Finanzaudit mit lokaler KI

Prüfung eines großen Dokumentenbestands, ohne dass Daten nach außen gelangen: Konvertierung, Anonymisierung, RAG-Analyse mit lokalen Modellen

Ein Projekt zur Aufdeckung zweckwidriger Mittelverwendung in einer Unternehmensgruppe: Ein Dokumentenbestand (rund 3,9 GB in Markdown) wird lokal oder auf gesicherten Servern verarbeitet. Erarbeitet wurden eine Untersuchung von LLMs und GPU-Infrastruktur, ein finales Szenario „Qualität vs. Zeit“ auf einer einzelnen H200-GPU mit Qwen2.5-72B und zweistufiger Eskalation (ein kleines Modell filtert verdächtige Posten heraus, ein großes übernimmt die Detailanalyse), eine Kostenschätzung und eine Roadmap. Gebaut wurden Tools für die Konvertierung in Markdown, die reversible Anonymisierung personenbezogener Daten und die RAG-Analyse auf Milvus; eine Probeanalyse mit Abschlussbericht wurde durchgeführt.

Die Aufgabe

Feststellen, wohin, wann und wofür das Geld ausgegeben wurde – ohne vertrauliche Daten an externe Dienste weiterzugeben.

Was drinsteckt

• Konvertierung von PDF, DOCX, XLSX und weiteren Formaten in Markdown
• Reversible Anonymisierung (Presidio, spaCy NER, Faker): vollständige Namen, Organisationen, Telefonnummern, E-Mails, Daten, Beträge, INN, SNILS, OGRN, Bankkonten, Karten, IBAN; Modi mit realistischer Ersetzung und mit Platzhaltern, Datumsverschiebung, Betragsskalierung, eine Zuordnungstabelle zur De-Anonymisierung
• RAG-Analyse zusammenhängender Dokumente (Verträge, Rechnungen, Zahlungsaufträge, Schreiben, Abnahmeprotokolle) und ein Graph aus Entitäten und Transaktionen mit Regeln zur Anomalieerkennung
• Ein Air-Gapped-Modus für die Arbeit ohne externe APIs; Berichte in Markdown, JSON und Excel

Maschinelle Übersetzung – das Lektorat läuft.