Startseite
Wirtschaft
Panama Papers
Moderne forensische Datenanalyse: Die neue Macht der Datenschnüffler
Die Aufarbeitung der Dateien der Anwaltskanzlei in Panama geschah mit moderner forensischer Datenanalyse: Algorithmen durchforsteten Dokumente nach Anomalien. Doch Big Data hat auch ihre Grenzen.
Die Suche nach dem verdächtigen Zahlendreher: Mit moderner Datenanalyse können auch gigantische Datenmengendurchforstet werden. getty images
Schummeln, vertuschen, betrügen. Das ist so alt wie die Menschheit. Schon im alten Rom gab es Schwindler und Falschmünzer. Heute gibt es zwar eine effektive Strafverfolgung, doch Schummeleien und Vertuschen von Identitäten sind keineswegs ausgerottet. Das machen die jüngsten Enthüllungen der Panama Papers einmal mehr deutlich.
Im Zeitalter von Big Data und des automatisierten Informationsaustauschs haben Ermittler und – im Fall der Panama Papers auch die Journalisten – eine entscheidende Waffe: Daten. Mit moderner Datenanalyse können Betrügereien entlarvt werden. Es ist die Suche nach dem einen verdächtigen Zahlendreher, nach der unerklärlichen Lücke in der Bilanz.
Um die Datenfülle auswerten zu können, wurden laut der «Süddeutschen Zeitung» die 2,6 Terra-Byte schweren Daten systematisch mit dem Programm Nuix erfasst. Mit diesem Programm arbeiteten auch internationale Ermittlungsbehörden. Durch die digitale Aufbereitung sei es möglich gewesen, die Daten mithilfe von Listen zu durchsuchen – wichtige Politiker, internationale Verbrecher, bekannte Sportstars. Die Liste «Parteispenden-Affären» habe am Ende 130 Namen umfasst, die UN-Sanktionsliste mehr als 600. «In wenigen Minuten glich der mächtige Such-Algorithmus die Listen mit den 11,5 Millionen Dokumenten ab», schreibt die Zeitung.
AUCH INTERESSANT
Steuerbetrüger im Visier
Ähnliche Programme verwenden auch nationale Ermittler: In Italien wurde 2013 ein Einkommensmeter (redditometro) eingeführt, der mit Steuerbetrüger entlarven soll. Das System gründet auf der Annahme, dass man auf Basis der Ausgaben eines Haushalts auf dessen Steuerschuld schliessen kann. Anders gewendet: Um etwas ausgeben zu können, braucht man auch ein entsprechendes Einkommen – das man wiederum versteuern muss.
Das System hat Italien anschliessend in fünf geografische Zonen mit unterschiedlicher Kaufkraft unterteilt und das verfügbare Haushaltseinkommen für fünf verschiedene «Familientypen», vom Single unter 35 Jahren bis zum Ehepaar über 65 Jahren, geschätzt. Wenn das veranlagte Einkommen 20 Prozent unterhalb der geschätzten Ausgaben liegt, schlägt der Einkommensmeter Alarm – die Steuererklärung muss gerechtfertigt werden. Das System war schon vor seiner Einführung heftig umstritten. Piero Ostellino, Kolumnist der Tageszeitung «Corriere della Sera», sagte, dies seien Zustände wie in der ehemaligen DDR.
Auch im Verwaltungsbezirk Los Angeles County gibt es seit geraumer Zeit das «Fraud Framework for Government», eine Plattform, mit der Sozialhilfebetrug entlarvt werden soll. Mithilfe komplexer Algorithmen generiert das Programm aus «Verhaltensanomalien» beim Bezug von Kindergeld einen «Risk Score» der Transferleistungsempfänger. Auch die US-Börsenaufsicht SEC setzt seit 2013 einen «Robocop» im Kampf gegen Korruption ein. Das computerisierte Tool durchsucht Finanzdaten nach verdächtigen Informationen. Gibt es Inkonsistenzen im Rechnungsbericht?
«Robocops» in den USA
In den USA müssen nämlich Banken und Konzerne ihre Quartalsberichte in XBRL (extensible Business Reporting Language) einreichen, eine Computersprache, die Finanzinformationen auf ein einheitliches Format bringt. Die SEC hat das System nach dem Betrugsskandal von Bernard Madoff eingeführt, der Anleger um 50 Milliarden Dollar prellte. Das Problem ist, dass die Software nur so gut ist wie die zur Verfügung gestellten Daten.
2013 registrierte die SEC nach Berichten des «Wall Street Journal» bei 57 000 eingegangenen Berichten 900 000 fehlerhafte Tags. So ein erratisches Reporting kann für einen Konzern schwerwiegende Folgen haben, nicht nur im Hinblick auf eine mögliche Strafverfolgung. Deshalb suchen Wissenschafter nach immer präziseren Methoden, um Missstände am Finanzmarkt aufzudecken. Dabei werden sie auch in mathematischen Lehrbüchern fündig.
Das Benford’sche Gesetz ist ein Ansatz. Das mathematische Gesetz besagt, dass bei einer Sammlung von Daten etwa 30 Prozent der aufgelisteten Zahlen eine 1 als vorderste Ziffer aufweisen sollten, 17,6 Prozent eine 2 und so weiter bis zur führenden 9. Diese tritt nur in weniger als 5 Prozent der Fälle auf.
Eine Abweichung von dieser Normalverteilung indiziert einen möglichen Betrug. Die Wirtschaftsprüfungsgesellschaft KPMG hat sich diese Gesetzmässigkeit bei der Buchprüfung eines Callcenters in den USA zunutze gemacht. Und tatsächlich: Die weitere Untersuchung ergab, dass Dutzende Mitarbeiter unrechtmässig Rückerstattungen an sich selbst, Freunde oder Verwandte auszahlten – Beträge im 40-Dollar-Bereich, die gerade noch ohne Erlaubnis ausbezahlt werden durften.
Neue Ansätze gesucht
Ein anderer Weg geht Mihaly Fazekas, der an der Universität Cambridge forscht. Mithilfe einer Data-Mining-Technik sollen die Marktstruktur durchleuchtet und illegale Absprachen erkannt werden. Das Verfahren könnte etwa helfen, Betrug bei öffentlichen Ausschreibungsverfahren zu erkennen. Fazekas Grundannahme ist, dass Korruption mit der Abwesenheit von Wettbewerb einhergeht. Der Ökonom analysiert mit Modellen, wie viele Anbieter es idealerweise in einer gesunden Wettbewerbsstruktur geben müsste, und schaut sich dann die Zahl der Bewerbungen in einem Bieterverfahren an.
Wenn sich zum Beispiel in einer EU-weiten Ausschreibung von fünf Eisenbahnunternehmen nur eines auf den Betrieb einer S-Bahn bewirbt, bestehen Verdachtsmomente (sogenannte Red Flags). Die EU und Weltbank haben bereits Interesse an dem System signalisiert. Doch auch Big Data hat Grenzen – und kann Kriminalität nur punktuell bekämpfen. Auch oder gerade im Zeitalter von Bitcoin und E-Government wird es Betrüger geben.
