Selbstlernende Anomalie-Erkennung
Ein interdisziplinäres Team der TU München entwickelte ein neuronales Netz, das ungewöhnliche Buchungssätze mit 98 % Genauigkeit erkennt. Das Modell nutzt eine Kombination aus Autoencoder-Architektur und Reinforcement-Learning, um sich kontinuierlich an neue Muster anzupassen. Erste Pilotprojekte zeigen eine signifikante Senkung der Prüfkosten.
Die Ergebnisse unterstreichen das Potenzial von KI, Betrug und Fehler frühzeitig aufzudecken, bevor sie sich in finanziellen Abschlüssen manifestieren.
