Nach Zwei Jahren Veröffentlichte Perus Vierköpfiges Ermittlungsteam Eine Antikorruptions-KI

In einem von Borges‘ Romanen, „Funes der Gelehrte und Bekannte“, wird ein Genie namens Funes mit außergewöhnlicher Beobachtungsgabe und einem hervorragenden Gedächtnis beschrieben.

Der junge Funes entwickelte nach einem Sturz vom Pferd ein erstaunliches Gedächtnis und eine erstaunliche Beobachtungsgabe. Er konnte sich an jedes Detail seiner vergangenen Erlebnisse und an jedes Wort im Buch erinnern. Sie können sogar subtile Veränderungen im Leben und in der Natur beobachten, wie etwa das Wachstum neuer Knospen und das Abfallen der Blütenblätter.

Funes ist im Roman wie ein Mann mit einem dritten Auge, der alles beobachten, sich merken, verstehen und interpretieren kann.

  Korruptions-KI Funes: Hinweise auf Verstöße in Verträgen finden

Die Fiktion inspirierte Ojo-Publico, eine peruanische digitale Ermittlungsagentur. Sie glauben, dass Borges‘ Funes den heutigen Algorithmen ähneln, die viele verborgene und unbekannte Geheimnisse unter der Oberfläche entdecken können.

Die investigativen Journalisten, Experten für maschinelles Lernen und Rechtsberater der Agentur stützten ihre Recherchen gemeinsam auf 245.000 Verträge und Kontodetails zu öffentlichen Beschaffungen, Ingenieurbauprojekten und Wahlspenden, die von der peruanischen Regierung veröffentlicht wurden.

Es dauerte zwei Jahre, ein KI-Modell für die Vertragsprüfung zu trainieren, das Hinweise auf Korruption und Verstöße in Verträgen erkennen kann. Das Untersuchungsteam war davon überzeugt, dass der Algorithmus über die Superkraft verfügte, alle Details zu beobachten und zu überprüfen, und nannte das Modell daher Funes.

Bisher wurden auf Grundlage der sorgfältigen Überprüfungsarbeit von Funes insgesamt 110.000 problematische Verträge (von insgesamt 245.000 Verträgen) mit einem Gesamtwert von 57 Milliarden Soles (peruanische Währungseinheit, ungefähr 100,9 Milliarden RMB) identifiziert.

Auf Grundlage der Hinweise auf diese problematischen Verträge führte das Reporterteam eine eingehendere Untersuchung und Überprüfung durch und deckte dabei eine Reihe korrupter und illegaler Beschaffungspraktiken der peruanischen Regierung auf, an denen zahlreiche große peruanische Unternehmen beteiligt waren und bei denen es um einen Gesamtbetrag von fast 100 Milliarden Euro ging.

  KI erkennt die Tricks im Einkauf

Es handelte sich um mehrere große Korruptionsfälle in Peru in den letzten Jahren, darunter:

• Petroperú, Perus staatliches Ölraffinerie- und -verarbeitungsunternehmen, hat durch die Teilnahme an öffentlichen Ausschreibungen in mehreren Staaten und Provinzen über einen Zeitraum von vier Jahren öffentliche Beschaffungsprojekte im Wert von fast 2,4 Milliarden RMB gewonnen. Unter diesen erhielt das Unternehmen als einziges Bieterunternehmen den Zuschlag für das Projekt 90%, was einen schweren Verstoß gegen die Beschaffungsvorschriften der peruanischen Regierung darstellte und auch den normalen Marktwettbewerb beeinträchtigte.

Funes stellte außerdem anhand von 240.000 öffentlichen Beschaffungsverträgen und Daten fest, dass Steuerausgaben in zweistelliger Millionenhöhe an Unternehmen gezahlt wurden, die vor weniger als 20 Tagen gegründet wurden.

• So wurde beispielsweise das Catering-Unternehmen Melcesca am 23. Oktober 2015 registriert. Weniger als zwei Wochen nach seiner Gründung gewann es eine öffentliche Ausschreibung der Nationalen Universität San Antonio Abad Cuzco (Unsaac) in Peru und wurde zum Lieferanten der Cafeteria der Schule. (Es gibt 16 Bieter für diese Ausschreibung)

Funes deckte zahlreiche ähnliche illegale Machenschaften und riskante Verträge auf. Funes‘ scharfe Einsicht und sein hohes Urteilsvermögen beruhen auf ausgereiften Geschäftsuntersuchungen und hochentwickelter Algorithmusunterstützung.

Im Forschungsbereich der öffentlichen Ordnung und Soziologie widmen sich viele Wissenschaftler der Untersuchung staatlicher Informationsoffenlegung und Korruption. Der Algorithmus von Funes basiert auch auf den Forschungsergebnissen des erfahrenen Wissenschaftlers Mihaly Fazekas.

Mihaly Fazekas ist Doktorand in Geistes-, Sozial- und Politikwissenschaften an der Universität Cambridge. In seiner Forschung verfügt er über eine Reihe von Algorithmen zur Korruptionserkennung für öffentliche Beschaffungsverträge und Kontoflüsse. Er stellte fest, dass es mehrere Vertragsarten mit offensichtlichen Merkmalen gibt, die als Durchbruchpunkte für Verstöße und Korruptionsfälle dienen. Wenn Sie diese Merkmale verstehen, können Sie diese Verträge und die zugehörigen Informationen in der riesigen Menge an Dokumenten finden.

Zu diesen Merkmalen gehören:

1. Nicht öffentliche Ausschreibung;
2. Die Veröffentlichungsfrist für Ausschreibungsinformationen ist deutlich kürzer;
3. Unter den Bietern gab es deutliche Unterschiede hinsichtlich Größe und Stärke.
4. Der Beschaffungsvertrag enthielt eine Reihe von Änderungen;
5. Die Zeit bis zur Siegerentscheidung ist zu kurz oder zu lang.

Basierend auf diesen Urteilen entwarf er ein Bewertungsmodell und definierte den CRI (Corruption Risk Index) als Korruptionsrisikoindex.

Dabei stellt CRIi den Korruptionsrisikoindex von Vertrag i dar,

CIji stellt den j-ten grundlegenden Korruptionsindikator dar, der bei der Ausschreibung für den i-ten Auftrag beobachtet wurde.

wj stellt das Gewicht des j-ten grundlegenden Korruptionsindikators dar.

CRI=0 zeigt das geringste Korruptionsrisiko an.

CRI=1 gibt das maximal beobachtete Korruptionsrisiko an.

wobei „Einzelner Bieter“ gleich 1 ist, wenn es nur einen Bieter für den i-ten Auftrag gibt, und gleich 0, wenn es mehrere Bieter gibt;

Zi stellt den Logarithmus eines Einzelgebotsvertrags dar; β0 ist die Regressionskonstante.

Rij ist die j-te Korruptions-„Warnflaggen“-Matrix des i-ten Vertrags, beispielsweise die Länge der öffentlichen Bekanntmachungsfrist.

Cim stellt die Matrix der m Kontrollvariablen für den i-ten Vertrag dar, beispielsweise die Länge der öffentlichen Kündigungsfrist;

Cim stellt die Matrix der m Kontrollvariablen für den i-ten Vertrag dar.

Wettbewerber auf dem Markt; εi ist der Fehlerterm;

β1j und β4m stellen die Vektoren der Koeffizienten, erklärenden Variablen und Kontrollvariablen dar.

Basierend auf dem Algorithmus von Mihaly Fazekas verbesserte das Algorithmus-Team auch die Texterkennung spanischer Verträge und passte die Risikoindikatoren an die Bedingungen in Peru an, und Funes erzielte sehr gute Ergebnisse.

Offene Daten für mehr Transparenz und Innovationsförderung

Drei Wissenschaftler der School of Public Administration der Tsinghua-Universität wiesen in ihrer Studie „Government Data Openness and Anti-Corruption: Practice and Inspiration from the UK“ einmal darauf hin:Offene Daten können die gesellschaftliche Überwachung fördern und die Öffentlichkeit kann durch offene Daten Korruption aufdecken.

Die Freigabe staatlicher Daten wird zu mehr Transparenz in der Regierung beitragen und die wirtschaftliche Entwicklung sowie soziale Innovationen fördern. In dieser Hinsicht liegen die EU und Großbritannien derzeit an vorderster Front.

Im Jahr 2015 startete die Europäische Kommission das Projekt „Hin zu einer europäischen Strategie zur Korruptionsbekämpfung durch die verstärkte Nutzung offener Daten“ (TACOD), und das Vereinigte Königreich wurde eines der Pilotländer für das Projekt.

Das Forschungsteam von TACOD stellte fest, dass die meisten Quellen für Korruptionsaufdeckungen von Strafverfolgungsbehörden (341 TP3T) stammten, gefolgt von investigativen Journalisten (251 TP3T), Informationsfreiheitsanfragen (141 TP3T), Whistleblowing (131 TP3T) und offenen Daten (71 TP3T).

Obwohl nur 71 % der Korruption durch offene Daten aufgedeckt werden, kann ein Großteil der Korruption früher entdeckt und aufgedeckt werden, wenn bestimmte Schlüsseldaten frühzeitig öffentlich gemacht werden. Offene Regierungsdaten haben das Potenzial, zu einem wichtigen Instrument im Kampf gegen Korruption zu werden.

Selbst wenn Regierungsinformationen offengelegt werden, ist die Hürde für die Verarbeitung komplexer Verträge und großer Transaktionsdaten gestiegen. Im Jahr 2009 wurden in den Medien nach und nach Skandale aufgedeckt, bei denen britische Abgeordnete öffentliche Gelder missbrauchten, um private Rechnungen zu bezahlen. Beteiligt sind die drei größten politischen Parteien Großbritanniens und mehr als 300 Abgeordnete. Angesichts der riesigen Menge an Spesenabrechnungen und Bewerbungsunterlagen der Kongressabgeordneten,Medien wie The Daily Telegraph und The Guardian veröffentlichten große Mengen an Daten im Internet und luden britische Bürger ein, im Rahmen eines „Crowdsourcing“-Verfahrens an der Umfrage teilzunehmen.

Sollte die Öffentlichkeit in den Daten verdächtige Punkte finden, kann sie die entsprechenden Daten auf der Website markieren und das Ermittlungsteam wird den Nachforschungen weiter nachgehen. Allerdings bringt Crowdsourcing auch viele Probleme mit sich. Personen ohne Ermittlungsschulung können diese Aufgaben nicht effizient und genau erledigen.

Mit der Gründung von Funes wurde ein Durchbruch erzielt und ein bewährtes Verfahren zur Nutzung öffentlicher Regierungsdaten zur Aufdeckung von Korruption eingeführt. Das vierköpfige Team aus Datenwissenschaftlern, investigativen Journalisten und Rechtsexperten hat die leistungsstarken Ermittlungsfähigkeiten von Menschen und KI eindrucksvoll unter Beweis gestellt.

 Funes ist immer noch im Einsatz

Bis heute steht Funes als offenes und genaues Ermittlungsinstrument an vorderster Front des peruanischen investigativen Journalismus.

Darüber hinaus nutzt Ojo-Publico, die digitale Ermittlungsagentur, die Funes gegründet hat, Funes seit letztem Jahr, um öffentliche Beschaffungsprojekte während der COVID-19-Pandemie zu überprüfen.