Schnellauswahl
Künstliche Intelligenz.

„Inspektor Algorithmus“ deckt Betrüger auf

Um Steuerbetrug zu verhindern, müssen verdächtige Transaktionen in Echtzeit erkannt werden, sagt ein Forscher der FH Campus Wien.
Um Steuerbetrug zu verhindern, müssen verdächtige Transaktionen in Echtzeit erkannt werden, sagt ein Forscher der FH Campus Wien.Roman Synkevych / Unsplash
  • Drucken

Moderne Computertechnologie hilft im Einsatz gegen Kriminelle. Um diesen keine Chance zu geben, müsse die Analyse von Big Data in Echtzeit jedoch noch forciert werden, fordert Experte Martin Setnicka.

Steuerbetrüger schaffen Millionenbeträge über undurchsichtige Firmengeflechte beiseite, Kriminelle spionieren die Bankdaten von Internet-Usern aus und plündern deren Konten. „Die Suche nach neuen und intelligenten Lösungen“ sei ein „wichtiges Standbein“ bei der Bekämpfung derartiger Delikte, vermerkt die Polizei in der Kriminalstatistik-Broschüre 2019 angesichts einer Rekordzahl von 16.831 angezeigten Fällen von Internetbetrug. „Der Einsatz von künstlicher Intelligenz könnte solche und ähnliche Fälle aber nicht nur aufdecken, sondern auch verhindern“, ist Martin Setnicka überzeugt.

Der Big-Data-Spezialist, der unter anderem an der FH Campus Wien Datenanalyse unterrichtet, weiß, wovon er spricht: Er war jahrelang für die Abteilung für Betrugsbekämpfung des Finanzministeriums tätig. „Ziel muss es sein, verdächtige Transaktionen in Echtzeit zu erkennen, damit die Prävention gelingt“, sagt er. Nicht nur Internetbetrügern lasse sich damit das Handwerk legen. Sondern auch Versicherungsbetrug und Geldwäsche – alles Fälle für „Inspektor Algorithmus“. Tatsächlich, so weiß der Experte, haben immer mehr Banken, Versicherungsunternehmen sowie Finanzbehörden solche Systeme bereits im Einsatz und bringen Kriminelle damit zum Scheitern.

Anomalien in Echtzeit finden

Setnicka betont, dass eine Vielzahl von gut aufbereiteten Daten das Grundgerüst jeder Auswertung ist. Das können zum Beispiel Informationen über die Geschäftsbeziehungen und Transaktionen aller Kunden eines Geldinstituts sein. „Bei der Analyse kommt es darauf an, in der Betrachtung eines konkreten Einzelfalls Anomalien zu finden, die darauf hinweisen, dass dahinter ein Betrugsversuch stecken könnte.“ In der Regel sind es nicht einzelne Daten, die die Alarmglocken schrillen lassen, sondern deren Zusammenspiel. „Das sind Konstellationen, von denen die künstliche Intelligenz gelernt hat, dass sie bereits bei früheren kriminellen Vorgängen in ähnlicher Weise vorgelegen sind.“

Entdeckt der Algorithmus ein solches Muster beispielsweise bei einer Kontoabbuchung, könnte im selben Augenblick ein Warnhinweis auf dem Computer eines Bankangestellten erscheinen und die Transaktion bis zur Abklärung mit dem Kontoinhaber gestoppt werden. Auch wenn jemand einen Kreditantrag stellt, gleicht der Algorithmus sofort die Daten des Kunden mit dem gesamten Datensatz ab und antwortet mit einer Risikobewertung. Versicherungen hilft die künstliche Intelligenz, indem sie die Datenprofile abfragt und checkt, ob hinter einem gemeldeten Schadensfall ein versuchter Versicherungsbetrug stecken könnte.

„Der Mensch wäre mit der Analyse solch riesiger Datenmengen überfordert“, weiß Setnicka. Die bisherige Erfahrung zeige sogar, dass die Trefferquoten umso höher und die Risikobewertungen umso exakter sind, je weniger der Mensch in die Analyse eingebunden ist. Dabei bedarf es freilich einer hohen Sensibilität im Umgang mit den gespeicherten Daten. „In den nächsten Jahren wird man das zeitnahe Auswerten der Daten vorantreiben müssen“, sagt Setnicka. „Und man muss Daten grenzüberschreitend heranziehen. Denn nur so lassen sich auch die groß angelegten Betrugsdelikte wie Steuerkarusselle aufdecken.“