Hinter den Kulissen moderner Zahlungssysteme – das Doppelinterview PetaFuel CTO & Datenananalyst Elastic

Im Herzen des digitalen Zahlungsverkehrs steht die präzise und schnelle Verarbeitung von Transaktionen. CTO Ludwig Adam, der Kopf hinter dem Pay­ment Pro­vi­der petaFuel, erläutert im Doppelinterview mit Jörg Hesske (Area Vice President EMEA Central Elastic) die Grenzen der Datenverarbeitung – und wie man Betrugsprävention technologisch geschickt integriert.

Herr Adam, welche spezifischen Probleme musste petaFuel bewältigen, bevor es die Zusammenarbeit mit Elastic aufnahm, insbesondere im Bereich der Datenverarbeitung und -analyse?

Im Wesentlichen sind die Herausforderungen bei der Verarbeitung von Kartentransaktionen ähnlich wie bei anderen transaktionsbasierten Prozessen in einem verteilten System.

Die Kernproblematiken umfassen hierbei die Daten- und Log-Generierung aus unterschiedlichen Orten im Ökosystem (Data Sprawl) und die Konsolidierung zusammenhängender Events ohne übergreifendes Identifikationsmerkmal wie bspw. eine Transaktions-ID (Tracing).”

Jedoch auch die Abhängigkeiten zwischen verschiedenen Diensten bei parallelen Verarbeitungen, Duplicate Processing und Zustellungsproblematiken galt es zu bewältigen.

Zusätzlich ergeben sich im Kontext von Finanztransaktionen spezifische Herausforderungen. Besonders die Erzeugung von Transaktionen über unterschiedliche Kanäle mit variierenden Anforderungen bzw. Risikobetrachtungen (zum Beispiel Chiptransaktionen am POS vs. E-Commerce-Transaktionen) stellt ein komplexes Problem dar.

Zudem können Fehler in der Verarbeitung von Autorisierungen, die eine Zahlungsgarantie für Händler darstellen, schnell erhebliche Auswirkungen und finanziellen Impact haben.”

Unsere Bedürfnisse bezüglich einer umfassenden Datenverarbeitung und -analyse verlangten entsprechend nach einem schnellen Zugriff und der Fähigkeit, Daten zu korrelieren, selbst wenn eindeutige Identifikatoren fehlten. Durch die nahtlose Integration verschiedener Datenquellen in ein System konnten wir mit Elastic diesen komplexen Herausforderungen erfolgreich begegnen und unsere Prozesse optimieren.

Aus welchen Gründen hat sich petaFuel für Elastic als Partner im Bereich Betrugsprävention entschieden, und welche Vorteile bot Elastic im Vergleich zu anderen Anbietern?

Ludwig Adam: petaFuel hat sich in erster Linie für Elastic als Partner entschieden, da wir bereits über die erforderlichen Daten in Elastic verfügten und positive Erfahrungen mit der Verarbeitungsgeschwindigkeit und Skalierbarkeit von Elastic gemacht haben. Diese Aspekte sind ausschlaggebend für eine effektive Betrugsprävention.

Besonders im Bereich des Machine Learnings ist es von Bedeutung, dass die entsprechenden Jobs eine kontinuierliche Auswertung ermöglichen und die Ergebnisse in-time bereitgestellt werden.”

Inwiefern sind Suchtechnologien und Observability für petaFuel entscheidend, um Probleme zu lösen?

Ludwig Adam: Suchtechnologien und Observability spielen eine entscheidende Rolle, um eine effiziente Qualifikation und Analyse von Incidents im Systembetrieb sowie in der Transaktionsverarbeitung zu ermöglichen. Diese Tools ermöglichen eine beschleunigte Reaktionszeit und verkürzen letztendlich die Zeit, die benötigt wird, um auf Probleme zu reagieren und sie zu lösen.

Welche Technologien setzen Sie konkret ein und welche Schnittstellen nutzen Sie? Sind die Anwendungen echtzeitfähig?

Ludwig Adam: Wir verwenden primär gängige Java-Technologien und binden Elastic über Standard-Schnittstellen in unseren Systemen an. Diese Design-Entscheidung basiert auf unserem Bestreben, konform mit Industriestandards zu arbeiten und eine schnelle Implementierung sicherzustellen. Unser Processing erfolgt in-time und synchron: Eine echtzeitfähige Autorisierung mit hartem Deadline-Scheduling ist theoretisch möglich, wird jedoch durch nicht-echtzeitfähige Infrastrukturen wie Netzwerke in der Praxis verhindert.

Was sind die konkreten Vorteile und Möglichkeiten, die die Suchtechnologie Unternehmen bietet?

Jörg Hesske: Unsere Plattform für Search Analytics verbindet unterschiedliche Daten und Metadaten, um Entscheidungsträgern zu helfen, alle benötigten Antworten zu finden. Dafür arbeitet die Plattform in Echtzeit und kombiniert Search mit Künstlicher Intelligenz. So können unsere Kunden von beiden Technologien profitieren und einfach auf alles zugreifen – auch auf unstrukturierte Daten, die heute bis zu 90 Prozent der Unternehmensdaten ausmachen.

Um Entscheidungen in Echtzeit treffen und immer mehr Informationen nutzen zu können, sind die Erkenntnisse, die aus Daten gewonnen werden, von Bedeutung sowie der besondere Schutz der Daten.”

Was versteht man unter Observability und welche konkreten Daten- und Leistungsindikatoren können Unternehmen so ermitteln?

Jörg Hesske:

Das Konzept der Observability wird häufig im Zusammenhang mit Technologie-Stacks verwendet und bezieht sich auf funktionale Anforderungsdaten wie Protokolle, Metriken und Spuren, die anzeigen, wie das System arbeitet.”

Durch die Analyse dieser Informationen mithilfe fortschrittlicher Observability-Lösungen sind Site Reliability Engineers (SREs) in der Lage, potenzielle Anomalien zu identifizieren, die darauf hinweisen, dass eine Anwendung nicht korrekt funktioniert, und das Problem zu beheben. Search-basierte Observabilität in Kombination mit Künstlicher Intelligenz geht sogar noch weiter: Sie kann Vorhersagen treffen und Anomalien erkennen, noch bevor sie sich auf die Kundenerfahrung auswirken. In einer Zeit des harten Wettbewerbs zwischen den Banken und der Neigung der Kunden, sich bei schlechten Erfahrungen anderweitig umzusehen, ist die Observability in der Finanzbranche äußerst wichtig.

Wie wurden die anfänglichen Herausforderungen durch die Kooperation mit Elastic bewältigt?

Ludwig Adam: Es ist von großer Bedeutung, sich frühzeitig Gedanken zum Datenmodell zu machen. Dieser iterative Prozess erstreckt sich häufig über mehrere Fachabteilungen und erfordert eine sorgfältige Planung und Koordination. In unserem Fall konnten die Implementierung und die technische Integration von Elastic dank standardisierter Schnittstellen und APIs problemlos umgesetzt werden.

Welche Ergebnisse wurden durch die Lösung der Probleme erzielt? Und wie lassen sich diese Ergebnisse messen (z. B. ROI)?

Ludwig Adam: Wir konnten unsere Time-to-Resolve für Incidents reduzieren und den Netto-Fraud für unsere Issuer verringern. Diese Ergebnisse lassen sich entsprechend in einer deutlichen Verbesserung der Effizienz bei Problemlösungen und in einem Rückgang des Betrugvolumens messen.

Welche Lehren könnten Finanzunternehmen aus der Zusammenarbeit zwischen petaFuel und Elastic ziehen?

Jörg Hesske: Das Banking- und Payment-Ökosystem hat sich stark weiterentwickelt, um den steigenden Anforderungen der Kunden gerecht zu werden.

Neue Tools zur Verwaltung und zum Austausch von Vermögenswerten – Echtzeitzahlungen, Open Banking, Buy Now Pay Later, Wearables, digitale Geldbörsen – haben zu einem ständig wachsenden Datenvolumen geführt.”

Um diese Datenflut zu bewältigen und sie möglichst effektiv zu nutzen, setzen Bank- und Zahlungsanbieter für eine bessere Entscheidungsfindung mittlerweile häufig auf Search-basierte Lösungen – und das in der Geschwindigkeit, die Unternehmen benötigen. Gemeinsam modernisieren Zahlungsanbieter und Search-Analytics-Unternehmen die Transaktionssuche. Sie verbessern die Performance in Filialnetzen oder Zahlungsdiensten und beschleunigen die Problemlösung. So entstehen zum einen personalisierte, sichere Kundenerlebnisse und mehr Transparenz im Bankwesen. Zum anderen erhalten Security- und Fraud-Teams schnelle Suchfunktionen, mit denen sie Bedrohungen rasch und auf Cloud-Ebene stoppen können.

Herr Adam, Herr Hesske – vielen Dank für das Interview! aj