Investigative Auswertung & OSINT-Analyse (Entitätsauflösung, Verknüpfungsanalyse)

Ermittler, Compliance-Beauftragte und Journalisten müssen Personen, Unternehmen, Konten und Ereignisse verknüpfen, die über Register, Leaks, Nachrichten und Fallakten verstreut sind. KI löst „dieselbe Person in fünf Schreibweisen“ auf, baut den Eigentümer- und Beziehungsgraphen auf, übersetzt und fasst fremdsprachige Quellen zusammen und entwirft einen belegten Bericht. Sie verkürzt die Phase des Suchens und Zusammenführens; sie entscheidet nicht über Schuld oder Risiko. Für Behörden prägt der rechtliche Rahmen (DSGVO/JI-Richtlinie, KI-Verordnung Anhang III, nationales Polizeirecht) die Architektur ebenso stark wie die Technik.

Problem & Nutzen

• Heute: Analysten arbeiten über Dutzende Portale und Tabellen hinweg, kopieren Namen zwischen Werkzeugen und zeichnen Verknüpfungsdiagramme von Hand neu. Namensvarianten, Transliteration, Ketten von Briefkastenfirmen und mehrsprachige Quellen machen die Arbeit langsam und fehleranfällig; Leaks mit Millionen von Dokumenten sind ohne Such- und Graphwerkzeuge nicht zu bewältigen.
• KI-Nutzen: (1) Probabilistische Entitätsauflösung führt Datensätze ohne gemeinsame Kennungen zusammen; (2) LLM-gestützte Extraktion macht aus unstrukturierten Dokumenten Entitäten und Beziehungen; (3) Graphanalysen machen verdeckte Kontrollstrukturen sichtbar; (4) LLM-Entwürfe liefern belegte Berichte und Übersetzungen; (5) Agenten übernehmen wiederkehrende Abfragen über mehrere Quellen.
• Beleg für das Ausmaß: Die ICIJ-Datenbank Offshore Leaks vereint fünf Leaks (Offshore Leaks, Panama, Bahamas, Paradise, Pandora Papers) mit mehr als 810.000 Offshore-Entitäten [4]. Die offene Verknüpfungsbibliothek Splink gibt an, etwa eine Million Datensätze auf einem Laptop in rund einer Minute verknüpfen und auf Spark auf über 100 Millionen Datensätze skalieren zu können [2]. Wir haben keine unabhängig geprüfte, allgemeine Produktivitätszahl für KI-gestützte Ermittlungen gefunden; messen Sie Ihre eigene Ausgangsbasis.

Varianten

• Compliance gegen Wirtschaftskriminalität (KYC/KYB, Due Diligence): Eigentümergraphen, Abgleich mit Sanktions- und PEP-Listen, negative Medienberichte — am nächsten an ANOM-002, ANOM-016, DOC-011.
• Investigativer Journalismus und NGOs: Leak-Analyse, Unternehmensnetzwerke, Geolokalisierung und Verifikation (Aleph/OCCRP; Open-Source-Methoden im Stil von Bellingcat [5][6]).
• Steuer-, Zoll- und Betrugsbehörden: quellenübergreifende Fallaufbereitung (ANOM-018, ANOM-020, ANOM-021).
• Analyseeinheiten der Strafverfolgung: Zusammenführung von Polizeidatenbanken mit öffentlichen Quellen; die am strengsten regulierte Variante (siehe Risiken).
• Variante für Sicherheitsbehörden (Nachrichtendienste, Verteidigungsanalyse): gleiche Kernfähigkeit — Entitätsauflösung, Verknüpfungsanalyse, Lageberichte — aber mit Verschlusssachen, souveränem bzw. Air-Gap-Betrieb und nationalem Aufsichtsrecht. Die KI-Verordnung nimmt Systeme aus, die ausschließlich für militärische, Verteidigungs- oder nationale Sicherheitszwecke genutzt werden (Art. 2 Abs. 3) [9]; die verfassungsrechtlichen Grenzen in Deutschland (Urteil zu Hessendata) gelten weiterhin für polizeiliche Datenanalysen [7]. Hier nur auf Ebene von Richtlinien und Architektur dokumentiert.
• Unternehmenssicherheit / Markenschutz: Schutz von Führungskräften und Bedrohungsüberwachung aus öffentlichen Quellen (siehe SEC-021, SEC-008).
• Private Nutzung: Ahnenforschung, Prüfung eines Vermieters oder Verkäufers. Nur öffentliche Register; die Profilbildung über Privatpersonen wirft DSGVO-Fragen auf.

So funktioniert es

1. Quellen (Register, Leaks, Nachrichten/Web, Fallakten, Sanktionslisten)
2. Erfassung & Herkunftsnachweis (Hash, Zeitstempel, Quell-URL; Rechtsgrundlage dokumentiert)
3. OCR / Parsing / Übersetzung
4. Entitäten- & Beziehungsextraktion (NER + LLM mit Schema)
5. Entitätsauflösung (Blocking
6. probabilistischer/Embedding-Abgleich
7. menschliche Prüfung unsicherer Paare)
8. Wissensgraph (Schema im FollowTheMoney-Stil; Personen, Firmen, Konten, Adressen, Ereignisse)
9. Analytik (Zentralität, Communities, kürzeste Pfade, Beteiligungsdurchschau, Zeitleisten)
10. LLM-Briefing / Q&A mit Quellenangaben auf Quelldatensätze
11. Analystenprüfung, Entscheidung, Auditprotokoll

• Entitätsauflösung ist der Kern: probabilistische Verknüpfung nach Fellegi-Sunter (Splink [2]), kommerzielle Engines (Senzing, Quantexa) oder Embeddings plus LLM-Beurteilung für Grenzfälle. Jede Zusammenführung muss umkehrbar und nachvollziehbar sein.
• Graphschicht: Property-Graph oder RDF-Speicher; Datenmodell wie FollowTheMoney, das OpenSanctions und Aleph nutzen [3][4]. Eine Indexierung im Stil von GraphRAG (Entitätsextraktion, Leiden-Communities, Community-Zusammenfassungen) hilft, korpusweite Fragen zu beantworten [8] — siehe KNOW-013.
• Mensch-in-der-Schleife (Human-in-the-Loop): Analysten bestätigen Zusammenführungen, kennzeichnen Hypothesen als „bestätigt / plausibel / ungeprüft“ und zeichnen Berichte ab. Das Ergebnis ist ein Hinweis, nie ein Urteil.

Datenaufbereitung

Die Daten stammen aus vielen Quellen: Unternehmensregister und Register der wirtschaftlich Berechtigten, Sanktions- und PEP-Listen, Gerichts- und Vergabeakten, Nachrichten und Webseiten, geleakte Dokumentensätze sowie interne Fallakten, Transaktionsauszüge und CRM- oder ERP-Stammdaten. In einer Organisation liegt der interne Teil typischerweise in Fallbearbeitungssystemen, Mailarchiven, Dateiablagen und Papierakten.

Typische Lücken: gescannte PDFs ohne Text, dieselbe Person in fünf Schreibweisen oder Transliterationen, keine gemeinsamen Kennungen über Quellen hinweg, fehlender Herkunftsnachweis (wer hat was wann auf welcher Rechtsgrundlage erhoben), gemischte Sprachen, Duplikate und unklare Zugriffsrechte je Fall.

Aufbereitungsschritte: (1) Rechtsgrundlage und Zweck je Quelle und je Fall festhalten; (2) den Herkunftsnachweis (Hash, Zeitstempel, URL) bei der Erhebung sichern; (3) Scans mit Docling oder PaddleOCR per OCR erfassen und parsen (siehe PREP-006, PREP-007); (4) alles auf ein Schema wie FollowTheMoney abbilden; (5) Namen, Adressen und Daten normalisieren; (6) eine Referenzmenge bekannter passender und nicht passender Paare aufbauen (PREP-018, PREP-020) und Splink darauf testen; (7) für Tests verwendete Exporte pseudonymisieren (PREP-022); (8) Zugriffsbereiche je Fall festlegen (PREP-023, PREP-024, PREP-025). Zu Pipelines siehe auch DATA-003.

Grober Aufwandsanteil: 50 bis 60 Prozent des Projekts fließen in Erhebung, Normalisierung, Feinabstimmung der Entitätsauflösung und Zugriffsdesign; die LLM-Schicht ist der kleinere Teil. Prüfen Sie die Voraussetzungen zuerst mit GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• Enterprise: C — Fallakten über natürliche Personen und Ermittlungsmethoden sind hochsensibel, die Datenmengen sind groß, und ein selbst betriebener Graph samt Open-Weight-Stack vermeidet Kosten pro Arbeitsplatz und für APIs.
• Öffentliche Hand: C — Behörden brauchen Zweckbindung, Need-to-know-Bereiche und souveränen oder Air-Gap-Betrieb, was kommerzielle US-Plattformen selten bieten.
• Entwickler: C — die offenen Bausteine (Splink, FollowTheMoney, yente, Neo4j oder Memgraph) sind ausgereift und erlauben ein Produkt ohne Herstellerbindung.

Weg A — Kaufen (Standardsoftware)

• OSINT-/Verknüpfungsanalyse-Werkbänke: Maltego (Graph, Search, Monitor, Evidence, Data mit über 120 Datenpartnern, ISO 27001:2022 zertifiziert [1]), Fivecast ONYX (Australien; Erfassung öffentlicher Quellen für Regierungen und Unternehmenssicherheit [10]), Babel Street.
• Entitätsauflösung / Decision Intelligence: Quantexa (Großbritannien; Entitätsauflösung und Wissensgraphen für Banken, öffentliche Hand und Strafverfolgung; der belgische föderale Finanzdienst ist als Kunde genannt [11]), Senzing (einbettbares ER-SDK).
• Plattformen für Behörden: Palantir Gotham und ähnliche Datenfusionsplattformen (US-Anbieter; Souveränitätsbedenken in Deutschland/EU) sowie europäische Alternativen für Polizei und Behörden; Ausstiegsoptionen und Rechtsgrundlage vor der Beschaffung prüfen.
• Offene Plattformen für Journalisten/NGOs: Aleph (OCCRP; Dokumentensuche, Netzwerkdiagramme, Abgleiche mit Hunderten von Datensätzen, eingeschränkte Support-Richtlinie [4]).
• Daten für Compliance-Prüfungen: OpenSanctions (Sanktionen, PEP und verbundene Einheiten; Massendaten und selbst betreibbarer Abgleichsdienst yente [3]).
• Wählen Sie A, wenn: ein Team innerhalb weniger Wochen Ergebnisse braucht und die Rechtsgrundlage für die Datenquellen des Anbieters klar ist. Prüfen Sie Datenstandort, Unterauftragnehmerkette und ob die Erhebungswerkzeuge für Ihr Mandat zulässig sind.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Spitzen-LLMs (Claude, Gemini, GPT, Mistral — möglichst EU-Region bzw. EU-Anbieter wie Mistral AI) für Extraktion, Übersetzung und belegte Zusammenfassung; strukturierte Ausgaben für Entitäts-/Beziehungs-JSON.
• Orchestrierung: Agent-Framework mit MCP-Konnektoren zu Registern, OpenSanctions-API und Such-APIs; Graph in einer verwalteten Graphdatenbank; Splink auf DuckDB für die Auflösung.
• Senden Sie Fallakten über natürliche Personen nicht ohne geprüfte Rechtsgrundlage und Übermittlungsinstrument an Nicht-EU-APIs. Geeignet für Recherchen allein aus offenen Quellen (Journalismus, Due Diligence im Unternehmen); für Polizei oder Verschlusssachen meist ungeeignet.

Weg C — Selbst betreiben (Open Source)

• Auflösung: Splink (MIT, DuckDB/Spark) [2]; Datenmodell/Werkzeuge: FollowTheMoney, Aleph, yente [3][4]; Graph: Neo4j Community, Memgraph, Apache AGE (PostgreSQL) oder eingebettete Speicher der Kuzu-Klasse.
• Dokumentenverarbeitung: Docling/PaddleOCR für Scans; OpenSearch für hybride Suche; Open-Weight-LLMs (Qwen3 / Llama / Mistral-Familie), mit vLLM bereitgestellt, für Extraktion und Entwürfe; mehrsprachige Embeddings und ein Reranker; ein Übersetzungsmodell für fremdsprachiges Material.
• Hardware: HW3 (eine 48–96-GB-GPU) für Extraktion und Berichte mit Modellen der 30–70B-Klasse; HW2 genügt für kleine Modelle plus klassische Entitätsauflösung. Air-Gap-Betrieb ist praktikabel, da nichts die Cloud benötigt — außer dem Schritt der Erfassung öffentlicher Quellen, der sich durch eine Einweg-Übertragung abtrennen lässt.
• Betriebsaufwand: erheblich — Dateningenieurwesen, Zugriffskontrolle (Need-to-know, Bereiche je Fall), Protokollierung.

Weg D — Eigenes Training

Lohnt sich für (a) ein fachliches NER-/Beziehungsmodell für lokale Sprachen, Dokumenttypen oder Falljargon, (b) ein gelerntes Abgleichsmodell für Ihre eigenen Entitätstypen (feingetuntes Embedding oder Cross-Encoder, trainiert auf den Zusammenführungs- und Trennentscheidungen der Analysten). Korrekturen der Analysten sind die Trainingsdaten; für einen paarweisen Abgleicher genügen meist einige tausend gelabelte Paare. Ein Basis-LLM zu trainieren lohnt nicht.

Stand der Technik (2026)

• Agentisches OSINT: LLM-Agenten führen Abfragen über mehrere Quellen aus und entwerfen Dossiers; Bellingcats Tests von LLMs zur Geolokalisierung berichten von großen Verbesserungen, kommen aber zu dem Schluss, dass der Mensch entscheidend bleibt und die Ergebnisse je nach Modell stark schwanken [6]. Behandeln Sie Agentenausgaben als Hypothesenbildung.
• Entitätsauflösung + LLM: klassisches Blocking und probabilistische Bewertung leisten im großen Maßstab weiter den Hauptteil; LLMs kommen bei schwierigen Paaren und zur Erklärung von Zusammenführungen zum Einsatz.
• GraphRAG / graphbasiertes Retrieval unterstützt Fragen auf Korpusebene über Leaks und Fallakten [8].
• Gemeinsame Datenstandards: FollowTheMoney und offene Datensätze (OpenSanctions, Offshore Leaks) machen Ergebnisse reproduzierbar und zwischen Werkzeugen austauschbar [3][4].
• Grenzen und Fehlerbilder: falsche Zusammenführungen (zwei Personen mit häufigem Namen verschmolzen — für Einzelpersonen gravierend), verpasste Zusammenführungen (Transliteration), halluzinierte Beziehungen bei der LLM-Extraktion, veraltete Register, Quellenvergiftung und Desinformation, durch aufgeräumte Graphen verstärkte Bestätigungsverzerrung sowie „Kontaktschuld“-Artefakte von Zentralitätsmaßen. Gemeinsames Auftreten ist keine Beziehung.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (knowledge-graph + llm + embeddings + ocr-docparse): KNOW-013 (Graphaufbau, GraphRAG), KNOW-002 (RAG über Dokumente), DOC-021 (eDiscovery/Ermittlungen), DOC-011 (Due Diligence).
• Fachliche Zulieferer und Abnehmer: ANOM-002 (Geldwäscheüberwachung), ANOM-016 (Sanktions-/PEP-Prüfung), ANOM-018, ANOM-020, ANOM-021 (Steuer-, Vergabe-, Zollrisiko), ANOM-023 (Krypto-Forensik), SEC-008 (Threat Intelligence), SEC-021 (Schutz vor digitalen Risiken), VIS-050 und VIS-051 (Medienforensik und Geodatenanalyse — eigene, stärker eingeschränkte Anwendungsfälle).
• Recherche-Begleiter: KNOW-015 (Agent für Schreibtischrecherche), LANG-017 (Wettbewerbsbeobachtung).
• Hardware/Daten: ein HW3-Server mit Vektorindex, Suchmaschine und Graphdatenbank bedient mehrere dieser Fälle; Tabellen der Entitätsauflösung und das Graphschema sind das wiederverwendbare Gut.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis zur Einführung; Lizenz pro Arbeitsplatz plus Gebühren der Datenpartner; hoch bei Premium-Daten.
• Weg B: 2–4 Monate für einen Recherche-Assistenten mit Register- und Sanktionsdaten.
• Weg C: 4–9 Monate für eine Produktivplattform einschließlich Sicherheitsfreigabe; GPU-Server plus Dateningenieure.
• Weg D: zusätzlich 1–3 Monate für Labeling und Evaluation.
• Kennzahlen: Precision/Recall der Entitätsabgleiche auf einer Referenzmenge; Rate falscher Zusammenführungen; Zeit vom Hinweis bis zur ersten strukturierten Fallakte; Anteil der Berichtsaussagen mit prüfbarem Beleg; Korrekturquote der Analysten; Zahl der durch unabhängige Beweise bestätigten Hinweise.

Menschen & Veränderung

Beziehen Sie Geschäftsleitung und Fachbereichsleitung zu Beginn ein, um Mandat, Rechtsgrundlage und untersagte Nutzungen festzulegen. Holen Sie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten und Recht oder Compliance ein, bevor Werkzeuge ausgewählt werden: Die Daten betreffen natürliche Personen, oft besondere Kategorien oder Daten über Straftaten, daher ist eine DSFA (Art. 35 DSGVO) sehr wahrscheinlich, und jeder externe Auftragsverarbeiter braucht einen AVV (Art. 28 DSGVO); Behörden folgen der JI-Richtlinie und nationalem Polizeirecht. Binden Sie die IT-Sicherheit früh ein, für abgeschottete Zugriffe, Protokollierung und Prompt-Injection-Tests an gescrapten Inhalten.

Betriebsrat: kommt darauf an. Werden Abfragen und Entscheidungen der Analysten je Nutzer protokolliert, ist das System objektiv zur Überwachung von Verhalten oder Leistung geeignet, sodass die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG greift; § 90 Abs. 1 Nr. 3 verlangt rechtzeitige Unterrichtung, wenn Arbeitsverfahren mit KI geplant werden, und der Betriebsrat darf einen KI-Sachverständigen hinzuziehen (§ 80 Abs. 3). In öffentlichen Stellen ist der Personalrat zuständig. Vereinbaren Sie, wofür das Protokoll verwendet werden darf.

KI-Kompetenz: Fördern Sie die KI-Kompetenz der Analysten (Art. 4 KI-Verordnung) durch Schulungen zu Fehlern der Entitätsauflösung, halluzinierten Verknüpfungen und unbelegten Aussagen (GUIDE-006). Starten Sie mit einem kleinen Pilot mit Analysten an drei abgeschlossenen früheren Fällen (GUIDE-009). Typische Sorgen: falsche Identifizierung und Kompetenzverlust. Begegnen Sie ihnen, indem Sie Konfidenz und Quellen anzeigen, jede Zusammenführung umkehrbar halten und für jeden folgenreichen Schritt eine menschliche Entscheidung verlangen; das Ergebnis ist ein Hinweis, nie ein Urteil. Weiterführend: GUIDE-004, GUIDE-005, GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): hängt vom Betreiber ab. Due Diligence im Unternehmen und Journalismus: meist minimales/begrenztes Risiko. Einsätze in der Strafverfolgung fallen unter Anhang III Nr. 6 (z. B. Profiling bei der Aufdeckung, Untersuchung oder Verfolgung von Straftaten, Bewertung der Zuverlässigkeit von Beweismitteln), Einsätze in Migration/Grenzkontrolle unter Nr. 7 — Hochrisiko, „soweit nach Unionsrecht oder nationalem Recht zulässig“ [12]. Die Pflichten für Hochrisiko-Systeme gelten nach dem AI Omnibus (in Kraft seit 27. Juli 2026) ab dem 2. Dezember 2027 [13].
• In typischer Form verboten (Art. 5, gilt seit Februar 2025): Bewertung des Risikos, dass eine Person eine Straftat begeht, allein auf Grundlage von Profiling oder Persönlichkeitsmerkmalen (Art. 5 Abs. 1 Buchst. d); Aufbau von Gesichtsdatenbanken durch ungezieltes Auslesen von Internet oder Videoüberwachung (Art. 5 Abs. 1 Buchst. e); biometrische Kategorisierung zur Ableitung sensibler Merkmale (Art. 5 Abs. 1 Buchst. g) [14]. Ein System, das eine menschliche Bewertung unterstützt, die bereits auf objektiven, überprüfbaren Tatsachen mit Bezug zu krimineller Tätigkeit beruht, fällt nicht unter das Verbot. Folglich lassen sich „Risikobewertungen für Personen“ aus gescrapten sozialen Medien oder massenhafter Gesichtserkennung in der EU nicht rechtmäßig aufbauen; dokumentiert ist hier nur faktenbasierte, fallgebundene Verknüpfungsanalyse.
• Ausnahme nationale Sicherheit: Art. 2 Abs. 3 nimmt Systeme aus, die ausschließlich für militärische, Verteidigungs- oder nationale Sicherheitszwecke genutzt werden [9]; Systeme mit gemischter Nutzung sind erfasst.
• DSGVO / JI-Richtlinie: Die Verarbeitung durch Behörden unterliegt der JI-Richtlinie (EU 2016/680) und nationalem Polizeirecht; Unternehmen und Journalisten fallen unter die DSGVO (Daten nach Art. 6, 9, 10, DSFA nach Art. 35, Zweckbindung, Datenminimierung; Medienprivileg nach nationalem Recht). „Öffentlich verfügbar“ heißt nicht „frei verarbeitbar“.
• Deutsche verfassungsrechtliche Grenze: Das BVerfG entschied am 16. Februar 2023 (1 BvR 1547/19, 1 BvR 2634/20), dass § 25a HSOG in Hessen und § 49 HmbPolDVG in Hamburg zur automatisierten Datenanalyse das Recht auf informationelle Selbstbestimmung verletzen, weil eine ausreichende Eingriffsschwelle fehlt (mindestens eine konkretisierte Gefahr für die erfassten Zwecke); die Hamburger Regelung war nichtig, die hessische galt nur übergangsweise unter strengen Bedingungen und unter Ausschluss von Daten aus verdeckten Überwachungsmaßnahmen [7]. Lehre für das Design: Zweckbindung, eingeschränkte Datenquellen, dokumentierte Begründung und Protokollierung je Analyse.
• Weitere Risiken: falsche Identifizierung und Rufschädigung, Diskriminierung über Stellvertretervariablen, Doxxing/Missbrauch durch Insider, Nutzungsbedingungen und Datenbankrechte beim Scraping, Beweisverwertbarkeit (Beweiskette).
• Gegenmaßnahmen: Rechtsgrundlage und Zweck je Fall dokumentiert; rollenbasierter, fallgetrennter Zugriff; unveränderliches Protokoll; umkehrbare Zusammenführungen mit angezeigter Konfidenz; verpflichtende Quellenangabe; menschliche Entscheidung bei jedem folgenreichen Schritt; DSFA und, bei Behörden, Prüfung durch die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten; Red-Team-Tests der Pipeline auf Prompt-Injection aus gescrapten Inhalten.

Erste Schritte

1. Legen Sie zuerst Mandat, Rechtsgrundlage und untersagte Nutzungen fest (welche Daten, welche Personen, welcher Zweck); binden Sie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten oder die Rechtsberatung vor jeder Werkzeugauswahl ein.
2. Bauen Sie eine Referenzmenge aus 200–500 bekannten passenden/nicht passenden Datensatzpaaren aus Ihrem eigenen Fachgebiet und testen Sie Splink [2] gegen eine kommerzielle ER-Engine.
3. Richten Sie einen kleinen Graphen über offene Daten ein (OpenSanctions + ein Unternehmensregister + Offshore Leaks [3][4]) und lassen Sie Analysten drei echte frühere Fälle ausprobieren.
4. Ergänzen Sie LLM-Extraktion und belegte Berichte; verlangen Sie, dass jeder Satz auf einen Quelldatensatz verweist, und messen Sie unbelegte Aussagen.
5. Ergänzen Sie Protokollierung, abgeschotteten Zugriff und einen Prüf-Workflow, bevor Sie auf echte Falldaten skalieren.

Quellen

1. Maltego — product overview (Graph, Search, Monitor, Evidence, Data; ISO 27001:2022) — https://www.maltego.com/
2. Splink (UK Ministry of Justice), probabilistic record linkage, MIT licence — https://github.com/moj-analytical-services/splink
3. OpenSanctions documentation (FollowTheMoney data, bulk data, yente on-premise matching) — https://www.opensanctions.org/docs/
4. ICIJ Offshore Leaks Database — https://offshoreleaks.icij.org/pages/about ; OCCRP Aleph documentation — https://docs.aleph.occrp.org/
5. Bellingcat resources — https://www.bellingcat.com/resources/
6. Bellingcat, articles on LLMs and geolocation (listed on the resources page above) — https://www.bellingcat.com/resources/
7. Bundesverfassungsgericht, Press release 18/2023 (Hesse/Hamburg automated data analysis) — https://www.bundesverfassungsgericht.de/SharedDocs/Pressemitteilungen/DE/2023/bvg23-018.html ; LTO coverage — https://www.lto.de/recht/nachrichten/n/bverfg-1BvR154719-1BvR263420-einsatz-software-hessendata-durch-polizei-verfassungswidrig
8. Microsoft GraphRAG documentation — https://microsoft.github.io/graphrag/
9. AI Act Article 2 (scope, national security/defence exclusion) — https://artificialintelligenceact.eu/article/2/
10. Fivecast ONYX — https://www.fivecast.com/
11. Quantexa — https://www.quantexa.com/
12. AI Act Annex III (points 6, 7, 8) — https://artificialintelligenceact.eu/annex/3/
13. European Commission, AI regulatory framework (application dates, AI Omnibus) — https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
14. AI Act Article 5 (prohibited practices) — https://artificialintelligenceact.eu/article/5/