Kreditkartenbetrug online
Kommissar Software: Kreditkartenbetrügern auf der Spur

Im Internet lässt sich anonym und stressfrei einkaufen. Vorteile, die Kreditkartenbetrüger zu schätzen wissen. Doch der Online-Handel wehrt sich: Business-Intelligence-Lösungen ermöglichen das Erkennen auffälliger Verhaltensmuster und erleichtern die Prävention.

Gast-Kolumne von Jürgen Fritz, Director Marketing & Strategy, Mitglied der Geschäftsleitung, SAS Deutschland

Für den europäischen Online-Handel klingelten die virtuellen Kassen in der Vorweihnachtszeit 2001 besonders süß: Knapp 33 Millionen Europäer nutzten im Dezember das Internet, um ihre Weihnachtseinkäufe ohne Hetze und Gedränge zu erledigen, meldet Jupiter MMXI. Allein für das Weihnachtsgeschäft der europäischen Online-Händler errechnete das Internet-Marktforschungsunternehmen Einnahmen in Höhe von 2,9 Millionen Euro - immerhin 71 Prozent mehr als im Vorjahr. Während die Internethändler ihre sprunghaft gestiegenen Besucher- und Umsatzzahlen voller Stolz publizieren, halten sie sich mit Angaben zu den Betrugsfällen zurück. Fakt ist allerdings, dass sich im Internet ist nicht nur relativ stressfrei, sondern auch anonym einkaufen lässt - für Betrüger ist Online-Shopping daher besonders attraktiv.

Beim Einkauf im Internet ist die Bezahlung per Kreditkarte nach wie vor üblich. Etwa ein Drittel der Online-Kunden zückt ihre Kreditkarte. Mit der zunehmenden Zahl der Online-Shopper - 13 Millionen Deutsche haben 2001 etwas im Internet bestellt, im Jahr 2000 waren es erst 7,3 Millionen - steigt auch die Zahl der Betrugsdelikte. Nach Angaben der EU-Kommission beträgt der durch Kreditkartenbetrug verursachte Gesamtschaden in Europa jährlich 600 Millionen Euro, Tendenz steigend. Im Jahr 2000 verzeichnete die amtliche deutsche Kriminalstatistik 55.747 gemeldete Fälle von Kreditkartenbetrug - mehr als doppelt so viele wie 1998. Allein Visa International Deutschland musste für jede der 7,1 Millionen Visa-Karten, die im Umlauf sind, über 2,50 Euro als missbrauchsbedingte Abschreibung in Kauf nehmen. Auf Internet-Käufe entfallen immerhin fünf Prozent der Ausfälle.

Da nach der derzeit gültigen Gesetzgebung der Online-Händler grundsätzlich selbst für den ihm entstandenen Schaden aufkommen muss, setzen immer mehr Online-Händler auf Prävention. Denn es gibt durchaus typische betrügerische Verhaltensmuster, die anhand historischer Daten erkannt werden können. Exakt an diesem Punkt setzen Lösungen zur Betrugserkennung an. Ein "Data Warehouse" sammelt und strukturiert Daten aus den unterschiedlichsten betrieblichen Quellen, etwa Datenbanken und ERP-Systeme, aber auch aus Excel-Tabellen und den operativen Systemen. Unter dem Begriff "Data Mining" versteht man den Einsatz analytischer Verfahren aus der mathematischen Statistik und der Entscheidungstheorie, zum Beispiel Assoziationsanalysen oder Entscheidungsbäume.

Zur Betrugserkennung untersucht Data Mining die Daten auf neue, bis dato unerkannte Zusammenhänge. Ein Beispiel verdeutlicht, wie Online-Händler Betrugskandidaten mit Entscheidungsbäumen auf die Schliche kommen können: Erweist sich in einem ersten Analysedurchgang der historischen Daten Betrug als signifikantes Merkmal, das eher bei Männern vorkommt, könnte das Merkmal "Geschlecht" die erste Verzweigung im Entscheidungsbaum darstellen. Zeigt der nächste Analyseschritt die Altersgruppe der 20- bis 30-Jährigen als besonders anfällig für Kreditkartenbetrug, wird das Merkmal "Alter" die nächste Verzweigung im Entscheidungsbaum sein. Auf diese Weise können Spezialisten im Unternehmen alle vorhandenen kundenbezogenen Daten sehr detailliert analysieren, um die typischen Muster aus den Betrugsfällen der Vergangenheit aufzudecken und daraus Wahrscheinlichkeiten für betrügerisches Verhalten abzuleiten. Sprechen mehrere Indizien für einen Betrugsfall, kann das Unternehmen entsprechende Ermittlungen einleiten - oder bestellte Ware gar nicht erst zur Auslieferung frei geben.

Jaya Kolhatkar, bei Amazon.com zuständig für das Thema Betrugserkennung, schildert, wie in der Praxis vorgegangen wird: "Betrüger zeigen bestimmte Verhaltensmuster. Indem wir historische Kunden- und Transaktionsdaten durchforsten, können wir Betrugsfälle aufdecken." Der typische Kreditkartenbetrüger, so Kolhatkar weiter, kaufe Waren, die sich leicht auf dem Schwarzmarkt verhökern lassen, zum Beispiel elektronische Geräte. "Wenn Bestell- und Lieferanschrift nicht übereinstimmen, haben wir ein weiteres Indiz, das auf einen Betrug hindeutet." Natürlich bedeutet nicht jede Verhaltensweise für sich und möglicherweise nicht einmal die Kombination aller Merkmale automatisch Betrug. "Doch immerhin haben wir einen guten Anhaltspunkt für weitere Untersuchungen", betont der Amazon-Betrugsexperte.

Auf den ersten Blick und ohne Data Mining ist allerdings meist nicht zu erkennen, welche Kombinationen von signifikanten Merkmalen auf der Suche nach Betrügern zum Erfolg führen. Schließlich müssen dazu wahrlich riesige Datenmengen durchstöbert und verknüpft werden. Außerdem ist die wechselseitige Beeinflussung der Parameter sehr komplex. Gerade für den Online-Handel, der nach wie vor unter einem gewissen Rentabilitätsdruck steht, ist die Erkennung der schwarzen Schafe unter den Kunden besonders wichtig. Bei Amazon.com konnte die Betrugsrate mit Hilfe einer Business-Intelligence-Lösung um stolze fünfzig Prozent gesenkt werden. Auch das dürfte einen kleinen Teil dazu beigetragen haben, dass der Internet-Pionier im vierten Quartal 2001 zum ersten Mal in seiner Unternehmensgeschichte schwarze Zahlen geschrieben hat.

Serviceangebote
Zur Startseite
-0%1%2%3%4%5%6%7%8%9%10%11%12%13%14%15%16%17%18%19%20%21%22%23%24%25%26%27%28%29%30%31%32%33%34%35%36%37%38%39%40%41%42%43%44%45%46%47%48%49%50%51%52%53%54%55%56%57%58%59%60%61%62%63%64%65%66%67%68%69%70%71%72%73%74%75%76%77%78%79%80%81%82%83%84%85%86%87%88%89%90%91%92%93%94%95%96%97%98%99%100%