Die Huntington Bank hat eine intelligente Lösung entwickelt, um sensible Kundendaten aus über 400 Millionen archivierten Dokumenten automatisch zu schwärzen. Statt Jahre dauerte die Aufgabe mit AWS-Services nur wenige Monate. Das Projekt zeigt, wie Machine Learning Compliance-Anforderungen in Finanzinstituten effizienter macht.
Die Herausforderung war enorm: Seit 2015 sammelte sich in Huntingtons Dokumentenverwaltungssystem eine ständig wachsende Masse an Dateien an – unterschiedliche Formate, verschiedene Speicherorte, strikte Sicherheitsanforderungen. Ein manuelles oder traditionelles Verfahren wäre tatsächlich Jahre in Anspruch genommen haben. Huntington nutzte daher eine automatisierte Pipeline aus mehreren AWS-Tools: Amazon Textract extrahiert Text aus gescannten Dokumenten, Amazon SageMaker identifiziert sensitive Daten durch Machine Learning, AWS Lambda koordiniert die Verarbeitung und AWS Step Functions orchestriert den gesamten Workflow.
Das Besondere: Die Lösung erfüllt strenge Compliance-Anforderungen wie PCI-DSS-Zertifizierung und verschlüsselt Daten sowohl während des Transports als auch in der Ruhestellung. Die Genauigkeit beim Erkennen sensibler Informationen liegt über 95 Prozent – ein kritischer Schwellenwert für regulatorische Anforderungen. Die verarbeiteten Dokumente werden anschließend wieder zurück ins lokale System repliziert, um die Hybrid-Cloud-Anforderung zu erfüllen.
Dieses Projekt illustriert einen wachsenden Trend: Banken und Finanzdienstleister nutzen zunehmend Cloud-basierte KI-Services nicht primär für Innovation, sondern für Compliance und Risikomanagement. Was früher teure manuelle Arbeit erforderte, wird durch automatisierte Pipelines gelöst.