Danske Bank: Machine-Learning-Engine steigert Betrugserkennung um 60 Prozent
Danske Bank kämpfte mit einer Betrugserkennungs-Engine, die bei fast jeder Transaktion Fehlalarme auslöste und Mitarbeiter band. Gemeinsam mit Teradata/Think Big Analytics baute die Bank eine Machine-Learning-Plattform, die Millionen Online-Banking-Transaktionen in unter 300 Millisekunden bewertet. Ergebnis: 50 Prozent weniger Fehlalarme, 60 Prozent höhere Erkennungsrate und ein erwarteter ROI von 100 Prozent im ersten Jahr.
Vertiefung
Ausgangslage war ein regelbasiertes Betrugserkennungssystem bei Danske Bank, dessen Fehlalarmquote bei rund 99,5 Prozent aller markierten Transaktionen lag und dadurch enorme manuelle Prüfkapazitäten band. Ab Herbst 2016 arbeitete die Bank mit Teradatas Analytics-Sparte Think Big Analytics zusammen, um eine KI-gestützte Echtzeit-Engine zu entwickeln, die Online-Banking-Transaktionen mittels maschinellem Lernen in unter 300 Millisekunden bewertet und zusätzlich eine Interpretationsschicht bietet, die Sperrentscheidungen nachvollziehbar erklärt. Voraussetzung waren umfangreiche historische Transaktions- und Betrugsdaten sowie eine enge Zusammenarbeit zwischen Fraud-Team und Data-Science-Spezialisten. Laut der auf der Teradata-PARTNERS-Konferenz 2017 veröffentlichten Pressemitteilung sank die Fehlalarmquote um 50 Prozent, die Erkennungsrate stieg um rund 60 Prozent, und ein positiver ROI von 100 Prozent wurde bereits für das erste Jahr erwartet; zudem wurde die Hälfte des Fraud-Teams für höherwertige Aufgaben freigesetzt. Das Vorgehen ist als Blaupause für andere europäische Banken mit vergleichbaren Echtzeit-Zahlungsvolumina übertragbar.