Dies ist ein strukturierter Leitfaden zur Bewertung von Anbieter/innen von Betrugsprävention. Stripe Radar ist durchgehend als Referenzpunkt enthalten; es ist ein konkretes Beispiel dafür, wie eine erstklassige Betrugspräventionsinfrastruktur im Jahr 2026 aussieht.

Dieser Leitfaden enthält sowohl Abschnittsübersichten als auch Beispieltexte. Sie können Ihr eigenes markeneigenes RFP-Dokument entwerfen oder den bereitgestellten Text verwenden.

Deckblatt

Das Ziel des Deckblatts ist es, den Anbietern genau zu sagen, was sie sich ansehen und mit wem sie sprechen sollen. Es enthält auch wichtige Termine im Voraus und Informationen darüber, wie die endgültige Einreichung aussehen sollte.

Kontaktinformationen

Wichtige Termine

Einreichungsformat

Alle Antworten müssen elektronisch per E-Mail im PDF-Format eingereicht werden. Preis- und Bewertungs-Vorlagen (separat in Excel bereitgestellt) müssen in ihren Originalformaten angehängt werden.

Konvention zur Dateibenennung

[Vendor name]–[Project name]–RFP–Response–[Date].pdf

Zweck dieses RFP

[Ihr Unternehmen] sucht einen Partner für die Abrechnung, der in der Lage ist, sichere Transaktionen in mehreren Währungen zu unterstützen, sich über moderne APIs problemlos in interne Systeme zu integrieren und regionsübergreifend hohe Zuverlässigkeit, proaktive Betrugserkennung und Datentransparenz zu bieten.

Dieses Dokument umreißt die Anforderungen, Bewertungskriterien und den Prozess zur Einreichung von Angeboten.

Kurzer Vertraulichkeitshinweis

Dieses RFP enthält vertrauliche und geschützte Informationen, die Eigentum von [Ihrem Unternehmen] sind. Es wird ausschließlich zum Zweck der Vorbereitung einer Antwort bereitgestellt. Eine Weitergabe über die direkt an der Angebotserstellung beteiligten Personen hinaus ist untersagt. Durch die Annahme dieses RFPs erklären sich die Empfängerinnen und Empfänger bereit, diese Informationen mit mindestens der gleichen Sorgfalt zu schützen, die sie zum Schutz ihrer eigenen vertraulichen Informationen anwenden.

Abschnitt A: Verwaltungsanweisungen

In diesem Abschnitt werden die Grundregeln festgelegt. Beziehungen zu Anbieter/innen von Betrugsprävention erfordern tiefgreifenden Zugriff auf Ihre Transaktionsdaten und Risikoinfrastruktur. Unklarheiten können hier später zu rechtlichen, operativen und sicherheitstechnischen Problemen führen. Seien Sie präzise.

A.1 Vertraulichkeitserklärung und Geheimhaltung

Alle Informationen in diesem RFP sind vertraulich und ausschließlich dazu bestimmt, es der Anbieterin oder dem Anbieter zu ermöglichen, eine Antwort vorzubereiten. Anbieter/innen dürfen dieses Dokument oder Teile davon ohne vorherige schriftliche Zustimmung von [Ihrem Unternehmen] nicht offenlegen, vervielfältigen oder verbreiten. In Angeboten enthaltene proprietäre Informationen sollten eindeutig gekennzeichnet werden; [Ihr Unternehmen] wird diese entsprechend behandeln.

A.2 Beschränkung der finanziellen Haftung

Dieses RFP ist kein Vertragsangebot. [Ihr Unternehmen] ist nicht verpflichtet, einen Vertrag zu vergeben oder Kosten zurückzuerstatten, die bei der Vorbereitung einer Antwort entstanden sind. Die Anbieter/innen sind im gesamten Prozess allein für ihre eigenen Ausgaben verantwortlich.

A.3 RFP-Zeitplan

A.4 Richtlinien zur Einreichung

• Alle Vorschläge müssen per E-Mail an [Kontakt-E-Mail-Adresse] eingereicht werden.

• Anbieter müssen den Erhalt innerhalb von drei Werktagen nach Ausstellung bestätigen.

• Fragen müssen bis zu dem in A.3 genannten Datum schriftlich eingereicht werden.

• Die gesamte Kommunikation muss über den designierten RFP-Manager erfolgen. Ein direkter Kontakt mit anderen Mitarbeitenden von [Ihr Unternehmen] während der Bewertungsphase kann zur Disqualifikation führen.

A.5 Erforderliche Einreichungsdokumente

A.6 Bewertungsübersicht

[Ihr Unternehmen] wird die Vorschläge hinsichtlich der Qualität des KI-Modells, des Umfangs der Betrugsabdeckung, der Falsch-Positiv-Raten, der Bereitschaft für Agentic Commerce, der API-Zuverlässigkeit und der Stabilität des Anbieters bewerten. Anbieter müssen messbare Verbesserungen bei der Reduzierung von Betrug, den Streitfallquoten und der betrieblichen Effizienz durch Beweise aus der Produktion belegen. Behauptungen ohne Daten werden nicht gewertet.

A.7 Lieferantenbestätigung

Anbieter müssen die unten stehende Bestätigung innerhalb von drei Werktagen nach Erhalt dieses RFP ausfüllen und zurücksenden.

Wir bestätigen den Erhalt des RFP mit dem Titel „[RFP-Name]“ und bestätigen unsere Absicht, eine Antwort ☐ einzureichen / ☐ nicht einzureichen.

Name des Unternehmens: ________________________

Autorisierte Vertretung: ________________________

Titel: ________________________

Datum: _______

Abschnitt B: Übersicht und Umfang der Arbeiten

Eine vage Übersicht führt zu generischen Angeboten. Geben Sie Anbietern den spezifischen Kontext, den sie benötigen, um intelligent zu antworten: Ihr Geschäftsmodell, Ihr aktuelles Betrugsrisiko, die von Ihnen identifizierten Angriffsvektoren und die Ergebnisse, die Sie verbessern möchten. Betrug entwickelt sich schnell und Ihr RFP sollte dies widerspiegeln.

Hier sind einige zusätzliche Details, die Sie zur Anpassung einbeziehen können:

• Hauptsitz und Kernmärkte
  
• Transaktionsvolumen und durchschnittlicher Bestellwert
  
• Aufteilung zwischen inländischen und grenzüberschreitenden Transaktionen
  
• Primär genutzte Zahlungsmethoden (z. B. Karten, ACH, SEPA, digitale Wallets)
  
• Beteiligte interne Teams (z. B. Technik, Finanzen, Recht und Compliance, Operations)
  

B.1 Hintergrund des Unternehmens

• [Ihr Unternehmen] ist ein [B2B- / B2C- / C2C-] [Marktplatz / SaaS-Unternehmen / E-Commerce-Unternehmen / Plattform], der bzw. das in [Märkte einfügen] tätig ist. Wir wickeln etwa [X] Transaktionen pro Monat über [X] Zahlungsmethoden und Währungen hinweg ab. Wir verzeichnen derzeit eine Betrugsquote von etwa [X] % und eine Streitfallquote von [X] % und unsere Betrugskosten belaufen sich auf etwa [X] $ pro Monat. Wir suchen einen Partner für Betrugsprävention, dessen Plattform den gesamten Stack abdeckt – Transaktionsbetrug, Kontobetrug und Missbrauch durch Endkundinnen und Endkunden –, ohne dass eine erhebliche fortlaufende technische Wartung erforderlich ist.
  

B.2 Projektzweck

• Dieses RFP dient dazu, einen Partner für Betrugsprävention zu identifizieren, der unser Unternehmen schützt, wenn sich Betrugsbedrohungen ändern. Hier ist unsere aktuelle Situation: [Beschreiben Sie die Lücke (z. B. produziert unser regelbasiertes System zu viele falsch-positive Ergebnisse, wir haben keine Abdeckung für Kontobetrug oder Missbrauch, unsere Streitfallquote steigt, uns fehlt der Einblick in neu aufkommende Betrugsvektoren)].
  

B.3 Arbeitsumfang

Kernleistungen

• Prävention von Transaktionsbetrug: KI-gestützte Betrugsbewertung bei jeder Zahlung, mit dokumentierten Falsch-Positiv-Raten und Betrugsreduzierungszahlen aus der Produktion

• Prävention von Kontobetrug: Automatisierte Erkennung und Maßnahmen bei betrügerischen Konten über den gesamten Lifecycle vom Onboarding bis zur Aktivitätsüberwachung

• Missbrauchsprävention: Erkennung und Blockierung von Missbrauch kostenloser Testversionen, Pay-as-you-go-Missbrauch und Erstanbieter-Betrugsvektoren

• Streitfallmanagement: Automatisierung von Rückbuchungen, einschließlich Beweisübermittlung, Verfolgung der Erfolgsquote und Streitfallanalysen

• Engine für benutzerdefinierte Regeln: Die Möglichkeit für unser Risikoteam, benutzerdefinierte Regeln ohne technische Beteiligung zu erstellen und zu testen

• Einheitliches Dashboard und Reporting: Echtzeiteinblick in Betrugsquoten, Streitfallquoten, Regelleistung und Modellergebnisse an einem Ort

• API-Zugriff: Programmatische Integration für Teams, die Betrugsinformationen in benutzerdefinierte Workflows einbetten müssen

Zusätzliche Leistungen

• Agentic Commerce-Schutz: Betrugsbewertung und Anomalieerkennung für von KI-Agenten initiierte Transaktionen

• Unterstützung für [erforderliche Zahlungsmethoden einfügen (z. B. ACH, SEPA, Wallets, Jetzt kaufen, später bezahlen, Stablecoins)]

• Betrugskontrollen auf Plattformebene für Marktplatzbetreiber: Reserven, Auszahlungsbeschränkungen und Lifecycle-Aktionen für Konten

B.4 Arbeiten außerhalb des Leistungsumfangs

Definieren Sie, was ausgeschlossen ist, damit Anbieter dafür keine Preise festlegen oder Verantwortung übernehmen. Hier sind einige Beispiele:

• Vollständige KYC- und AML-Compliance-Infrastruktur (wird separat von unserem Zahlungsabwickler gehandhabt)

• Überprüfung der Identität von Endkundinnen und Endkunden über Betrugsrisikosignale hinaus

• Allgemeine Business Intelligence oder Data Warehousing ohne Bezug zu Betrug

B.5 Gewünschte Ergebnisse

• Reduzierung der Betrugsquote um mindestens [X] % innerhalb von 90 Tagen nach dem Live-Gehen (als Benchmark: Radar reduziert Betrug durchschnittlich um 32 %)

• Streitfallquote von unter [X] % innerhalb von 90 Tagen

• Falsch-Positiv-Rate von unter [X] % – gemessen an abgelehnten oder falsch markierten legitimen Transaktionen

• Missbrauch kostenloser Testversionen blockiert mit mindestens 90 % Präzision (aktueller Benchmark)

• Technischer Zeitaufwand zur Wartung der Betrugsinfrastruktur um [X] % reduziert

• Zero-Code-Einrichtung innerhalb von [X] Tagen nach Vertragsunterzeichnung abgeschlossen

Abschnitt C: Vorschlagsanweisungen

Standardisieren Sie, was Sie erhalten, damit Sie Anbieterinnen und Anbieter direkt miteinander vergleichen können. Vorschläge für die Betrugsprävention neigen dazu, mit Produktbeschreibungen und ML-Jargon zu beginnen. Fordern Sie stattdessen Produktionsergebnisse.

C.1 Format und Struktur der Einreichung

Jeder Vorschlag muss der folgenden Struktur entsprechen:

• Zusammenfassung (maximal drei Seiten)

• Antworten auf alle Anforderungen in Abschnitt E, mit übereinstimmender Nummerierung

• Ausgefüllte Preisvorlage in Excel

• Anbieterprofil und Finanzübersicht

• Mindestens drei Referenzen von Kundinnen und Kunden vergleichbarer Unternehmen

• Belege: Compliance-Zertifizierungen, Fallstudien mit Produktionskennzahlen, API-Dokumentation, Beschreibung der Trainingsdaten für das KI-Modell

Einreichungen, die erheblich abweichen oder erforderliche Elemente weglassen, können als nicht konform betrachtet werden.

C.2 Anforderungen an die Formatierung

• Textantworten als PDF; Preisvorlage als Excel-Datei

• Mindestens Schriftgröße 11 pt, Ränder von 1 Zoll, Seitenzahlen erforderlich

• Alle Geldbeträge in USD, sofern nicht anders angegeben

• Dateibenennung: [Anbietername]–Fraud–RFP–[Datum].pdf

C.3 Anleitung zu Inhalten von Vorschlägen

Zusammenfassung

• Beginnen Sie mit gemessenen Ergebnissen aus vergleichbaren Einsätzen: prozentuale Reduzierung von Betrug, Verbesserungen der Anfechtungsrate, Raten an False Positives, Präzision bei der Missbrauchsprävention. Beschreiben Sie nicht Ihr Produkt. Zeigen Sie, was es bewirkt.

• Geben Sie Ihre Vision für diese Partnerschaft über drei Jahre an, insbesondere wie Ihr KI-Modell der Betrugsentwicklung weiterhin voraus sein wird.

Lösungsübersicht und -architektur

• Beschreiben Sie, wie Ihre Plattform in einer einzigen Integration den gesamten Betrugs-Stack abdeckt – Transaktionsbetrug, Kontobetrug, Missbrauchsprävention und Anfechtungsmanagement.

• Beschreiben Sie die Datenbasis Ihrer KI-Modelle: das Transaktionsvolumen, die geografische Ausdehnung und die Anzahl der Aussteller sowie die Vielfalt der Zahlungsmethoden. Diese Grundlage bestimmt, ob das Modell skaliert funktioniert. Der Benchmark für führende Betrugsinfrastruktur ist eine KI, die mit jährlichen Transaktionen im Wert von über 1,9 Billionen USD trainiert wurde.

• Beschreiben Sie, wie Ihr Modell bei sich ändernden Betrugsmustern aktualisiert wird und wie schnell neue Betrugsvektoren einbezogen werden.

Agentic Commerce

• Beschreiben Sie Ihre aktuellen Produktionskapazitäten zur Erkennung und Prävention von Betrug bei Transaktionen, die von KI-Agenten initiiert werden. Agentic Commerce ist eine aktuelle Anforderung, kein zukünftiger Punkt auf der Roadmap. Vorschläge, die dies als zukünftig darstellen, werden entsprechend bewertet.
  

Abdeckung und Zahlungsmethoden

• Geben Sie genau an, welche Zahlungsmethoden Sie abdecken (z. B. Karten, ACH, SEPA, Wallets, Jetzt kaufen, später bezahlen, Stablecoins).
  

Sicherheit und Compliance

• Bestätigen Sie die Einhaltung von PCI DSS v4.0 (gültig ab März 2024) und geben Sie das letzte Audit-Datum an.

• Stellen Sie historische Daten zur Erreichbarkeit aus den letzten 12 Monaten bereit. Die Erwartung an eine für die Produktion geeignete Betrugsinfrastruktur ist eine Erreichbarkeit von 99,999 % oder mehr.

C.4 Klärung und Fragen

Fragen müssen bis zum [Frist für Fragen] schriftlich an [E-Mail des RFP-Managers] eingereicht werden. Antworten werden gleichzeitig an alle Teilnehmenden verteilt. Informelle Gespräche mit anderen Mitarbeitenden von [Ihrem Unternehmen] sind während des Prozesses nicht gestattet.

C.5 Gültigkeit des Vorschlags

Vorschläge müssen ab der Einreichungsfrist 90 Tage lang gültig bleiben, sofern sie nicht durch schriftliche gegenseitige Vereinbarung verlängert werden.

C.6 Recht auf Ablehnung oder Verhandlung

[Ihr Unternehmen] behält sich das Recht vor, Vorschläge abzulehnen, um Klärung zu bitten oder parallele Verhandlungen mit einer oder mehreren Anbieterinnen oder Anbietern zu führen. Die Teilnahme stellt keine Kaufverpflichtung dar.

Abschnitt D: Bewertungsprozess

Transparenz beim Scoring veranlasst Anbieter dazu, mit Beweisen statt mit Behauptungen zu antworten. Jedes Kriterium ist direkt mit den Anforderungen in Abschnitt E verknüpft.

D.1 Bewertungsmethodik

Alle Vorschläge werden von einem funktionsübergreifenden Team aus den Bereichen Technik, Finanzen, Recht und Compliance, Risiko und Operations geprüft.

Die Evaluierung verläuft in drei Phasen:

• Compliance-Prüfung: Bestätigung, dass alle erforderlichen Dokumente vorhanden sind und die Formatierungsanforderungen erfüllen.

• Qualitative Bewertung: Bewerten Sie jede Einreichung anhand gewichteter Kriterien auf einer Skala von 1–5 (5 = außergewöhnlich, durch Produktionsbeweise gestützt; 1 = erfüllt nicht die Grundanforderungen). Eine Bewertung von 5 erfordert dokumentierte Produktionsmetriken.

• Demonstration und abschließende Prüfung: Die in die engere Wahl gezogenen Anbieter präsentieren live Plattform-Demonstrationen. Demos müssen eine produktionsgleiche Sandbox nutzen, keine skriptbasierte Präsentation.

D.2 Bewertungskriterien und Gewichte

Die Abdeckung von Agentic- und aufkommenden Bedrohungen wird mit 15 % gewichtet, da die Fähigkeit, Betrug bei von KI-Agenten initiierten Transaktionen zu erkennen, eine strukturelle Funktionslücke zwischen Anbietern darstellt. Beispielsweise stimmen 65 % der Führungskräfte in Unternehmen zu, dass sich Betrug zu schnell entwickelt, als dass ihre Unternehmen Schritt halten könnten. Anbieter, die heute keine adaptive Abdeckung nachweisen können, werden weiter ins Hintertreffen geraten, da sich die Betrugsvektoren weiter verschieben.

D.3 Nachweisanforderungen

In die engere Wahl gezogene Anbieter werden Folgendes live in einer Sandbox-Umgebung demonstrieren:

• Transaktionsbetrugs-Scoring in Echtzeit – lösen Sie eine risikoreiche Transaktion aus und zeigen Sie, wie das Modell sie bewertet, mit einer Erklärung der beitragenden Signale

• Kontobetrugserkennung – zeigen Sie, wie die Plattform ein betrügerisches Konto während des Onboardings und nach der Aktivierung identifiziert und Maßnahmen ergreift

• Missbrauchsprävention in Aktion – demonstrieren Sie die Erkennung von Missbrauch kostenloser Testversionen mit dem Präzisionsrichtwert von 90 %

• Erstellung einer benutzerdefinierten Regel – ein Risikoanalyst erstellt eine neue Regel ohne Beteiligung der Technik, testet sie in der Sandbox und prüft ihre prognostizierte Auswirkung

• Workflow für das Streitfallmanagement – zeigen Sie die automatisierte Einreichung von Beweisen für eine Rückbuchung, mit Nachverfolgung der Erfolgsquote

• Agentic Commerce-Schutz – zeigen Sie, wie die Plattform Betrugs-Scoring auf eine von KI-Agenten initiierte Transaktion anwendet und anomales Agentenverhalten meldet

• Einheitliches Dashboard – Betrugsrate, Streitfallrate, Regel-Performance und Prüfung der Modellergebnisse an einem Ort

Anbieter müssen temporäre Demo-Anmeldeinformationen bereitstellen, die für mindestens 10 Werktage nach der Demonstration gültig sind.

D.4 Verhandlungen und Auftragsvergabe

[Ihr Unternehmen] behält sich das Recht vor, Klärungssitzungen durchzuführen, endgültige Bestangebote anzufordern und parallele Verhandlungen zu führen. Kein Vertrag ist bindend, bis er von beiden Parteien unterzeichnet wurde.

⚑ Notizen für Evaluierende – vor dem Senden an Anbieter entfernen

• Bewerten Sie unabhängig vor der Gruppenberatung. Eine Bewertung von 5 erfordert dokumentierte Produktionsmetriken – keine behaupteten Funktionen.
  
• Bitten Sie jeden Anbieter, den Fußabdruck der Trainingsdaten seines KI-Modells spezifisch anzugeben: Transaktionsvolumen, Jahre an Daten, geografische Breite, Aussteller-Abdeckung und Zahlungsmethoden-Vielfalt. Die Antwort zeigt, wie viel seiner Betrugserkennungs-Performance real vs. behauptet ist. Der Richtwert liegt bei über 1,9 Billionen USD an jährlichen Transaktionen.
  
• Hinterfragen Sie die Abdeckung der Zahlungsmethoden. Fragen Sie für jede Methode auf Ihrer Liste (z. B. ACH, SEPA, Wallets, Jetzt kaufen, später bezahlen, Stablecoins), ob das Modell mit Daten dieser Methode trainiert wurde und wie die Zahlen zur Betrugsreduzierung spezifisch dafür aussehen.
  
• Die Agentic Commerce-Demonstration ist nicht verhandelbar. Jeder Anbieter, der heute keine Betrugserkennung bei von KI-Agenten initiierten Transaktionen in einer Sandbox zeigen kann, ist nicht bereit für die Richtung, in die sich Ihre Plattform entwickelt.
  
• Fragen Sie nach Falsch-Positiv-Raten aus der Produktion, nicht nach Prognosen. Ein Modell, das 40 % des Betrugs blockiert, aber 5 % der legitimen Transaktionen ablehnt, ist ein Umsatzproblem, keine Betrugslösung.
  
• Fragen Sie nach Daten zur Erreichbarkeit aus 12 Monaten, nicht nur nach einem SLA. Der Unterschied zwischen einer Erreichbarkeit von 99,900 % und 99,999 % ist entscheidend für eine Betrugsinfrastruktur, die bei jeder Transaktion ausgeführt wird.
  

Abschnitt E: Kernanforderungen

Dies ist der wichtigste Abschnitt. Verlangen Sie faktenbasierte, durch Nachweise belegte Antworten. Jeder Anbieter, der einen Einsatz wert ist, kann auf dokumentierte Ergebnisse aus echten Implementierungen verweisen. Für jede Anforderung müssen die Anbieter den Status angeben: Standard (heute in der Produktion), Configurable (erfordert Einrichtung), Custom (erfordert Entwicklung) oder N/A.

E.1 Qualität von KI-Modell und Datensatz

KI zur Betrugsprävention ist nur so gut wie die Daten, mit denen sie trainiert wird. Ein Modell, das anhand von zig Milliarden Transaktionen über Märkte, Aussteller und Zahlungsmethoden hinweg trainiert wird, erzielt wesentlich bessere Ergebnisse als ein Modell, das auf einem schmaleren Datensatz basiert. Es besteht eine 92%ige Wahrscheinlichkeit, dass eine im Stripe-Netzwerk verwendete Karte bereits zuvor aufgetreten ist – dieses Maß an vorherigem Signal ist der Benchmark. Dies ist ein sich verstärkender Vorteil, der nicht allein durch technischen Aufwand reproduziert werden kann.

E.2 Transaktionsbetrugsprävention

Transaktionsbetrug nimmt zu. Die Kosten für Online-Zahlungsbetrug sollten 2025 voraussichtlich um 15 % steigen. Die richtige Infrastruktur erkennt Betrug, den andere nicht bemerken, weil ihr Modell das Muster bereits kennt.

E.3 Kontobetrugsprävention

Kontobetrug (betrügerische Konten, die erstellt werden, um Ihre Plattform auszunutzen) betrifft den gesamten Konto-Lifecycle. Ihn beim Onboarding zu erkennen, ist günstiger als nach der Aktivierung. Der Benchmark für führende Infrastrukturen liegt bei der Blockierung von mehr als 3,5 Millionen betrügerischen verbundenen Konten pro Jahr.

E.4 Missbrauchsprävention

Missbrauch durch die Erstpartei (Testmissbrauch, Pay-as-you-go-Missbrauch und Friendly Fraud) kostet Unternehmen jährlich 200 Mrd. USD. Im vergangenen Jahr waren 94 % der Unternehmen davon betroffen. Herkömmliche Betrugs-Tools sind nicht dafür ausgelegt, diesen zu erkennen. Verlangen Sie Produktionsnachweise, keine Beschreibung der Roadmap eines Anbieters.

E.5 Management von Streitfällen

Streitfälle kosten Unternehmen 35 $ für jede 100 $ an Rückbuchungen, wenn man Betriebskosten, Netzwerkgebühren und Zeit berücksichtigt. Die richtige Infrastruktur automatisiert die Einreichung von Beweisen, zeigt Erfolgsquoten-Wahrscheinlichkeiten pro Streitfall an, damit Ihr Team Fälle effektiv priorisieren kann, und stoppt Streitfälle idealerweise, bevor sie eingereicht werden.

E.6 Benutzerdefinierte Regeln und Tools für das Risikoteam

Eine Plattform zur Betrugsprävention, die die Einbeziehung von Technikern zur Anpassung der Risikostrategie erfordert, stellt einen Engpass dar. Ihr Risikoteam muss schneller agieren als der Betrug. Das bedeutet, dass nichttechnische Benutzerinnen und Benutzer Regeln schreiben, testen und bereitstellen können müssen, ohne ein Ticket zu erstellen.

E.7 Agentic Commerce und neu auftretende Bedrohungen

KI-Agenten leiten bereits kommerzielle Transaktionen ein, und betrügerische Akteure verwenden dieselben KI-Tools wie seriöse Unternehmen. Marktplätze, die von KI-Agenten initiierte Transaktionen nicht schützen, sind einem zunehmenden Risiko ausgesetzt, wenn das Agentenvolumen wächst. Jeder Anbieter, der heute keine Betrugserkennung bei von Agenten initiierten Transaktionen in einer Sandbox-Umgebung demonstrieren kann, ist nicht bereit.

E.8 Analysen, Berichte und Echtzeitinformationen

Betrugsanalysen und Berichte sind obligatorisch. Wenn Ihr Risikoteam nicht in Echtzeit sehen kann, was passiert, individuelle Transaktionsentscheidungen nicht untersuchen kann und keine proaktiven Warnungen erhält, wenn ein Angriff im Gange ist, reagiert es immer nur auf Betrug, anstatt ihm zuvorzukommen.

E.9 Plattformarchitektur und API-Qualität

Eine Integration zur Betrugsprävention, die laufende technische Wartung erfordert, um effektiv zu bleiben, ist eine versteckte Steuer für Ihr Produktteam. Bewerten Sie die API so, wie Sie die Kerninfrastruktur bewerten würden.

E.10 Sicherheit, Compliance und Datenschutz

Die Betrugsinfrastruktur befindet sich im Datenpfad jeder Transaktion. Eine PCI-Audit-Erfolgsquote von 100 % ist der Standard.

E.11 Anbieterzertifizierung

Ich bestätige hiermit, dass alle Antworten zum Einreichungsdatum korrekt sind und dass die als Standard oder Konfigurierbar gekennzeichneten Funktionen derzeit in Produktionsumgebungen verfügbar sind. Behauptungen, die nicht durch Dokumentation oder eine Live-Demonstration belegt sind, werden nicht bewertet.

Autorisierter Vertreter / Autorisierte Vertreterin: ________________________

Titel: ________________________

Datum: _______

⚑ Evaluator-Hinweise – vor dem Senden an Anbieter entfernen

• Eine Punktzahl von 5 bei einem Kriterium erfordert dokumentierte Produktionsmetriken. Die Aussage „Wir unterstützen dies“ ohne Beweis ist höchstens eine 3.
  
• Bitten Sie jeden Anbieter, den Fußabdruck der Trainingsdaten seines KI-Modells spezifisch anzugeben: Anzahl der Transaktionen, Jahre der Daten, geografische und Aussteller-Breite sowie Vielfalt der Zahlungsmethoden. Dies ist das größte Unterscheidungsmerkmal bei der Betrugserkennungsleistung.
  
• Prüfen Sie die Abdeckung der Zahlungsmethoden. Fragen Sie für jede Methode auf Ihrer Liste (z. B. ACH, SEPA, Wallets, Jetzt kaufen, später bezahlen, Stablecoins), ob das Modell mit Produktionsdaten dieser Methode trainiert wurde und wie die Betrugsreduzierung speziell dafür aussieht.
  
• Fragen Sie nach Falsch-Positiv-Raten, nicht nur nach Betrugsreduzierungsraten. Ein Modell mit einer Betrugsreduzierung von 40 %, aber einer Falsch-Positiv-Rate von 5 % kostet Sie Umsatz.
  
• Bitten Sie darum, die in einfachem Englisch gehaltene Benutzeroberfläche zum Schreiben von Regeln live zu sehen. Nichttechnische Nutzerinnen und Nutzer sollten in der Lage sein, in der Demo ohne Hilfe eine neue Regel zu schreiben und zu simulieren.
  
• Bitten Sie die Anbieter, den Shadow-Modus zu demonstrieren. Führen Sie eine neue Regel anhand historischer Daten aus und zeigen Sie die voraussichtlichen Auswirkungen, bevor sie live geht. Dies ist ein zentraler Workflow für jedes ernsthafte Risikoteam.
  
• Fragen Sie, ob Block- und Allow-Listen benutzerdefinierte Geschäftsdatenfelder enthalten können. Ein Anbieter, der nur standardmäßige Transaktionsattribute unterstützt, wird schnell an eine Grenze stoßen.
  
• Fragen Sie in Bezug auf Streitfälle, ob Verifi- und Ethoca-Integrationen nativ sind oder separate Verträge mit Drittanbietern erfordern. Die native Integration ist wichtig für die Interventionsgeschwindigkeit.
  
• Bitten Sie um eine Echtzeit-Warnung vor einem Betrugsangriff aus der Produktion. Wie sieht die Benachrichtigung aus, wie schnell wird sie ausgelöst und was besagt die empfohlene Schadensbegrenzung?
  
• Die Demonstration des Agentic Commerce ist eine zwingende Anforderung. Jeder Anbieter, der heute in einer Sandbox keine Betrugserkennung bei von KI-Agenten initiierten Transaktionen nachweisen kann, ist noch nicht bereit.
  
• Bitten Sie um historische Daten zur Erreichbarkeit für 12 Monate und die vollständige PCI-Audit-Historie. Die SLA und der aktuelle Zertifizierungsstatus reichen nicht aus.
  

Abschnitt F: Implementierung und Support

Die Aktivierung der Betrugsprävention auf einer Live-Plattform birgt Risiken. Eine falsch konfigurierte Regel oder ein zu aggressiver Modell-Schwellenwert kann legitimen Umsatz blockieren. Dieser Abschnitt klärt, ob der Anbieter über die Methodik und Erfahrung verfügt, um dieses Risiko zu managen.

F.1 Implementierungsansatz

Anbieter müssen Folgendes beschreiben:

• Dokumentierte Zeit bis zum ersten Betrugssignal für Unternehmen mit vergleichbarem Transaktionsvolumen anhand spezifischer Beispiele, nicht mit Spannen – der Richtwert für eine Zero-Code-Einrichtung ist die Aktivierung am selben Tag

• Wie sie an die anfängliche Modellkalibrierung herangehen – den Prozess der Schwellenwertfestlegung, der die Betrugsreduzierung gegen die Raten falsch-positiver Ergebnisse für Ihren spezifischen Transaktionsmix abwägt

• Ihre Prozesse für einen Parallelbetrieb – das Testen der neuen Plattform mit Live-Datenverkehr vor der vollständigen Implementierung, damit Sie die Leistung validieren können, bevor Sie bestehende Kontrollen deaktivieren

• Wie sie die Regelmigration handhaben, wenn Sie bestehende benutzerdefinierte Regeln von einer anderen Plattform übernehmen

F.2 Ressourcen und Governance

Anbieter sollten Folgendes bereitstellen:

• Namentlich genannte, diesem Projekt zugewiesene Account-Manager und Betrugsspezialisten

• Eskalationshierarchie und Entscheidungsrhythmus während der Implementierung

• Ob das Implementierungsteam dasselbe Team ist, das auch den Support nach der Markteinführung übernimmt – bei der Übergabe sinkt oft die Servicequalität

F.3 Schulung und Dokumentation

Anbieter sollten Folgendes beschreiben:

• Verfügbare Schulungen für die Risiko-, Entwicklungs-, Finanz- und Betriebsteams

• Qualität und Aktualität der Dokumentation, wobei erstklassige Plattformen eine Dokumentation pflegen, die Risikoanalysten anstelle von Support-Anfragen bevorzugen

• Wie die Dokumentation aktualisiert wird, wenn das Modell und das Produkt neue Funktionen zur Betrugserkennung erhalten

F.4 Support-Modell und SLAs

Anbieter müssen Folgendes angeben:

• Support-Stufen und deren Umfang – ein Höchststand an falsch-positiven Ergebnissen oder eine Modellverschlechterung um 2:00 Uhr morgens ist ein Vorfall des Schweregrads 1, der eine sofortige Reaktion erfordert

• SLAs für Reaktionszeiten nach Schweregrad, mit vertraglichen Verpflichtungen

• Wie Kundinnen und Kunden bei Vorfällen mit dem Betrugsmodell oder bei Verschlechterungen benachrichtigt werden und welche Ergebnisse die Überprüfung nach dem Vorfall liefert

• Historische Daten zu Reaktionszeiten bei Schweregrad 1, nicht nur die SLA

F.5 Kontinuierliche Verbesserung

Beschreiben Sie im Detail, wie Ihre Plattform ML und Produktionsanalysen einsetzt, um die Betrugsbekämpfung im Laufe der Zeit zu verbessern. Geben Sie Beispiele mit Produktionskennzahlen an: Verbesserungen bei der Betrugsreduzierung, die für bestehende Kundinnen und Kunden über einen Zeitraum von 12 Monaten erzielt wurden, Änderungen der Raten falsch-positiver Ergebnisse und Verbesserungen der Streitfall-Raten.

F.6 Anbieterbestätigung

Ich bestätige, dass alle Implementierungs- und Support-Details zum Datum der Einreichung korrekt sind und den aktuellen Produktionspraktiken entsprechen.

Bevollmächtigte Vertretung: ________________________

Titel: ________________________

Datum: _______

⚑ Hinweise für Prüfende – vor dem Senden an Anbieter entfernen

• Bitten Sie um spezifische Implementierungsbeispiele von vergleichbaren Unternehmen (z. B. Transaktionsvolumen, Betrugsrate zu diesem Zeitpunkt, Anzahl der Märkte). Lehnen Sie Spannen ab.
  
• Fragen Sie gezielt nach dem Prozess zur Schwellenwertkalibrierung. Ein Anbieter, der einen einzigen globalen Schwellenwert festlegt und es dabei belässt, behandelt Ihr Betrugsprofil nicht als einzigartig.
  
• Fordern Sie die tatsächlichen Reaktionszeiten bei Schweregrad 1 aus den letzten 12 Monaten an.
  
• Fragen Sie, ob das Implementierungsteam dasselbe Team ist, das auch den Support nach der Markteinführung übernimmt.
  
• Fragen Sie, wie schnell ein neuer Betrugsvektor – einer, dem Ihr Unternehmen bisher nicht begegnet ist – nach seiner Erkennung in das Modell integriert wird.
  

Abschnitt G: Werbung

Die Preisgestaltung für die Betrugsprävention variiert stark zwischen den Anbietern und Modellen. Einige berechnen pro Transaktion, andere nach dem Ergebnis der Betrugsreduzierung und wieder andere nach Stufe. Standardisieren Sie die Offenlegung, damit Sie die tatsächliche Wirtschaftlichkeit vergleichen können.

G.1 Übersicht über die Preisstruktur

Anbieter/innen müssen Folgendes bereitstellen:

• Aufgeschlüsselte Preise für jede Komponente (Basis-Betrugsprävention, Zugriff auf benutzerdefinierte Regeln, erweiterte Missbrauchsprävention, Tools für das Management von Streitfällen, API-Zugang und Add-ons)

• Eine Beschreibung zur Erläuterung der Preisannahmen (Transaktionsvolumen, durchschnittlicher Bestellwert, Betrugsrate und Zahlungsmethoden-Mix)

• Eindeutige Angaben zu monatlichen Mindestverpflichtungen oder Volumenschwellen, die sich auf die Preisgestaltung auswirken

• Alle Beträge in USD, einschließlich Umrechnungslogik, falls andere Währungen angegeben sind

G.2 Preiskomponenten

G.3 Volumensensitivität

Geben Sie die geschätzten Gesamtkosten bei den folgenden Transaktionsvolumina an:

G.4 Vertragskonditionen

• Verfügbare Vertragslaufzeiten und jeweilige Preisanreize

• Ob die Preisgestaltung bei Volumenrückgängen automatisch nach unten skaliert wird

• Ausstiegsklauseln und Datenübertragbarkeit – wie Betrugssignale, Regelkonfigurationen und historische Daten zurückgegeben werden, in welchem Format und nach welchem Zeitplan

• Mindestausgabenanforderungen

G.5 Annahmen und Abhängigkeiten

Listen Sie alle kaufmännischen Annahmen auf, die Ihrer Preisgestaltung zugrunde liegen. Unausgesprochene Annahmen, die nach Vertragsabschluss entdeckt werden, können als wesentliche Falschdarstellung behandelt werden.

G.6 Lieferantenzertifizierung

Ich bestätige, dass alle preislichen und kaufmännischen Informationen zum Einreichungsdatum vollständig und korrekt sind.

Bevollmächtigte Vertretung: ________________________

Datum: _______

⚑ Notizen für Evaluator/innen – vor dem Senden an Anbieter/innen entfernen

• Gleichen Sie die Beschreibung mit der Excel-Tabelle ab. Unstimmigkeiten sind ein Signal.
  
• Bei der Preisgestaltung für die Betrugsprävention werden die Kosten für benutzerdefinierte Regeln und erweiterte Missbrauchsprävention oft in höheren Stufen verborgen. Modellieren Sie die Gesamtkosten anhand des Workflows Ihres Expertenteams für Betrugsaufdeckung, nicht nur anhand der Basisstufe.
  
• Fragen Sie, wie sich die Preisgestaltung ändert, wenn sich Ihre Betrugsrate verbessert. Einige Modelle bestrafen Erfolg, indem sie den scheinbaren Wert des Produkts bei sinkenden Betrugsraten verringern.
  
• Datenübertragbarkeit ist oft der eigentliche Lock-in-Mechanismus. Bewerten Sie die Ausstiegskonditionen vor der Vertragsunterzeichnung, nicht danach.
  
• Bitten Sie die Anbieter/innen, die Gesamtkosten für das Zehnfache Ihres aktuellen Transaktionsvolumens zu modellieren. Die Preiskurve im Verhältnis zum Wachstum ist genauso wichtig wie der heutige Tarif.
  

Abschnitt H: Anbieterprofil

Der Partner für Ihre Betrugspräventionsinfrastruktur sitzt im Datenpfad jeder Transaktion. Verschaffen Sie sich ein Verständnis für das Unternehmen als Ganzes: seine finanzielle Gesundheit, die Tiefe seiner KI-Entwicklung, die Verbesserungsrate und seine Erfolgsbilanz bei Unternehmen, die Ihrem ähnlich sind.

H.1 Unternehmensübersicht

Geben Sie eine Zusammenfassung aus zwei bis drei Absätzen, in der Ihre Geschichte, Ihre Mission und Ihre Marktposition erläutert werden. Konzentrieren Sie sich auf Ihre Erfahrung mit Unternehmen in [Ihrer Branche oder in Ihrem Segment (z. B. E-Commerce, SaaS, Marktplatz, KI-Unternehmen, Plattformen)]. Beschreiben Sie Ihre Erfolgsbilanz bei der Aufrechterhaltung der Erkennungsqualität bei der Entwicklung von Betrugsmustern und Ihre Historie bei der Bereitstellung von Funktionen zur Betrugsprävention im Vorfeld neuer Bedrohungen.

H.2 Kundenstamm und Erfolgsbilanz

Geben Sie spezifische Daten zu Ihrem Kundenstamm an:

• Anzahl der Unternehmen, die Ihre Betrugspräventionsinfrastruktur nutzen

• Gesamtes pro Jahr geschütztes Transaktionsvolumen

• In Ihrem Kundenstamm vertretene Branchen und Geschäftsmodelle

• Anteil der von Ihnen geschützten Unternehmen in Ihrem Zielsegment (z. B. E-Commerce, SaaS, Plattformen)

• Dokumentierte Gesamtreduzierung von Betrug in Ihrem gesamten Kundenstamm (der Benchmark ist eine durchschnittliche Betrugsreduzierung von 32 %)

H.3 Finanzielle Stabilität

Stellen Sie geprüfte Jahresabschlüsse oder gleichwertige Nachweise der Zahlungsfähigkeit bereit. Private Unternehmen sollten einen Brief der Finanzvorständin oder des Finanzvorstands vorlegen, der die Liquidität bescheinigt. Beschreiben Sie Ihre Finanzierungsstruktur.

H.4 Zertifizierungen und Compliance

H.5 Analystenanerkennung

Nennen Sie unabhängige Analystenanerkennungen im Zusammenhang mit Betrugsprävention und Zahlungssicherheit. Der aktuelle Maßstab für einen führenden Anbieter für Betrugsprävention ist die Anerkennung als Marktführer in den Kategorien Zahlungen und Betrug. Die KI von Stripe Radar genießt das Vertrauen von 50 % der Fortune 100-Unternehmen. Beschreiben Sie, wo Ihre Plattform im Vergleich zu diesem Maßstab steht.

H.6 Verbesserungstempo

Beschreiben Sie Ihren Produkt-Release-Rhythmus der letzten 12 Monate, einschließlich der Anzahl der gelieferten Updates und der eingeführten Hauptfunktionen in den Bereichen KI-Betrugserkennung, Missbrauchsprävention und Agentic Commerce-Schutz. Der aktuelle Maßstab für eine führende Plattform liegt bei über 200 Produkt-Updates pro Jahr. Erklären Sie, wie Sie in Ihrer Roadmap für die nächsten 12 bis 18 Monate weiterhin in die Funktionen investieren, die für [Ihr Segment] wichtig sind.

H.7 Genauigkeitserklärung des Anbieters

Ich bestätige, dass alle Informationen in Abschnitt H zum Zeitpunkt der Einreichung korrekt sind und dass [Anbieter] über die finanzielle, technische und betriebliche Kapazität verfügt, um die beschriebenen Dienstleistungen zu erbringen.

Bevollmächtigte/r Vertreter/in: ________________________

Datum: _______

Abschnitt I: Referenzen

Referenzen von vergleichbaren Unternehmen sind wertvoller als jede Demo. Bevorzugen Sie Referenzen, die Ihrem Geschäftsmodell, Ihrem Transaktionsmix und Ihrer geografischen Präsenz entsprechen. Ein Anbieter, der ein Unternehmen mit einem ähnlichen Betrugsprofil wie Ihrem schützt, sollte über Referenzen verfügen, die von echten Ergebnissen berichten können.

I.1 Referenzanforderungen

Anbieter müssen mindestens drei Referenzen vorlegen, die die folgenden Kriterien erfüllen:

• Vergleichbares Geschäftsmodell zu [Ihrem Unternehmen] – gleiche Branche oder Transaktionsart

• Vergleichbares Transaktionsvolumen oder vergleichbare Betrugsrate zum Zeitpunkt der Bereitstellung

• Mindestens eine Referenz, die erweiterte Funktionen nutzt: benutzerdefinierte Regeln, Missbrauchsprävention oder Streitfallmanagement

• Aktive Kundinnen und Kunden seit mindestens 12 Monaten in der Produktion

I.2 Referenztabelle

I.3 Zusammenfassung der Referenzergebnisse

Geben Sie für jede Referenz dokumentierte Ergebnisse an: prozentuale Betrugsreduzierung, Falsch-Positiv-Rate, Verbesserung der Streitfallrate, Präzision bei der Missbrauchsprävention oder betriebliche Effizienzsteigerungen. Geben Sie konkrete Zahlen und keine Spannen an.

I.4 Referenzvalidierung

Ich bestätige, dass alle Client-Rechner als Referenz fungieren dürfen und dass alle Informationen korrekt sind. [Ihr Unternehmen] behält sich das Recht vor, Referenzen direkt zu kontaktieren.

Bevollmächtigte/r Vertreter/in: ________________________

Datum: _______

⚑ Hinweise für Prüfer/innen – vor dem Senden an Anbieter entfernen

• Rufen Sie mindestens zwei Referenzen telefonisch an. Schriftliche Zusammenfassungen werden vom Anbieter erstellt.
  
• Fragen Sie Referenzen gezielt, ob die Betrugsreduzierung und die Falsch-Positiv-Raten im Vorschlag mit dem übereinstimmen, was sie in der Produktion gesehen haben.
  
• Fragen Sie nach der Implementierungserfahrung und dem Kalibrierungsprozess der Schwellenwerte – nicht nur nach der Plattform im stationären Zustand.
  
• Fragen Sie, ob sich das Modell des Anbieters an neue Betrugsvektoren angepasst hat, auf die die Referenz nach dem Livegehen gestoßen ist, und wie schnell dies geschah.
  
• Kennzeichnen Sie Referenzen von nicht vergleichbaren Geschäftsmodellen. Eine Referenz eines physischen Einzelhändlers/einer physischen Einzelhändlerin sagt sehr wenig über die digitale Betrugsleistung aus.
  

Abschnitt J: Anhänge

J.1 Checkliste für Einreichungen (Anbieternutzung)

Fügen Sie diesen als erste Seite Ihrer Antwortunterlagen an. Unvollständige Einreichungen können von der Bewertung ausgeschlossen werden.

J.2 Glossar der Konditionen

J.3 Bewertungsmatrix (interner Gebrauch)

J.4 Checkliste der Anforderungen als Kurzreferenz

Für die Selbstbewertung der Anbieterin/des Anbieters vor der Einreichung.

KI-Modell und Qualität des Datensatzes

• Trainingsdatenprofil des KI-Modells, das anhand spezifischer Parameter beschrieben wird – Volumen, Region, Aussteller und Zahlungsmethoden

• Dokumentierte Betrugsreduzierung im laufenden Betrieb – der Benchmark liegt bei durchschnittlich 32 %

• Granulare Risikobewertung (0–99) mit Erklärbarkeit auf Signalebene pro Transaktion

• Betrugsbewertung pro Transaktion mit dokumentierter Fehlerquote

• Häufigkeit der Modellaktualisierung (kontinuierlich oder periodisch), einschließlich Zeitplan für die Einbindung neuer Vektoren

• Intelligenz auf Netzwerk-Ebene, die sich skalieren lässt

• Unterstützung von Multiprocessor – Risikobewertungen verfügbar für extern verarbeitete Zahlungen

• Risikobewertungen vor der Autorisierung für Entscheidungen zum Routing von Zahlungen

• Flexible Prüfung an mehreren Stellen im Bezahlvorgang

Betrugsprävention bei Transaktionen

• Betrugsbewertung in Echtzeit – Latenzen p50, p95 und p99 sind dokumentiert

• Konfigurierbare Blockierungsschwellen – No-Code-Lösung

• Dynamische 3DS und SCA – werden nur bei Hochrisikotransaktionen angewendet, nicht bei allen

• Abdeckung für Karten, ACH, SEPA, Wallets, Jetzt kaufen, später bezahlen und Stablecoins

• Erkennung von Kartentests – eine Steigerung der Erkennungsrate von 59 % auf 97 % gilt als Benchmark für Verbesserungen

• PAN-Portabilität – Sperr- und Erlaubnislisten sowie Betrugshistorie können prozessorübergreifend übertragen werden

• Erkennung grenzüberschreitenden Betrugs

Betrugsprävention bei Konten

• Betrugsbewertung auf Kontoebene beim Onboarding mit dokumentierten Fehlerquoten

• Kontinuierliche Überwachung des Kontos nach der Aktivierung

• Erweiterte Verifizierung für Grenzfälle (nicht eindeutig betrügerische) Konten

• Ansicht für markierte Konten – Echtzeitliste verdächtiger Konten

• Echtzeit-Warnungen bei Händlerbetrug auf Plattformebene

• Automatisierte Kontoaktionen – Rücklagen, Auszahlungsbeschränkungen und Sperrungen

• Mehr als 3,5 Mio. gesperrte betrügerische verbundene Konten pro Jahr – gleichwertige Metrik erforderlich

• 5,3-fache Reduzierung des Betrugsrisikos – gleichwertige Metrik erforderlich

Missbrauchsprävention

• Missbrauchsprävention bei kostenlosen Testversionen – 90 % Präzision ist der Benchmark

• 715.000 blockierte Hochrisiko-Testversionen und 6 Mio. USD an verhinderten Verlusten in zwei Monaten – gleichwertige Leistung erforderlich

• 6,2-fach bessere Erkennung bei neuen Missbrauchsvektoren – gleichwertige Leistung erforderlich

• Missbrauchsprävention nach dem Pay-as-you-go-Prinzip

• Abdeckung von Missbrauch im Lifecycle der Endkundin/des Endkunden

Management von Streitfällen

• Automatisierte Einreichung von Beweisen nach Art des Streitfalls

• Wahrscheinlichkeit der Erfolgsquote pro einzelnem Streitfall

• Beweisempfehlungen pro einzelnem Streitfall

• Smart Refunds oder proaktive Rückerstattung vor einer Rückbuchung

• Frühzeitige Betrugswarnungen von Ausstellern vor der formellen Rückbuchung

• Native Integration von Verifi und Ethoca

• Nachverfolgung und Analyse der Erfolgsquote bei Streitfällen

• Status von VAMP und Überwachungsprogramm im Dashboard

Benutzerdefinierte Regeln und Tools für das Risiko-Team

• No-Code-Regelerstellung heute produktiv

• Regeln in einfacher Sprache für nicht-technische Nutzer/innen

• Blockier- und Erlaubnislisten – IP-Adresse, E-Mail, Karten-BIN, Geräte-Fingerabdruck

• Regelvorschläge basierend auf Ihren wichtigsten Betrugsindikatoren

• Shadow-Modus oder What-if-Simulation anhand historischer Daten

• Custom Geschäftsdaten in Regeln (z. B. loyalty_tier, product_category)

• Leistungsanalysen für Regeln in Echtzeit

• Konfigurierbare Schwellenwerte nach Betrag, Region, Kontotyp oder Zahlungsmethode

• Manuelle Überprüfungsliste mit Workflow-Tools

Analysen und Berichte

• Einheitliches Dashboard – Betrug, Zahlungen und Streitfälle in einer Ansicht

• Dashboard-Updates in Echtzeit – ohne Verzögerung

• Überprüfung pro Transaktion mit Risikobewertung und Signalaufschlüsselung

• Echtzeitwarnungen vor Betrugsangriffen mit Empfehlungen zur Schadensbegrenzung

• Untersuchungstools für Betrugsmuster

• Status im Überwachungsprogramm in Echtzeit

• Synchronisierung mit dem Data Warehouse (z. B. Snowflake, BigQuery, Redshift)

• Analysenfilterung pro Abwickler

• Programmatische Streitfallverwaltung über API mit Webhooks

Abdeckung von Agenten und neuen Bedrohungen

• Betrugsbewertung bei von KI-Agenten initiierten Transaktionen – Vorführung in der Sandbox

• Anomalieerkennung für Agentenverhalten

• Abdeckung von First-Party-Missbrauch bei KI-nativen Geschäftsmodellen

• Über 200 Produktupdates pro Jahr – Verbesserungsrhythmus nachgewiesen

Plattformarchitektur und API

• Zero-Code-Einrichtung – Aktivierung am selben Tag

• p99-API-Latenz – Produktionszahlen erforderlich

• 99,999 % + Erreichbarkeit – historische Daten über 12 Monate

• 100 % Erfolgsquote bei PCI-Audits – vollständiger Verlauf

• Vollständige Sandbox mit Produktionsparität einschließlich agentenbasierten Abläufen

• Konfiguration von No-Code-Regeln und Schwellenwerten

Sicherheit und Compliance

• PCI DSS v4.0 (gültig ab März 2024) – 100 % Erfolgsquote bei Audits

• SOC 2 Typ II

• DSGVO und CCPA

• Vertrauen von 50 % der Fortune-100-Unternehmen

J.5 Zertifizierung der Anbieterübermittlung

Ich bestätige, dass diese Einreichung vollständig ist und dass alle gemachten Angaben nach bestem Wissen und Gewissen richtig sind. [Ihr Unternehmen] behält sich das Recht vor, die in dieser Antwort gemachten Angaben zu überprüfen.

Unternehmensname: ________________________

Vertretungsberechtigte Person: ________________________

Titel: ________________________

Unterschrift: ________________________

Datum: ________

So kann Stripe Radar Sie unterstützen

Stripe Radar verwendet KI-Modelle, um Betrug zu erkennen und zu verhindern. Diese Modelle wurden mit Daten aus dem globalen Netzwerk von Stripe trainiert. Sie werden kontinuierlich auf der Grundlage neuester Betrugstrends aktualisiert und schützen Ihr Unternehmen vor aufkommenden betrügerischen Aktivitäten.

Stripe bietet außerdem Radar for Fraud Teams an, mit dem Nutzer/innen benutzerdefinierte Regeln für Betrugsszenarien hinzufügen können, die speziell auf ihr Unternehmen zugeschnitten sind. Außerdem erhalten sie Zugang zu neuesten Erkenntnissen über betrügerische Aktivitäten.

Mit Radar kann Ihr Unternehmen unter anderem Folgendes umsetzen:

• Verlust aufgrund von Betrug vermeiden: Stripe wickelt jährlich Zahlungen in Höhe von über 1 Billion USD ab. Dadurch kann Radar auf einzigartige Weise Betrug genau erkennen und verhindern.

• Umsatz steigern: Die KI-Modelle von Radar werden anhand tatsächlicher Anfechtungsdaten, Kundeninformationen, Daten zum Surfverhalten und mehr trainiert. Damit kann Radar riskante Transaktionen identifizieren und falsch positive Ergebnisse reduzieren und so Ihren Umsatz steigern.

• Zeit sparen: Radar ist in Stripe integriert und lässt sich ohne Codierung einrichten. Sie können über eine einzige Plattform Ihre Performance mit Blick auf Betrug überwachen, Regeln schreiben und vieles mehr. Das erhöht die Effizienz.

Erfahren Sie mehr über Stripe Radar oder starten Sie noch heute.