ComplyAdvantage automatisiert die Überprüfung von Sanktionen mit Fireminds RAG-Large-Sprachmodelllösung

  • Kunde
  • Industrie
  • Service
  • Segment
  • Autor
  • ComplyAdvantage
  • Finanzdienstleistungen
  • GenAI
  • Unternehmen
  • Jodie Rhodes
Mehr erforschen
Auf einen Blick

ComplyAdvantage bietet KI-gesteuerte Lösungen für AML, PEP-Screening und die Verfolgung von Sanktionen und ermöglicht so ein effizientes Compliance-Risikomanagement.

Herausforderung

Die manuelle Extraktion aus unstrukturierten Quellen wie Webseiten und PDFs war langsam und behinderte die effiziente Verfolgung von Sanktionsdaten.

Lösung

Firemind hat eine RAG-LLM-Lösung implementiert, um automatisch Verbindungen zwischen sanktionierten Unternehmen und damit verbundenen Personen oder Organisationen zu extrahieren.

Genutzte Dienste
  • Amazonas Kendra
  • Amazonas-Felsen
  • Amazon S3
  • AWS Lambda
Ergebnisse
  • Automatisierte Datenextraktion und Aufgabenbearbeitung
  • Datengenauigkeit und Zuverlässigkeit drastisch verbessert
  • 4,2 Minuten automatische Extraktionszeit
Geschäftliche Herausforderungen

Manuelle Extraktion von sanktionierten Entitätsbeziehungen aus unstrukturierten Daten

ComplyAdvantage hatte mit erheblichen Ineffizienzen bei der Identifizierung von Beziehungen zwischen sanktionierten Unternehmen und damit verbundenen Personen oder Organisationen zu kämpfen. Das Unternehmen hatte zwar Zugang zu strukturierten Datenquellen, wie z.B. Regierungslisten, aber viele der entscheidenden Verbindungen, wie z.B. Familienmitglieder oder verbundene Organisationen, waren nur in unstrukturierten Quellen, wie z.B. Unternehmenswebsites, Nachrichtenartikeln und PDFs, verfügbar. Das manuelle Heraussuchen und Extrahieren dieser Informationen erforderte einen erheblichen Zeit- und Ressourcenaufwand und schränkte die Möglichkeiten zur Bereitstellung von Echtzeit-Updates stark ein.

Dieser manuelle Ansatz bedeutete, dass ComplyAdvantage nur eine begrenzte Anzahl von Unternehmen pro Tag bearbeiten konnte, was angesichts des Datenvolumens und der Geschwindigkeit, mit der neue Sanktionen verhängt werden, unzureichend war. ComplyAdvantage benötigte eine automatisierte Lösung, um die Geschwindigkeit, die Genauigkeit und den Umfang der Sanktionsprüfung zu verbessern und sicherzustellen, dass sie ihren Kunden die aktuellsten Informationen zur Verfügung stellen können.

Stehen Sie vor ähnlichen Herausforderungen?

Wir sind Spezialisten für die Lösung von Problemen mit Daten und KI. Lassen Sie uns Ihnen helfen, die Vorteile der Cloud zu nutzen.

Jetzt loslegen
Lösung

Automatisierte Extraktion von Entitätsbeziehungen mit RAG-LLM

Um den Bedarf von ComplyAdvantage an einem skalierbaren und automatisierten Sanktionsscreening zu decken, entwickelte Firemind ein Proof of Concept (POC), das AWS-Dienste und einen Retrieval-Augmented Generation (RAG)-Ansatz nutzt. Die Lösung wurde entwickelt, um Beziehungen zwischen sanktionierten Unternehmen und den mit ihnen verbundenen Personen oder Organisationen aus unstrukturierten Datenquellen, wie HTML-Webseiten und PDF-Dokumenten, zu extrahieren. Der Kern der Lösung wurde mit einer Kombination aus Amazon Kendra, Amazon Bedrock und AWS Lambda-Funktionen erstellt.

Der Prozess begann damit, dass ComplyAdvantage einen Datensatz von im Internet gescrapten HTML- und PDF-Dokumenten mit Bezug zu 25 sanktionierten Unternehmen bereitstellte. Mithilfe von Amazon Kendra indizierte Firemind die Dokumente und richtete Suchanfragen ein, um relevante Textabschnitte mit potenziellen Beziehungen abzurufen. Diese abgerufenen Textabschnitte wurden mit vorgefertigten Eingabeaufforderungen verarbeitet, die speziell dafür entwickelt wurden, wichtige Details wie familiäre Verbindungen oder verbundene Organisationen zu extrahieren. Die Eingabeaufforderungen wurden an Amazon Bedrock weitergegeben, das ein Large Language Model (LLM) verwendete, um den Text zu analysieren und die gewünschten Beziehungen zu extrahieren.

Diese extrahierten Informationen wurden in einem JSON-Format strukturiert und in Amazon S3 gespeichert, so dass ComplyAdvantage auf die Daten in einem Format zugreifen konnte, das mit ihren internen Systemen übereinstimmte. AWS Lambda orchestrierte den gesamten Prozess und sorgte für eine reibungslose Datenverarbeitung und Skalierbarkeit. Diese automatisierte Lösung reduzierte den manuellen Aufwand für die Extraktion wichtiger sanktionsbezogener Verbindungen erheblich und ermöglichte ComplyAdvantage eine schnellere und effizientere Datenverarbeitung.

Automatisierte Extraktion

Die RAG-Large Language Model Lösung reduzierte den manuellen Aufwand durch die Automatisierung der Extraktion von Beziehungen aus Webseiten und PDFs. Diese Automatisierung ermöglichte es dem System, große Mengen unstrukturierter Daten zu verarbeiten, was den Prozess effizienter machte und den Bedarf an menschlichem Eingreifen minimierte. Das Modell konnte wichtige Verbindungen, wie familiäre Beziehungen oder organisatorische Rollen, direkt aus Dokumenten extrahieren.

Verbesserte Effizienz

Die Extraktionszeit wurde auf 4,2 Minuten pro Entität reduziert, was eine schnellere Verarbeitung von sanktionsbezogenen Daten ermöglicht. Durch die Automatisierung des Prozesses der Beziehungsextraktion konnte die Lösung die Zeit für die Analyse von Dokumenten erheblich reduzieren, so dass ComplyAdvantage im Vergleich zu manuellen Methoden eine viel größere Menge an Entitäten in kürzerer Zeit verarbeiten kann.

Kontakt aufnehmen

Möchten Sie mehr erfahren?

Haben Sie eine bestimmte Fallstudie oder einen Einblick gesehen und möchten Sie mehr erfahren? Oder denken Sie über Ihr nächstes Projekt nach? Schreiben Sie uns unten eine Nachricht!