BB-Cintellic-Unterstuetzung

Fraud Prevention

Betrügern mittels künstlicher Intelligenz das Handwerk legen

Was ist Fraud Prevention?

Unter Fraud Prevention (auch bekannt als Betrugsprävention) versteht man die Anwendung von Methoden, um betrügerische Aktivitäten zu erkennen, zu reduzieren bzw. idealerweise vollständig zu verhindern. Ziel ist es so, finanzielle Schäden und Reputationsverluste von Ihrem Unternehmen abzuwenden.

Durch diesen Artikel erhalten Sie einen Überblick über die Arten von Betrug, die es typischerweise im E-Commerce gibt und wie Ihnen CINTELLIC mit Methoden der Betrugsprävention und dem Einsatz von künstlicher Intelligenz (KI) dabei helfen kann, sich zu schützen.

  1. Kurzcheck: Erkennen Sie Ihren Bedarf für den Einsatz von KI in der Betrugsprävention?
  2. Fraud Prevention: Kernaussagen in aller Kürze
  3. Typische Kundenfragen in Bezug auf Fraud Prevention
  4. CINTELLIC-Beratung: Unser Vorgehen zur Betrugspräventions-Modellierung
  5. Exkurs: Bonitätsscoring
  6. Fazit zu Fraud Prevention
  7. Kontakt
Fraud Prevention_CINTELLIC

Kurzcheck: Erkennen Sie Ihren Bedarf für den Einsatz von KI in der Betrugsprävention?

Der CINTELLIC-Kurzcheck ist eine gute Möglichkeit, um festzustellen, ob Sie eine Betrugsprävention im E-Commerce für Sie relevant ist.

Erfahren Sie jetzt, ob Sie Ihren Bedarf an einer Fraud Prevention bereits erkannt haben und setzen Sie ein Häkchen bei den auf Sie zutreffenden Aussagen!

CINTELLIC-Kurzcheck
Wir wissen nicht genau, welche Arten von Betrug im E-Commerce am häufigsten vorkommen und wie wir uns davor schützen können.
Wir wissen nicht, wie wir betrügerische Transaktionen von gewöhnlichen Transaktionen unterschieden werden können.
Wir haben nicht die nötige Erfahrung & Know-How, um Maßnahmen der Betrugsprävention zu implementieren.
Wir haben Schwierigkeiten, die Balance zwischen Betrugsprävention und optimalen Customer Expierence zu finden.
Wir möchten unseren Betrugserkennungsprozess optimieren und schneller auf verdächtige Aktivitäten reagieren können.
Wir möchten unseren Kunden die größtmögliche Anzahl an Zahlungsoptionen bieten, aber gleichzeitig Betrügern nicht wahllos ausgesetzt sein.

Fraud Prevention: Kernaussagen in aller Kürze

  • Im E-Commerce ist Betrug häufig das Resultat aus Identitätsdiebstahl oder Kreditkartenbetrug
  • Neben dem finanziellen Schaden leidet insbesondere das Image ihres Unternehmens durch betrügerische Tätigkeiten
  • Mit Hilfe künstlicher Intelligenz können sie kriminelle Machenschaften aufdecken, noch bevor sie Schaden erzeugt haben
  • Unterschiedliche Machine-Learning-Ansätze können hierbei zum Einsatz kommen

Im E-Commerce fokussiert sich Betrug insbesondere auf zwei Kategorien und zwar auf den missbräuchlichen Einsatz von Kreditkarteninformationen sowie Identitätsdiebstahl. Bei letzteren nutzen Kriminelle Informationen Dritter, an welche sie z.B. durch Phishing-Attacken gelangt sind. Diese Informationen verwenden sie, um ein bestehendes Konto zu „übernehmen“, das anschließend für Bestellungen verwendet wird. Alternativ nutzen sie personenbezogene Daten, wie Name und Geburtsdatum, um direkt auf fremden Namen zu bestellen. Dabei machen sie häufig von der in Deutschland beliebtesten Zahlungsoption „auf Rechnung“ gebrauch. Das Vorgehen beim Kreditkartenbetrug ist hierbei Recht ähnlich. Kriminelle bestellen Ware auf fremden Namen und nutzen dabei Kreditkarteninformationen dritter. Um an diese Informationen zu gelangen, ist es nicht nötig ein professioneller Hacker zu sein, denn Datensätze, die Kreditkartennummern sowie Gültigkeitsdatum und Prüfziffer beinhalten, lassen sich massenhaft im Darknet erwerben.

Ob nun Kreditkartenbetrug oder Betrug durch Identitätsdiebstahl, gemein haben beide Varianten, dass Kriminelle häufig Ware ordern, die sich schnell wieder verkaufen lässt. Besonders geeignet sind hierfür Gutscheinkarten oder Artikel von namenhaften Herstellern. Häufig erst bei der Kontrolle der Monatsabrechnung fällt der Kreditkartenmissbrauch auf. Noch später, nämlich erst mit Eröffnung eines Mahnverfahrens, wird der Schwindel bei einem „Kauf auf Rechnung“ aufgedeckt. Unabhängig von der Art des Betruges, ist eines zu diesem Zeitpunkt klar: Ein finanzieller Schaden lässt sich nicht mehr abwenden & das Vertrauensverhältnis zu Ihrem Kunden ist nachhaltig beschädigt.

Wichtig ist jedoch, dass Sie Betrügern nicht hilflos ausgesetzt sind, sondern, dass Sie aktiv Maßnahmen ergreifen können, um sich und Ihre Kunden zu schützen. Künstliche Intelligenz kann betrügerisches Verhalten identifizieren noch bevor Kriminelle Schaden anrichten konnten.

Typische Kundenfragen in Bezug auf Fraud Prevention

  • Für meine Kunden ist es wichtig "auf Rechnung" bestellen zu können, gleichzeitig nutzen Betrüger immer wieder diese Option. Kann ich meinen Kunden diese Option weiterhin anbieten ohne in die Falle von Betrügern zu gelangen?
  • Bisher haben wir noch keinen gesamtheitlichen Blick auf das Thema Betrug. Wie kann ich das Thema effizient angehen?
  • Welche Daten benötige ich für die Betrugspräventionsmodellierung?
  • Welche Algorithmen eignen sich, um betrügerisches Verhalten bestmöglich zu identifizieren?
  • Die Anzahl an betrügerischen Bestellungen ist sehr gering. Ist eine Betrugsprävention trotzdem sinnvoll?

CINTELLIC-Beratung: Unser Vorgehen zur Betrugspräventions-Modellierung

Wir von CINTELLIC unterstützen sie gerne bei der Implementierung der künstlichen Intelligenz. Angefangen bei der Ermittlung ihres Bedarfes über die Analyse ihrer Daten bis hin zur Entwicklung und Inbetriebnahme des Betrugspräventionsmodells sind wir ihr Partner, um Betrügern das Handwerk zu legen.

1. Anforderungen & Roadmap

Gemeinsam mit Ihnen analysieren wir ihren Status Quo. Hatten sie bereits Probleme mit Kreditkartenbetrügern bzw. mit Identitätsdiebstahl? Welche Schritte sind notwendig, um sie besser abzusichern. Basierend auf diesen & weiteren Fragen erarbeiten wir gemeinsam mit Ihnen eine Roadmap zur Implementierung eines Betrugspräventionsmodells.

2. Datenevaluation & Preprocessing

Häufig ist die Befürchtung unserer Kunden, dass ihre Daten nicht ausreichend sind, um KI Use-Cases umzusetzen. Doch die Erfahrung zeigt uns, dass oft sehr viel Potential in den bereits vorhandenen Daten schlummert. Auch in Bezug zur Betrugsprävention ist dies der Fall. Mit ein paar Kniffen, wie Upsampling oder Data Augmentation, verbessern unsere Data Scientists die Ergebnisse noch einmal signifikant.

3. Modellbau

Angepasst auf ihren Bedarf, entwickeln wir ein Modell, das sich zur Identifizierung von Betrügern eignet. Ob nun ein Klassifikations- oder Clusterverfahren besser performt, lässt sich zu Beginn nicht mit 100%iger Sicherheit sagen. Was sich aber mit Sicherheit sagen lässt, ist das wir das Verfahren verwenden werden, das sie am besten vor Betrügern schützt.

4. Validierung & Testing

Ob das Betrugspräventionsmodell nun funktioniert oder nicht, lässt sich erst erkennen, wenn es mit neuen, ungesehenen Daten konfrontiert wird. Ob dies nun durch einen Split der Transaktionen im Live-System erfolgt (Online-Validierung) oder mit bereits gesammelten Daten (Offline-Validierung), die vorher nicht zum Modellbau genutzt wurden, stimmen wir mit Ihnen ab.

5. Automatisierte Bereitstellung & Pflege

Das beste Modell ist wertlos, wenn es nicht zum Einsatz kommt. Um ihnen optimalen Mehrwert zu bieten, unterstützen wir sie bei der Implementierung des Betrugspräventionsmodells. Doch damit ist es nicht getan, denn Betrüger verändern ihr Verhalten. Um Ihnen auch langfristigen Schutz zu bieten, implementieren wir unsere Lösung so, dass sie sich an das Verhalten der Betrüger anpasst.

6. Aussteuerung

Selbst das beste Modell kann nicht für jede Bestellung eindeutig ermitteln, ob dieser eine betrügerische Tätigkeit zu Grunde liegt oder nicht. Deshalb ist es wichtig Bestellungen bei denen eine betrügerische Tätigkeit nicht sicher ausgeschlossen werden kann, manuell zu prüfen. Zur Ermittlung dieser Fälle Bedarf es Regeln, die wir in Absprache mit Ihnen und unter Berücksichtigung ihres unternehmerischen Risikoprofils definieren und implementieren.

7. Reporting

Ebenso ist es nach der Implementierung des Betrugspräventionsmodells wichtig, die Leistung des Modells stets im Blick zu behalten. Deshalb gehört es zu unseren Service ein umfassendes Reporting aufzusetzen, das es Ihnen ermöglicht kontinuierlich einen Überblick über die erkannten Betrugsfälle zu haben und die Performance des Modells im Blick zu behalten.

Fraud Prevention_Betrugspraevention_E-Commerce_CINTELLIC-Beratung

Exkurs: Bonitätsscoring

Wie zu Beginn erwähnt, können im E-Commerce finanzielle Verluste aufgrund von betrügerischen Aktivitäten und durch Zahlungsausfälle von zahlungsunfähigen Kunden entstehen. Um Letzteres zu reduzieren, werden Bonitätsscoring-Modelle eigesetzt. Dabei ist es das Ziel dieser Modelle liquide von illiquiden Kunden zu differenzieren und auf Basis dieser Einstufung die dem Kunden angebotenen Zahlungsoptionen zu steuern.

Während liquide Kunden auch unsichere Zahlarten, wie „Kauf auf Rechnung“ nutzen können, können Kunden, die als „illiquide“ eingestuft werden, nur sichere Zahlarten zur Abwicklung ihrer Bestellung verwenden. Bonitätsscorings ermöglichen es E-Commerce Unternehmen so, einen großen Teil der Kundschaft die größt-mögliche Vielfalt an Zahlungsoptionen anzubieten aber gleichzeitig Zahlungsrisiken zu reduzieren.

Bonitaetsscoring_Bonitaetspruefung_CINTELLIC

Fazit zu Fraud Prevention

Durch betrügerische Tätigkeiten, wie Identitätsdiebstahl oder Kreditkartenbetrug, verzeichnen selbst große Unternehmen signifikante Verluste. Doch durch den Einsatz von künstlicher Intelligenz lässt sich dieser Schaden deutlich reduzieren. In sieben Schritten entwickeln wir von CINTELLIC gemeinsam mit Ihnen einen Prozess, der es Kriminellen mit Hilfe von künstlicher Intelligenz deutlich erschwert bei Ihnen erfolgreich zu sein. Durch den Aufbau eines dazugehören, automatisierten Reportings haben sie stets den Überblick und entdecken Schwachstellen frühzeitig.

Kontakt

Ihr Ansprechpartner für alle Fragen zum Thema Fraud Prevention

CINTELLIC_Manuel-Klein

Manuel Klein

Senior Consultant
info@cintellic.com
CINTELLIC Consulting - Social Media