KI statt Kosten: Smarte Betrugsprävention
© Mag. Sebastian Reich
DOSSIERS Redaktion 22.11.2024

KI statt Kosten: Smarte Betrugsprävention

In der digitalen Welt stehen Entscheidungsträger im eCommerce heute vor der Herausforderung, Betrug zu erkennen und zu verhindern.

WIEN. Mit der Wichtigkeit des Online-Handels steigt auch die Kreativität und die Anzahl der betrügerischen Aktivitäten. Betrüger nutzen immer ausgefeiltere Techniken, um Sicherheitsmaßnahmen zu umgehen.

Technologische Fortschritte

Um verdächtige Aktivitäten zu identifizieren und zu verhindern, nutzen viele Unternehmen neben der manuellen Prüfung bereits automatisierte Verfahren wie Machine-Learning-Modelle. Die manuelle Prüfung ist zeit- und kostenaufwendig und konfrontiert die Unternehmen mit einem hohen Bedarf an qualifizierten Prüfern. Durch den Einsatz von Machine-Learning-Modellen können Routineaufgaben automatisiert werden, was den manuellen Prüfaufwand erheblich reduziert und die Effizienz steigert.

Ein Hybridansatz, bei dem automatisierte Systeme Prüfungen durchführen und nur komplexe Fälle an menschliche Prüfer weiterleiten, bewährt sich in der Praxis als besonders effektiv.

Neue Strategien

Mit dem Ziel, die Aussteuerung in die manuelle Prüfung und die daraus resultierenden Kosten weiter zu optimieren, stehen neue Machine-Learning-Modelle zur Verfügung, deren Fokus nicht auf dem Verhalten der Besteller liegt, sondern auf dem Verhalten des Prüfers.

Im Gegensatz zu Modellen zur Betrugsprävention, die mit Zahlungsausfällen trainiert werden, nutzt dieses Modell die qualifizierte Entscheidung des Prüfers als Zielgröße und imitiert diese.
Dies ermöglicht Online-Händlern, das breite Spektrum an Kriterien, welche die manuelle Prüfung beinhaltet, zu nutzen und eine modellgestützte Entscheidung auf Basis der vom Prüfer real beschlossenen Annahme oder Ablehnung zu treffen – individuell angepasst an die Bedürfnisse des Händlers.

Zukunftsaussichten

In Zukunft wird die Integration von KI in alle Geschäftsprozesse eine zentrale Rolle in der Betrugsprävention spielen.

Mithilfe von neuen Machine-Learning-Modellen gelingt es, den Prüfaufwand und die Prüfkosten bei Unternehmen massiv zu reduzieren sowie Bestellungen, welche eine geringe Ablehnungswahrscheinlichkeit seitens des Prüfers aufweisen, anzunehmen.
Dies kann gerade in bestellintensiven Phasen helfen, den Aufwand und die Kosten zu senken, ohne dabei an Prüfgenauigkeit einzubüßen. Dies ist ein entscheidender Schritt, um den Herausforderungen der modernen digitalen Wirtschaft gerecht zu werden und die Integrität des Online-Handels zu sichern.


Weitere Informationen:
[email protected]
www.crif.at

BEWERTEN SIE DIESEN ARTIKEL

TEILEN SIE DIESEN ARTIKEL