Blog

Risk Ident beim MRC in Sevilla

Risk Ident beim MRC in Sevilla

Beim Merchant Risk Council kommen mehrmals im Jahr Firmen in wechselnden Städten zusammen, um sich über Bezahlmethoden und Betrug im E-Commerce auszutauschen. Das Team von Risk Ident war beim MRC in Sevilla nicht nur mit einem Stand vertreten, sondern steuerte auch einen Vortrag zum Thema Machine Learning bei.

Für Unternehmen aus den Bereichen Betrugsbekämpfung und Bezahldienstleistungen war der MRC in Sevilla vom 18. Bis 20. Mai ein wichtiges Event. Über 450 Teilnehmer nutzten die Chance, ihr Netzwerk zu erweitern, Vorträge zu hören und an Podiumsdiskussionen teilzunehmen. Am Stand von Risk Ident hatten Unternehmen die Möglichkeit, sich über Produkte und neueste Strategien zur Betrugsprävention zu informieren.

Dr. Mario Elstner, Tech Lead Data Science bei Risk Ident, war außerdem vom Veranstalter im Vorfeld für einen Vortrag ausgewählt worden. Unter dem Titel „Demystifying machine learning“ gab er Einblicke in die Art und Weise, wie Risk Ident Machine Learning zur Betrugsprävention einsetzt. Die Botschaft: Natürlich ist Machine Learning ein sehr gutes Werkzeug, mit dem die eigene Betrugserkennung deutlich gesteigert werden kann.

Auf der anderen Seite muss man aber auch sagen, dass Machine Learning keine Wunderwaffe gegen Betrug ist, wie man aufgrund der Darstellungen in den letzten Jahren vielleicht denken könnte.

Bei Risk Ident wissen wir genau: Um richtig gute Ergebnisse zu erzielen, reicht es nicht, Daten in einen großen Supercomputer zu füllen und auf „Start“ zu drücken. Ohne Experten, die aufgrund jahrelanger Erfahrung wissen, wie Betrüger vorgehen und wie man am besten Betrugsmuster erkennt, geht es nicht. So ist es zum Beispiel entscheidend, dass auf die Qualität der Daten geachtet wird.

Noch wichtiger ist die richtige Aufbereitung. Beim sogenannten „feature engineering“ werden aus den rohen Daten „features“ generiert, mit denen dann die Algorithmen arbeiten. Und so ist es einfach nachzuvollziehen, dass das Ergebnis ganz stark davon beeinflusst wird, wie zu Beginn des Prozesses „features“ angelegt wurden.

Daten verfeinern und die richtigen Schwerpunkte setzen, das ist eine Sache für den Experten, der je nach Unternehmen und je nach konkretem Anwendungsgebiet den richtigen Ansatz wählen kann. Machine Learning als vollautomatisch Lösung „out of the box“: Das klingt verlockend – ist aber tatsächlich ein Mythos.