Bessere Anwendungsqualität
Mit Elastic Observability konnte petaFuel den Softwarelebenszyklus optimieren und die Qualität der Anwendungen bei der Produktionseinführung garantieren.
Bis zu 15% weniger Anwendungsfehler für datenorientierte Anwendungen
Seit der Bereitstellung von Elastic Observability kann petaFuel die Anwendungsleistung genau überwachen und justieren, was zu 15% weniger Fehlern in datenorientierten Anwendungen geführt und die mittlere Dauer von Autorisierungsantworten reduziert hat.
Kreditkartenbetrug um zwei Basispunkte reduziert
Mit Machine Learning in Elastic Observability konnte petaFuel betrügerische Kreditkartentransaktionen und unbefugte Zahlungen um zwei Basispunkte reduzieren.
petaFuel, ein innovatives Unternehmen für Zahlungs- und Kreditkartenabwicklung, setzt Elastic Observability zur Analyse von Kundenverhalten und Anwendungsleistung und zur Betrugsvermeidung ein.
petaFuel ist ein zertifiziertes Unternehmen für Zahlungs- und Kreditkartenabwicklung und stellt innovative Zahlungssoftware und -Apps auf Basis moderner Technologien und Sicherheitsstandards bereit. Dazu gehören beispielsweise die VIMpay-App für mobile Zahlungen und Styx XS2A, eine Schnittstelle, mit der Drittanbieter die von Banken bereitgestellten Kontoinformations- und Zahlungsauslösedienste nutzen können.
Ludwig Adam, CTO von petaFuel, ist für Software, Dienste und Sicherheit verantwortlich. „Wir müssen sicherstellen, dass die Dienste, die wir für Banken bereitstellen, mit Marktrisiken und Vorschriften kompatibel sind und die Nachfrage nach E-Commerce-, mobilen und Multikanaltransaktionen decken.“
Ein so breites Anwendungsfeld lässt keinerlei Spielraum für Fehler, was die Qualität und Integrität der IT-Infrastruktur und der Anwendungen von petaFuel angeht. „Zur Überwachung und Optimierung unserer Systemleistung haben wir Elastic Observability in zwei wichtigen Geschäftsbereichen bereitgestellt“, berichtet Adam. Einer dieser Bereiche ist die Ereigniserkennung, die mit Loganalyse und Fehlererkennung zur Vereinfachung des Softwarelebenszyklus beiträgt. „Mit Elastic können wir Bugs und andere Softwareprobleme noch während der Entwicklung identifizieren und die Qualität unserer Anwendungen bei der Produktionseinführung garantieren“, erzählt er weiter.
Der zweite Bereich, in dem Elastic eine entscheidende Rolle spielt, ist die Incident-Verwaltung. Praktisch in Echtzeit übermittelte Ereignisbenachrichtigungen helfen petaFuel, ungewöhnliche oder verdächtige Verhaltensweisen zu identifizieren. Es reicht jedoch nicht aus, ein Ereignis nur zu bemerken. Elastic unterstützt eine schnelle Einordnung, um Fehlalarme zu minimieren und echte Bedrohungen zu priorisieren. „Das ist die große Stärke von Elastic“, erzählt Adam. „Durch die Konsolidierung unserer Daten können wir Querverweise zwischen Incidents herstellen, um die Ursachenanalyse zu beschleunigen und die finanziellen Auswirkungen von Incidents zu minimieren.“
„Mit Elastic können wir Bugs und andere Softwareprobleme noch während der Entwicklung identifizieren und die Qualität unserer Anwendungen bei der Produktionseinführung garantieren.
Als Early Adopter von Elastic ist petaFuel in einer hervorragenden Position, um die Plattform mit anderen Observability-Lösungen zu vergleichen. „Für den Log-Versand haben wir eine eigene Anwendung entwickelt, die jedoch für unsere Expansionsziele nicht skalierbar genug war“, erzählt Adam. Er hat auch eine andere Observability-Plattform geprüft, musste jedoch schnell feststellen, dass sie nicht nutzerfreundlich genug für die petaFuel-Entwickler war. „Elastic hat die Konkurrenz weit hinter sich gelassen, und unser Team hat die Lösung schnell eingeführt, insbesondere, als wir Kibana zum Überwachen und Visualisieren von Logs hinzugefügt haben“, sagt Adam.
Inzwischen unterstützt die Ereigniserkennung und Incident-Verwaltung mit Elastic drei wichtige Geschäfts- und technologische Aktivitäten: Kundenverhalten, Anwendungsleistungsverwaltung und Betrugsvermeidung.
Laut Ludwig Adam (links), CTO von petaFuel, sind die Machine-Learning-Funktionen von Elastic extrem hilfreich beim Identifizieren und Verhindern von Betrugsversuchen.
Einblicke in das Kundenverhalten
„Zu Anfang haben wir Elastic für Log-Versand und -Analyse eingesetzt“, berichtet Adam. „Dann haben wir die Einsatzbereiche erweitert, indem wir unsere Daten mit passenden Feldern und einer klaren Taxonomie strukturiert haben. Auf diese Weise erhalten wir bessere Einblicke in das Kunden- und Händlerverhalten und in zeitliche Abläufe. Zum Beispiel wie viele Personen zu welchen Zeiten bei Amazon einkaufen oder welche Personen spät nachts an Tankstellen einkaufen. Mit diesen Einblicken können wir die Schwellenwerte für unsere Überwachung anpassen, da betrügerisches Verhalten oft auf bestimmten Kanälen stattfindet und es keine Allzwecklösung gibt“, erzählt er weiter.
petaFuel setzt Elastic ein, um die Leistung der Anwendungen zu verwalten. Dies umfasst Einblicke in die Laufzeit, die Auswirkungen von Workloads und den Einfluss von Fehlern auf die allgemeine Systemleistung. „Das war ein echter Aha-Moment“, schildert Adam. „Wir haben einfach nur die Funktion in Elastic aktiviert und hatten auf einmal all diese Informationen, mit denen wir unsere Anwendungen feinjustieren und die Leistung optimieren konnten.“
„Elastic hat die Konkurrenz weit hinter sich gelassen, und unser Team hat die Lösung schnell eingeführt.“
Elastic leistet auch einen wichtigen Beitrag zur Überwachung der petaFuel-Datenbanken. Dabei ist es entscheidend, den Kunden trotz stark schwankender Menge an Transaktionen jederzeit maximale Leistung zu bieten. „Diese Schwankungen sind in der Testumgebung sehr schwer vorherzusagen“, so Adam. „Aber mit Elastic können wir Probleme in Produktionsdatenbanken identifizieren und Maßnahmen ergreifen, um Probleme für den jeweiligen Kunden zu beheben.“ Auf diese Weise hält petaFuel SLAs ein, insbesondere im Hinblick auf die Autorisierungsdauer für Kartentransaktionen.
Betrugsvermeidung mit Machine Learning
petaFuel setzt auch Machine Learning in Elastic zur Betrugsvermeidung ein, um Transaktionen zu prüfen und ungewöhnliche Verhaltensweisen zu erkennen. Adam betont den Beitrag von Elastic zur Vermeidung von „Nettobetrug“, bei dem die Banken betrügerische Transaktionen nicht rückbuchen können. „Diese Fälle sind für die Banken besonders schädlich, aber mit Elastic können wir kriminelle Verhaltensweisen rechtzeitig blockieren und anschließend neue Regeln aufstellen, um ähnliche Vorfälle in Zukunft zu unterbinden“, erzählt Adam. „Mit dem gemeinsamen Schema von Elastic können wir Daten in Echtzeit verarbeiten, um Betrug erfolgreich zu identifizieren und zu verhindern.“
petaFuel nutzt die Machine-Learning-Funktionen von Elastic, um Anomalien und Ausreißer zu finden, Daten in Form von natürlicher Sprache zu analysieren und nützliche Bereiche für die Betrugsvermeidung zu identifizieren.
Er betont außerdem die Bedrohung durch Bots und Skripts für automatisierte Angriffe auf Websites von Händlern mit gestohlenen Kartendaten. Diese Tools versuchen meist, kleine Transaktionen durchzuführen, um gültige Karten für größere Transaktionen zu identifizieren. „Auch erfahrene Mitarbeiter brauchen manchmal eine halbe Stunde, um zu reagieren, aber bis dahin ist der Schaden angerichtet. Mit Machine Learning in Elastic können wir jedoch verdächtige Transaktionsmuster identifizieren und praktisch sofort reagieren, um Bedrohungen abzuwenden“, berichtet Adam.
Mit Blick auf die Zukunft freut sich Adam darauf, die offene Architektur von Elastic zu nutzen. „Mit den APIs von Elastic können wir Telemetriedaten aus unseren Schnittstellen und Connectors erfassen und verwalten. Außerdem können wir neue Features bei Bedarf jederzeit hinzufügen. Damit sind wir hervorragend für die Zukunft gewappnet.“
Dazu kommen die Elastic-Community und das Elastic-Supportteam, die hinter den Kulissen dafür sorgen, dass petaFuel die vorhandenen Tools und neue Iterationen der Software optimal nutzen kann. „Wir sind ein kleines Unternehmen, haben aber immer das Gefühl, dass Elastic unsere Bedenken wahrnimmt und auf sie eingeht. Darüber hinaus versteht Elastic unsere Wachstums-Journey und hilft uns, durch Skalierbarkeit auf alle Herausforderungen reagieren zu können.“
„Die Zusammenarbeit mit Elastic fühlt sich an, als hätten wir ein gemeinsames Ziel. Sie teilen unsere Vision, insbesondere im Hinblick auf die Leistung und Skalierbarkeit unserer Software. Dies gibt uns enormes Vertrauen in unsere Zukunft und in die Dienste, die wir für unsere Kunden anbieten.“
Weitere Artikel
- Nutzen Sie die kostenlose Testversion und erleben Sie die Machine-Learning-Funktionen von Elastic in Aktion.
- Erfahren Sie, wie Finanzdienstleister generative KI nutzen können und wie der Einstieg gelingt.
- Erfolgsgeschichte: Wells Fargo beschleunigt die digitale Innovation und stellt die Kunden in den Mittelpunkt mit Elastic Observability
