PaySnap revolutioniert Lohnklau-Erkennung mit KI – jetzt in 11 Sprachen

Die Zahl der Lohnbetrugsfälle in den USA ist alarmierend: Allein im vergangenen Jahr wurden schätzungsweise 50 Milliarden Dollar von Arbeitgebern illegal einbehalten. Besonders betroffen sind Bauarbeiter, Gastronomiemitarbeiter und Saisonkräfte – Menschen, die oft keine Kenntnis ihrer Rechte haben, Lohnabrechnungen nicht lesen können oder aus Angst vor Konsequenzen schweigen. Hier setzt PaySnap an, eine innovative KI-Anwendung, die mit Gemma 4 und multimodaler Verarbeitung diese Lücke schließt.

PaySnap ermöglicht es Arbeitnehmern, ihre Lohnabrechnung entweder als Foto hochzuladen oder ihre Situation in einer der 11 unterstützten Sprachen (u. a. Hindi, Spanisch, Chinesisch) zu beschreiben. Die KI analysiert die Angaben, identifiziert mögliche Verstöße gegen Arbeitsgesetze und liefert eine klare Einschätzung – inklusive der genauen Rechtsgrundlage und konkreter Handlungsempfehlungen. Dabei geht die Anwendung über reine Informationsvermittlung hinaus: Sie unterstützt Betroffene aktiv bei der Durchsetzung ihrer Ansprüche.

Wie PaySnap mit KI und Gemma 4 Lohnbetrug aufdeckt

Die Technologie hinter PaySnap basiert auf dem Gemma 4 E2B-Modell, das speziell für Edge-Computing und lokale Anwendungen optimiert wurde. Im Gegensatz zu größeren Sprachmodellen läuft Gemma 4 E2B effizient auf älteren Geräten und verbraucht dabei nur 3,4 GB Speicher. Die Verarbeitungsgeschwindigkeit beträgt etwa 63 Tokens pro Sekunde auf einem Apple M3 Pro – eine Leistung, die für eine reibungslose Nutzung auch ohne leistungsstarke Hardware ausreicht.

Ein zentraler Baustein ist die Feinabstimmung des Modells auf reale Fälle aus der Datenbank des US-Arbeitsministeriums (DOL). Insgesamt wurden 365.393 durchgesetzte DOL-Fälle genutzt, um das Modell zu trainieren. Durch den Einsatz von LoRA (Low-Rank Adaptation) auf einem Kaggle T4-Grafikprozessor konnte die Feinabstimmung mit minimalem Rechenaufwand durchgeführt werden. Das Ergebnis: eine Reduktion des Trainingsverlusts auf 0,009 und eine messbare Verbesserung der Genauigkeit.

Die von Aadarsh Praveen und Suriya Kasiyalan Siva entwickelte Anwendung nutzt vier Kernfunktionen von Gemma 4:

• Bildverarbeitung: PaySnap liest Lohnabrechnungen direkt aus hochgeladenen Fotos – eine Funktion, die auf der llama.cpp-Multimodal-Architektur basiert.

• Native Funktionsaufrufe: Die KI entscheidet selbstständig, welche Tools sie einsetzt, um Verstöße zu erkennen. Dazu gehören:
• Berechnung von Überstundenvergütungen
• Prüfung illegaler Abzüge (z. B. für Uniformen oder Bruchschäden)
• Identifikation verletzter Mindestlohngesetze
• Abfrage der zuständigen Rechtsgrundlagen

• Multilinguale Erklärungen: Selbst komplexe Arbeitsrechtsverletzungen werden in der Sprache des Nutzers dargestellt – mit genauen Verweisen auf die relevanten Paragrafen (z. B. FLSA 29 USC 207(a)(1) für Überstundenregelungen).

• DOL-Kontaktdaten: Die Anwendung stellt stets die kostenlose Hotline des US-Arbeitsministeriums (1-866-487-9243) bereit, um Betroffene bei der Meldung zu unterstützen.

Praktische Anwendungsbeispiele: So funktioniert PaySnap im Alltag

Die Effektivität von PaySnap zeigt sich in realen Szenarien, die von den Entwicklern dokumentiert wurden. Zwei Beispiele verdeutlichen, wie die Anwendung Arbeitnehmern konkret hilft:

Fall 1: Bauarbeiter in Texas

• Hintergrund: Ein Arbeiter mit 52 Arbeitsstunden und einem Stundenlohn von 15 Dollar erhielt keine Überstundenvergütung.
• PaySnap-Ergebnis: Die KI erkannte 12 unbezahlt gebliebene Überstunden und berechnete einen ausstehenden Betrag von 90 Dollar gemäß dem Fair Labor Standards Act (FLSA).
• Rechtliche Grundlage: 29 USC 207(a)(1) – ein Verstoß gegen die Überstundenregelung.

Fall 2: Restaurantmitarbeiter in New York (Hindi)

• Hintergrund: Eine in Hindi sprechende Mitarbeiterin mit 48 Stunden und 16 Dollar Stundenlohn hatte 35 Dollar für Uniformen und 50 Dollar für Bruchschäden einbehalten bekommen.
• PaySnap-Ergebnis: Die KI identifizierte zwei illegale Abzüge sowie eine Überstundenverletzung und berechnete einen Gesamtanspruch von 149 Dollar. Die Erklärung erfolgte vollständig auf Hindi – inklusive der genauen Rechtsgrundlagen.

Die Entwickler betonen, dass PaySnap nicht nur Betroffene informiert, sondern ihnen auch konkrete Handlungsanweisungen gibt. Dazu gehören:

• Schritt-für-Schritt-Anleitungen zur Meldung bei den Behörden
• Vorlagen für Beschwerdeformulare
• Informationen zu lokalen Arbeiterrechtsorganisationen

Technische Umsetzung und Bewertung der KI-Leistung

PaySnap wurde im Rahmen der Gemma 4 Challenge entwickelt und setzt auf eine Kombination aus Feinabstimmung, Edge-Optimierung und multimodaler Verarbeitung. Die Entwickler nutzten folgende Ressourcen, die öffentlich zugänglich sind:

• GitHub-Repository: github.com/Aadarsh-Praveen/Paysnap
• Feinabgestimmtes Modell (GGUF): huggingface.co/Aadarsh-Praveen/paysnap-gemma4-gguf
• LoRA-Gewichte: huggingface.co/Aadarsh-Praveen/paysnap-gemma4-lora
• Trainingsnotebook: Kaggle-Notebook
• Datensatz: Kaggle-Dataset mit 365.393 DOL-Fällen

Die Leistung von PaySnap wurde mit dem LLM-as-Judge-Ansatz evaluiert, bei dem ein Basis-Gemma 4 E2B-Modell die Antworten bewertete. Die Ergebnisse zeigen eine deutliche Verbesserung:

• Gesamtbewertung: Von 8,12/10 auf 9,07/10 (+11,7%)
• Einzelne Kategorien:
• Rechtliche Genauigkeit: +1,73 Punkte
• Qualität der Gesetzesverweise: +1,33 Punkte
• Handlungsempfehlungen: +0,73 Punkte
• Dollar-Berechnung: +0,67 Punkte
• Verständlichkeit für Nutzer: +0,27 Punkte

Diese Fortschritte unterstreichen, wie gezielte Feinabstimmung die praktische Anwendbarkeit von KI-Systemen verbessern kann – besonders in Bereichen mit hoher sozialer Relevanz.

Ausblick: KI als Werkzeug für soziale Gerechtigkeit

PaySnap ist ein Beispiel dafür, wie moderne Technologien soziale Ungerechtigkeiten sichtbar machen und Betroffenen konkrete Unterstützung bieten können. Die Entwickler arbeiten bereits an Erweiterungen, darunter:

• Integration weiterer Sprachen, um noch mehr Arbeitnehmer zu erreichen
• Automatisierte Erstellung von Beschwerdeformularen
• Partnerschaften mit Gewerkschaften und Arbeiterrechtsorganisationen

Mit Projekten wie PaySnap wird deutlich, dass KI nicht nur Effizienz und Produktivität steigern kann, sondern auch eine wichtige Rolle bei der Durchsetzung von Grundrechten spielt. Die Kombination aus technischer Innovation und sozialem Engagement könnte den Weg für weitere KI-Anwendungen in diesem Bereich ebnen.

Das Projekt wurde von Aadarsh Praveen Selvaraj Ajithakumari und Suriya Kasiyalan Siva entwickelt und ist unter dev.to/aadarsh_praveen und dev.to/suriya_ks_0902 dokumentiert.