Frogo-Chef warnt vor KI-gestützter Betrugswelle im iGaming

Der CEO des Betrugspräventionsanbieters Frogo, Volodymyr Todurov, sieht bei den Know-Your-Customer-Prüfungen die größte Gefahr durch KI-generierte Dokumente und Deepfakes.

„Derzeit ist KYC die am stärksten angegriffene Ebene, wo Echtzeit-Dokumentengenerierung und Deepfake-Gesichtstausch bemerkenswert ausgeklügelt werden“, sagte Todurov.

Er warnt jedoch davor, dass eine zu aggressive Betrugsbekämpfung mit automatischen Sperren legitime Kunden vergrault und so dem Geschäft schadet.

„Das Arbeiten mit einer Mentalität von ‚schuldig bis zur Beweis der Unschuld‘ und das Verlassen auf aggressive, automatische Blocks“, so Todurov, „behandelt legitime Spieler wie Verdächtige und zerstört komplett das Kundenerlebnis.“

Er beschreibt Anti-Betrugs-Systeme daher als „Umsatzoptimierungsmaschine“, die an drei verbundenen Maßstäben gemessen werden sollte: direkte Verlustvermeidung, operative Effizienz sowie Kundenbindung und Lebenszeitwert.

Die direkte Verlustvermeidung ist der geläufigste Maßstab und misst, wie viel Geld durch Betrug, einschließlich betrügerischer Auszahlungen, verloren geht.

Ein zweiter Maßstab ist die Anzahl der monatlich aktiven Nutzer pro Analyst sowie die für Untersuchungen benötigte Zeit.

Der dritte Maßstab betrifft die Auswirkungen auf legitime Kunden, wobei Todurov für „automatisierte Auszahlungen auf der Grundlage der Unschuldsvermutung“ plädiert.

Besonders bei hochwertigen Kunden können aggressive Kontrollen fehlschlagen, da deren Verhalten, wie häufige Reisen oder große Einzahlungen, betrügerischen Aktivitäten ähneln kann.

„Ohne ein nuanciertes Bewertungsmodell riskiert man, seine umsatzstärksten Spieler zu sperren“, sagte Todurov.

Seiner Ansicht nach sollte ungewöhnliches Verhalten eine informierte Bewertung auslösen, die je nach Kontext auch das Eingreifen von Support- oder Retention-Teams erfordern kann, anstatt einer sofortigen Sperre.

„KI ist kein Allheilmittel“, sagte Todurov. „Ihr Erfolg hängt von Spezialisten ab, die genau wissen, wo maschinelles Lernen einen Mehrwert bringt und wo bewährte, deterministische Logik immer noch überlegen ist.“

Frogo setzt dabei früh an und sammelt Informationen vom ersten Besuch eines Nutzers an, beginnend mit der Geräteidentifikation.

„Alles beginnt mit Device Fingerprinting, wo wir Hardware- und Software-Parameter analysieren, um die Legitimität des Nutzers zu überprüfen und Bots, gespoofte Geräte oder verschleierte Ursprünge zu erkennen“, erklärte Todurov.

Das eigenständige Device-Fingerprinting-Tool des Unternehmens wertet laut Frogo mehr als 300 clientseitige Signale aus und liefert Kontext wie IP-Risiko, VPN-Informationen und Hardware-Merkmale.

Im weiteren Frogo-Platform wird eine Aktion wie eine Registrierung oder Transaktion gegen die Risikoregeln des Unternehmens geprüft, wobei das System laut Todurov in unter einer Sekunde antwortet.

„Anti-Betrugs-Tools sollten als zentrale Datenmaschinen betrachtet werden“, sagte er. „Anstatt nur schlechtes Verhalten zu bewerten, kann man Trigger definieren, die hochwertiges, ‚ideales‘ Spielerverhalten identifizieren.“

Das Echtzeit-Benachrichtigungssystem von Frogo leitet negative Risiko-Trigger an Analysten weiter, während positive Verhaltensalarme über Webhooks oder Telegram an Marketing- und VIP-Teams gesendet werden.

Die Anwendung dieses Ansatzes in neuen Märkten erfordert laut Todurov kontinuierliche Anpassungen, da sich Kundenverhalten, Zahlungspräferenzen und Angriffsmethoden unterscheiden.

Das kommerzielle Ziel sei es, echte Bedrohungen einzudämmen, unnötige Arbeit zu reduzieren und einfache Abläufe für legitime Kunden zu erhalten, während das Geschäft wächst.