ERP‑RiskBench: Leakage‑Sichere Ensemble‑Lernmethode für Finanzrisikodetektion

Ein neues Forschungsprojekt liefert einen robusten Rahmen zur Erkennung von Finanzrisiken in Enterprise‑Resource‑Planning‑Systemen. Durch die Kombination von öffentlichen Beschaffungsprotokollen, gekennzeichneten Betrugsdaten und einem synthetischen ERP‑Datensatz, der gezielt Risikotypen einbettet, entsteht der Benchmark ERP‑RiskBench.

Der Ansatz nutzt ein Leakage‑Sicheres Verfahren: Nested Cross‑Validation mit zeit- und gruppenbewusster Aufteilung verhindert Datenlecks in jeder Pipeline‑Stufe. Das Hauptmodell ist ein Stacking‑Ensemble aus Gradient‑Boosting‑Methoden, das gegen lineare Baselines, tiefe tabellarische Architekturen und ein interpretierbares Glassbox-Modell getestet wird.

Die Leistung wird anhand von Matthews‑Correlation‑Coefficient, dem Bereich unter der Precision‑Recall‑Kurve und einer kosten‑sensitiven Entscheidungsanalyse gemessen. Das Stacking‑Ensemble erzielt die besten Ergebnisse, während die Leakage‑Sicheren Protokolle zuvor überhöhte Genauigkeiten deutlich reduzieren.

SHAP‑basierte Erklärungen und Feature‑Stabilitätsanalysen zeigen, dass insbesondere Kontroll‑Features aus dem Beschaffungsbereich entscheidend sind. Das Ergebnis ist ein transparenter, leistungsfähiger und praxisnaher Ansatz für die Finanzrisikodetektion in ERP‑Systemen.