«Der Lockdown war Wasser auf den Mühlen von Online-Betrügern»

Jonathan Döhring ist Data Scientist bei PayPal in London. Hier sorgen er und sein «Simility Fraud Protection Team» dafür, dass Händler vor betrügerischen Machenschaften geschützt werden. Im Interview erklärt er, wie sich Big Data und Machine Learning zur Betrugserkennung im Handel anwenden lassen.

Jonathan Döhring, Data Scientist und Lead des «Simility Fraud Protection Teams» von PayPal in London

Quelle: PayPal

Jonathan Döhring: Ein typischer Tag bei uns im Team beginnt wie vermutlich sehr viele Tage in sehr vielen Büros normalerweise mit einer grossen Tasse Kaffee oder Tee. In normalen Zeiten treffen wir uns morgens in unserem PayPal-Office im Herzen von London, besprechen das aktuelle Tagesgeschehen und bringen uns gegenseitig auf den neuesten Stand. Seit wir bedingt durch Corona im Home Office arbeiten, geht das leider nur noch online.

Mein Team gehört zu Simility, einer Plattform für Betrugsprävention, die PayPal vor rund zwei Jahren übernommen hat. Wir sind Teil des «Machine Learning and Device Intelligence Technology»-Bereichs innerhalb der PayPal-Familie. Unsere Hauptaufgabe besteht in der Betrugserkennung für unsere internen und externen Kunden. Dazu gehört, dass wir neue Ansätzen und Strategien zur Betrugsbekämpfung erarbeiten sowie neue Tools und Machine-Learning-Modelle entwickeln und programmieren.

Insgesamt besteht das Simility-Team in Europa aus neun Kollegen in London und zwei weiteren in Amsterdam. Wir sind ein sehr internationales und fachlich breit aufgestelltes Team. Da wir alle auf internationalen Projekten arbeiten, stehen wir zudem in regem Austausch mit anderen Kollegen von PayPal, insbesondere aus Indien, den USA und Brasilien.

Döhring: Die meisten betrügerischen Handlungen im Online-Zahlungsverkehr unterscheiden sich zum Glück recht deutlich von den Aktivitäten ehrlicher Nutzer. Daher lassen sich Big Data und Machine Learning sehr gut zur Betrugserkennung anwenden. Nutzer ohne betrügerische Hintergedanken zeigen normalerweise ein recht konsistentes und vorhersagbares Verhalten, beispielsweise bei ihrer Kreditkartennutzung. Entsprechend lässt sich meistens gut erkennen, wenn jemand anderes die Kreditkarte nutzt oder es sich um eine unautorisierte Zahlung handelt. Automatisierte, datenbasierte Verfahren wie Algorithmen helfen uns hier dabei, Datenpunkte zu verknüpfen und den Entscheidungsfindungsprozess zu skalieren.

PayPal nutzt übrigens schon seit vielen Jahren solche Machine-Learning-Modelle zur Bekämpfung von Betrug. International hat PayPal über 20 Jahre Erfahrung im E-Commerce und ein grosses internationales und zweiseitiges Netzwerk von mittlerweile über 300 Millionen Kunden - Händler und Verbraucher. Dieses Netzwerk generiert eine riesige Menge anonymisierter Daten. Diese Fülle an Datenpunkten hilft den Algorithmen dabei, betrügerische Aktivitäten schnell und effektiv zu erkennen, zu markieren und zu stoppen, bevor ein Schaden für den Nutzer entsteht. Täglich wickelt PayPal weltweit rund 27 Millionen Transaktionen ab. Diese Daten werden anonymisiert und bilden exakt die breite Grundlage, die es uns erlaubt, Betrugsversuche zu identifizieren und zu verhindern.