• Forklarere og demonstrere hvordan man udarbejder datadrevne risikovurderinger på et empirisk grundlag.
• Omsætte risikovurderinger og regulatoriske krav til scenarier og regler i transaktionsovervågning.
• Designe, justere og optimere scenarier til at opdage hvidvask så effektivt som muligt.
• Reflektere strategisk over brugen af teknologi (herunder transaktionsovervågning of AI) som værktøj i kampen mod økonomisk kriminalitet

Kursets deltagere lærer at lave datadrevne risikovurderinger ud fra det, vi faktisk ved om hvidvask og økonomisk kriminalitet. Med udgangspunkt i forskning, internationale studier og empiriske cases arbejder vi med at forstå, kortlægge og måle risiko ved hjælp af data, så vi kan træffe bedre og dokumentérbare beslutninger i kampen mod økonomisk kriminalitet.

På baggrund af disse risikovurderinger lærer deltagerne om transaktionsovervågning og AI i kampen mod økonomisk kriminalitet - herunder hvordan man designer skarpe scenarier og regler, justerer og optimerer sin overvågning og identificerer forsøg på omgåelse (fx ved hjælp af “smurfing” eller “structuring”).

Undervejs kobler vi regulatoriske krav (bl.a. hvidvaskloven) med praktiske løsninger og diskuterer etik, bias og ansvarlig anvendelse af data og teknologi i kampen mod økonomisk kriminalitet.

Undervisningen er praksisnær og varieret med cases, øvelser og analyser, så deltagerne går derfra med konkrete værktøjer, de kan tage direkte med hjem til deres organisation.

• Klassisk og grundlæggende teori
• Ny teori
• Undervisers egen forskning
• Metodologi

• Analyse
• Diskussion, kritisk refleksion, modelarbejde