E-CommerceHandel

Betrug im Online-Handel: Welche Muster Händler identifizieren sollten

Mehr als 90 Prozent der Online-Händler im DACH-Raum hatten im Jahr 2021 mit Betrug oder Täuschungsversuchen zu kämpfen – diese Zahl geht aus der aktuellen Studie „Betrug im E-Commerce“ von dem FinTech-Unternehmen CRIFBÜRGEL hervor und definiert einen neuen Rekordwert.

65 Prozent der befragten E-Commerce Unternehmen in Deutschland führen an, dass die Anzahl der Täuschungsversuche in den vergangenen 12 Monaten stark gestiegen ist. Mehr als 60 Prozent sehen diesen Anstieg speziell in der Corona-Pandemie begründet, da sich infolge des damit einhergehenden Siegeszugs des E-Commerce zahlreiche Einfallstore für Internet-Betrüger öffnen. Gerade neue, unerfahrene Online-Händler laufen gegebenenfalls Gefahr, die ein oder andere Masche der Betrüger nicht direkt zu durchschauen.

Ähnliche Artikel

Die beliebteste Form des Betrugs im Online-Handel ist zur Zeit der Identitätsmissbrauch. Dieser ist für Händler häufig schwer zu durchschauen und bringt hohe finanzielle Einbußen mit sich. So haben laut der Befragung 76 Prozent der Online-Händler im DACH-Raum Erfahrungen mit Bestellungen mit verfälschten Namens- oder Adressdaten gemacht. Drei Viertel der Studienteilnehmer waren darüber hinaus davon betroffen, dass sich Kunden als ganz andere Personen ausgegeben haben. Ein weiteres großes Thema sind Zahlungsausfälle im Checkout. So führen die Zahlungsunfähigkeit oder -unwilligkeit von Kunden – wenn sie Ware also mit dem Wissen bestellen, die Rechnung nicht ausgleichen zu können oder wollen – zu unbezahlten Belieferungen und Händler bleiben auf hohen Kosten sitzen. Mit diesem Problem hatten 71 Prozent der befragten Online-Händler im vergangenen Jahr zu kämpfen.

Zahlungsausfälle im Checkout führen zu hohen Kosten

Eine Zahlungsunfähigkeit bei einer Bestellung auf Rechnung lässt sich im Rahmen einer Bonitätsprüfung schnell und einfach identifizieren. Schwieriger ist es für den Händler, wenn ein Kunde bewusst falsche Daten angibt und so die positive Bonität einer anderen, realen Person annimmt. Transaktionsausfälle durch Zahlungsunwilligkeit sind hingegen manuell kaum aufdeckbar. Beliebte Betrugsmuster sind die Angabe von Fake-Identitäten, eine leicht veränderte falsche Adresseingabe, Bonitätsbetrug, Kreditkartenbetrug oder Identitätsdiebstahl von anderen realen Personen. Diese Gefahren können insbesondere „data-driven“ reduziert werden, indem Daten erfasst, analysiert und abgeglichen werden, noch während sie fließen. So identifiziert ein entsprechendes System die Betrugsmuster meist anhand bestimmter Filter. Um Betrugsversuche zu erkennen und Schaden abzuwehren, müssen Datenströme in Echtzeit fließen und erfasst werden können. Voraussetzung dafür ist, dass alle integrierten Systeme reibungslos miteinander kommunizieren. Auffällige Bestellungen kann der Händler anschließend genauer prüfen.

Komplexer wird es, wenn Betrüger mehrere Muster kombinieren und miteinander verketten. So nutzen sie beispielsweise die Identität sowie die positive Bonität einer anderen Person. Zusätzlich verändern sie bei vermehrten Bestellungen Details in den persönlichen Daten, damit das System nicht aufgrund erkannter Identifikationsmerkmale anschlägt. Erkennt der Händler diese Masche nicht, wird die Bestellhistorie des Betrügers so bei jeder neuen Bestellung zurück auf null gesetzt. Ob es sich bei den Betrügern um organisierte kriminelle Banden oder Einzelpersonen handelt, ist meist nicht eindeutig festzustellen. Anhand bestimmter Muster können Händler jedoch darauf schließen, dass tatsächlich auch häufig einzelne unabhängige Kunden versuchen, sich Ware zu erschleichen.

Aktuelle Kundendaten beugen Betrug vor

Oft, aber nicht immer, lassen sich Versuche im Vorfeld erkennen und verhindern – entweder durch gezielte Maßnahmen zur Betrugserkennung, den Einsatz von Betrugsvermeidungs-Tools oder bei kleinen Händlern bereits durch die manuelle Prüfung verdächtiger Bestellungen. Einen Masterplan für die Betrugsprävention und Identifizierung aller möglichen Maschen gibt es zwar nicht, aber um diese schneller und effizienter durchschauen sowie angemessen auf sie reagieren zu können, sollten Händler vermehrt in Wissenstransfer investieren und sich intensiv mit bekannten Betrugsmustern beschäftigen. Ein Stufenplan kann neuen Online-Händlern dabei helfen. Im ersten und wichtigsten Schritt gilt es zunächst, die einzelnen Touchpoints zu überprüfen sowie ein Verständnis für die unterschiedlichen Daten und Datenflüsse zu entwickeln.

Besteht innerhalb des Unternehmens nicht genügend Know-how, ist es sinnvoll, die Analyse an einen externen Dienstleister auszulagern. Der Händler kann sich so weiterhin auf sein Kerngeschäft konzentrieren, während Spezialisten eine umfangreiche Datenanalyse vornehmen. Dienstleister im Risikomanagement führen beispielsweise ein ganzheitliches Profiling auf Basis der zur Verfügung stehenden Informationen durch. Geht aus der Analyse hervor, dass gewisse Touchpoints Betrüger vermehrt anziehen, sollte über eine Veränderung des Geschäftsmodells nachgedacht werden. Bei Identifikation einzelner Schwachstellen können unterschiedliche Optionen, beispielsweise im Payment, abgesichert werden. Aber auch, wenn Sicherheitsplattformen für die Betrugsprävention zum Einsatz kommen, muss ein Verständnis für Prozesse und Daten innerhalb des Unternehmens bestehen. Erst dann sind Strategien sowie Veränderungen optimal und erfolgversprechend umsetzbar.

Ähnliche Artikel

Schaltfläche "Zurück zum Anfang"