Outlier- und Anomalie-Erkennung in Betrugsszenarien


Bei Online-Betrug nutzen Betrüger Lücken aus, die es ihnen ermöglichen, sich ungerechtfertigt zu bereichern. Bei der Betrugsbekämpfung stehen Unternehmen jedoch vor einem Dilemma, da kein System perfekt ist: Im E-Commerce sollen einerseits der Betrug und die damit verbundenen Verluste reduziert werden, andererseits wollen die Nutzer weder des Betrugs bezichtigt, noch wie Kriminelle behandelt werden. In anderen Bereichen, wie z. B. dem Gesundheitswesen, können die Probleme, die mit Datenmissbrauch und Sicherheitslecks verbunden sind, sogar zu schwerwiegenderen Schäden führen als rein finanzielle Angelegenheiten.

Doch die praktische Umsetzung von Betrugsbekämpfungsprozessen in Unternehmen entspricht selten wissenschaftlichen Standards. Betrugspräventionsfirmen bieten diverse Produkte auf dem Markt an, aber weder deren Effektivität noch deren Effizienz wurden bisher wissenschaftlich überprüft. Um diese Probleme zu lösen, sollte der erste Schritt eine saubere Definition dessen sein, was Betrug ist und wie er gemessen werden kann. Danach können Modelle nach wissenschaftlichen Bewertungsmaßstäben aufgebaut und getestet werden. Unternehmen geben Millionen aus, um sich vor betrügerischen Aktivitäten zu schützen. Einer der interessantesten Aspekte ist die Tatsache, dass die Betrugsbekämpfung eine soziale Interaktion ist, die ständig überwacht und verbessert werden muss: Ein nie endender Wettlauf zwischen Kriminellen und Ermittlern, bei dem sich beide Akteure auf die Aktionen des anderen einstellen.