Erkennung von Versicherungsbetrug mit künstlicher Intelligenz

Das Schadenmanagement und insbesondere die Erkennung von Versicherungsbetrug ist von herausragender Bedeutung für Versicherungsunternehmen. Laut einer Studie des Gesamtverbands der Deutschen Versicherungswirtschaft (GDV) ist nahezu jeder zehnte Schadensfall ein Betrugsfall. Davon wird jedoch nur ein geringer Anteil aufgedeckt. Dies führt zu Schäden in Milliardenhöhe für Versicherungsunternehmen und letztlich auch für die Gemeinschaft aller Versicherten.

Versicherungsbetrug stellt in allen Versicherungssparten ein Problem dar, von der Schaden- und Unfallversicherung über die private und gesetzliche Krankenversicherung bis hin zur Lebensversicherung. Dabei gibt es unterschiedliche Arten von Versicherungsbetrug. So kann der Versicherungsnehmer beispielsweise durch fingierte Schadensmeldungen und Rechnungen unrechtmäßige Zahlungen vom Versicherungsunternehmen verlangen. Dies kann auch in Zusammenarbeit mit einer dritten Partei erfolgen. Derartiger Versicherungsbetrug ist häufig in der KFZ-Versicherung anzutreffen. In der Krankenversicherung wiederum hat der Leistungserbringer einen Anreiz, durch überhöhte Rechnungen bzw. durch Abrechnung von nicht erbrachten Leistungen zusätzliche Einnahmen zu generieren. Im Folgenden definieren wir Versicherungsbetrug sehr weit gefasst: von Tippfehlern in Rechnungen, die zum Auszahlen eines falschen Betrags durch das Versicherungsunternehmen führen, bis hin zu absichtlichen Betrugshandlungen, wie etwa die weiter oben ausgeführten Beispiele.

Eine effiziente Schadensbearbeitung und vor allem die Bekämpfung von Versicherungsbetrug ist für die Versicherungsbranche von außerordentlicher Bedeutung. Aufgrund der Vielzahl möglicher Betrugsszenarien und der zumeist großen Anzahl an zu bearbeitenden Fällen, stellt die Betrugserkennung allerdings seit jeher eine große Herausforderung für Versicherungsunternehmen dar. Zur Erkennung von Versicherungsbetrug kommen in der Praxis zumeist regelbasierte Systeme zum Einsatz, die mit manueller Inspektion und Intuition von Schadenssachbearbeiterinnen und Schadenssachbearbeitern kombiniert werden. Dieser Ansatz ist typischerweise nicht nur mit hohen Kosten verbunden, sondern auch zeitintensiv und anfällig für Fehler.

Durch die fortschreitende Digitalisierung entlang des gesamten Schadenprozesses liegen Versicherungsunternehmen heutzutage immer mehr Informationen in digitaler Form vor. Diese Entwicklung ermöglicht es der Versicherungsbranche, ihre Ansätze zur Betrugserkennung fundamental zu verbessern. Durch die Anwendung neuer Methoden aus dem Bereich des Maschinellen Lernens und der künstlichen Intelligenz (KI) können Betrugsmuster Algorithmus-basiert aus den Daten gelernt werden. Anschließend können diese zur automatisierten Betrugserkennung beim Eintreffen neuer Schadensfälle verwendet werden. Daraus ergeben sich Kostenersparnisse, nicht nur durch eine bessere Betrugserkennung, sondern auch durch ein schnelleres und effizienteres Handling von Schadensfällen. Diese Erfahrung hat auch Economic AI in gemeinsamen Projekten mit Versicherungen gemacht. Die frei werdenden Kapazitäten der Sachbearbeiterinnen und Sachbearbeiter können für andere Tätigkeiten verwendet werden, bei denen menschlicher Input sehr wichtig ist, wie beispielsweise bei der Betreuung von Kunden und deren Bindung an das Unternehmen.

Die im Folgenden vorgestellten Methoden können nicht nur zur Betrugserkennung im Versicherungswesen verwendet werden. Sie können auch in anderen Bereichen zum Einsatz kommen, wie bei der Erkennung von Kreditkartenbetrug, Geldwäsche, Abrechnungsbetrug oder Finanzbetrug, da diese ähnliche Charakteristika aufweisen.

Leitfaden kostenfrei herunterladen