VLAIO (Flanders Innovation & Entrepreneurship) unterstützt Unternehmer in Flandern durch verschiedene Zuschüsse wie das SME e-wallet (KMOP), Ecology Premium Plus (EP-Plus) oder COVID-19-bezogene Subventionen. Um die Inspektoren bei der Suche nach risikoreichen Tochterunternehmen zu unterstützen, entwickelte Devoteam ein Betrugserkennungs-Tool für jede der drei Fördermaßnahmen, das einen Score für das berechnete Risiko liefert. Das Tool spürt nicht nur potenzielle Betrugsfälle auf, sondern spart den Inspektoren auch viel Zeit – eine Win-Win-Situation!
VLAIO ist die Anlaufstelle für Unternehmer in Flandern. Das Institut ermutigt und unterstützt Innovation und Unternehmertum und trägt zu einem günstigen Geschäftsklima bei. Neben anderen Zielen unterstützt VLAIO Unternehmen durch Zuschüsse, um deren Wachstum, Transformation und Innovation zu verbessern.
Das SME e-wallet zielt darauf ab, das fehlende strategische Wissen von KMUs zu subventionieren, das notwendig ist, um neue Wachstumsstrategien im Falle eines Wendepunktes durch Internationalisierung oder Innovation zu etablieren. Die Ökologieprämie Plus hingegen wird Unternehmen gewährt, die bestimmte ökologische Fachinvestitionen in Flandern tätigen. Die Regierung ergriff auch einige juristische Maßnahmen und Erleichterungen wegen der Pandemie. Unternehmen, die aufgrund von COVID-19 in finanzielle Schwierigkeiten gerieten, konnten verschiedene soziale und steuerliche Unterstützungsmaßnahmen beantragen.
Die Herausforderung
Für die KMU-E-Wallet (KMOP), die Ökologieprämie Plus (EPPLUS) und die COVID-19-Förderung ist ein automatisiertes Betrugserkennungssystem erforderlich, um die Kontrolleure bei der gezielten Suche nach risikobehafteten Tochtergesellschaften zu unterstützen, da eine manuelle Einzelfallbetrachtung angesichts der hohen Zahl der beantragten Förderungen nicht möglich ist.
Wie funktioniert es also? Das Betrugserkennungssystem liefert für jede eingereichte Anfrage einen Score für das berechnete Risiko. Diese Scores setzen sich aus der Kombination verschiedener zugrundeliegender Methoden zusammen, die das Risiko jeweils auf eine andere Weise berücksichtigen. Die daraus resultierenden Daten werden in einem eigens erstellten Power BI-Dashboard visualisiert, mit dem die Inspektoren Antragsteller mit hohem Risiko identifizieren und dementsprechend gezielte Inspektionen durchführen können.
Eine wichtige Einschränkung des Systems ist die Sensibilität der Daten, die zur Risikobestimmung verwendet werden. Es enthält zum Beispiel Daten über Einzelunternehmen und damit Daten über einzelne Bürger. Daher ist die Sicherheit der Daten extrem wichtig. Alle Schritte des Prozesses, vom Einlesen der Daten bis zur Anzeige der Daten für die Prüfer, müssen hochsicher sein.
Die Lösung
Das Betrugserkennungssystem nimmt Daten aus mehreren Quellen auf, darunter VLAIOs eigene Daten und Daten aus der zentralen Datenbank für Unternehmen (KBO). Diese Daten werden verarbeitet, und es werden mehrere Methoden verwendet, um das Risiko zu definieren. Eine dieser zugrundeliegenden Methoden ist die Community Detection (die Identifizierung von Gruppen von Unternehmen, die eng miteinander verbunden sind). Andere Methoden umfassen regelbasierte Methoden, überwachtes Machine Learning und Anomalieerkennung.
Durch die Kombination der verschiedenen Methoden wird eine Gesamt-Risikobewertung für jeden eingereichten Antrag auf Subventionen definiert. Diese Risikobewertungen können den VLAIO-Inspektoren dabei helfen, Fälle mit hohem Risiko zuerst anzugehen. Den Inspektoren werden auch Low-Level-Informationen zur Verfügung gestellt, damit sie den Entscheidungsprozess des Betrugserkennungssystems besser verstehen können. Diese Low-Level-Informationen helfen den Inspektoren auch, einen besseren Einblick in die Subventionsanträge und die dahinter stehenden Unternehmen zu erhalten, und zwar auf interaktive, visuelle und benutzerfreundliche Weise.
Das Betrugserkennungssystem ist in der Azure-Umgebung von VLAIO aufgebaut. Sein Code ist in Python geschrieben und wird in Kombination mit anderen Azure-Komponenten verwendet, wie einer Azure Data Factory (ADF), die zur Automatisierung des Prozesses eingesetzt wird. Die Ergebnisse werden automatisch in einem Power BI Dashboard gesammelt.
Die Hauptvorteile
Seit dem Einsatz des Betrugserkennungssystems und des Power BI-Dashboards können die Inspektoren Subventionsanträge und Unternehmen mit hohem Risiko schnell identifizieren. Außerdem stehen ihnen Diagramme zur Verfügung, mit denen sie Unternehmen und ihre Beziehungen zu anderen visuell darstellen können. Während sich die bisherigen Lösungen auf die Suche nach Werten in Excel-Tabellen beschränkten, verbessert das neue Dashboard die Lesbarkeit und reduziert den Zeitaufwand für jeden Fall. Darüber hinaus fungiert das maßgeschneiderte Power BI-Dashboard als Informationsdrehscheibe und erspart es den Inspektoren, auf mehrere Systeme zugreifen zu müssen, um an alle benötigten Informationen zu gelangen.