Schulungsübersicht

Einführung in KI in Financial Crime

  • Überblick über Betrug und GVO im Zeitalter der digitalen Finanzen
  • Traditionelle vs. KI-basierte Ansätze
  • Fallstudien von Mastercard, JPMorgan und globalen Banken

Machine Learning für Transaktionsüberwachung

  • Gesteuertes Lernen für Risikobewertung und Klassifizierung
  • Ungesteuertes Lernen zur Erkennung von Abweichungen
  • Echtzeit-Alarmierung und Streamverarbeitung

Graphanalyse und Netzwerkrisikoderkennung

  • Modellierung der Beziehungen zwischen Einheiten und Transaktionen
  • Erkennen komplexer Betrugsmanöver mit Graph-AI
  • Praxisübungen mit Neo4j oder ähnlichen Werkzeugen

Natürliche Sprachverarbeitung für GVO

  • Text-Mining bei Kundenkennzeichnung (CDD)
  • Watchlist-Suchvorgänge unter Verwendung von Namenserkennung (NER)
  • Aufgabenbasierte Dokumentenbewertung und Verdachtsaktivitätsberichte (SARs)

Modell Governunft und Erläuterbarkeit

  • Bau von erläuterbaren und prüfbaren Modellen
  • Aufdecken und Vermindern von Biased in Betrugsdetektionsalgorithmen
  • Nutzung von XAI-Techniken im Einhaltungsumfeld

Ethische Fragen, Vorschriften und Modellrisiko

  • Einhalten der Vorgaben für GVO und KYC (z.B. FATF, FinCEN, EBA)
  • KI-Ethik in Überwachung und Kundenaufsicht
  • Berichtsstandards und prüfbare Einhaltung

Implementierungsstrategien und zukünftige Trends

  • Integrieren von KI-Modellen in bestehende Transaktionsysteme
  • Rückkopplungsschleifen und Modellaktualisierungsmechanismen
  • Zukunft der generativen KI bei Betrugsuntersuchungen und SAR-Automatisierung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Eine Verständnis von Betrugsrisiken und AML-Verfahren
  • Erfahrung mit Datenanalyse oder Compliance-Berichterstattung
  • Basis-Kenntnisse in Python oder Analytics-Plattformen

Zielgruppe

  • Professionelle für Betrugsrisiken
  • AML-Compliance-Mannschaften
  • Sicherheitsmanager
 14 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien