Illustration: Absmeier Tumisu

Künstliche Intelligenz gegen Finanzbetrug.

Die Methoden im Finanzbetrug werden immer ausgeklügelter. Auch zum Leidwesen von Unterneh­men. Besonders auf die Kartenzahlung haben es Betrügende abgesehen. Nortal, Spezialist für Lösungen für die digitale Transformation, zeigt in einem Whitepaper auf, wie sich Attacken KI-basiert erkennen und verhindern lassen. Denn künstliche Intelligenz ist bekanntermaßen lernfähig und damit ein sehr effektives Instrument in der Betrugsbe­kämpfung.

Die Formen des Finanzbetrugs, denen Unternehmen heute ausgesetzt sind, sind vielfältig. Die Bandbreite reicht von Bankbetrug – hierzu zählen Kredit­karten- und Hypotheken­betrug sowie Geldwäsche – über Unternehmensbetrug wie Bilanzierungs-, Wertpapier- und Wirtschaftswarenbetrug bis hin zu Versicherungs­betrug.

KI-System erkennt Betrugsmuster bei Kartenzahlungen

Innerhalb der Betrugsbekämpfung besonders relevant ist die Kartenzahlung, da sie zu den häufigsten Angriffszielen zählt. Ein Betrugsfall in diesem Bereich wird für ge­wöhnlich durch ein Regelsystem erkannt. Dieses kennzeichnet Transaktionen auf Grundlage von ausgestellten Regeln oder Schwellenwerten, wie z. B. der Transak­tionsbetrag oder die Anzahl der Transak­tionen innerhalb eines bestimmten Zeit­raums. Ein weiteres Erkennungsmerkmal ist der Common Point of Purchase (CPP). Dieser wird ermittelt, indem die im Online-Handel verwendeten Karten untersucht werden – innerhalb eines bestimmten Zeit­raums. Es folgt eine Schätzung des Anteils der einzelnen Zahlungs­karten, die anschließend in betrüger­ische Transaktionen verwickelt waren. Bei Auffälligkeiten erfolgt eine Überprüfung der Transaktion.

Durch den Einsatz eines KI-basierten Betrugserkennungssystems für Kartenzah­lungen soll sich der manuelle Arbeitsaufwand für das Auffinden und die Identifizier­ung betrügerischer Transaktionen verringern. Gleichzeitig soll die Geschwindigkeit des Betrugs­erken­nungs­prozesses erhöht werden.

Lukas Menzel, Consultant bei Nortal, erklärt: »Diese Ziele können durch die Unterstützung von Künst­licher Intelligenz erreicht werden. Ein KI-System ist in der Lage, die Betrugsmuster auf Grundlage früherer Datensätze zu erlernen. Diese wurden von einer Zahlungs­plattform oder Bank gesammelt. Nach Abschluss der Lernphase kommt das Modell zum Einsatz. Eingehende Zahlungs­anforderungen können nun nahezu in Echtzeit klassifiziert und eine markierte Transaktion kann automatisch blockiert werden.«

Betrugserkennung lässt sich anhand von Daten und Merkmalen trainieren

Die Wirksamkeit einer KI-gestützten Betrugserkennung hängt wesentlich von den Daten ab, mit denen sie trainiert wird. Transaktionen, die vom System zurecht als betrü­gerisch identifiziert wurden, werden entsprechend gekennzeichnet. Um Konflikte mit Datenschutzgesetzen zu vermeiden, ist es notwendig, die Daten von persönlichen Informationen zu bereinigen. Das Betrugserkennungs­system lässt sich weiter optimieren, indem komplexere Merkmale aus den ver­fügbaren Daten herausgefiltert werden. Dazu zählen beispielsweise bestimmte Merkmale der Karteninhaberin oder des Karteninhabers wie die üblichen Ausgaben­gewohnheiten oder Informationen über die üblichen Umsatzbeträge der betreffenden Karte. Auch die Merkmale der Händlerin bzw. des Händlers sind von Interesse. Um die Klassifizierungsergebnisse hier zu verbessern, sollten Merkmale wie der Anteil betrügerischer Transaktionen oder Spitzen im Transaktionsvolumen aus den Daten abgeleitet werden können.

»Ein weiteres wichtiges Merkmal ist der zeitliche Aspekt. Betrügende versuchen in der Regel, in kurzer Zeit so viel Bargeld wie möglich abzuheben. Es ist daher nützlich, Echtzeitinformationen über das Risikoniveau von einer Handel treibenden Person und der Karte zu besitzen. Verzeichnet eine Verkäuferin oder ein Verkäufer beispiels­weise innerhalb einer Stunde einen ungewöhnlichen Anstieg beim Umsatz, so kann dies bereits ein Betrugsmerkmal sein«, sagt Lukas Menzel.

Auf die richtigen Daten kommt es an

Kreditkartenbetrug ist nur eine von zahlreichen Betrugsformen. Ein KI-basiertes Betrugserkennungssystem soll die Anzahl der Falschmeldungen verringern und den manuellen Arbeitsaufwand sowie die Kosten reduzieren. »Die Daten, mit denen das KI-System trainiert wird, sind entscheidend. Wir arbeiten derzeit in Zusammenarbeit mit Unternehmen und Organisationen an der Erhebung der ent­sprechenden Daten­basis, um dann wirksame KI-basierte Systeme ausprägen zu können«, erklärt Lukas Menzel.

Weitere Informationen zum Thema »Finanzbetrug und KI-basierte Betrugser­kennungssysteme« gibt es im kostenfreien Whitepaper unter: https://nortal.com/de/blog/white-paper-ai-based-fraud-detection