Erstellte KI-gestützte forensische Buchhaltungssoftware mit meinem Vater – CaseTrail automatisiert die Erkennung von Finanzbetrug

CaseTrail ist eine KI-gestützte Software für forensische Buchhaltung, die von einem Vater-Sohn-Team entwickelt wurde. Das Tool liest Kontoauszüge (CSV/PDF) ein und nutzt LLMs zur Klassifizierung von Transaktionen und Erkennung verdächtiger Aktivitäten. Der Blogbeitrag auf case-trail.com erläutert die technische Architektur und den realen Einsatz.

Wichtige technische Details

• Dateneingabe: Analysiert CSV- und PDF-Kontoauszüge mit Standardbibliotheken (z. B. pandas, pdfplumber).
• LLM-Integration: Nutzt GPT-4 oder Ähnliches, um Transaktionen in Kategorien zu unterteilen (z. B. Gehaltsabrechnungen, Zahlungen an Lieferanten) und Anomalien anhand von Mustern zu erkennen.
• Anomalieerkennung: Regelwerk + LLM-Logik zur Markierung potenzieller Betrugsfälle (z. B. doppelte Zahlungen, ungewöhnliche Lieferantenaktivitäten).
• Technologie-Stack: Python-Backend (FastAPI/Flask), React-Frontend. Der Code ist nicht Open Source, aber der Blog erklärt die Kernlogik.

Der Artikel beleuchtet praktische Herausforderungen: den Umgang mit inkonsistentem PDF-Parsing, LLM-Halluzinationen bei mehrdeutigen Transaktionen und die Notwendigkeit menschlicher Überprüfungen. Außerdem werden Leistungskennzahlen genannt – etwa 80 % Automatisierung bei Standardfällen, manuelle Prüfung für Ausnahmefälle.

Für Entwickler, die ähnliche vertikale KI-Tools bauen, bietet der Beitrag einen ehrlichen Einblick in die Integration von LLMs in domänenspezifische Arbeitsabläufe.