Intelligenter Datencheck und schnellerer Betrugsschutz

×

In-Memory-Systeme ermöglichen Geldinstituten schnelle Datenanalysen und unterstützen sie bei präventivem Betrugsschutz im Rahmen ihres Risikomanagements. Der Themenschwerpunkt führt verschiedene Aspekte rund um die Technologie zusammen.

Kreditinstitute stehen vor der Herausforderung, eine grundlegend neue Sicherheitsarchitektur zu schaffen. Diese muss unter anderem einen besser vernetzten Betrugsschutz gewährleisten, beispielsweise gegen Hacker-Attacken aus dem Netz auf Kundenkonten der Geldhäuser. Möglichst präzise Analysemöglichkeiten, eine laufende Geldwäscheprävention und Sanktionsüberwachung sowie die Vorgaben aus den Mindestanforderungen an das Risikomanagement (MaRisk) für Banken prägen dabei das Risikomanagement von Banken und Sparkassen in der Bank-IT. Schlüsseltechnologien wie In-Memory unterstützen mit Analysemöglichkeiten bei präventiven Maßnahmen vor betrügerischen Angriffen, beispielsweise durch Phishing- oder Trojaner-Angriffe im Online- und Mobile Banking. Mit Blick auf die Kunden der Geldinstitute stehen sensible Kunden-, Transaktions-, Produkt- und Authentifizierungsdaten immer im Mittelpunkt. Datenbanken von Kreditinstituten, die auf der In-Memory-Technologie basieren, ermöglichen beispielsweise den Abgleich von Massendaten nach bestimmten Mustern nahezu in Echtzeit. In der Folge können verdächtige Transaktionen schneller aufgedeckt und Folgeprozesse bei Sicherheitsmaßnahmen angestoßen werden.

Daten in Echtzeit abgleichen

Die betroffenen Prozesse haben gemeinsam, dass eine große Menge an Daten in Echtzeit verarbeitet und ausgewertet werden muss. In-Memory-Systeme können aus Sicht von Werner Sinzig und Kailash R. Sharma von SAP insbesondere in den Bereichen Berichtswesen, operative Planung, Entscheidungsunterstützung sowie Simulation eine gute Lösung sein. Die Autoren führen dies in der Zeitschrift Wirtschaftsinformatik & Management im Beitrag "In-Memory-Technologie: Verbesserungen bei Planung, Simulation und Entscheidungsunterstützung" (Ausgabe 2/2011, Seite 18-23) aus. Ein weiterer Vorteil ist aus Sicht der Experten, dass umfangreichere abteilungsübergreifende Planungsmodelle formuliert und diese in Echtzeit berechnet werden können. Die heutigen Teilmodelle von Controlling, Marketing und Vertrieb können laut Sinzig/Sharma erweitert werden und dann "die operative, die finanzielle und die strategische Planung" umfassen. In-Memory-Systeme wie beispielsweise SAP Hana sind dazu als unternehmensstrategisches System konzipiert.

Informationsvolumen wächst

Informationsmengen wachsen täglich: dank Daten über Kunden, Lieferanten und Operationen sowie stärker IT-gestützter Geschäfts- , Beratungs- und Unternehmensprozesse. Informationen fließen dabei aus verschiedenen Datenquellen an die Geldhäuser. Dies sind laut Michael Nieendick, Jochen Jansen und Torsten Kalinowski, Autoren im Springer-Buch "Digitalisierung und Innovation"

• Informationen aus den unternehmenseigenen Systemen,
• Daten aus finanziellen Transaktionen,
• Informationen aufgrund steigender Interaktionen mit Kunden,
• Daten durch die zunehmende Relevanz von Social Media sowie
• Informationen, die aus einer immer größeren Anzahl an mobilen Endgeräten von deren Nutzern entstehen.

Finanzhäuser müssen diese Datenmengen mit einem effizienten Big-Data-Management auf dem Fundament von In-Memory-Technologie steuern und die Informationen im Rahmen des analytischen Kundenmanagements nutzen. Der IT-Experte, Unternehmensberater und Springer-Buchautor Joachim Dorschel weiß aus Erfahrung, dass im Retailbanking Big Data "in der Regel als Ausweitung bereits vorhandener Verfahren des Customer Relationship Managements (CRM) diskutiert" wird. Die Institute konzentrierten sich dabei zunehmend auf Online- und Mobile-Transaktionen, weil immer mehr Kunden von den Filialen in diese neuen Kanäle drängen. Big Data könne dabei helfen, den Kunden besser kennenzulernen. Notwendig ist aus seiner Sicht jedoch eine institutsindividuelle Strategie, die sich nach den vertrieblichen Besonderheiten richtet.