Smart Labeling: KI gegen Kriminalität

Anbieter zum Thema

d.velop AG

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

Im Kampf gegen Kriminelle und bei der Verfolgung von Compliance-Verstößen spielt künstliche Intelligenz eine wichtige Rolle. Moderne Lösungen für die digitale Forensik nutzen für das Smart Labeling – also die intelligente Datenkennzeichnung – fortschrittliche Methoden unter anderem aus dem Bereich des Natural Language Processing.

Smart Labeling: In turbulenten Zeiten, die von Unsicherheit und Umbrüchen geprägt sind, erweist sich ein proaktives Risiko­management als unabdingbar. Gleichzeitig verschärfen neue Gesetze und Verordnungen etwa zum Thema ESG-Transparenz (Environmental, Social, Governance) die Arbeit von Rechtsabteilungen in Unternehmen und Organisationen.

Künstliche Intelligenz: Smart Labeling als Ermittlungshelfer

Eine zunehmend komplexer werdende Risiko- und Compliance-Landschaft ist jedoch nur eine Seite der Medaille – angesichts von Big Data stehen Ermittler in ihrer täglichen Arbeit massiv unter Druck: Sie müssen Millionen von Daten durchforsten, um die berühmte Stecknadel im Heuhaufen zu finden. Beim Nachweis rechtswidriger Handlungen und der Aufklärung von Tatbeständen ist künstliche Intelligenz ein nützlicher Helfer. Viele identische Prozesse und riesige Datenmengen sind eine Paradedisziplin für KI.

Die wichtigsten Fragen zum Einsatz der Technologie in der digitalen Forensik lauten:

• Wo liegen die Vorteile von KI?

In der digitalen Forensik müssen alle Informationen und Beweise, unabhängig von ihrem möglichen Nutzen, untersucht werden, um ein Gesamtbild zu erhalten und einen juristisch wasserdichten Fall aufbauen zu können. Ein menschlicher Ermittler müsste sich wochenlang durch die zahlreiche Datenquellen wühlen. KI dagegen ist in der Lage, Terabytes an Informationen und Daten in nur wenigen Minuten zu durchsuchen, False-Positive-Meldungen herauszufiltern und einen viel besseren Einblick in Trends und Korrelationen zwischen Datensätzen zu geben. Mit KI lassen sich dabei hypothetische Was-wäre-wenn-Szenarien erstellen, die Aufschluss über mögliche Absichten eines Kriminellen oder ein Fehlverhalten innerhalb der Firma geben, die ansonsten vielleicht nicht erkannt worden wären.

• Welche KI-Disziplinen kommen zum Einsatz?

Moderne Lösungen für die digitale Forensik nutzen für das Smart Labeling – also die intelligente Datenkennzeichnung – fortschrittliche Methoden aus dem Bereich des Deep Learning und der Verarbeitung natürlicher Sprache, dem Natural Language Processing. Statt zu trainieren, lernt das System auf eine Art und Weise, die die Funktionen des menschlichen Gehirns nachahmt: Es erkennt Muster in Wörtern, Satzstrukturen, aber auch Bildern und Videos, um zu verstehen, welche Beweise relevant sind, und versieht diese dann mit Etiketten.

Damit erhalten die Ermittler oder Prüfer genau die Informationen, die je nach definierter Kategorie am relevantesten für sie sind. Mit Hilfe von Neural Machine Translation, dem Übersetzen mittels neuronaler Netzwerke, lassen sich fremdsprachige Dokumente schnell und zuverlässig suchen, identifizieren und übersetzen, ohne den Prüfungsablauf zu unterbrechen. Entity Recognition, also Identifizierung und Klassifizierung von Begriffen in Texte, schließlich stellt sicher, dass falsche Schreibweisen von Namen erkannt werden.

• Ersetzt der virtuelle Ermittler künftig den echten?

Obwohl KI ein sehr nützlicher Assistent bei der Identifizierung und Auswertung relevanter Daten ist, kann Technologie eine Untersuchung nicht selbstständig leiten. Für einen erfolgreichen Abschluss eines forensischen Falls braucht es die Interaktion zwischen dem Algorithmus und dem Ermittler. Allerdings entwickeln sich die KI-Möglichkeiten kontinuierlich weiter – beispielsweise in Richtung Sinnerkennung. Das heißt, die KI erkennt in einem Chat, worüber gesprochen wird, ohne dass vorab definierte Schlüsselwörter vorkommen.

Smart Labeling: Ein Fazit

Sobald manuelle und damit zeitaufwändige Analysen für die Auswertung von Daten oder die Mustererkennung notwendig sind, sparen KI-gestützte Lösungen Ressourcen ein und erhöhen die Aufdeckungsrate.

Denn während Menschen ermüden oder abgelenkt werden, was zu Fehlern führt, wird KI nie müde – egal wie monoton oder zeitaufwändig die Aufgabe ist.

Der Autor Jens Reumschüssel ist Director of Sales DACH – Public Sector bei Exterro.

Lesen Sie auch: IT-Risikomanagement optimieren: Was Sie jetzt tun sollten