Artikel Künstliche Intelligenz Schadenmanagement der Zukunft

Dubiosschadenerkennung: Wie Versicherer KI-basiert der Betrugsfalle entgehen

Dubiosschäden erkennen
geschrieben von eucon

Immer mehr Versicherer stehen vor der großen Herausforderung, Versicherungsbetrug rechtzeitig zu erkennen und vorzubeugen. So hat die Studie des GDV um den Auftrieb von Betrug durch Corona zuletzt ein breites Medienecho ausgelöst. Mit Claims Radar, der neuen Lösung zur effizienten E2E-Dubiosschadenerkennung, werden Versicherer befähigt, Dubiosschäden schnell und zu erkennen.

Welche Rolle spielen selbstlernende Systeme im Bereich der Dubiosschadenerkennung? Welche Chancen hält die intelligente Schadenprüfung für Versicherer bereit? Und wie gliedert es sich in das Produktportfolio von Eucon ein? Das Interview mit dem Produktverantwortlichen Gabriel Brune und Portfoliomanager Dr. Volker Meise gewährt einen Einblick in die Lösung und strategische Ausrichtung.

Das Produkt Claims Radar zur Dubiosschadenprüfung ist live. Warum ist das Thema der Dubiosschadenerkennung so relevant? Welche Rolle spielt die Lösung im Rahmen des Versicherungskontextes?

Dr. Volker Meise: Das Thema der Dubiosschadenerkennung ist schon immer ein wichtiger Aspekt für Versicherer gewesen. Denn neben erhöhten Schadenkosten tragen die Kosten von betrügerischen Schäden am Ende alle Versicherten über höhere Prämien. Man geht davon aus, dass aufgrund von Versicherungsbetrug im Bereich Schaden- und Unfallversicherung Schäden i.H.v 5 Mrd. Euro pro Jahr entstehen. Daher ist es gerade jetzt wichtig, auf Lösungen zu setzten, die Mitarbeitende in den Betrugsabteilungen unterstützen und dazu befähigen, Dubiosschäden effizienter zu erkennen. Wir als Eucon wollen dabei maßgeblich beitragen.

In den Medien wird häufig über Versicherungsbetrug gesprochen. Die Claims Radar Lösung dient der Dubiosschadenerkennung. Wie ist der Begriff einzuordnen? Wo sind die Abgrenzungen?  

Gabriel Brune: Das ist ein wichtiger Punkt. Wir sprechen bei unserer Lösung bewusst von einer Dubiosschadenprüfung. Wir untersuchen die vorliegenden Daten auf Muster, Zusammenhänge und dubiosen Unregelmäßigkeiten. Wir folgen in unserer Lösung dem Ansatz Augmented Intelligence – also der intelligenten Kombination aus Mensch und Maschine. Durch die Kombination von Machine Learning und erfahrungsbasierten Regelwerken können wir bekannte Betrugsmuster, als auch tief in Daten verborgene Zusammenhänge aufdecken und als Auffälligkeit aussteuern. Für eine abschließende Entscheidung, ob ein vorliegender, auffälliger Fall tatsächlich dubios ist, spielt jedoch der Mensch nach wie eine zentrale Rolle. Somit befähigen wir durch unsere Lösungen die Mitarbeitenden, Verdachtsfälle vorzuselektieren und entsprechend nur auffällige Fälle an die Betrugsabteilung auszusteuern. So sparen die Versicherer Zeit und Geld – denn die Mitarbeitenden der Betrugsabteilung werden von unauffälligen Fällen nicht aufgehalten und können sich um die für sie relevanten Fälle kümmern. Sollte die Prüfung durch die Fachabteilung zu dem Ergebnis kommen, dass ein Fall tatsächlich dubios ist, so können die entscheidenden Schritte eingeleitet werden, die zu einer finalen Einstufung als Betrug führen.

Und in welchem Schritt des Prozesses setzt die Lösung zur Dubiosschadenerkennung an? Wie gliedert sie sich in das Produktportfolio ein?

Dr. Volker Meise: Der Claims Radar ist Teil unserer Proof-Produkte, kann aber aufgrund unserer modularen Prozessarchitektur auch flexibel unabhängig davon eingesetzt werden. Die einzige Voraussetzung ist eine strukturierte Schadendaten-Basis, die wir über Schnittstellen erhalten oder mit unserer Smart Inbox auf Wunsch selbst erstellen. Die Prüfung der Dubiosschäden erfolgt auf Basis einer Mustererkennung dauerhaft im Hintergrund und ist damit eine Echtzeitprüfung. Daher auch der Name Claims Radar.

Der KI-Ansatz Augmented Intelligence wurde bereits in Zusammenhang mit der Lösung erwähnt. Wo greift dieser Ansatz im Rahmen der Dubiosschadenerkennung und was macht den Ansatz aus?

Gabriel Brune: Augmented Intelligence setzt sich aus drei zentralen Aspekten zusammen: Dem „Human in the Loop“ Ansatz, der Akzeptanz durch explainable AI (XAI) Komponenten, also der erklärbaren KI, sowie durch Maschine Learning. Das Konzept des „Human in the loop“ bedeutet, dass der User, in diesem Fall die Betrugsabteilung, die letzte Entscheidung trifft; unsere KI ist damit vor allem unterstützend angesiedelt. Damit der User ein Verständnis für die von der KI vorgeschlagenen Ergebnisse erlangt, folgt die Lösung dem Explainable AI Ansatz. Der Benutzer erhält Einsicht in die erkannten Muster, sodass eine begründete Entscheidung auf Basis der vorliegenden Auffälligkeiten getroffen werden kann. Eine der wichtigsten Komponenten des Augmented Intelligence-Ansatzes ist das Feedback. Das Feedback der Benutzer, bezüglich jeder Entscheidung, wird gesammelt, um somit eine kontinuierliche Verbesserung des Systems sicherzustellen. Durch eine Verknüpfung der regelbasierten Analyse mit der Machine Learning Komponente können wir unsere Ansätze stetig und kontinuierlich verbessern.

Dr. Volker Meise: Ein sehr erfolgreicher und wichtiger Ansatz für KI-Lösungen. Ich bin mir sicher, dass Augmented Intelligence uns auch die nächsten Jahre noch begleiten wird.

Über die Autoren:

Dr. Volker Meise

 Dr. Volker Meise ist Director Portfoliomanagement & New Products. Bevor er zu Eucon kam, promovierte er als Betriebswirtschaftler und hat sich in verschiedenen Unternehmen mit digitalen Lösungen und datengetriebenen Geschäftsmodellen beschäftigt. Neben seinen Tätigkeiten bei Eucon ist er Start-up Mentor und Lehrbeauftragter und verfolgt mit großer Leidenschaft die Weiterentwicklung von digitalen Lösungen sowie Neuproduktentwicklungen. 

Gabriel Brune

Gabriel Brune (M. Sc.) ist Produktverantwortlicher der Dubiosschadenerkennung. Bevor er zu Eucon kam, war er in einem Hamburger Start-up tätig und lebt diesen Spirit auch bei Eucon weiter. Sein Know-How in Bezug auf KI-basierte Lösungen konnte er durch sein Studium zum Bachelor of Science an der Westfälischen Wilhelms-Universität Münster sammeln. Vertieft hat er sein Wissen und seine Fähigkeiten in seinem Studium zum Master of Science in Geophysik an der Universität zu Köln. Hier hat er sich schwerpunktmäßig mit den Themen Data Science, Daten-Modellierung und Predictive Analysis beschäftigt.

Über den Autor

eucon

Kommentiere

Newsletter abonnieren

Sichern Sie sich wichtige (Branchen-)Informationen und exklusiv Einladungen zu unseren Veranstaltungen.

    Newsletter abonnieren

    Weitere Informationen über die Verarbeitung und Speicherung Ihrer personenbezogenen Daten, sowie Ihrer Rechte, erhalten Sie in unserer Datenschutzerklärung.

    *Pflichtangaben