an KI-Lösungen in der Finanzindustrie zu entwickeln, der beispielsweise im Rahmen eines Audits verifiziert werden kann – eine Art TÜV für Anwendungen mittels künstlicher Intelligenz. Um herauszufinden, wie die KI in der Praxis aussehen soll und die Bedürfnisse der Nutzerinnen und Nutzer so weit wie möglich zu berücksichtigen, führen die Projektpartner Interviews, Workshops und Tests mit Nutzerinnen und Nutzern durch. Diese Ergebnisse fließen dann in einen Demonstrator ein, der auch in Banken unter realen Bedingungen getestet wird. Der Demonstrator, der Mindestanforderungskatalog und weitere Projektergebnisse werden nach Abschluss des Projekts im September 2025 der Öffentlichkeit zugänglich gemacht.
- Bild ist verfügbar bei AP Images (http://www.apimages.com) -
Oliver Küch
Oliver.kuech@sit.fraunhofer.de
+49 6151 869-213
Originalinhalt anzeigen:https://www.prnewswire.co.uk/news-releases/ai-against-money-laundering-301818247.html
