Zurück zu Bigger Picture

BIGGER PICTURE Öffentliche Dienste & Alltag

US-Finanzministerium: KI half, eine Milliarde Dollar aus Scheckbetrug zurückzuholen

Bei der Ausstellung einer Zahlung entsteht ein Datensatz, bei ihrer Verarbeitung im Bankensystem ein weiterer. Das US-Finanzministerium nutzte maschinelles Lernen, um auffällige Unterschiede in großen Mengen zu erkennen.

KI-generierte Illustration: Eine konzeptionelle Scheckprüfung erkennt verdächtige Duplikate.
Eine konzeptionelle Scheckprüfung erkennt verdächtige Duplikate. Konzeptionelle Illustration; kein Foto und keine exakte Darstellung des realen Projekts.KI-generierte Illustration der Idee, keine Aufnahme der tatsächlichen Personen, Geräte oder Ereignisse.
Gemeldete Rückholung bei Scheckbetrug
1 Milliarde US-Dollar
Berichtszeitraum
Haushaltsjahr 2024
Betrugsentscheidung
Menschliche Fachprüfer

So funktioniert die Idee

  1. Ausgestellte und zurückgemeldete Angaben abgleichen

    Scheckangaben werden über die Zahlungsstufen verglichen.

  2. Verdächtige Unterschiede markieren

    Maschinelles Lernen priorisiert Fälle zur Prüfung.

  3. Untersuchen und zurückholen

    Fachprüfer entscheiden und betreiben die Rückholung.

Zwei Versionen derselben Zahlung

Der Bureau of the Fiscal Service wickelt einen großen Teil der US-Bundeszahlungen ab. Scheckbetrug erzeugt ein konkretes Abgleichproblem: Stimmen die vom Bankensystem zurückgemeldeten Angaben mit dem ursprünglich ausgestellten Scheck überein? Dieser Vergleich kann verdächtige Änderungen sichtbar machen, ohne dass ein allgemeines Modell Absichten erraten muss.

Belege: [2]

Aus Abweichungen werden Prüfhinweise

In seiner Erklärung an den Kongress vom April 2024 beschreibt Treasury die Werkzeuge als Ergänzung des bestehenden Scheckabgleichs und nachgelagerter Zahlungsanalysen. Sie markieren Auffälligkeiten für Menschen, entscheiden jedoch nicht selbst, dass Betrug vorliegt. Die beschriebenen Eingaben betreffen die Zahlung selbst. Damit unterstützt KI einen klar abgegrenzten Schritt im vorhandenen Rückholverfahren.

Belege: [2]

Eine Milliarde Dollar mit klarer Abgrenzung

Für das Haushaltsjahr 2024 schrieb Treasury der beschleunigten Erkennung durch maschinelles Lernen Rückholungen von 1 Milliarde US-Dollar bei Scheckbetrug zu. Die umfassendere Mitteilung nennt über 4 Milliarden Dollar verhinderte oder zurückgeholte Fehlzahlungen aus mehreren Maßnahmen. Diese größere Summe darf nicht vollständig KI zugeschrieben werden. Belegt ist hier die von der Behörde gemeldete Scheckbetrugskomponente.

Belege: [1]

Nützliche Erkennung muss zu Handlung führen

Die öffentlichen Unterlagen liefern weder einen randomisierten Vergleich noch eine detaillierte Fehlalarmquote. Sie beschreiben aber ein operatives Ergebnis jenseits eines Genauigkeitswerts: zurückgeholtes Geld durch einen Ablauf mit Fachprüfern und Finanzinstituten. Übertragbar ist die Verbindung eines Modellsignals mit einer konkreten, überprüfbaren Handlung, deren Ergebnis sich nachvollziehen lässt.

Belege: [1][2]

Die Originalquellen

  1. US Department of the TreasuryEnhanced fraud detection processes in fiscal year 2024
  2. US Department of the Treasury / US CongressTreasury response to the House Judiciary Committee on AI use

Was Sie als Nächstes entdecken können

Die nächste Dispositionsentscheidung vorher ausprobierenDen Windstrom von morgen besser zusagen
Alle 99 Anwendungen entdecken