Welchen Kunden können Sie vertrauen? - Betrugserkennung für Versicherer mit KI

Abbilung 1: Hochhaus, eigene Darstellung

Die meisten Versicherungskunden sind ehrlich, aber…

Stellen Sie sich vor, Sie wohnen in einem Hochhaus mit 1000 Bewohnern. Könnten Sie allen Nachbarn vertrauen? Wie würden Sie sich mit der Erkenntnis fühlen, wenn 50 bis 250 Personen in Ihrem Haus Lügner oder Betrüger wären? Könnten Sie dann immer noch ihrem Nachbarn vertrauen? Wie wollen Sie sicher stellen, dass im Aufzug oder in direkter Nachbarschaft keine bösen Menschen sind?

Genauso ist es im aktuellen Versicherungsmarkt. Gemäß einer aktuellen Studie von BearingPoint, ist das Betrugspotenzial groß und beträgt auf dem deutschen Versicherungsmarkt zwischen 5% und 25% (vgl. Abbildung 2). Die Zahlen sind noch mehr bedenklich, wenn man die Daten mit der Entdeckungsquote vergleicht.

Abbildung 2: Betrugspotenzial im europäischen Versicherungsmarkt. Quelle: BearingPoint Study

Die Entdeckungsquote von lediglich 1% bis 3% der betrugsverdächtigen Zahlungen ist heute im Markt üblich. Das zu erhebende Potenzial an Kosteneinsparungen für Versicherer ist demnach enorm.

Genauso wie in der Nachbarschaft, prüfen die meisten Versicherungsunternehmen bestimmte Kundeneigenschaften und Kundenhistorien nach Merkwürdigkeiten und Auffälligkeiten. Aber wie präzise und zuverlässig sind die Ergebnisse einer manuellen Betrugserkennung? Wie lange dauert und was kostet der Betrugserkennungsprozess?

Nach einer aktuellen Einschätzung des Gesamtverbandes der Deutschen Versicherungswirtschaft (GDV) entstehen jährlich ein fünf Milliarden Schaden durch Versicherungsbetrug. Das sind fast zehn Prozent der Versicherungsleistungen. Welche Versicherungsarten sind dabei besonders gefährdet? Laut YouGov sind 35% der Respondenten der Meinung, dass bei der Haftpflicht- und der Hausratversicherung der Betrug gut funktionieren würde. KFZ- und Reisegepäckversicherungen folgen mit jeweils ca. 20%.

Wie funktioniert Betrugserkennung bisher?

Die Betrugserkennung lebt bisher davon, dass Schadensachbearbeiter bei gewissen Fallkonstellationen hellhörig werden und den Fall an einen Betrugsspezialisten weiterleiten. Für diese Sensibilität müssen die Mitarbeiter im Vorfeld eine qualifizierte Schulung durchlaufen oder viele Jahre Erfahrung mitbringen. Die Bearbeitungsschritte in einem Schadenmanagementsystem müssen auf eine schnelle Erfassung des Sachverhalts und die Einbeziehung von Dienstleistern ausgelegt sein. Nach Eingang einer entsprechenden Aufgabe in seinem elektronischen Arbeitskorb, ermittelt der Sachbearbeiter, ob bestimmte Merkmale oder Auffälligkeiten im System bereits vorhanden sind. Ist dies nicht der Fall, wird der Schaden im System angelegt. In manchen Fällen wird das Hinweis- und Informationssystem (HIS) nach vorhandenen Meldungen durchsucht. Für komplexere Fälle helfen, wenn vorhanden, Informationen aus dem Data-Warehouse-System. Letztendlich muss der Schadensachbearbeiter auf Grund seiner Erfahrung, die Entscheidung ob es sich um einen Betrugsfall handelt, jedoch selbst treffen.

Warum ist Innovation in der Betrugserkennung für Versicherer notwendig?

Abbildung 3: Mindmap Betrugsprüfung, eigene Darstellung

Diese Frage stellen sich heutzutage viele Versicherungsunternehmen. Laut des Gesamtverbandes der Deutschen Versicherungswirtschaft ist etwa 10% des Schadenaufwands deutscher Versicherer auf Betrugsfälle zurückzuführen. Alleine Schaden- und Unfallversicherer verlieren dadurch zwischen 4 und 5 Mrd. € pro Jahr. Tendenz steigend! Bekämpft wird diese Entwicklung zumeist manuell oder mithilfe veralteter Technologien. Ein wesentlicher Nachteil eines manuellen Schadenbearbeitungsprozesses, ist die lange Durchlaufzeit. In der Regel benötigt ein Schadensachbearbeiter zwischen 10 und 70 Minuten, um eine Betrugsprüfung durchzuführen. Da die Anzahl der Versicherungsverträge ständig wächst, wächst damit nicht nur das Betrugspotenzial. Dies führt zusätzlich zu einer hohen Auslastung der Teams und noch mehr Zeitdruck für die Schadensachbearbeiter. Darunter leidet dann die Qualität und damit letztendlich auch die Erkennungsrate ganz stark. Das wirkt sich nicht nur negativ auf die Kundenzufriedenheit aus. Die Schadenprüfung und -regulierung dauert lange und der zeitliche Druck führt zu mehr Fehlern. Jeder Fehler verlängert den Regulierungsprozess und erhöht damit die Schadenregulierungskosten.

Warum sollten Versicherer mit der automatisierten Betrugserkennung starten?

Steigende Erkennungsraten und Reduktion falschpositiver Fälle

Dank der Automatisierung und Standardisierung der Betrugserkennungsmethoden, lässt sich die Erkennungsrate steigern, während die Anzahl falschpositiver Meldungen sich auf ein Minimum reduzieren lässt. Das Verfahren der Betrugserkennung ist ein langer und fehleranfälliger Prozess. Die Arbeitszeit könnte sicherlich besser genutzt werden – beispielsweise um Fälle mit sehr hoher Betrugswahrscheinlichkeit zu prüfen oder dem Kunden mehr zur Verfügung zu stehen. Intelligente Automatisierungsprozesse ermöglichen die Entlastung sowohl der Versicherer als auch letztendlich der Kunden, indem sie die Gesamtkosten durch eine bessere Betrugserkennung erheblich reduzieren können.

Komplexere und genauere Betrugsanalyse

Normalerweise erfolgt die durch Schadensachbearbeiter geführte Betrugsanalyse regelbasiert. Die geprüften Daten basieren häufig auf nicht zufällig veranlassten Untersuchungen. Das heißt, dass es in der Regel einen konkreten Grund oder Hinweis gibt, der zu einer Betrugsprüfung eines bestimmten Falls führt. In der Praxis wird bei einer solchen Prüfung überwiegend nach dem Beweis für ein beim Schadensachbearbeiter bereits vorhandenes Gefühl gesucht. Eine solche Vorgehensweise erfordert eine jahrelange Erfahrung in der Schadenbearbeitung. Die Nutzung intelligenter Systeme kann erfahrenen Mitarbeitern helfen, neue, komplexere Betrugsmuster zu erkennen. Bei weniger erfahreren Mitarbeitern wird sie dazu führen, die Erkennungsquote der nicht sofort erkennbarer Betrugsfälle, deutlich zu erhöhen.

Durchgehende Datenverarbeitung

Kaum ein Sachbearbeiter kann alle vorhandenen Schadenmerkmale manuell überprüfen und dabei permanent auf sich ändernde Compliance-Standards und Qualitätsnormen achten. Die intelligente Automatisierung des Prozesses kann hier Abhilfe schaffen. Denn eine durchgängige und ganzheiltliche Schadenprüfung kann nur mit Hilfe von Machine-Learning-Algorithmen gewährleistet werden. Dabei werden nur Schadenfälle geprüft, deren Score einen vorher festgelegten Benchmark überschreitet. Diese werden anschließend an einen erfahrenen Schadenssachbearbeiter oder ein spezielles Team weitergeroutet. Größere Datenmengen, die durch die fortlaufende Prüfung entstehen, erhöhen die Lernrate des Algorithmus und damit die Präzision der Vorhersage bei der Betrugserkennung. Im Ergebnis werden die Bearbeitungsprozesse beschleunigt und die Schadenkosten gesenkt.

Nutzen Sie die Potenziale der automatischen Betrugserkennung mit Experten der Novatec

Innovationseinführung sowie deren Diffusion ist ein wichtiger und komplexer Prozess, der viel Wissen und Erfahrung erfordert. Damit Ihr Projekt erfolgreich wird, stehen Ihnen die Experten der Novatec zur Seite, die mit ihrem Know-How helfen, Ihre innovativen Ideen umzusetzen. Sie erarbeiten mit Ihnen gemeinsam maßgeschneiderte Lösungen für Ihre Problemstellungen, setzen diese um und stärken damit Ihre Wettbewerbsposition.

Die Novatec hat Experten mit vertieften Kenntnissen in der Versicherungsbranche, die Sie bei der Ideenfindung, Planung und Umsetzung von konkreten Lösungen unterstützen. Unsere Experten für Geschäftsprozessmangement beraten Sie und helfen Ihnen,  Ihre Geschäftsprozesse zu optimieren und zu automatisieren. Die Machine-Learning Spezialisten und Entwickler werden die erarbeiteten Konzepte konkretisieren und praktisch verwirklichen. Steigen Sie mit uns in den Innovationszug der Versicherungsbranche zusammen mit unseren Novatec-Experten ein!

Ihre Ansprechpartner für Versicherugnsthemen sind: