I februari 2026 deltog jag i en kollektiv utredning baserad uteslutande på öppen källkodsinformation (OSINT) för att kontextualisera vaga referenser som finns i offentliga domstolsdokument som släpptes av USA:s justitiedepartement (DOJ) i samband med Epstein-fallet. Denna release - en av de största någonsin relaterade till den dömda finansiären Jeffrey Epstein - gjorde miljontals sidor tillgängliga för allmänheten från och med januari 2026, under den så kallade . Epstein filer Transparency Act Det som började som samarbetsanalys inom onlinegemenskaperna utvecklades inom några dagar till tekniska bidrag som stödde formella institutionella åtgärder.Den viktigaste differentiatorn var arbetet hos ett litet undersökningsteam som kombinerade moderna verktyg med rigorös mänsklig kurering och mycket effektiv kommunikation – i praktiken, som fungerade mer smidigt än mycket större strukturer. Denna inställning möjliggjorde direkt samarbete med utredande journalistik, som utvidgade räckvidden och kontextualiseringen av offentliga data genom fördjupad rapportering, och med Brasiliens federala åklagarmyndighet (Ministério Público Federal – MPF). Nedan följer en kronologisk beskrivning av det tekniska arbetsflödet som antogs. Teknisk metodik (steg för steg) Initial entity extraction och human healing (Dagar 1–3 februari 2026) Offentliga dokument – huvudsakligen e-postmeddelanden och utdrag från domstolsdokument från 2011 som släpptes i DOJ-dataset – granskades manuellt och med grundläggande stödverktyg. Det mesta av det tidiga analytiska värdet kom från mänsklig curation: noggrann läsning av socioekonomiska beskrivningar, vaga geografiska referenser och implicita logistiska element. Entity resolution och OSINT mapping med specialverktyg (omkring 4 februari) Med uteslutande offentliga källor utförde vi korrelation med flera källor, inklusive företagsregister, företagsstrukturer och öppna arkivdata. Maltego användes för att kartlägga digitala nätverk och tillhörande online-anslutningar. entitetsupplösningstekniker prioriterade kontextuella matchningar, såsom: ungefärlig geografisk koppling, migration eller omplaceringshistoria, återkommande logistiska och tidsmässiga mönster, Indirekta men ihållande relationer. Öppet socialt nätverk och resultat Som ett resultat av detta avgjordes en nyckelförmedlande enhet inom några timmar. Grafkonstruktion och visualisering med Neo4j och Mermaid.js Lösade enheter och relationer importerades till Neo4j, vilket möjliggjorde modellering av komplexa undersökningsnätverk och utförande av graffrågor som fokuserade på: och centralisering, vägar och mellanhänder, Logistiska och institutionella hubbar. Denna grafbaserade representation avslöjade tidsmässiga och geografiska mönster som inte var uppenbara genom linjär dokumentanalys. Hela arbetsflödet dokumenterades visuellt med Mermaid.js, med en diagram-som-kod-metod integrerad i Markdown. process flowcharts, tidslinjen , Entity Relationship Graphs är. Detta underlättade i stor utsträckning samarbetsöversyn, spårbarhet och metodologisk transparens. AI-stöd (Grok) för kronologi och partiell analys Grok användes som ett hjälpverktyg för: Konsolidering av evenemangstider, identifiera datum för omnämningar och dokumentutgivningar, sammanfatta utvalda textflikar, föreslå optimerade frågor och kandidatlänkar mellan enheter. AI användes strikt som en operativ accelerator.All validering och kritiska beslut förblev under mänskligt ansvar och manuell källverifiering. 5. ansvarsfullt utlämnande, samarbete och omedelbar inverkan (Från 4 till 9 februari) Dag 4: Övervakad offentliggörande av de avvecklade enheterna inom specialiserade online-communities, tillsammans med hänvisning till en formell kommunikation som lämnats in till den behöriga åklagarmyndigheten (MPF). Dagarna 4–6: förstärkning av oberoende utredande journalister, som förlitar sig på samma offentliga data för att publicera fördjupade rapporter, utöka synligheten och institutionellt tryck. Dagarna 7–8: utvidgningen av kartläggningen till ytterligare referenser i de släppta filerna, inklusive potentiella internationella hubbar och offentligt noterade enheter. Dag 8–9: Observerad eskalering av det administrativa förfarandet till en nationell enhet som specialiserat sig på gränsöverskridande brott, i linje med den snabba konsolideringen och dokumentationen av OSINT-resultaten. vägledande principer strikt förlita sig endast på öppna och offentligt tillgängliga källor, Ingen insamling eller utlämnande av känslig information utöver vad som redan var offentligt. uttryckligt erkännande av arbetets kollektiva och samarbetsrelaterade karaktär (online-communities, undersökande journalistik och MPF); kontinuerlig betoning på mänsklig healing för att säkerställa noggrannhet, etiska normer och ansvarsskyldighet. Lärdomar och påverkan Detta fall visar hur ett litet, väl samordnat team – som använder Neo4j för grafmodellering, Maltego för nätverkskartläggning, Mermaid.js för visuell dokumentation och Grok för analytiskt och kronologiskt stöd – kan producera oproportionerliga resultat i öppen källkodsundersökningar. Den centrala faktorn var inte automatisering, utan en noggrann korsreferens av offentliga data i kombination med strukturerad och granskningsbar dokumentation.Direkt samarbete med undersökande journalistik och med den brasilianska federala åklagarmyndigheten gjorde det möjligt att omvandla den tekniska analysen till praktisk institutionell insats. Det ger ett konkret exempel på etisk och ansvarsfull användning av OSINT och AI i ett socialt sammanhang med hög inverkan som Epstein-fallet. För yrkesverksamma som arbetar med OSINT, grafdatabaser, undersökande processvisualisering eller AI-assisterad analys kan detta arbetsflöde anpassas till scenarier som efterlevnad, due diligence, företagsundersökningar och oberoende forskning. Teamworkflow, data curation och lätta ramverk Undersökningen organiserades med hjälp av ett lätt, Kanban-inspirerat arbetsflöde för att samordna uppgifter, kontrollera datakvaliteten och säkerställa spårbarhet under hela OSINT-processen. Alla resultat passerades genom en strukturerad human data-curation-rörledning, där rå extraktioner granskades, normaliserades och validerades innan de främjades till de delade diagram- och dokumentationsskikten.Varje kort i arbetsflödet representerade en enda undersökande hypotes eller entitetskluster och följde en tydlig livscykel: upptäckt, preliminär validering, multi-source corroboration, grafintegration och publiceringsbered dokumentation. Curation spelade en central roll för att förhindra entitetskonflikt, hantera tvetydiga referenser och undvika för tidig tillskrivning. Särskild uppmärksamhet ägnades åt att namnge tvetydighet, geografisk osäkerhet, tidsmässig enhetlighet och källkälla. Endast enheter som stöds av oberoende offentliga källor och kontextuell enhetlighet införlivades i Neo4j och Mermaid.js-dokumentationen. Denna kombination av ett enkelt teamramverk (Kanban-stilkoordination) med ett strikt mänskligt kureringsskikt säkerställde operativ hastighet utan att offra metodologisk rigor, etiska standarder och granskningsförmåga i undersökningsprocessen. Positive operational and institutional impacts Antagandet av ett lätt, Kanban-inspirerat teamarbetsflöde i kombination med ett strikt lager av mänsklig data-kuration producerade mätbara operativa och institutionella fördelar. Ur ett externt perspektiv möjliggjorde samstämmigheten i de kurerade datamängderna, källornas tydliga ursprung och det spårbara beslutsflödet snabbare återanvändning av materialet av utredande journalister och av den brasilianska federala åklagarmyndigheten (MPF).
