Kontakt aufnehmen

Schulungsübersicht

Einführung in den Einsatz von KI zur Bekämpfung finanzieller Verbrechen

  • Überblick über Betrug und Geldwäsche im digitalen Finanzumfeld
  • Konventionelle versus KI-basierte Ansätze
  • Fallstudien von Mastercard, JPMorgan sowie internationalen Banken

Maschinelles Lernen zur Überwachung von Transaktionen

  • Überwachtes Lernen zur Risikobewertung und Klassifizierung
  • Unüberwachtes Lernen für die Erkennung ungewöhnlicher Muster
  • Generierung von Echtzeit-Warnungen sowie Verarbeitung der Datenströme

Graph-Analysen und die Erkennung von Netzwerkrisiken

  • Modellierung der Beziehungen zwischen Entitäten sowie Transaktionen
  • Aufspüren komplexer Betrugsstrukturen mittels graph-basierter KI
  • Praktische Arbeit mit Tools wie Neo4j oder ähnlichen Programmen

Natürliche Sprachverarbeitung im Bereich der Geldwäscheprävention

  • Textanalyse bei der Kundenprüfung (Customer Due Diligence)
  • Überprüfung von Beobachtungslisten mittels Named Entity Recognition (NER)
  • Dokumentenbewertung anhand von Prompt-Eingaben sowie Erstellung verdächtiger Aktivitätsberichte (SARs)

Modell-Governance und Erklärbarkeit

  • Entwicklung erklärungsfähiger und überprüfbarer Modelle
  • Identifikation sowie Behebung von Verzerrungen in Algorithmen zur Betrugserkennung
  • Anwendung von XAI-Techniken im Rahmen der Compliance-Anforderungen

Ethik, Regulierung sowie Modellrisiken

  • Einhaltung geltender AML- und KYC-Richtlinien (z. B. FATF, FinCEN, EBA)
  • Ethikaspekte bei der Verwendung von KI zur Überwachung sowie zum Schutz der Privatsphäre
  • Standards für Berichterstattung und die Voraussetzungen für regulatorische Audits

Strategien zur Implementierung sowie zukünftige Entwicklungen

  • Integration von KI-Modellen in bestehende Transaktionssysteme
  • Feedback-Mechanismen und Verfahren zur fortlaufenden Aktualisierung der Modelle
  • Zukunftsperspektiven: generative KI bei der Untersuchung von Betrugsfällen sowie Automatisierung von SAR-Berichten

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundverständnis von Betrugsrisiken sowie Verfahrenen zur Geldwäscheprävention
  • Erfahrungen in der Datenanalyse oder im Compliance-Berichtwesen
  • Grundkenntnisse in Python oder Analysetools

Zielgruppe

  • Fachkräfte für Betrugsrisikomanagement
  • Mitarbeiter in AML-Compliance-Abteilungen
  • Sicherheitsverantwortliche
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien