
Phishing-Muster erkennen
Ein analytisches Tool, das E-Mail-Muster untersucht und verdächtige Strukturen hervorhebt. Das Projekt nutzt maschinelles Lernen, um typische Betrugsindikatoren zu identifizieren.
Entwickelt von Linnéa Bergström
Unsere Studierenden entwickeln während ihrer Ausbildung praktische Lösungen gegen Finanzbetrug. Hier zeigen wir, was sie erschaffen haben – und wie diese Projekte ihnen geholfen haben, Theorien in greifbare Ergebnisse zu verwandeln.
Diese drei Projekte entstanden zwischen Herbst 2024 und Frühjahr 2025. Jedes zeigt einen anderen Ansatz – von analytischen Tools bis hin zu Aufklärungskampagnen.
Ein analytisches Tool, das E-Mail-Muster untersucht und verdächtige Strukturen hervorhebt. Das Projekt nutzt maschinelles Lernen, um typische Betrugsindikatoren zu identifizieren.
Entwickelt von Linnéa Bergström
Eine Kampagne mit klaren, verständlichen Materialien für ältere Menschen. Ziel war es, komplexe Betrugsmethoden in einfache Warnzeichen zu übersetzen.
Konzipiert von Gideon Voss
Ein System, das ungewöhnliche Zahlungsvorgänge in Echtzeit markiert. Die Studentin arbeitete mit lokalen Banken zusammen, um realistische Testdaten zu erhalten.
Programmiert von Ruxandra Popescu
Studentenprojekte sind mehr als Übungen. Sie lösen echte Probleme und schaffen Wert für Organisationen. In den letzten zwei Jahren haben unsere Teilnehmer Tools entwickelt, die tatsächlich eingesetzt werden – manche bei kleinen Unternehmen, andere bei regionalen Banken.
Die Zahlen unten zeigen, was passiert, wenn theoretisches Wissen auf praktische Anwendung trifft. Und ja, nicht jedes Projekt wird sofort produktiv. Aber viele schaffen es.
Der Weg von der Idee zum fertigen Projekt dauert etwa sieben Monate. Hier ist ein Überblick über die typischen Phasen.
Studierende identifizieren ein spezifisches Betrugsproblem, das sie interessiert. Sie sammeln Daten, sprechen mit Betroffenen und analysieren bestehende Lösungsansätze.
Aus der Recherche entsteht ein Konzept. Die ersten Prototypen sind oft simpel – manchmal nur ein Mockup oder ein einfacher Algorithmus. Das Ziel ist, die Kernidee zu testen.
In dieser längsten Phase wird das Projekt gebaut. Code wird geschrieben, Designs verfeinert, Fehler behoben. Studierende testen ihre Arbeit mit echten Nutzern oder Daten.
Am Ende steht eine Präsentation vor Mentoren und manchmal vor potenziellen Nutzern. Einige Projekte werden übergeben, andere dokumentiert und archiviert.
Ich hatte vorher nur theoretische Kurse gemacht. An einem echten Projekt zu arbeiten – mit echten Daten und echten Deadlines – hat mir gezeigt, wo meine Lücken waren. Das war unbequem, aber genau deshalb wertvoll. Heute arbeite ich bei einer Bank, und ich nutze täglich, was ich damals gelernt habe.
Das nächste Ausbildungsprogramm startet im Oktober 2025. Bewerbungen werden ab Juni angenommen. Wenn du daran interessiert bist, praktische Erfahrungen im Bereich Finanzbetrug-Prävention zu sammeln, lohnt sich ein Blick auf die Details.
Mehr zum Lernprogramm