Prof. Dr. Katrin Höffler

Die Forschung verbindet straf- und aufsichtsrechtliche Perspektiven mit kriminologischen Ansätzen, um KI-gestützte Lösungen zur Identifikation auffälliger Finanztransaktionen zu bewerten. Dabei wird sichergestellt, dass diese Technologien mit dem aktuellen Geldwäscherecht sowie dem Verhalten von Täter:innen übereinstimmen. Der Fokus liegt auf der Entwicklung einer rechtlich und ethisch fundierten Basis für den Einsatz von Machine Learning im Bereich der Anti-Money-Launching-Verpflichtungen.

🔒 Das System hat 75 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• Maschinelles Lernen zur effizienten Identifikation auffälliger Finanztransaktionen (MaLeFiz) - Teilvorhaben: Strafrechtliche und kriminologische Grundlange für AML-KI - Status quo und Status futurus

  Quelle ↗

  Ziel ist die Entwicklung einer KI-basierten Lösung, die private Unternehmen – die sog. Verpflichteten – bei der Detektion meldepflichtiger Sachverhalte nach § 43 Abs. 1 S. 1 Nr. 1 GwG unterstützt. Das Teilprojekt der HU Berlin begleitet diesen Prozess aus straf- und aufsichtsrechtlicher sowie kriminologischer Perspektive: Es stellt sicher, dass die KI-basierte Lösung dem Status quo und futurus einerseits des Geldwäscherechts, andererseits des Täter:innenverhaltens entspricht.

• SBH: Ziviler Ungerhorsam

  Quelle ↗

Noch keine Publikationen aus OpenAlex zugeordnet.