Operationalisierung von KI für die Betrugsprävention im öffentlichen Sektor

KI-Operationalisierung zur Betrugsprävention im öffentlichen Sektor

Behörden des öffentlichen Sektors stehen an einem entscheidenden Wendepunkt. Regierungen setzen künstliche Intelligenz (KI) nicht nur ein, um Kernoperationen zu modernisieren und Bürgerdienste zu verbessern. Gleichzeitig verändert der Aufstieg der KI auch die Bedrohungslandschaft. Kriminelle setzen inzwischen synthetische Identitäten, Deepfake-verbesserte Dokumentationen und hyper-personalisierte Social-Engineering-Kampagnen ein, die Behörden dazu zwingen, veraltete Risikokontrollen zu überdenken, die nie für dieses Ausmaß oder diese Raffinesse konzipiert wurden. Zum Beispiel:

• Leistungen: Betrugsdelikte sind seit 2020 um 242 % gestiegen.
• Steuern: Im Jahr 2025 wurden 4,5 Milliarden US-Dollar an Steuerbetrug aufgedeckt (plus 111,8 % gegenüber dem Vorjahr).
• Patente: Ein einzelner ausländischer Akteur war an über 52.000 betrügerischen Markenanmeldungen beteiligt.

KI birgt ein enormes Potenzial, aber nur, wenn sie auf vertrauenswürdigen Daten und einer starken Governance basiert. Bei der Modernisierung geht es nicht um ein einzelnes Modell, sondern um den Aufbau eines sicheren End-to-End-Systems, das Daten, Intelligenz und Workflows miteinander verbindet. Dieser Blogbeitrag veranschaulicht, wie Betrugsprävention mit Databricks durch eine fiktive Behörde namens „Services Bureau“ modernisiert werden kann.

Ein neues Betriebsmodell für die Betrugsermittlung

Bevor wir uns ansehen, wie diese Modernisierung funktioniert, ist es hilfreich zu verstehen, wie Betrugsermittlungen heute oft beim Services Bureau ablaufen. Analysten müssen zwischen mehreren Systemen wechseln, um die für einen einzelnen Fall benötigten Daten zu sammeln. Sie exportieren Dateien aus einem System, laden Tabellenkalkulationen aus einem anderen herunter und erhalten zusätzliche Informationen über E-Mail-Anhänge oder freigegebene Ordner. Anschließend kombinieren sie diese Quellen manuell, führen Makros oder Regeln aus, um verdächtige Zeilen zu kennzeichnen, und führen tiefere Suchen in anderen Systemen durch, um die Ergebnisse zu validieren. Der Prozess ist zeitaufwendig, fragmentiert und schwer zu skalieren.

Stellen Sie sich nun einen modernen Workflow vor, bei dem eine einzige Anwendung 17 priorisierte Fälle visualisiert, jeder mit unterstützenden Beweisen und klaren Erklärungen, die mit Richtlinien oder Betrugssignalen verknüpft sind. KI deckt die dringendsten Risiken auf, während der Analyst die endgültige Entscheidung trifft. Was früher Wochen dauerte, kann jetzt an einem Tag erledigt werden, wodurch sie schneller und mit größerer Zuversicht vorgehen können.

Integration von Intelligenz in operative Workflows mit Databricks Apps

Daten und Erkenntnisse liefern den größten Wert, wenn sie direkt in die täglichen Workflows integriert werden.

Mithilfe von Databricks Apps, die von Lakebase unterstützt werden, integriert das Services Bureau Governance, Agenten und Dashboards in eine einzige Betrugsoperationsanwendung, die auf seine Mission zugeschnitten ist.

Ein leitender Betrugsanalyst meldet sich bei der Anwendung an und sieht zugewiesene Fälle. Beim Öffnen eines Falls kann der Analyst unterstützende Dokumente, die in Unity Catalog-Volumes gespeichert sind, und Verifizierungsdaten von Drittanbietern überprüfen.

Währenddessen bewertet ein eingebetteter Agent den Fall im Hintergrund und gibt Empfehlungen mit unterstützender Begründung ab.

Stimmt der Analyst zu, kann er den Fall genehmigen. Andernfalls kann er die Empfehlung außer Kraft setzen und den Fall zur Untersuchung eskalieren. Menschliches Urteilsvermögen bleibt dabei zentral.

Führungskräfte nutzen dieselbe Anwendung, um Dashboards anzuzeigen und mit Genie zu interagieren, ohne sich bei mehreren Tools anmelden zu müssen. Führung und Analysten arbeiten in einer einheitlichen Umgebung, die Governance, Intelligenz und Maßnahmen miteinander verbindet.

So sieht operationalisierte KI in der Praxis aus. Erkenntnisse sind nicht in Analyseplattformen isoliert. Sie sind in Missions-Workflows eingebettet, wo Entscheidungen getroffen werden.

Teams können mit der gleichen Belegschaft wesentlich mehr Fälle bearbeiten und gleichzeitig die Wahrscheinlichkeit verringern, dass verdächtige Aktivitäten unentdeckt bleiben. Ermittler erhalten Einblicke in Muster über Programme hinweg, und die Führungsebene gewinnt Vertrauen, dass jede markierte Aktivität systematisch und konsistent bewertet wird.

Gesteuerte Daten und sichere Zusammenarbeit mit Unity Catalog + Delta Sharing

Das fiktive Services Bureau bearbeitet Zuschüsse, Verträge, Leistungen, Steuererklärungen und Patente, was eine starke Governance erfordert. Tausende von Anträgen strömen täglich über externe Systeme ein und landen in Delta-Tabellen innerhalb des Lakehouse. Machine-Learning-Modelle und Geschäftsregeln kennzeichnen verdächtige Fälle für Betrugsanalysten im ganzen Land.

Innerhalb von Unity Catalog verwaltet die Behörde ihre Betrugsermittlungstabellen mit attributbasierter Zugriffskontrolle (ABAC). Sensible Spalten wie persönlich identifizierbare Informationen (PII) werden durch Tags gesteuert, die automatisch Maskierungsrichtlinien für bestimmte Benutzergruppen durchsetzen.

Zum Beispiel können Junior-Betrugsanalysten Falldetails einsehen, die für die Überprüfung erforderlich sind, aber niemals maskierte PII-Felder sehen. Senior-Analysten und zugelassene Ermittler können basierend auf Rolle und Richtlinie auf zusätzlichen Kontext zugreifen.

Governance geht über Zugriffssteuerungen hinaus. Eine vollständige Datenherkunft ist auf Tabellen- und Spaltenebene verfügbar. Analysten und Compliance-Teams können genau sehen, wo ein Datenelement seinen Ursprung hatte und wohin es nachgelagert fließt. Wenn ein Regulierer fragt, woher ein Feld stammt, ist die Antwort in Sekundenschnelle verfügbar.

Intelligenzkoordination mit Agent Bricks

Sobald Daten gesteuert und zugänglich sind, besteht die nächste Herausforderung in der Priorisierung. Führungskräfte müssen Risikotrends verstehen. Betrugsleiter müssen operative Entscheidungen mit politischen Leitlinien und aufkommenden externen Bedrohungen in Einklang bringen.

Das Services Bureau verwendet Agent Bricks, einen Multi-Agenten-Supervisor, um drei Funktionen zu koordinieren:

• Genie: Ruft Live-Statistiken innerhalb eines Arbeitsbereichs ab, der Daten im Lakehouse abfragt.
• Knowledge Assistant: Fügt Verfahren mit einem Agenten hinzu, der auf Behördenrichtlinien basiert.
• Web: Liefert Trends über einen externen Model Context Protocol (MCP)-Server, der nach aufkommenden Betrugsmustern sucht.

Innerhalb der Databricks Plattform wird Agent Bricks konfiguriert, indem seine Rolle definiert und festgelegt wird, welche Agenten er orchestrieren kann. Von dort aus können Führungskräfte Fragen in natürlicher Sprache stellen, wie zum Beispiel: „Was sollten wir ab dem 1. Dezember als Nächstes priorisieren? Wo liegen unsere größten Risikobereiche und wie ist unsere Leistung?“

Hinter den Kulissen ruft Agent Bricks Genie auf, um SQL-Abfragen für Live-Betrugstabellen auszuführen. Er ruft den Wissensagenten auf, um relevante Richtlinienzitate mit direkten Verweisen auf Quelldokumente anzuzeigen, und ruft dann externe Signale über aufkommende Betrugsmaschen ab.

Der Supervisor synthetisiert diese Eingaben zu einer klaren Antwort mit empfohlenen Maßnahmen und unterstützender Begründung.

Dies ist keine generische LLM-Antwort. Es ist eine KI, die auf Unternehmensdaten basiert, an Richtlinien ausgerichtet und mit Echtzeit-Kontext angereichert ist. Der Agent empfiehlt, wo die Betrugsermittlungseinheit ihre Zeit in den nächsten 24–48 Stunden verbringen sollte, ausgestattet mit dem Wissen, dass sie sich derzeit in einer „kritischen“ Rückstandssituation von fast 53.000 Fällen befindet.

Für Führungskräfte bedeutet dies umsetzbare Anleitungen in einfacher Sprache. Und für operative Teams bedeutet es eine schnellere Abstimmung bezüglich Risiken.

Feedbackschleifen sind integriert. Durch Labeling-Sitzungen können Benutzer Antworten bewerten und Anleitungen zur Verfeinerung der Ergebnisse im Laufe der Zeit geben.

Dieser Ansatz bringt KI als koordiniertes System und nicht als eigenständiges Modell in die Produktion.

Ebenso wichtig ist die KI-Governance. Jede vom Agenten erstellte Empfehlung basiert auf nachvollziehbaren Datenquellen, Richtlinienreferenzen und dokumentierter Begründung. Analysten bleiben involviert und können die unterstützenden Beweise überprüfen, bevor sie die Empfehlung annehmen oder außer Kraft setzen. Diese Transparenz hilft Behörden, Vertrauen in KI-gestützte Entscheidungen zu bewahren und gleichzeitig die Einhaltung regulatorischer und aufsichtsrechtlicher Anforderungen sicherzustellen.

Fragen in umsetzbare Erkenntnisse verwandeln mit AI/BI Genie

Operative Führungskräfte benötigen auch Einblick in die Arbeitslastverteilung und Leistungsmetriken.

Innerhalb eines Executive Dashboards, das auf AI/BI Genie basiert, verfolgt das Services Bureau wichtige Leistungsindikatoren seines Betrugsprogramms. Die Benutzeroberfläche ist interaktiv. Die Auswahl eines einzelnen Prüfers aktualisiert automatisch die zugehörigen Diagramme, um Arbeitslast, überfällige Fälle und Fallzusammensetzung anzuzeigen.

Angenommen, die Führungsebene bemerkt, dass erfahrene Prüfer einen unverhältnismäßig hohen Anteil an überfälligen Fällen bearbeiten. Um dies weiter zu untersuchen, können sie Genie direkt fragen: „Wie ist die Aufschlüsselung der Fälle nach Prüferstufe?“

Genie generiert die SQL-Abfrage für die Gold-Betrugstabelle, gibt eine strukturierte Tabelle zurück und erstellt automatisch eine Visualisierung. Die SQL-Abfrage bleibt zur Transparenz und Validierung sichtbar.

Mit dieser Erkenntnis kann die Führungsebene Arbeitslasten neu verteilen oder die Schulung für Junior-Prüfer beschleunigen. Analysten und Führungskräfte können gleichermaßen von der Frage zum Beweis übergehen, ohne auf technische Teams warten zu müssen.

AI/BI Genie verwandelt Analysen von statischer Berichterstattung in konversationelle, transparente und umsetzbare Intelligenz.

Fazit

Moderne Behörden des öffentlichen Sektors können sich keine fragmentierten Systeme leisten, bei denen Daten-Governance in einem Tool, Analysen in einem anderen und operative Workflows an einem ganz anderen Ort angesiedelt sind.

Durch die Vereinheitlichung von Daten, KI und Governance innerhalb der Databricks Plattform können Behörden sichere Grundlagen schaffen, intelligente Agenten koordinieren und Erkenntnisse direkt in geschäftskritische Anwendungen einbetten.

Da Modelle auf vertrauenswürdigen, kontextsensitiven Daten aufgebaut werden:

• Wird die Betrugserkennung schneller.
• Wird die Zusammenarbeit sicherer.
• Werden Entscheidungen transparenter und besser verteidigbar.

Um zu erfahren, wie Ihre Behörde die Betrugsprävention und andere geschäftskritische Programme modernisieren kann, kontaktieren Sie unser Public Sector Team.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag