KINOTE 01.2022

14 01 | 2022 Stark

14 01 | 2022 Stark vereinfachter Prozess Da es sich bereits um einen stark vereinfachten Prozess handelt, wird nun der ungefilterte Prozess (im Gegensatz zu » 3 ) genauer beleuchtet. stimmen das angenommene Referenzmodell und das generierte Modell der Prozesserkennung miteinander überein, und damit wird im vorliegenden Beispiel die Übereinstimmungsprüfung (Conformance) überflüssig. An dieser Stelle könnten Differenzen zwischen den beiden Modellen erkannt Betrugsfälle werden kategorisiert Bei der Betrachtung des allgemeinen Prozessmodells ist aufgefallen, dass es bereits einen Teilprozess zur Behandlung von Betrugsfällen gibt. Dieser Teilprozess wird nun genau- und identifiziert werden, um mögliche Fehler im Prozess zu beheben. Dies entfällt hier jedoch, wie oben bereits beschrieben. Die letzte Grundaktivität ist die Erweiterung (Enhancement) des Prozessmodells. In » 4 wurde das Prozessmodell um die durchschnittliche Dauer der Zustandsänderung erweitert. Diese zusätzliche Information zeigt, wie lange der Antrag im jeweiligen Zustand verweilt. Im Durchschnitt dauert es etwa zwei Stunden und vier Minuten bis ein Kreditantrag angenommen Fazit Dieser Beitrag hat aufgezeigt, wie Process Mining genutzt werden kann, um strafbare Handlungen im Bereich der Geldwäsche und Terrorismusfinanzierung zu verhindern. Methodisch wurde eine Einführung in Process Mining erbracht, indem die Grundaktivitäten von Process Mining erklärt wurden. Grundlage hierfür bilden die Ereignis protokolle, die die jeweiligen Abläufe in einem wird, Prozess dokumentieren. Durch die Anwendung der nachdem dieser Grund aktivitäten lassen sich Rückschlüsse ziehen und eingereicht wurde. Er kenntnisse gewinnen. Dadurch können Der Beitrag hat außerdem eine praktische Anwendung Aussagen darüber von Process Mining mit Echtdaten, die aus dem Bankensektor getroffen werden, stammen, aufgeführt. Im Optimalfall bildet ob Ressourcen innerhalb des Prozesses effizient verteilt sind oder ob ein Mangel Process Mining eine Brücke zwischen datenbasierter und prozessbasierter Analyse und führt damit zu einer Prozessoptimierung. Process Mining ist noch eine sehr junge wissenschaftliche Disziplin und hat in den letzten Jahren vorliegt. Anhand vermehrte Aufmerksamkeit erfahren. Es wird spannend dieser Informationen, sein zu beobachten, wie sich Process Mining und die deren Auswertung und Anwendungsgebiete weiterentwickeln werden. Analyse können Empfehlungen ausgesprochen werden. Um den Fokus auf die eingangs beschriebene Risikosituation zurückzuführen und damit den Zusammenhang zu Process Mining herzustellen,

01 | 2022 15 er betrachtet, um eine Aussage über die Bearbeitung der Betrugsfälle tätigen zu können. Die Betrugsfälle werden als solche kategorisiert und einer gesonderten Prüfung unterzogen. Dennoch finden einige den Weg zurück auf den Pfad der normalen Antragsbehandlung. Ziel der folgenden Analyse ist es, diese Fälle aufzuspüren und genauer zu analysieren. Um Betrugsfälle zu identifizieren, wird der Beginn – das Einreichen und die erste Prüfung der Kreditanträge – des Prozessmodells fokussiert. Dies stellt einen wichtigen Bestandteil im Gesamtprozess dar, in dem mögliche Betrugsfälle genauer untersucht werden. Alle Kreditanträge, die diese Prüfung durchlaufen, werden markiert, um zu untersuchen, ob Betrugsfälle korrekt abgelehnt werden oder ob einige davon ausgezahlt werden. Insgesamt werden 13.807 Kreditanträge gestellt, und davon werden 2.246 Kreditanträge (16,27 Prozent) angenommen. Es werden 108 Anträge auf Betrug untersucht und zur weiteren Verfolgung mit einem Risikohinweis markiert. Einige dieser Falle werden sofort abgelehnt, andere im Verlauf des Kreditvergabeprozesses. Insgesamt 30 der 108 markierten risikobehafteten Kreditanträge (27,8 Prozent) werden dennoch an die Kunden ausgezahlt. Hier ist zu erkennen, dass die Finanzinstitution gerade bei den möglicherweise risikobehafteten Krediten eine höhere Durchlassquote aufweist. An dieser Stelle sollte das Ereignisprotokoll mit weiteren Daten angereichert/ergänzt werden (Enhancement), um eine tiefere Analyse zu beginnen. Die Kundennummer und die Information, ob es sich tatsächlich um einen Betrugsfall gehandelt hat, würde hier die weitere Analyse vereinfachen. Die Kundennummer könnte beispielsweise dazu verwendet werden, um zu prüfen, ob ein Kunde mehrfach einen Kreditantrag gestellt hat und damit womöglich Erfolg hatte. Mit dem nun vorhandenen Wissen zu den möglichen Fällen der Geldwäsche und Terrorismusfinanzierung und mit der Anreicherung von internen Firmendaten kann die Bank herausfinden, ob insbesondere die ausgezahlten markierten Kredite zurückgezahlt wurden, ob sie für illegale Zwecke missbraucht wurden oder ob es sich um einen rechtmäßig verwendeten Kredit handelt. Autoren Nicolas Lacher arbeitete bei der ING Deutschland und studiert derzeit Digitale BWL (Master of Science) an der Universität des Saarlands. Jeremias Étienne Wagner ist angehender Wirtschaftsinformatiker und derzeit im Controlling bei der Firma Bosch mit Fokus auf Informationscontrolling tätig.