OSINT: Datenvorsprung für Schweizer Unternehmen
Timo Leiser
Timo Leiser ist Geschäftsführer von Leiser AI (https://www.leiser.ai/), einem Unternehmen, das sich auf KI- und Automatisierungslösungen spezialisiert hat. Gemeinsam mit seinem Team unterstützt er Agenturen und Dienstleister dabei, die Potenziale der künstlichen Intelligenz auszuschöpfen, um Effizienz und die Marge zu steigern. Sein Fokus liegt darauf, Unternehmen den Einsatz von KI so einfach und zugänglich wie möglich zu machen, ohne den menschlichen Faktor aus den Augen zu verlieren.
OSINT und Künstliche Intelligenz: Die stille Revolution in der Finanzbranche
Inmitten geopolitischer Unsicherheiten, digitaler Umbrüche und wachsender Regulierungsdichte stehen Schweizer Finanzinstitute mehr denn je unter Druck, relevante Informationen schneller zu erkennen, Risiken frühzeitig zu bewerten und Chancen effizienter zu nutzen. In dieser neuen Realität entwickelt sich ein Begriff zunehmend zum Gamechanger: Open Source Intelligence.
Was lange Zeit fast ausschliesslich in Sicherheitskreisen und Geheimdiensten bekannt war, gewinnt nun auch in der Finanzwelt massiv an Bedeutung. Vor allem in Verbindung mit Künstlicher Intelligenz entstehen völlig neue Möglichkeiten, wie Informationen beschafft, bewertet und strategisch eingesetzt werden können.
Was ist OSINT und warum ist es für die Finanzwelt relevant?
Es bezeichnet die strukturierte Sammlung, Auswertung und Interpretation öffentlich zugänglicher Datenquellen. Dabei geht es nicht um geheime Daten oder Hackerangriffe, sondern um legal zugängliche Informationen aus dem Internet und anderen öffentlichen Quellen.
Für Finanzdienstleister ergibt sich ein klarer Handlungsbedarf: Wissen ist heute so leicht zugänglich wie nie zuvor. Dennoch bleibt das Potenzial einer systematischen Nutzung weitgehend ungenutzt.
Zu den wertvollsten OSINT-Quellen zählen:
- Nachrichtenportale und Fachmedien: Diese liefern Hinweise auf Marktentwicklungen, Fusionen, Insolvenzen, regulatorische Änderungen oder neue Technologien. Ein plötzlicher Managementwechsel bei einem Unternehmen, eine neue EU-Verordnung oder die Ankündigung einer grossen Investition sind allesamt Informationen, die direkt aus Medienquellen gewonnen werden können.
- Social Media und Foren: Plattformen wie Twitter, LinkedIn, Reddit oder branchenspezifische Foren können ein Frühwarnsystem sein. Sie zeigen, wie Kunden über ein Unternehmen denken, ob es eine Empörungswelle gibt oder wie sich allgemeine Stimmungen in der Bevölkerung verändern. Auch Aussagen von Mitarbeitenden oder ehemaligen Angestellten liefern mitunter kritische Einblicke.
- Unternehmensregister, Gerichtsurteile, Patentdatenbanken: Diese Quellen zeigen, wem ein Unternehmen gehört, in welchen Prozessen es verwickelt ist, ob es finanzielle Schwierigkeiten hat oder wie innovationsfreudig es ist. Ein Blick in die Patentanmeldungen kann zum Beispiel zeigen, ob ein Tech-Start-up wirklich innovativ ist oder nur Schlagwörter verwendet.
- Websites und Blogs: Unternehmenswebseiten enthalten oft viel mehr Informationen als gedacht, beispielsweise Pressemitteilungen, Investorenberichte, Informationen über Partnerschaften oder internationale Aktivitäten. Auch Expertenblogs können Trends frühzeitig beleuchten, die sich später auf Finanzmärkte auswirken.
- Satellitenbilder und Geodaten: Klingt futuristisch, ist aber real. Mit frei zugänglichen Satellitenbildern lassen sich zum Beispiel Baufortschritte, Parkplatzbelegungen bei Einzelhandelsketten oder der Schiffsverkehr an Häfen beobachten. Daraus lassen sich Rückschlüsse auf Umsatzentwicklungen, Logistikprobleme oder wirtschaftliche Aktivitäten ziehen.
Die Herausforderung: Der Daten-Goldrausch droht zu ersticken
So reichhaltig der Fundus an Informationen ist, so schwierig ist es, ihn nutzbar zu machen. Die schiere Menge an Daten übersteigt jede menschliche Analysefähigkeit. Ein Analyst könnte täglich tausende Artikel und Posts sichten und würde trotzdem wichtige Zusammenhänge übersehen.Hier kommt Künstliche Intelligenz ins Spiel.
KI als Verstärker für OSINT:
Künstliche Intelligenz gib diesen Daten eine Bedeutung, sie hilft nicht nur bei der Sammlung, sondern vor allem bei der Interpretation der OSINT-Quellen, und das mit einer Geschwindigkeit und Präzision, die manuell unmöglich wäre.
Folgende Technologien spielen dabei eine zentrale Rolle:
- Automatisierte Datenerfassung (Web Crawling und Scraping): Spezialisierte Programme durchforsten automatisch Webseiten, Nachrichtenseiten, Datenbanken und Social-Media-Kanäle. Sie extrahieren dabei gezielt relevante Inhalte und bereiten sie strukturiert auf. So entsteht eine tagesaktuelle Datenbasis, ohne dass Analysten manuell Webseiten besuchen müssen.
- Natural Language Processing (NLP): NLP-Modelle verstehen menschliche Sprache und deren Kontext. Sie erkennen, ob ein Text positiv oder negativ gefärbt ist, extrahieren wichtige Begriffe und können sogar ironische Aussagen erkennen. Das ist entscheidend, wenn man zum Beispiel aus Social Media ableiten will, wie die Öffentlichkeit ein Unternehmen wahrnimmt.
- Large Language Models (LLM): LLMs wie GPT oder Claude basieren auf riesigen Textmengen und ermöglichen komplexe Sprachverarbeitung in Echtzeit. Im Kontext von OSINT können sie verwendet werden, um grosse Mengen unstrukturierter Texte zusammenzufassen, Fragen zu Dokumenten zu beantworten oder sogar ganze Ereignisketten aus verschiedenen Quellen logisch zu verknüpfen. Besonders hilfreich sind sie in der Extraktion von Bedeutung aus langen oder mehrdeutigen Texten, etwa in juristischen Dokumenten oder regulatorischen Bekanntmachungen. Durch den Einsatz von LLMs können Finanzanalysten tiefere Einblicke gewinnen und gleichzeitig Zeit sparen, da sie sich nicht durch Dutzende Seiten lesen müssen, um relevante Informationen zu finden.
- Sentiment-Analyse: Diese spezielle NLP-Anwendung misst die Stimmung in Texten. Sie erkennt, ob ein Beitrag, Kommentar oder Artikel positiv, neutral oder negativ ist. Damit lassen sich zum Beispiel Stimmungsschwankungen zu einem Produkt, einem CEO oder einer Branche messen, oft schneller als mit Umfragen oder klassischen Studien.
- Entity Recognition und Relationship Extraction: KI erkennt automatisch wichtige Objekte in Texten, wie Unternehmen, Personen, Orte oder Produkte. Sie kann auch Beziehungen zwischen diesen Objekten erkennen, etwa wer mit wem zusammenarbeitet, wer wen besitzt oder wer in einem Skandal mit wem genannt wurde. Diese Informationen sind für die Risikoanalyse essenziell.
- Predictive Analytics: Wenn OSINT-Daten mit internen Finanzdaten kombiniert werden, lassen sich damit sehr präzise Prognosen erstellen. Beispielsweise können frühzeitige Hinweise auf Lieferschwierigkeiten eines Zulieferers dabei helfen, das Kreditrisiko eines Unternehmens korrekt einzuschätzen, noch bevor es zu einem Zahlungsausfall kommt.
Jetzt weiterlesen mit 
- Unlimitierter Zugriff auf über 1100 Arbeitshilfen
- Alle kostenpflichtigen Beiträge auf weka.ch frei
- Täglich aktualisiert
- Wöchentlich neue Beiträge und Arbeitshilfen
- Exklusive Spezialangebote
- Seminargutscheine
- Einladungen für Live-Webinare
