Machine Learning trifft auf Blockchain-Realität
Wir haben 2021 in Köln angefangen, weil uns etwas aufgefallen ist. Blockchain-Daten sind überall verfügbar, aber die wenigsten wissen, was sie damit anfangen sollen. Transaktionen, Wallet-Aktivitäten, Smart Contracts – alles öffentlich, alles dokumentiert. Nur fehlten die Werkzeuge, um daraus verwertbare Erkenntnisse zu ziehen.
Bei Fiorentulo bauen wir Machine-Learning-Modelle, die genau das können. Nicht als theoretisches Experiment, sondern als praktische Lösung für Finanzinstitute und Compliance-Teams. Unsere Algorithmen durchforsten Millionen von Transaktionen, erkennen Muster, identifizieren Anomalien und machen komplexe Blockchain-Aktivitäten lesbar.
Das Team besteht aus Leuten, die sowohl Kryptografie als auch neuronale Netze verstehen. Manche kommen aus der akademischen Forschung, andere haben Jahre in der Finanzbranche verbracht. Was uns verbindet: die Überzeugung, dass Blockchain-Transparenz ohne intelligente Analyse wertlos bleibt.
Wie wir Blockchain-Daten verständlich machen
Mustererkennung in Echtzeit
Unsere Modelle analysieren Transaktionsströme kontinuierlich und lernen dabei ständig dazu. Sie erkennen verdächtige Aktivitäten, bevor sie zu einem Problem werden – nicht durch starre Regeln, sondern durch adaptive Algorithmen, die verstehen, wie sich normales und abnormales Verhalten unterscheiden.
Wallet-Clustering und Entitätsauflösung
Eine einzelne Person oder Organisation kontrolliert oft Dutzende oder Hunderte von Wallets. Wir nutzen Graph-Analyse und maschinelles Lernen, um diese Verbindungen sichtbar zu machen. Das hilft Compliance-Teams zu verstehen, wer wirklich hinter bestimmten Transaktionen steht.
Risikobewertung mit Context
Nicht jede ungewöhnliche Transaktion ist problematisch. Unsere Systeme bewerten Risiken im Kontext – sie berücksichtigen historisches Verhalten, Netzwerk-Beziehungen und externe Datenquellen. Das Ergebnis sind Bewertungen, auf die sich Analysten verlassen können, ohne in False Positives zu ertrinken.
Smart Contract Auditing
Smart Contracts sind Code, und Code kann Fehler enthalten. Wir haben spezialisierte Modelle entwickelt, die Schwachstellen und potenzielle Exploits identifizieren, bevor sie ausgenutzt werden. Das spart nicht nur Geld, sondern auch Vertrauen in dezentrale Systeme.
Warum uns Finanzinstitute vertrauen
Die Finanzbranche hat wenig Geduld für Technologie, die nur im Labor funktioniert. Deshalb haben wir von Anfang an Wert auf Zuverlässigkeit gelegt. Unsere Modelle laufen stabil, skalieren mit wachsenden Datenmengen und liefern reproduzierbare Ergebnisse.
Was uns von anderen unterscheidet: Wir verstehen beide Seiten. Wir wissen, wie Machine Learning funktioniert, aber auch, was Compliance-Abteilungen brauchen. Deshalb entwickeln wir keine Black Boxes, sondern erklärbare Systeme. Unsere Kunden wollen nicht nur Ergebnisse – sie wollen verstehen, wie diese zustande kommen.
In den letzten Jahren haben wir mit Banken, Krypto-Börsen und Regulierungsbehörden zusammengearbeitet. Jedes Projekt hat uns geholfen, unsere Technologie zu verfeinern. Inzwischen analysieren unsere Systeme täglich Transaktionen im Wert von Milliarden.
Unser Ansatz für kontinuierliche Verbesserung
Blockchain entwickelt sich schnell – neue Protokolle, neue Angriffsszenarien, neue Compliance-Anforderungen. Stillstand wäre fatal. Deshalb investieren wir einen erheblichen Teil unserer Ressourcen in Forschung und Weiterentwicklung.
Unser Team veröffentlicht regelmäßig Forschungsergebnisse und arbeitet mit Universitäten zusammen. Aber wir bleiben nicht in der Theorie stecken. Jede Erkenntnis fließt direkt in unsere Produkte ein. Das bedeutet, dass unsere Kunden immer Zugang zu den neuesten Methoden haben, ohne selbst zum Experten werden zu müssen.
Wir glauben an Transparenz – auch über unsere eigene Arbeit. Deshalb dokumentieren wir unsere Methoden detailliert und erklären, wie unsere Modelle Entscheidungen treffen. Das schafft Vertrauen und ermöglicht unseren Kunden, fundierte Entscheidungen zu treffen.
