// RISK & FRAUD | AI-POWERED
AI Fraud Detection: Erkennen Sie das Unsichtbare.
Betrüger arbeiten heute mit KI. Wer sich mit statischen Regeln wehrt, hat schon verloren. Xanevo nutzt Anomalieerkennung, um Muster zu finden, die kein Mensch sieht, in Echtzeit, im Checkout, im Login, in der Rechnungsprüfung. Ergebnis: Chargebacks runter, False Positives niedrig, Conversion stabil.
DAS PROBLEM
Statische Regelwerke sind tot
Klassische Betrugsabwehr arbeitet mit Regeln: Wenn Warenkorb größer als 500 EUR, dann händisch prüfen. Wenn Lieferadresse nicht gleich Rechnungsadresse, dann sperren. Diese Logik produziert zwei Probleme gleichzeitig: zu viele False Positives (echte Kunden werden gestoppt, Umsatz verloren) und zu viele False Negatives (Betrüger lernen die Regeln und umgehen sie).
Im B2B-Bereich treffen gefälschte Rechnungen ins Postfach: PDF sieht echt aus, der Briefkopf stimmt, nur die IBAN wurde getauscht. CEO Fraud, Invoice Fraud, Lieferanten-Identitätsdiebstahl, Mittelständler verlieren regelmäßig sechsstellige Beträge, weil eine Rechnung manuell freigegeben wurde, die niemand kritisch geprüft hat.
Im E-Commerce übernehmen Hacker Bestandskunden-Konten via Credential Stuffing aus Datenleaks. Sie bestellen mit gespeicherten Zahlungsdaten an eine Drop-Adresse. Der Schaden taucht erst auf, wenn der echte Kunde die Abbuchung sieht und Chargeback auslöst. Bis dahin ist die Ware weg und der Händler trägt den Verlust.
Was unterscheidet KI-Fraud-Detection von Regelwerken?
KI-Fraud-Detection arbeitet mit Anomalieerkennung statt mit festen Schwellenwerten. Statt zu fragen "Überschreitet die Transaktion eine Regel?", fragt die KI: "Passt das Verhalten zum bisherigen Muster dieses Kunden, dieses Geräts, dieser Region?" Behavioral Biometrics, Device Fingerprinting und Pattern Recognition liefern in unter 200 Millisekunden einen Risk Score von 0 bis 100. Standard läuft durch, verdächtig wird flagged, Hochrisiko geblockt. Schutz, der den Umsatz nicht behindert.
Vier Layer gegen drei Betrugsmuster
/ UNSER ANSATZ
01
Schritt 01
Anomalieerkennung im Checkout
Beim Checkout prüft die KI in Echtzeit: Stimmen Lieferadresse, Bezahlmethode, Bestellzeitpunkt und Warenkorb mit dem typischen Muster des Kunden überein? Auch für Neukunden funktioniert das, weil globale Muster (etwa typische Drop-Adress-Cluster, ungewöhnliche Device-Konstellationen) als Vergleichsbasis dienen. Cold-Start-Problem gelöst.
02
Schritt 02
Account-Takeover-Schutz
Beim Login erkennt die KI Credential Stuffing: Login kommt aus Vietnam, Kunde wohnt in Berlin, Device ist neu, Tippmuster ist abweichend. Behavioral Biometrics analysiert sogar wie schnell und wo der Cursor bewegt wird. Bei verdächtigem Muster: Step-Up Auth, nicht direkter Block. Echte Kunden mit neuem Gerät kommen durch, Bots und Hacker nicht.
03
Schritt 03
B2B Invoice Shield
Eingehende PDF-Rechnung wird gegen Lieferanten-Stammdaten und historische Zahlungen verglichen. Wenn die IBAN von der hinterlegten abweicht, der Briefkopf manipuliert wirkt oder die Sprachstruktur ungewöhnlich ist, geht die Rechnung in die Prüfung statt direkt zur Freigabe. CEO Fraud und Invoice Fraud werden gestoppt, bevor das Geld den Konzern verlässt.
04
Schritt 04
Nahtlose API-Integration
Wir schalten uns via REST-API in den Checkout-Prozess oder das ERP-System ein. Response Time unter 200 Millisekunden, der Kunde merkt nichts. Risk Score 0 bis 100 kommt zurück, Sie entscheiden über Aktion: Standard durchlassen (0–40), Step-Up Auth (40–70), Prüfung durch Sachbearbeiter (70–85), Block (85–100). Schwellen stellen Sie selbst ein.
Schutz darf den Umsatz nicht behindern
Jede Fraud-Lösung ist ein Spagat zwischen Sicherheit und Conversion. Zu strenge Regeln stoppen Betrüger, aber auch echte Kunden, die nur ein neues Gerät haben oder im Urlaub bestellen. Zu laxe Regeln lassen Chargebacks und Invoice Fraud durch. Behavioral KI löst den Spagat: False-Positive-Rate niedrig, False-Negative-Rate niedrig, weil das Modell pro Kunde lernt und globale Muster mitnutzt. Das Mantra: Schutz, der den Umsatz nicht behindert.
< 200 ms
Response Time pro Risk-Score-Abfrage
Eine API-Antwort unter 200 Millisekunden bedeutet: der Kunde sieht keinen spürbaren Unterschied im Checkout. Klassische Prüfprozesse (manuelle Freigabe, externe Prüfdienste) kommen typischerweise auf 1 bis 5 Sekunden, lang genug, dass Conversion-Rates messbar einbrechen. Behavioral KI läuft synchron mit, der Checkout bleibt flüssig.
Statische Regel vs. KI-Anomalieerkennung
Aspekt
Statisches Regelwerk
Xanevo Anomalie-KI
False Positives
Hoch (5–15 %), echte Kunden gesperrt
Niedrig (unter 1–2 %)
Anpassung an Betrugs-Muster
Manuelle Regel-Updates, Wochen Verzögerung
Modell lernt kontinuierlich
Cold-Start-Neukunden
Pauschalregel, oft Block
Globale Muster als Vergleichsbasis
Latenz
Sekunden bei manueller Prüfung
Unter 200 Millisekunden synchron
Drei Fragen aus Discovery-Calls mit CFOs und E-Commerce-Leads
False-Positive-Rate ist extrem gering, deutlich niedriger als bei strengen Regeln. Statt harten Blocks setzen wir auf abgestufte Reaktionen: niedriges Risiko läuft durch, mittleres löst Step-Up Auth aus, nur hohes Risiko wird geblockt. Echte Kunden mit neuem Gerät oder im Urlaub kommen durch.
Ja. Für Neukunden ohne eigene Historie nutzen wir globale Muster: typische Drop-Adress-Cluster, Device-Konstellationen aus Bot-Netzen, Verhaltensmuster aus bekannten Betrugsfällen. Die KI gleicht den Neukunden gegen diese Referenz ab, nicht gegen eine persönliche Historie.
Für Payment Fraud: Transaktionsdaten (Warenkorb, Adressen, Bezahlmethode). Für ATO: Device Fingerprint, User Behavior, Login-Kontext. Für Invoice Fraud: Lieferanten-Stammdaten plus historische Zahlungen. Wir docken via REST-API an, on-premise oder DACH-Hosting, DSGVO-konform.
Verwandte Deep Dives
Cluster Advanced AI Services
Fraud Detection gehört zur Cluster-Familie Advanced AI Services. Hier finden Sie Dynamic Pricing, Predictive Analytics und Digital Product Passport im Kontext.
Branchenseite Finance
Invoice Fraud, automatisierte Belegerfassung und SAP-Anbindung im Finance-Kontext. Wenn Fraud Detection das Ein-Service-Thema ist, ist die Branchenseite die End-to-End-Sicht.
// FRAUD DETECTION
Jetzt absichern.
Voraussetzung: Bereitschaft, pseudonymisierte Transaktionsdaten als Training-Sample beizusteuern. In einem Discovery-Call klären wir den Datenbedarf und Ihre Erwartungshaltung.