Sardine KI-Funktionen, Kosten und Datenschutz (Oktober 2026)

Sardine ist eine US-Plattform für Banken, Fintechs und Händler, die Betrug erkennt und die Geldwäscheprävention (AML) unterstützt. Sie verbindet Geräte- und Verhaltenssignale, Machine-Learning-Scores, Regeln und KI-Agenten, die Ermittlungen für Ihre Analysten vorbereiten.

Die Plattform deckt das Onboarding mit KYC, KYB, Dokumenten- und Kontoprüfung ab. Dazu kommen Betrugsschutz für Zahlungen, Kontobewegungen, Kartenausgabe und Kontoübernahmen sowie AML-Aufgaben wie Transaktionsmonitoring, Kundenrisikobewertung, Sanktionsprüfung und Fallbearbeitung. Ein Risk SDK erfasst Geräte- und Verhaltensdaten in Web- und Mobil-Apps. Neue Regeln lassen sich im Regelwerk ohne Code im Schattenbetrieb testen.

Die SardineAI Corp. wurde von Soups Ranjan und Aditya Goel gegründet und betreibt das Datenkonsortium Sonar. Nach eigenen Angaben hat sie mehr als 450 Unternehmenskunden und 170 Millionen US-Dollar eingesammelt. Sie passt zu regulierten Häusern mit eigenem Betrugs- oder Compliance-Team.

• Betrugsrisiko in Echtzeit bewertenMachine-Learning-Modelle aus dem Konsortium bewerten Onboarding, Login, Einzahlungen und Zahlungen anhand von Geräte-, Verhaltens-, Identitäts- und Transaktionsmerkmalen. Eigene Modelle lassen sich trainieren oder hochladen. SHAP-Werte zeigen, welche Signale einen Score bestimmt haben. Das erleichtert Schwellenwerte und Begründungen.
• Screening-Treffer abarbeitenIn Agentic AML Ops prüfen Agenten für Sanktionslisten, politisch exponierte Personen (PEP) und Ausweisdokumente die Treffer. Sie schlagen eine Entscheidung mit Begründung vor, etwa bei Namensabweichungen oder Transliterationsfehlern. Ihre Analysten entscheiden und verbringen weniger Zeit mit offensichtlichen Fehlalarmen.
• Betrugsnetzwerke aufdeckenDer Graph Analyst Agent verknüpft Nutzer, Geräte, Adressen und Zahlungsmittel. Der OSINT Search Agent sammelt öffentlich verfügbare Informationen zu Kunden und wirtschaftlich Berechtigten und fasst sie zusammen. Ermittler erhalten ein vorbereitetes Bild organisierter Betrugsfälle.
• Verdachtsmeldungen und Chargeback-Belege entwerfenDer SAR Generation Agent entwirft Verdachtsmeldungen (Suspicious Activity Reports) aus Transaktionen, Alarmen, Kundenhistorie und Ermittlungsnotizen. Bei Rückbuchungen stellt der Dispute Filing Agent Transaktions-, Geräte- und Lieferdaten je Grund-Code zu einem Belegpaket zusammen. Ein Mensch prüft vor der Abgabe.
• Regeln aus Alltagssprache erstellenDer Rule Assistant Agent macht aus einer Beschreibung in Alltagssprache Regeln für Betrugserkennung oder Transaktionsmonitoring und verbessert bestehende Regeln. Ihr Risikoteam passt das Regelwerk ohne Entwicklung an und testet neue Regeln zuerst im Schattenbetrieb.

• Betrugsschutz und AML-Compliance laufen auf einer Plattform mit gemeinsamen Gerätedaten, Fallbearbeitung und einem Dashboard.
• Das Konsortium Sonar teilt Gerätereputation und Identitätssignale zwischen Mitgliedern auf Grundlage der US-Regeln GLBA, 314(b) und FCRA.
• Kunden betreiben eigene ML-Modelle neben den Sardine-Modellen im Model Garden, angebunden an Snowflake oder BigQuery.
• KI-Agenten liefern Empfehlungen mit Begründung und Prüfpfad. Die letzte Entscheidung bleibt bei Ihren Analysten.

Die SardineAI Corp. nennt in ihrer Datenschutzerklärung eine Anschrift in Miami, Florida, und unterliegt der Aufsicht der US-Handelsbehörde FTC. Die Website gibt es auf Englisch, Spanisch, Portugiesisch und Japanisch.

Klären Sie den Speicherort: Laut Datenschutzerklärung dürfen Daten weltweit verarbeitet werden, Grundlage sind das EU-U.S. Data Privacy Framework und Standardvertragsklauseln. Fordern Sie einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO an. Das Konsortium stützt sich auf US-Regeln, prüfen Sie die Zulässigkeit in der EU. Betrugserkennung ist im EU AI Act ausdrücklich kein Hochrisiko. Das Modul Credit Underwriting kann als Kreditwürdigkeitsprüfung aber darunter fallen.

Noch keine Bewertung. Erzählen Sie als Erste:r, wie Ihr Team es nutzt.

Jede Bewertung zeigt ihre Prüfstufe. Wir lesen jede vor der Veröffentlichung. So prüfen wir Bewertungen