Forschungsprojekt KOEX

Fraud und Risk Management. Erkennen und vermeiden.

automatisiert - anonymisiert - cloudbasiert

Projektziele

Projekt-informationen.

KOEX steht für Kollaboratives Machine Learning zur Erkennung von Fraud und Risiken in ERP-Systemen. Das Projekt wird gefördert durch das Programm KMU-innovativ des Bundesministerium für Bildung und Forschung (BMBF). Förderkennzeichen: 16KIS1580K

Die Projektlaufzeit startete im Januar 2022 und endet im Juni 2024. Das Projektteam besteht aus vier Mitgliedern: Dem Verbundkoordinator SIVIS GmbH und den Partnern prenode GmbH, Hochschule Karlsruhe und der Stiftung Universität Hildesheim.

Projektziele.

Ziel 1

Erforschung und Entwicklung einer On-Premises Solution zum lokalen Lernen von Fraud-Fällen und Risiken.

Ziel 2

Entwicklung einer Cloud-Solution zum Lernen über Unternehmensgrenzen hinweg.

Ziel 3

Transparenz und Entscheidungsunterstützung.  

Vorgehen.

ERP-Systeme dokumentieren anhand großer Datenmengen viele von den Mitarbeitenden durchgeführte Aktivitäten. Eine automatische Analyse dieser Daten mithilfe von Methoden des maschinellen Lernens soll Missbrauchsfälle erkennen und dahinterliegende Muster identifizieren. Die erkannten Fraud-Fälle werden anonymisiert und unternehmensübergreifend zusammengeführt, um auf der Basis dieser größeren Datenmenge effektive Methoden zur Missbrauchsbekämpfung zu entwickeln.

Es soll zum einen eine Vor-Ort-Lösung zum Lernen eines lokalen Modells von Fraud-Fällen und zum anderen eine Cloud-Lösung über Unternehmensgrenzen hinweg etabliert werden, um Kriterien für die Erkennung und Prävention zukünftiger, bisher unbekannter Angriffe zu erarbeiten. Die identifizierten Anomalien und daraus abgeleiteten potenziellen Fraud-Fälle und Risiken werden den Anwendern auf einem Dashboard als Regeln dargestellt, um entsprechende präventive Schutzmaßnahmen wie z.B. die Änderung von Nutzungsberechtigungen ableiten zu können.

Projektpartner.