Graphdatenbanken unterstützen den Kampf gegen

Graphdatenbanken unterstützen den Kampf gegen
Wirtschaftskriminalität
Unternehmen im Finanzbereich verwenden immer häufiger die
Graphdatenbank Neo4j, um in Echtzeit komplexe Betrugsfälle aufzudecken
München, 5. Mai 2015 – Die führende Graphdatenbank Neo4j von Neo
Technology bietet Finanzdienstleistern ein wirkungsvolles Mittel, um
zahlreiche Finanzbetrügereien rechtzeitig zu entdecken und zu unterbinden.
Aufgrund ihrer speziellen Funktionalität zur Datenanalyse können
Graphdatenbanken viele Betrugsmodelle – von Betrugsringen bis hin zu
versierten Einzeltätern – in Echtzeit aufspüren.
Die herkömmlichen Methoden zur Betrugserkennung basieren auf Sonderfällen und
statistischen Ausreißern sowie der Nachverfolgung von ungewöhnlichem Verhalten.
Jedoch stehen Unternehmen vor der Herausforderung, Betrügereien in Echtzeit zu
identifizieren und zu unterbinden. Dafür müssen sie wesentlich subtilere Hinweise
durch die Auswertung von verbundenen Daten bzw. Entitäten erhalten. Durch die
Abfragen und Analysen von komplexen, verbundenen Netzwerke bieten sich
Graphdatenbanken als wirkungsvolles Werkzeug an, um Betrugsringe unkompliziert
aufzudecken.
„Graphdatenbanken unterstützen die Betrugsbekämpfung auf besondere Weise, da
sie eine Gruppe von Personen sowie deren Aktivitäten in Verbindung setzen und so
Betrugsfälle bereits bei deren Ausführung erkennen können. Vormals unbemerkte
Absprachen werden offensichtlich, wenn man sie mit einem System betrachtet, das
auf vernetzte Daten ausgelegt ist“, sagt Emil Eifrem, Gründer und CEO von Neo
Technology. „Mit anderen Worten: Neo4j stoppt die Verbrecher bereits am Eingang.
Das System ist nicht nur eine fortschrittliche Methode zur Betrugsbekämpfung,
sondern verleiht Unternehmen ebenso zusätzliche Agilität.“
Betrugsarten
Zu den momentan häufigsten Betrugsarten zählen „First-Party Fraud“ bei Banken,
Versicherungsbetrug und E-Commerce-Betrug. Während diese drei unterschiedliche
Vorgehensweisen darstellen, teilen sie sich eine entscheidende Gemeinsamkeit: alle
basieren auf Täuschungen mit mehreren Verschleierungen, die durch eine Analyse
von vernetzten Daten aufgedeckt werden können.

Der „First-Party Fraud“ beschreibt Betrüger, die Kreditkarten, Darlehen,
Überziehungskredite oder nicht gesicherte Kreditlinien beantragen und die
Schulden nicht zurückzahlen. Dieses Vorgehen hat bereits immense
Ausmaße angenommen und kostet US-Finanzinstitute über 10 Milliarden USDollar pro Jahr. (1) Herkömmliche Methoden zur Betrugsbekämpfung haben
ihre Probleme damit, Betrugsringe zu entlarven und sie zu stoppen, bevor sie
Schaden anrichten können, da sie für die Analyse hier ungeeigneter
Parameter entwickelt wurden. Die Standardinstrumente – wie das Abweichen
vom normalen Einkaufsverhalten – verwenden isolierte Datensätze anstatt
die indirekten Verbindungen zwischen ihnen, die auf Betrug hinweisen
könnten, zu analysieren. Diskrete Methoden eignen sich für die Identifikation
von allein handelnden Individuen, aber haben bei der Aufdeckung von
geheimen Absprachen ihre Schwächen. Darüber hinaus tendieren diese
Ansätze dazu falschen Alarm auszulösen – mit unerwünschten
Nebenwirkungen auf Kundenzufriedenheit und Umsatzzahlen.

Versicherungsbetrug: Der GDV beziffert den Schaden durch Betrug für die
deutschen Versicherer auf vier Milliarden Euro jährlich – Tendenz steigend.
Wie bei der Erkennung von Kreditbetrug, entwickelte sich ein Stufenansatz
als Best Practice für die Aufdeckung von Versicherungsbetrug. Bestehende
Analysetechniken reichen oft gerade aus, um gewisse Betrugsszenarien
abzudecken. Raffinierte Verbrecher können diese aber durch Kooperation
umgehen. Betrügergruppen sind sehr geschickt darin, ihre Absprachen zu
verbergen, und erfinden komplexe Scheinunfälle, die keinerlei Verdacht
aufwerfen. Der nächste Schritt in der Bekämpfung von Versicherungsbetrug
ist daher der Einsatz von sozialer Netzwerkanalyse. Diese Analysen
ermöglichen es, Verbindungen zwischen Personen zu erkennen, die
normalerweise als vollkommene Fremde erscheinen würden.

E-Commerce-Betrug: Heutzutage gehören Online-Finanztransaktionen zum
Alltag. Ebenso alltäglich sind Betrüger, die die Online-Zahlungssysteme
austricksen. In Deutschland sollen im Jahr 2014 schätzungsweise 2,4
Milliarden Euro Schaden entstanden sein. Normalerweise ist hierbei eine
größere Gruppe involviert, aber auch versierte Einzelpersonen können eine
große Anzahl von Scheinidentitäten entwerfen und diese für größere
Betrügereien verwenden. Auch hier bieten Graphdatenbanken mit
Mustererkennung in Echtzeit Vorteile. Durch die Definition von Überprüfungen
und die Verknüpfung mit Event-Triggern lassen sich Betrügereien aufdecken,
bevor überhaupt größerer Schaden entstanden ist.
Gamesys unterbindet mit Neo4j Gaunereien
Gamesys, der größte Social-Gaming-Anbieter in Europa, entwickelte die weltweit
erste Cash-Gaming-App für Facebook. Mit der Graphdatenbank Neo4j konnte das
Unternehmen problemlos die notwendigen sozialen Funktionen zusammenstellen,
weil die vorliegenden Daten bereits in Verbindungen organisiert vorlagen. 18 Monate
später spielt die Technologie eine noch wichtigere Rolle bei der Betrugsbekämpfung,
da sie den Missbrauch von Empfehlungen aufdecken und einschränken kann.
Gamesys verwaltet im Jahr fünf Milliarden Finanztransaktionen sowie 250.000
eindeutige Spieler pro Monat. „Wir entschieden uns für Neo4j, um damit ein soziales
Netzwerk zu modellieren. Aber im Laufe der Zeit erkannten wir, dass wir damit auch
verdächtiges Verhalten hinsichtlich unserer „Einem Freund empfehlen“-Funktion
identifizieren können“, sagt Toby O'Rourke, Head of Client Platform bei Gamesys.
1) Experian via http://www.experian.com/assets/decision-analytics/whitepapers/first-partyfraud-wp.pdf
Weiterführende Informationen:
●
●
●
●
●
●
●
Neo4j-Webseite
10 Gründe für Neo4j
Whitepaper “Fraud Detection: Discovering Connections with Graph Databases"
Twitter
GraphAcademy
GraphConnect
Einführungsbuch "Graph Databases"
Über Neo Technology
Neo Technology entwickelt die weltweit führende Graphdatenbank Neo4j, mit der sich Nutzen
aus Datenverbindungen ziehen lässt. Dazu zählen unter anderem Anwendungen wie das
Angebot von personalisierten Empfehlungen für Produkte und Services, zusätzliche SocialFunktionalität für Webseiten, Analyse von Telekommunikationsnetzwerken oder die
Neuorganisation von Master Data, Identity und Access Management. Unternehmen nutzen
Graphdatenbanken, um Datenvernetzungen und -zusammenhänge schnell abbilden,
abspeichern und abfragen zu können. Das Team von Neo Technology hat eine Pionierrolle
bei der Entwicklung von modernen Graphdatenbanken inne und hat bereits Unternehmen
weltweit mit der Leistungsstärke der Graphen-Technologie bereichert. Großunternehmen wie
Walmart, eBay, UBS, Nomura, The InterContinental Exchange, Cisco, CenturyLink, HP,
Telenor, TomTom, Lufthansa und The National Geographic Society ebenso wie Startups wie
CrunchBase, Medium, Polyvore, Zephyr Health und Elementum verwenden Neo4j, um
erfolgsentscheidenden Nutzen aus Datenverbindungen zu ziehen.
Neo Technology ist ein privat geführtes Unternehmen, das von Fidelity Growth Partners
Europe, Sunstone Capital, Conor Venture Partners, Creandum und Dawn Capital finanziert
wird. Neo Technology hat seinen Firmensitz in San Mateo, Kalifornien, und führt darüber
hinaus Standorte in Deutschland, Frankreich, UK, Schweden und Malaysia. Weitere
Informationen unter www.neo4j.com
Pressekontakt:
Neo Technology
Claudia Remlinger
[email protected]
Lucy Turpin Communications
Birgit Fuchs-Laine / Philipp Mikschl
+49 89 417761-13 / -16
[email protected]

Download Report