Künstliche Intelligenz: Geldwäsche erkennen mit Machine Learning

Beispiel einer Ergebnistabelle mit fiktiven Daten. Die Ergebnistabelle setzt sich zusammen aus den Klassifizierungsgrenzen (erste Spalte) und aus den vier möglichen Ergebnisszenarien plus der Information, ob sich unter den risikanten Klassifizierungen ein Alphafehler befindet.

Beispiel einer Ergebnistabelle mit fiktiven Daten. Die Ergebnistabelle setzt sich zusammen aus den Klassifizierungsgrenzen (erste Spalte) und aus den vier möglichen Ergebnisszenarien plus der Information, ob sich unter den risikanten Klassifizierungen ein Alphafehler befindet.

Foto: Sopra Steria Consulting

Zurück zum Artikel: Künstliche Intelligenz: Geldwäsche erkennen mit Machine Learning