Finanzbetrüger lassen sich immer neue Tricks einfallen. Versicherer und Banken gehen dagegen vor, doch wegen der Vielzahl der Verdachtsfälle brauchen sie möglichst präzise Analysetools. Mithilfe von künstlicher Intelligenz sollen sie die Datenflut in den Griff bekommen.
"Alles fängt mit den Daten an", weiß Ralf Stracke, Bereichsleiter Compliance bei der Deutschen Kreditbank (DKB). Doch für eine schnelle und vor allem treffsichere Betrugserkennung müssten diese erst in ein einheitliches System fließen, bevor sie analysiert und aufbereitet werden können, sagte Stracke auf dem SAS-Forum 2018 in Bonn. Bei der Bekämpfung von Geldwäsche etwa arbeiteten die meisten Geldhäuser hierzulande noch in der Vergangenheit. Bei vielen Finanzinstituten müssten die Mitarbeiter zuerst Daten aus unterschiedlichen Quellen zusammenführen, bevor sie verdächtige Transaktionen erkennen.
Datenschutz deckt Mängel auf
Viele Kunden aus der Finanzindustrie haben ihre Prozesse für die Betrugserkennung nicht im Griff, ergänzt Carsten Krah, Business Expert Risk, Fraud and Compliance bei SAS. Häufig sei zum Beispiel nicht bekannt, wo relevante Informationen liegen und welche Abteilungen damit arbeiten dürfen.
Insbesondere die seit Mai gültige Datenschutz-Grundverordnung (DSGVO) habe gezeigt, wie groß bei Unternehmen hierzulande die Unsicherheit im Umgang mit personenbezogenen Daten ist. "Die Probleme werden erkannt, aber es gibt noch keine Lösungen", betont Krah. "Einfache Regeln reichen nicht mehr aus, um die steigende Zahl von Verdachtsfällen zu prüfen und tatsächliche Betrüger zu erwischen." Künstliche Intelligenz (KI) könne dabei helfen, in Echtzeit möglichst präzise Analysen durchzuführen und selbstlernende Modelle zu entwickeln, die künftig weniger Fehler machen.
Autor(en): Christian Kemper
