Nvidia fordert Finanzinstitute auf, ihren Ansatz zur Betrugserkennung grundlegend zu überdenken und von der Überprüfung einzelner verdächtiger Transaktionen zur aktiven Jagd auf hochentwickelte Betrugsringe überzugehen. Jahrzehntelang verließen sich Banken auf Systeme, die darauf ausgelegt waren, Gebühren einzeln zu bewerten – eine Methodik, die organisierte kriminelle Netzwerke geschickt ausgenutzt haben. Diese Ringe verteilen illegale Aktivitäten auf Tausende von Zahlungen, indem sie gestohlene Karten, Strohmannkonten, gemeinsam genutzte Geräte und synthetische Identitäten verwenden, um sicherzustellen, dass keine einzelne Transaktion einen Alarm auslöst.
Der finanzielle Schaden dieser Schwachstelle ist immens. Der Nilson Report prognostiziert, dass die weltweiten Verluste durch Kartenbetrug in den nächsten zehn Jahren alarmierende 403 Milliarden US-Dollar erreichen werden. Insbesondere wird erwartet, dass die USA etwa 42 % dieser Verluste ausmachen, obwohl sie laut einer Pressemitteilung nur 26 % des gesamten weltweiten Kartenvolumens repräsentieren. Diese unverhältnismäßige Auswirkung unterstreicht die dringende Notwendigkeit eines robusteren Abwehrmechanismus gegen immer raffiniertere kriminelle Unternehmen.
Die sich entwickelnde Bedrohung durch organisierten Betrug
Betrugsringe haben ihr Geschäftsmodell um den inhärenten blinden Fleck traditioneller Bankbetrugssysteme herum aufgebaut. Durch die Verteilung ihrer illegalen Operationen stellen sie sicher, dass jede einzelne Transaktion routinemäßig erscheint, was die Erkennung für Systeme, die sich ausschließlich auf isolierte Ereignisse konzentrieren, nahezu unmöglich macht. PYMNTS Intelligence hebt die wachsende Dominanz dieser organisierten Bemühungen hervor und stellte fest, dass Betrug durch unbefugte Parteien – angetrieben durch den Diebstahl von Zugangsdaten und Kontoübernahmen – nun 71 % aller Betrugsfälle und Dollarverluste bei US-Finanzinstituten ausmacht. Dies stellt einen deutlichen Anstieg gegenüber 48 % im Jahr 2024 dar und signalisiert eine rasche Eskalation des Problems.
Die Geschwindigkeit, mit der diese Ringe operieren, ist ein entscheidender Faktor. Sie agieren schnell, da sie wissen, dass das Zeitfenster für die Erkennung, bevor eine Transaktion abgeschlossen wird, eng ist. Insbesondere kartenlose Transaktionen stellen laut The Nilson Report die höchste Risikokategorie in jeder Weltregion dar. Dies liegt genau daran, dass sie mit gestohlenen Zugangsdaten am einfachsten in großem Maßstab ausgeführt werden können, was die Herausforderung für Banken weiter verschärft.
Grenzen der transaktionsbasierten Bewertung
Die meisten Bankbetrugssysteme verwenden heute Techniken wie das Gradient-Boosting-Modell. Diese Scoring-Engines analysieren die Merkmale einer Transaktion – wie einen ungewöhnlichen Standort, einen für den Kunden außerhalb des Bereichs liegenden Betrag oder schnelle aufeinanderfolgende Nutzungen in verschiedenen Städten –, um festzustellen, ob sie früheren betrügerischen Aktivitäten ähnelt. Obwohl diese Signale wirksam sind, um einzelne Täter zu fangen, erweisen sie sich gegen einen koordinierten Ring als weitaus weniger nützlich. Ein Netzwerk, das 500 gestohlene Kartennummern verwendet, kann die Aktivitäten jeder Karte sorgfältig innerhalb normal erscheinender Bereiche halten, sodass einzelne Transaktionen nahtlos in legitime Zahlungsströme übergehen.
Nvidias Paradigmenwechsel: Graphische Neuronale Netze
Nvidias KI-Blaupause für die Erkennung von Finanzbetrug führt einen grundlegend anderen Ansatz ein. Anstatt lediglich zu fragen, ob eine einzelne Transaktion verdächtig erscheint, untersucht das System, ob die an einer Transaktion beteiligten Personen, Geräte und Konten mit verdächtigen Aktivitäten an anderer Stelle verbunden sind. Zum Beispiel erhält ein 47-Dollar-Einkauf an einer Tankstelle, der an sich normal erscheint, einen anderen Kontext, wenn das zur Genehmigung verwendete Telefon innerhalb derselben Woche auch in 60 anderen umstrittenen Gebühren in drei Bundesstaaten auftaucht oder wenn die Karte mit einer Adresse eröffnet wurde, die mit einem bekannten Strohmannkonto verbunden ist. Diese vernetzte Analyse zielt direkt auf den blinden Fleck ab, den Betrugsringe ausnutzen.
Der Kern von Nvidias Blaupause liegt in graphischen neuronalen Netzen. Diese Technik erstellt ein umfassendes Bild davon, wie Transaktionen, Konten und Geräte miteinander verbunden sind. Durch die Abbildung dieser Beziehungen identifiziert das System Cluster, die verdächtige Verbindungen aufweisen. Diese Beziehungssignale werden dann als zusätzlicher Kontext in bestehende Scoring-Modelle eingespeist. Folglich kann eine Transaktion, die an sich niedrig bewertet würde, immer noch markiert werden, wenn sie in einem verbundenen Cluster von Hochrisikoaktivitäten eingebettet ist, was einen ganzheitlicheren und effektiveren Erkennungsmechanismus bietet.
Das Gebot der Echtzeit-Intervention
Die Wirksamkeit der beziehungsbasierten Analyse hängt von der Geschwindigkeit ab. Die Abbildung von Verbindungen über Millionen von Konten und Transaktionen erfordert erhebliche Rechenleistung. Entscheidend ist, dass diese Analyse schnell genug erfolgen muss, um eine Zahlung zu stoppen, bevor sie abgeschlossen wird, typischerweise innerhalb weniger hundert Millisekunden – eine Geschwindigkeit, die eine Infrastruktur erfordert, die die meisten Banken noch nicht entwickelt haben. Brian Boates, Chief Risk Officer bei Block, hat sich vehement für diesen Wandel eingesetzt und drängt Banken dazu, von der nachträglichen Betrugsüberprüfung zur sofortigen Betrugsbekämpfung überzugehen. „Es ist eine Sache, die Täter nachträglich zu finden“, so Boates, „aber viel effektiver ist es, in mehr Echtzeit-Technologie zu investieren.“
Finanzinstitute erkennen diese Notwendigkeit zunehmend an. PYMNTS Intelligence stellte fest, dass 68 % der Finanzinstitute ihre Ausgaben für Betrugserkennung im Jahresvergleich erhöht haben, ein klares Indiz dafür, dass das Problem die Fähigkeiten älterer Systeme übertrifft. Der Nilson Report stellte fest, dass die weltweiten Verluste durch Kartenbetrug im Jahr 2024 insgesamt 33,41 Milliarden US-Dollar betrugen, und obwohl KI-Tools der Branche geholfen haben, ihre besten Betrugsbekämpfungsmodelle zu entwickeln, passt sich die organisierte Kriminalität weiterhin an, was kontinuierliche Innovationen erforderlich macht.
Technologisches Rückgrat für Geschwindigkeit und Einblick
Nvidia begegnet der kritischen Geschwindigkeitsherausforderung mit seinem Dynamo-Triton-Inferenzserver, der diese komplexen Beziehungsprüfungen in Zahlungsgeschwindigkeit ermöglicht. Das System erstellt nicht nur eine Betrugsbewertung für jede Transaktion, sondern liefert auch eine klare Erklärung der Signale, die dazu geführt haben. Das bedeutet, dass ein Betrugsermittler genau verstehen kann, warum eine Transaktion markiert wurde – zum Beispiel, weil das Gerät mit drei anderen in einem aktiven Streitcluster übereinstimmte oder weil die Rechnungsadresse in der vergangenen Woche zum Eröffnen von vier Konten verwendet worden war. Dieses Maß an detaillierten Einblicken ermöglicht es Ermittlern, schnell fundierte Entscheidungen zu treffen.
Nvidias Blaupause ist auf Skalierbarkeit und Integration ausgelegt und läuft auf Amazon Web Services und Hewlett Packard Enterprise, wobei die Unterstützung von Dell Technologies geplant ist. Diese Infrastrukturflexibilität zielt darauf ab, fortschrittliche, beziehungsbasierte Betrugserkennung einer breiteren Palette von Finanzinstituten zugänglich zu machen und ihnen zu ermöglichen, über die reaktive Gebührenanalyse hinaus zur proaktiven, datengesteuerten Zerschlagung von Betrugsringen überzugehen.
