OpenSanctions

Welche gesellschaftliche Herausforderung adressiert euer Prototyp?

Expert*innen schätzen, dass etwa 10 % des globalen BIP durch Offshore-Finanzplätze fließen – oft als Konsequenz des korrupten Handelns kleiner Eliten in Ländern mit schwachen demokratischen Institutionen. Die Konsequenzen sind Armut, marode Gesundheits- und Bildungssysteme und ein Verfall demokratischer Normen.

Damit Journalist*en und Aktivist*innen eine aktive Rolle in der Bekämpfung dieser Strukturen spielen können, müssen sie die verantwortlichen Akteur*innen zu benennen wissen. Während Banken und Staaten hier längst einen datenbasierten Ansatz verfolgen, sind Journalist*innen oft noch nicht soweit. Hier wird OpenSanctions eine Grundlage schaffen, die systematische Recherchen ermöglicht. Der Markt für “Persons of Interest”-Daten wird von einem Oligopol beherrscht: Reuters, Dow Jones und LexisNexis. Die Listen sind für zivilgesellschaftliche Akteur*innen zu teuer und bei weitem nicht vollständig.

Eine quelloffene und transparente Alternative kann die Hersteller zwingen, bessere Praktiken zu entwickeln. Da alle Banken Kunden dieser Anbieter sind, kann das Projekt zu einer besseren Bekämpfung von Finanzkriminalität beitragen.

Wie geht ihr das Problem an?

OpenSanctions ist eine Ressource für Journalist*innen, Aktivist*innen und Finanzdienstleister. Das Projekt sammelt Profile über Personen und Firmen, die Ziel internationaler Sanktionen sind. Hinzu kommen Einträge, die aufgrund von kriminellem Verhalten oder als politische Mandatsträger*innen (sog. PEPs) ins öffentliche Interesse gerückt sind. Solche Profile sind ein wichtiges Werkzeug, um in großen Datenmengen systematisch Hinweise auf Interessenkonflikte, Korruption und Geldwäsche zu finden. Weil die Daten jedoch nicht leicht auffindbar sind, ist ihre Nutzung technisch aufwändig. OpenSanctions macht diese Quellen deshalb einfach und strukturiert nutzbar.

Den Kern von OpenSanctions bildet eine Python-Pipeline, die Einträge aus verschiedenen Quellen herunterlädt, säubert und in ein gemeinsames Datenmodell konvertiert. Als gemeinsames Datenmodell dient FollowTheMoney – eine Ontologie, die wir seit 2017 als Teil des Aleph-Projektes entwickelt haben. Sie bildet Personen, Firmen oder Sanktionen sowie deren Eigenschaften ab und wird weltweit von etwa 20 Medienhäusern verwendet.

Unser Ziel ist es, einen besonders präzisen Datensatz reproduzierbar generieren zu können. Der Fokus liegt auf einer einfachen Architektur, detailliertem Logging/Auditing, Werkzeugen zur Fehlerkorrektur sowie guter Dokumentation. Auch wird die lokale Installation und das Hinzufügen von Datenquellen vereinfacht. Anschließend werden die Einträge durch Referenz-Datenbanken wie Wikidata und OpenCorporates mit Details angereichert, um weitergehende Analysen zu ermöglichen.

An wen richtet sich euer Tool?

Das Tool richtet sich an Investigativjournalist*innen, Anti-Korruptions-Aktivist*innen, FinTech-Startups, Forscher*innen und Plattformen wie OpenCorporates, die auf einschlägige Firmen oder Gesellschafter hinweisen können.