Können AI Korruption aufdecken? Erkenntnisse aus 27 Regierungssystemen

Der Winkel. AI Korruption lässt sich zwar aufdecken, aber nicht so, wie es die Schlagzeilen suggerieren. Die Instrumente mit unabhängig verifizierten Ergebnissen sind unscheinbar: offene Beschaffungsdaten und statistische Warnsignale, die Verträge und Beamte öffentlich überwachen. Die Systeme, die echten Schaden angerichtet haben, verurteilten unbescholtene Bürger im Geheimen. Richten Sie den Algorithmus nach oben, nicht nach unten, und legen Sie Ihre Vorgehensweise offen.

Der Trick

Am 11. September 2025, Albanien's Premierminister Edi Rama stellte ein neues Kabinettsmitglied vor: Diella, ein KI-generierter Avatar, der ursprünglich als Chatbot auf dem e-Albania-Serviceportal entwickelt worden war und nun für das öffentliche Beschaffungswesen zuständig ist. Er versprach, dass Ausschreibungen künftig völlig unbestechlich sein würden. Weltweit titelten die Medien: „Das ist das erste Mal, dass …“ AI Minister.

Und hier die Enthüllung. Mehr als ein Jahr später konnte ich keine öffentlichen Aufzeichnungen darüber finden, dass Diella über eine einzige Ausschreibung entschieden hatte. Im Oktober 2026, Albanien's Das Verfassungsgericht wies die Klage von 39 Oppositionsabgeordneten mangels Klagebefugnis zurück und fügte hinzu, dass AI Die verfassungsmäßige Ordnung kann nicht verändert werden. Unterdessen wurde die altmodische Form der Rechenschaftspflicht aktiv wahrgenommen: Ein stellvertretender Ministerpräsident wurde laut dem Recherchenetzwerk OCCRP wegen einer Ausschreibung für einen Straßentunnel im Wert von rund 190 Millionen Euro angeklagt.

Der Avatar ist der Trick. Die wahre Korruptionsbekämpfung AI Das ist langweilig: öffentlich zugängliche Daten, statistische Warnsignale, die jeder überprüfen kann, und Prüfer mit Handlungsbefugnissen. Um die beiden Aspekte zu unterscheiden, habe ich 27 reale Implementierungen – von Brasilien über die Niederlande bis nach Indien – anhand von drei Fragen bewertet: Gibt es unabhängige Belege für die Wirksamkeit? Ist die Funktionsweise für Außenstehende nachvollziehbar? Wurden unschuldige Menschen dadurch geschädigt?

Mojo's Gesetz: die Gleichung für die falsche Flagge

Jedes Betrugserkennungssystem macht zwei Arten von Fehlern: Es übersieht einige Betrüger und beschuldigt einige Unschuldige. Wenn das zu verfolgende Phänomen selten ist, überwiegt der zweite Fehler. Hier ist die Rechnung, die jeder Minister vor der Einführung prüfen sollte:

\text{Innocent people flagged} = N \times (1 - p) \times \text{FPR}

N ist die Anzahl der überprüften Personen, p ist der Anteil derer, die tatsächlich betrügen, und FPR ist die Falsch-Positiv-Rate: wie oft das System fälschlicherweise eine ehrliche Person als Betrüger einstuft.

Nehmen wir als Beispiel gerundete Zahlen. Angenommen, man prüft eine Million Leistungsbezieher, geht davon aus, dass 1 % betrügerisch handelt, und das System hat eine Fehlalarmrate von 5 %. Es markiert fälschlicherweise etwa 49,500 ehrliche Menschen, während es höchstens 10,000 tatsächliche Betrüger gibt. Solange nicht jede Markierung von einem Menschen überprüft wird, bevor jemand bestraft wird, wird das System zu einer Maschine, die Unschuldige beschuldigt. Genau das ist in Michigan passiert, wo eine Prüfung ergab, dass 85 % der computergestützten Betrugsfeststellungen falsch waren.

Das zweite Gesetz hier ist Campbell's Laut dem Sozialwissenschaftler Donald Campbell aus dem Jahr 1976 gilt: Je häufiger eine Zahl für gesellschaftliche Entscheidungen herangezogen wird, desto eher begünstigt sie Korruption und verzerrt das, was sie misst. Jede Antikorruptionskennzahl wird von genau denjenigen manipuliert, die sie eigentlich erfassen soll. Gute Systeme berücksichtigen dies von Anfang an.

Wie groß ist das Korruptionsproblem wirklich?

Groß genug, um von Bedeutung zu sein, und schwieriger zu messen, als die meisten Artikel zugeben.

122 der 182 Länder erreichten weniger als 50 Punkte, und nur fünf erzielten mehr als 80 Punkte, angeführt von Dänemark mit 89 Punkten.

Bei der öffentlichen Auftragsvergabe fließt das Geld. Weltbank's Bosio und Djankov schätzten die staatlichen Ausgaben im Jahr 2018 auf rund 11 Billionen US-Dollar, was etwa 12 % des weltweiten BIP entsprach; die Open Contracting Partnership geht von rund 13 Billionen US-Dollar pro Jahr aus. Eine Studie der Weltbank aus dem Jahr 2024 über Nordmazedonien ergab, dass korruptionsbedingte Preisüberschreitungen 5 bis 6 % der Beschaffungsausgaben ausmachten und dass fast 30 % der Ausschreibungen nur einen einzigen Bieter anzogen.

Eine Zahl, die Mojo nur mit einem Warnhinweis wiederholt: die bekannte Behauptung, dass Bestechungsgelder die Welt jährlich 1.5 bis 2 Billionen Dollar kosten. Sie tauchte 2016 in einer IWF-Studie auf und basierte auf einer Schätzung der Weltbank von Daniel Kaufmann aus dem Jahr 2005 , die wiederum auf Bestechungsumfragen und gewagten Annahmen beruhte.

Der Antikorruptionsforscher Matthew Stephenson hat geschrieben, dass wir keine wirkliche Vorstellung davon haben, wie viel Korruption kostet. Eine ehrliche Artikelserie über Beweismaterial sollte dies klarstellen und anschließend messen, was tatsächlich messbar ist: überhöhte Preise, Einzelvergabe, Rückforderungen und unberechtigte Anschuldigungen.

Woher stammen die Daten und AI Tatsächlich Korruption aufgedeckt?

Die tatsächlich erzielten Erfolge sind weniger zahlreich als die Pressemitteilungen, und die besten von ihnen zeichnen sich durch Offenheit aus, nicht durch Cleverness.

Das ukrainische Projekt ProZorro wurde 2015 nach den Maidan-Protesten ins Leben gerufen und ist seit 2016 verpflichtend. ProZorro stellt öffentliche Ausschreibungen online zur Verfügung und nutzt darüber die Bürgerbeobachtungsplattform DoZorro. Im Vordergrund stehen offene Daten statt KI – und genau das ist der Sinn der Sache.

Eine unabhängige Evaluierung der Kyiv School of Economics im Dezember 2022 ergab je nach Markt reale Einsparungen von 1 bis 20 % gegenüber Käufen außerhalb des Systems. DoZorro's Ein 2018 entwickeltes Machine-Learning-Modell, das mit rund 3,500 von Experten bewerteten Ausschreibungen trainiert wurde, soll weitaus mehr mutmaßliche Absprachen aufgedeckt haben als eine manuelle Überprüfung. Diese Ergebnisse stammen jedoch von den Entwicklern des Modells selbst.

Brasiliens Roboter. 2016 entwickelte eine Gruppe von Datenwissenschaftlern Rosie, einen Open-Source-Bot, der über drei Millionen Spesenabrechnungen von Kongressabgeordneten durchsuchte und rund 8,000 verdächtige Anträge markierte. Die ersten 125 überprüften Fälle brachten lediglich etwa 2,500 Reais ein; Rosies wahre Stärke lag im öffentlichen Druck.

Der Bundesrechnungsprüfer's Das Alice-System prüft täglich Ausschreibungen anhand von etwa 40 Risikomustern; die Regierung gibt an, dass dies in den Jahren 2019 bis 2022 zur Aussetzung oder Stornierung von Angeboten im Wert von 9.7 Milliarden R$ geführt hat – eine Zahl, die bisher von niemandem unabhängig geprüft wurde.

Warnsignale als Indikator. Eine von Mihály Fazekas geleitete Studie entwickelte einen Korruptionsrisikoindex auf Basis von Daten des öffentlichen Beschaffungswesens in Ungarn. Unternehmen mit hohen Werten waren profitabler, politisch besser vernetzt und häufiger in Steueroasen registriert. Allerdings ist nicht jedes Warnsignal aussagekräftig: Eine Studie aus dem Jahr 2023, die 145,000 italienische Verträge untersuchte, ergab, dass einige gängige Indikatoren nur eine geringe Aussagekraft besitzen. Warnsignale weisen auf Risiken hin, nicht auf Schuld.

Steuern und Zahlungen. Indiens zentrale GST-Behörden meldeten die Aufdeckung von gefälschten Vorsteuerabzügen in Höhe von 74,782 Crore ₹ im Jahr 2025/26, doppelt so viel wie zwei Jahre zuvor, was auf fortschrittliche Datenanalyse und Risikoprofilierung zurückgeführt wird.

Aufdeckung ist jedoch nicht gleichbedeutend mit Wiedererlangung. In einer separaten Untersuchungsreihe aus den Jahren 2024-25, die Beamte des Bundes und der Länder umfasste, wurden laut PTI gefälschte Kredite in Höhe von 61,545 Crore ₹ aufgedeckt und 1,924 Crore ₹, also etwa 3 %, zurückerlangt.

Die UK's Steuergutschriften AI und Analysen mit etwa 10 Milliarden Pfund seines Compliance-Ertrags für 2025/26, und eine Veröffentlichung nach dem Informationsfreiheitsgesetz führte Rückforderungen in Höhe von 4.6 Milliarden Pfund auf sein Connect-Datensystem zurück. Das US-Finanzministerium meldete für das Fiskaljahr 2024 mehr als 4 Milliarden Dollar an verhindertem oder zurückerlangtem Betrug, aber nur etwa 1 Milliarde davon stammte aus Maschinelles LernenDer Rest resultierte aus besseren Risikoprüfungen und Zahlungsregeln.

Die ernüchternde Wahrheit aus Korea: Südkorea hat eines der weltweit angesehensten Systeme für elektronische Beschaffung entwickelt und betreibt seit 2006 ein automatisiertes System zur Erkennung von Angebotsabsprachen. In einem OECD-Bericht vom Juni 2026 gab die südkoreanische Wettbewerbsbehörde an, dass das System in acht Jahren lediglich zehn Fälle von Angebotsabsprachen aufgedeckt hatte, und kündigte ein Upgrade an. Selbst gute Systeme decken weniger Fälle auf, als man annehmen würde.

Wo ist die algorithmische Regierung schiefgelaufen?

Die Fehlschläge weisen drei Gemeinsamkeiten auf: Sie zielten auf Einzelpersonen ab, sie waren undurchsichtig und sie behandelten einen Computer's Verdacht als Beweis. Viele basierten auf einfachen Regeln oder Datenabgleich statt auf KI, was an sich schon eine Warnung ist: Man braucht kein neuronales Netzwerk, um in großem Umfang Schaden anzurichten.

Niederlande, Kinderbetreuungsgeld. Laut Amnesty International nutzte ein 2013 von der niederländischen Steuerverwaltung eingeführtes, selbstlernendes Risikomodell die nicht-niederländische Staatsangehörigkeit als Risikofaktor. Zwischen 2005 und 2019 wurden etwa 26,000 Eltern fälschlicherweise des Betrugs beschuldigt, woraufhin die Regierung im Januar 2021 zurücktrat.

Die niederländische Datenschutzbehörde verhängte gegen die Steuerverwaltung eine Geldstrafe von 2.75 Millionen Euro. Bis Januar 2024 wurden 33,335 Personen als Opfer anerkannt, und im September 2026 warteten noch immer mehr als 4,000 auf Unterstützung.

Niederlande, SyRI. Im Februar 2020 urteilte ein niederländisches Gericht, dass SyRI, ein System zur Verknüpfung von Regierungsdatenbanken zur Vorhersage von Sozialbetrug, gegen das Recht auf Privatsphäre gemäß Artikel 8 der Europäischen Menschenrechtskonvention verstößt , da es nicht ausreichend transparent und überprüfbar sei.

Australien, Robodebt. Von 2016 bis 2020 berechnete ein automatisiertes Datenabgleichsystem anhand des durchschnittlichen Jahreseinkommens überhöhte Sozialleistungen und verhängte dabei rund 470,000 unberechtigte Schulden. Eine Untersuchungskommission bezeichnete das System im Juli 2023 als grob und grausam. Die Regierung stimmte 2021 einer Entschädigungszahlung in Höhe von 1.872 Milliarden australischen Dollar zu und kündigte im September 2025 weitere 475 Millionen australische Dollar an.

Michigan, MiDAS. Zwischen 2013 und 2015 wurden in Michigan Betrugsfälle im Arbeitslosenversicherungssystem ohne menschliche Beteiligung entschieden. Eine Überprüfung ergab, dass 85 % dieser 40,195 Entscheidungen fehlerhaft waren.

England, Prüfungsnoten 2020. Als die Prüfungen während der Pandemie abgesagt wurden, senkte ein statistisches Modell 39.1 % der A-Level-Noten in England, etwa 280,000 Ergebnisse, wobei Schüler staatlicher Schulen am härtesten betroffen waren, bis die Regierung ihre Entscheidung revidierte.

Gesichtserkennung. Eine NIST-Studie aus dem Jahr 2019, die 189 Algorithmen untersuchte, ergab, dass die Fehlalarmrate bei asiatischen und afroamerikanischen Gesichtern je nach Algorithmus oft 10- bis 100-mal höher war als bei weißen Gesichtern. Das Innocence Project zählte bis 2023 in den USA sechs bekannte Fälle von fälschlichen Verhaftungen aufgrund polizeilicher Gesichtserkennung – alle betrafen Schwarze. Nachdem Detroit 2024 einen Fall von unrechtmäßiger Verhaftung beigelegt und neue Sicherheitsvorkehrungen vereinbart hatte, sank die Zahl der polizeilichen Durchsuchungen von etwa 100 im Jahr 2023 auf 9 im Jahr 2025.

Dänemark, weiterhin umstritten. Amnesty International argumentierte im November 2024, dass einige der bis zu 60 von Dänemark verwendeten Betrugsmodelle's Die Wohlfahrtsbehörde könnte eine Sozialbewertung vornehmen, die nach dem Gesetz verboten ist. EU AI HandlungDie Behörde bestreitet das. Es handele sich um einen Praxistest der neuen Regeln.

Der Mojo-Integritätsindex: Was unterscheidet die Erfolge von den Skandalen?

Wen das System überwacht. Ich habe jeden der 27 Einsätze anhand von drei Kriterien mit 0 bis 2 Punkten bewertet: unabhängige Nachweise der Ergebnisse, Transparenz gegenüber Außenstehenden und das Fehlen dokumentierter Schäden. Anschließend habe ich sie nach ihrem Ziel sortiert.

Das Muster ist eindeutig. Von den elf Systemen zur Überwachung von Verträgen und Beamten hat keines negative Auswirkungen gezeigt, und drei haben ihre Vorteile unabhängig bestätigt. Alle sechs Systeme zur Überprüfung von Steuern und Zahlungen weisen Vorteile aus, die von keiner externen Stelle geprüft wurden. Von den zehn Systemen zur Überwachung von Bürgern und Arbeitnehmern haben sieben nachweislich Schaden verursacht. Der durchschnittliche Integritätswert lag bei 3.9 von 6 Punkten für Systeme zur Überwachung von Verträgen und Beamten, im Vergleich zu 2.3 ​​Punkten für Systeme zur Überprüfung von Bürgern und Arbeitnehmern.

Es gibt jedoch einen wichtigen Vorbehalt: Schäden für Bürger werden gerichtlich verfolgt und dokumentiert, während die Kosten eines Vertragsüberwachungssystems schwerer zu erkennen sind. Der Mechanismus hinter diesem Muster ist jedoch klar. Die Überwachung eines Vertrags oder eines Beamten's Öffentliche Ausgaben schaffen Rechenschaftspflicht für die Mächtigen. Die Bewertung von Sozialhilfeempfängern oder Autofahrern im Geheimen schafft Macht über die Schwachen, und die unberechtigte Kennzeichnungsmethode garantiert, dass Unschuldige ins Netz geraten.

Wie sieht es mit der Aufdeckung von Fahrlässigkeit aus? Die gleiche Logik gilt für AI das Arbeiter oder die Öffentlichkeit überwacht. Kerala's Netzwerk von mehr als 700 AI Die Verkehrskameras, deren Kosten sich auf 232 Crore ₹ beliefen, hatten bis April 2025 etwa 98 Lakh Verstöße aufgedeckt und Bußgelder in Höhe von 631 Crore ₹ verhängt, obwohl es anfängliche Störungen gab, darunter eine Geschwindigkeitsmessung von 1,240 km/h.

Der Staat's Der Verkehrsminister gab an, die Zahl der Verkehrstoten sei von 4,084 im Jahr 2023 auf 3,733 im Jahr 2025 gesunken; diese Behauptung wurde jedoch nicht wissenschaftlich untersucht. In US-Lagerhäusern stellte ein Mehrheitsbericht des Senatsausschusses vom Dezember 2024 fest, dass Amazon's Die Verletzungsrate lag 2023 bei 6.54 pro 100 Beschäftigte, verglichen mit 4.8 im gesamten Lagersektor. Sie wird mit von Algorithmen festgelegten und überwachten Geschwindigkeitsvorgaben in Verbindung gebracht. Amazon bestreitet den Bericht.

Die EU's Die seit Dezember 2024 geltende Plattform-Arbeitsrichtlinie verbietet Plattformen nun die Verarbeitung der emotionalen Zustände und privaten Gespräche von Arbeitnehmern und schreibt eine menschliche Überprüfung vor. bedeutende automatisierte EntscheidungenDas ist eine sinnvolle Vorlage: lass AI Weisen Sie auf die Gefahr hin, lassen Sie sie niemals entscheiden.

Wer kontrolliert die Algorithmen?

Die Welt's Die großen Regulierungsbehörden bewegen sich in unterschiedliche Richtungen, und die wichtigsten Regeln für die Bewertung von Sozialleistungen und Zuwendungen wurden in Europa gerade erst verschoben.

Gerichtsstand & Anwendbares Recht	Was gilt ab November 2026?	Letzte Änderung
Europäische Union	AI Gesetz in Kraft seit August 2024; Verbote seit Februar 2025; allgemeiner Zweck AI Aufgaben seit August 2025	Das am 27. Juli 2026 in Kraft getretene Digital Omnibusgesetz verschob risikoreiche Aufgaben in Bereichen wie der Sozialhilfebewertung vom August 2026 auf den 2. Dezember 2027.
USA	AI Aktionsplan (Juli 2025) mit mehr als 90 Maßnahmen der Bundesregierung; kein umfassender Bundesplan AI Rechtswesen	Exekutivverordnung vom 11. Dezember 2025 zur Schaffung eines nationalen Rahmens und zur Infragestellung eines „belastenden“ staatlichen Systems AI Gesetze, wobei im Januar 2026 eine Task Force des Justizministeriums eingerichtet wird.
China	Regeln, die sichtbare und versteckte Kennzeichnungen auf KI-generierten Inhalten vorschreiben, gelten ab dem 1. September 2025	Durchsetzung der Kennzeichnungsvorschriften
Indien	Keine Bindung AI Gesetz; IT-Vorschriften zur Kennzeichnung synthetischer Inhaltsstoffe, die seit dem 20. Februar 2026 in Kraft sind	Gastgeber der AI Impact Summit in Neu-Delhi, Februar 2026
Vereinten Nationen	Unabhängiges internationales wissenschaftliches Gremium AI Ernennung im Februar 2026	Erster globaler Dialog über AI Die Governance-Konferenz findet im Juli 2026 in Genf mit 163 Ländern statt.

Unterstützer Europas's Die Befürworter argumentieren, die Verzögerung gebe Unternehmen Zeit, sich an die komplexen Vorschriften zu halten; Kritiker, darunter zivilgesellschaftliche Gruppen, halten dagegen, dass dadurch risikoreiche Systeme des öffentlichen Sektors länger unreguliert bleiben.

Befürworter der US-Präsidialverordnung argumentieren, ein Flickenteppich einzelstaatlicher Gesetze würde Innovationen behindern; Kritiker, darunter einige Staatsbeamte, sagen, sie setze demokratische Entscheidungen außer Kraft und schwäche den Bürgerschutz. Beide Debatten drehen sich um dieselbe Frage, zu der dieser Artikel immer wieder zurückkehrt: Wer kontrolliert das System, bevor es einen Bürger berührt?

Die Öffentlichkeit ist vorsichtig. Eine im Mai 2025 veröffentlichte Umfrage von KPMG und der Universität Melbourne unter mehr als 48,000 Personen in 47 Ländern ergab, dass 46 % bereit sind, zu vertrauen. AI 70 % gaben an, dass eine Regulierung notwendig sei, während 66 % angaben, sich darauf zu verlassen. AI Ausgabe ohne Überprüfung.

Stanford's AI Der Index zählte 204 KI-bezogene Gesetze, die zwischen 2016 und 2024 in 114 Ländern verabschiedet wurden. Die Anzahl der Regelungen nimmt stetig zu. Die eigentliche Frage ist, ob sie vor dem nächsten Robodebt-Skandal in Kraft treten.

Anspruchsprüfung

Anfragen	Wer macht das?	MES	Mojo's besuch
An AI Der Minister wird die Vergabe öffentlicher Aufträge unbestechlich machen.	Albanische Regierung, 2025	1 Anspruch	Es gibt keine öffentlichen Aufzeichnungen über eine von Diella entschiedene Ausschreibung.
Elektronische Beschaffung spart Regierungen Geld	Ukraine's ProZorro	4 Stark	Unabhängige Auswertungen ergaben Einsparungen von 1 bis 20 %, die je nach Markt variieren.
AI Verdächtige Gebote in Höhe von 9.7 Milliarden R$ wurden entdeckt	Brasilien's Controller	2 Früh	Behörden's eigene Zahlen; ausgesetzte Gebote stellen keinen nachgewiesenen Betrug dar
Analysen deckten Rekord-Steuerbetrug auf	Indische, britische und US-amerikanische Steuerbehörden	2 Früh	Die Aufklärungszahlen werden von den Behörden gemeldet; die Aufklärungsquote ist oft nur ein kleiner Bruchteil.
Warnsignale im Beschaffungswesen deuten auf Korruption hin	Wissenschaftliche Forschung	4 Stark	Fachlich geprüfte Verbindungen zu politischen Verflechtungen und überhöhten Preisen; einige Warnsignale sind schwach.
Automatisierte Betrugserkennung schützt öffentliche Gelder	Viele Wohlfahrtsagenturen	0 Hat nicht gehalten	Robodebt, MiDAS und der niederländische Skandal führten zu massenhaften unberechtigten Anschuldigungen.
Bestechung kostet die Welt jährlich 1.5 bis 2 Billionen Dollar.	Weit verbreitet, aus einem IWF-Bericht von 2016.	1 Anspruch	Basieren auf einer Hochrechnung aus dem Jahr 2005; Wissenschaftler sagen, die tatsächliche Zahl sei unbekannt.
AI Verkehrskameras reduzieren Verkehrstote	Regierung von Kerala	2 Früh	Die Zahl der Todesfälle sank, aber keine Studie bringt den Rückgang mit den Kameras in Verbindung.

Der Gegenwinkel

Der stärkste Einwand lautet, dass ich Äpfel mit Birnen vergleiche. Sozial- und Polizeisysteme betreffen Millionen von Menschen, daher sind ihre Fehler zwangsläufig sichtbar und persönlich. Die Beschaffungsüberwachung betrifft hingegen nur einige Tausend Firmen und Beamte, die zwar Anwälte haben, aber kein Verständnis erfahren, weshalb ihre Fehler selten Schlagzeilen machen.

Aus dieser Sicht misst mein Index, wer sich beschwert, und nicht, welche Systeme besser sind.

Da ist etwas Wahres dran, weshalb der Index Beweise, Transparenz und Schäden getrennt ausweist und nicht eine einzige Kennzahl angibt. Die Gerichtsurteile, Untersuchungskommissionen und Prüfungen, die den sieben Versäumnissen zugrunde liegen, sind jedoch keine Beschwerden, sondern Feststellungen.

Und die Fälle, die der Einwand nicht erklären kann, sind die, die am wichtigsten sind: Als dieselben Regierungen offen Algorithmen auf ihre eigenen Verträge anwandten, mussten sie sich am Ende nicht bei Zehntausenden von Familien entschuldigen.

Mojo's Prognosen

1. Albanien veröffentlicht bis zum 31. Dezember 2027 einen nachprüfbaren Nachweis über mindestens eine von Diella entschiedene oder bewertete öffentliche Ausschreibung. Wahrscheinlichkeit: 40%.
2. Die EU's Die Hochrisikoverpflichtungen für die in Anhang III aufgeführten Systeme gelten ab dem 2. Dezember 2027 ohne weitere Verschiebung. Wahrscheinlichkeit: 60%.
3. Indien's Die zentralen GST-Behörden melden für 2026-27 Fälle von gefälschten Vorsteuerabzügen in Höhe von über 74,782 Crore ₹ im Vergleich zu 2025-26 bis zum 31. Dezember 2027. Wahrscheinlichkeit: 70%.

Alle drei sind im Mojo Forecast Ledger protokolliert.

Wo dies als Nächstes diskutiert wird.

FAQ

Der beste Antikorruptionsalgorithmus ist eine Tabellenkalkulation, die jeder öffnen kann. Der schlechteste ist ein Ergebnis, das niemand einsehen kann.