DIE HERAUSFORDERUNG
Betrugserkennung in Echtzeit
Nicht nur führende Finanzinstitute, sondern auch kleinere Finanzdienstleister stehen vor der Herausforderung, Betrug bei Instant Payments in Echtzeit zu erkennen und zu verhindern. Ab dem 20. August 2024 sind die grössten Schweizer Banken für Instant-Zahlungen im Inland erreichbar, ab November 2026 sollte dies bei allen Banken in der Schweiz der Fall sein. Spätestens dann kann hierzulande jede Überweisung in Sekundenschnelle erfolgen: Transaktionen werden dann unmittelbar einem Konto belastet respektive gutgeschrieben. Das bringt gewisse Herausforderungen mit sich, denn vorhandenen Systeme liefern oft nicht die erforderliche Geschwindigkeit und Präzision, um verdächtige Transaktionen sofort zu identifizieren und zu blockieren. Eine spezielle Problematik stellen hierbei die immer noch weit verbreitete Legacy-Systeme dar, welche in veralteten Programmiersprachen geschrieben sind. Kurz: Instant Payment macht zwar den Weg frei für Zahlungen in Echtzeit, in Kombination mit einer veralteten Dateninfrastruktur jedoch auch für betrügerische Aktivitäten.
DIE LÖSUNG
Mit Data Streaming und Kafka einen Schritt voraus
Eine bewährte Strategie zur Betrugserkennung bei Instant Payments stellt hierbei die Erfassung und Analyse von Echtzeitdaten mit einer Daten-Streaming-Plattform basierend auf Apache Kafka dar. Dazu gilt es zunächst die bestehende System- und Datenarchitektur zu analysieren, wobei sich hierfür Workshops mit den relevanten Stakeholdern bewährt haben. So stellen Banken sicher, dass alle relevanten Aspekte des Prozesses berücksichtig werden und schliesslich die benötigten Daten zur Verfügung stehen. Besondere Sorgfalt ist bei der Integration in Legacy-Systeme geboten: Diese verwenden meist seltene Programmiersprachen, was sich wiederum auf die Datenstruktur auswirkt. Es ist deshalb bereits in der Konzeptionsphase ratsam, fachkundige Unterstützung durch Data Engineers in Anspruch zu nehmen, um alle Systeme für die Echtzeitverarbeitung vorzubereiten. Die anschliessende Umsetzung der Fraud-Detection-Lösung beinhaltet einerseits das Einrichten der Kafka-Plattform zum Erfassen der Echtzeit-Datenströme, andererseits die Implementierung von Machine-Learning-Algorithmen zur Mustererkennung.
DAS ERGEBNIS
Schnelle und präzise Betrugserkennung für sicheren Zahlungsverkehr
Mit der neu implementierten Data-Streaming-Plattform lassen sich nun alle Transaktionen in Echtzeit überwachen. Dank der Machine-Learning-Algorithmen, welche verdächtige Aktivitäten unmittelbar identifizieren, lassen sich Betrugsversuche automatisch blockieren. Machine Learning punktet hier aber nicht nur durch seine Schnelligkeit: Richtig eingesetzt erkennt die Technologie sogar Anomalien, die menschlichen Beobachtenden entgehen würden. Entsprechend profitieren Banken gleich in mehrerer Hinsicht von einer solchen Data-Streaming-Lösung: Sie verbessern ihre bestehenden Frau-Detection-Mechanismen und gewinnen so an Geschwindigkeit sowie an Sicherheit. Das Resultat ist eine signifikant verbesserte Nutzererfahrung mit schnellem und zuverlässigem Zahlungsverkehr oder in anderen Worten: Zufriedene Kund:innen.
Vorteile
- Echtzeitüberwachung aller Transaktionen mittels Data Streaming
- Algorithmen zur Betrugserkennung genauer als menschliche Beobachtung
- Keine Geschwindigkeitseinbussen
