So setzt bonprix KI-gestützte Betrugsprävention im E-Commerce ein

Der Online-Modehändler bonprix setzt bei der Betrugsprävention auf eine Kombination verschiedener Ansätze, die von regelbasiertem Scoring über die Auswertung von Device- und Geo-Daten bis hin zu differenzierten Analysen eines selbst entwickelten KI-Modells reichen. Marco Annen, Leiter der Abteilung Credit & Payment bei bonprix, hat auf dem diesjährigen Payment Summit in Hamburg die verschiedenen Massnahmen erläutert.

Fake identity, Friendly Fraud, Identitätsdiebstahl, Affiliate-Betrug - bonprix hat, wie viele andere Online-Händler auch mit diversen Arten von Betrug zu kämpfen. Und diese unterschieden sich auch von Land zu Land: So sei beispielsweise Belgien im Verglich mit Deutschland viel betrugs-affiner, was den Rechnungskauf betrifft.

Heutzutage prüft bei bonprix ein Team aus Spezialisten die Daten, um Betrugsversuche zu verhindern. Das System hätte sich über die Jahre entwickelt: "Mit dem Start des Online-Geschäfts stieg vor allem das Interesse an Bonitäts-Betrugsprüfungen. Etwas später haben wurde dann das Thema Fraud von der Bonität getrennt", sagt Annen. Danach hätte bonprix in die Entwicklung einer eigenen Betrugsdatenbank investiert, die anschliessend durch ein eingekauftes Produkt ersetzt wurde. Seit einer Zeit setze das Unternehmen nun vor allem auf Webtracking als neue Datenquelle mit KI-Ansatz.

Die Betrugsprävention ist dabei in folgende Bereiche aufgeteilt: externe Daten (Group-Daten, Inkasso-Quellen), dynamische und statische Regeln (Device Daten, Geo-Daten, Transaktionsdaten), Webtracking-Daten (Machine Learning, komplexe Mustererkennung)

Doch was für einen Mehrwert bringt das eigentlich? "Früher haben wir immer auf den Betrug reagiert, jetzt haben wir Informationen, die die Betrüger nicht haben," sagt Annen. "Wir wissen, wie unsere Kunden im Webshop unterwegs sind. Also laufen wir nicht mehr den Betrügern hinterher, sondern sind ihnen einen Schritt voraus.

Aber trotz aller Vorteile gibt es auch Schwierigkeiten: Ein Problem ist laut Annen die Zuordnung der Daten - vor allem über mehrere Länder hinweg. Dazu komme das Thema Labeling, also wie ein Betrug eingestuft wird. Und die Organisation: "Es gibt immer noch gewisse Ängste bei unseren Mitarbeitern was Automatisierung und KI angeht, das heisst man muss sich damit auseinandersetzen und Offenheit und Vertrauen schaffen. Und man muss klarmachen, warum was ein Betrug ist."