Die Analyse von Daten wird zunehmend als vielversprechendes Werkzeug für ein effektives Management von Integritäts- und Korruptionsrisiken angesehen, da sie einen robusten Due-Diligence-Prozess und die frühzeitige Erkennung potenzieller integritätsbezogene Risiken unterstützen kann. Folglich sind Unternehmen daran interessiert, ihre internen Daten besser zu nutzen, um Integritätsrisiken zu überwachen und neue Bedrohungen zu erkennen.

Vor diesem Hintergrund zielt das Projekt Internal Integrity Risk Warning System (IIRWiS) darauf ab, das Integritätsmanagement zu fördern, indem Methoden, die für Deep Learning und natürliche Sprachverarbeitung entwickelt wurden, auf den Bereich der Integritätsforschung angewendet werden. Im Rahmen des Projekts werden maschinelle Lernmodelle auf der Grundlage von textbasierten Datenquellen (interne Dokumente und digitale Kommunikation) entwickelt, die in der Lage sind, integritätsrelevante Verhaltensweisen automatisch zu erkennen. Darüber hinaus wird das Projekt die Herausforderungen bei der Auswertung von unternehmensinternen Daten bewerten und Handlungsoptionen für ein ethisches Vorgehen untersuchen.

Beteiligte

Das Projekt wurde vom Schweizerischen Institut für Entrepeneurship (SIFE) in Zusammenarbeit mit dem Schweizerisches Institut für Informationswissenschaft (SII) und dem PRME Business Integrity Action Center umgesetzt.