Systemgestützte Betrugserkennung – So kann die Digitalisierung helfen

Nach wie vor ist Versicherungsbetrug in der Branche ein brisantes Thema. Laut dem Gesamtverband  der  Deutschen Versicherungswirtschaft  e.V.  (GDV)  entsteht den Versicherern dadurch ein Schaden von rund vier Milliarden Euro jährlich. Durch die Digitalisierung ergeben sich neue Möglichkeiten, Betrügern leichter auf die Schliche zu kommen.

Auditor Scrutinizing Financial Documents

 

Verdachtsfälle und Betrüger zu identifizieren, liegt meist in der Hand von Sachbearbeitern. Dabei müssen sie sich auf ihre Erfahrung und Intuition verlassen. Das erfordert nicht nur ein besonderes Gespür für betrügerische Fälle, sondern auch viel Zeit. In den meisten Versicherungsunternehmen gibt es zwar systematische Prüfkonzepte zur Identifizierung von Betrugsfällen, aufgrund des hohen Zeitdrucks können sich Mitarbeiter aber oft nicht vollständig daran halten. Das hat zur Folge, dass schätzungsweise rund einer von zehn Schadensfällen frei erfunden oder manipuliert ist. Den größten Schaden richten Gelegenheitstäter bei der privaten Haftpflicht und Hausratsversicherung an. Brille oder Fernseher sind kaputt? Das kann doch bestimmt ein Bekannter über seine Haftpflicht laufen lassen. Bereits diese vermeintliche Kleinigkeit kostet den Versicherer viel Geld. Hinzu kommt, dass professionelle Betrügerbanden die Prüfmechanismen kennen. Sie wissen, wie sie diese umgehen können, sodass der Sachbearbeiter keine Auffälligkeit entdeckt. Das zeigt: Herkömmliche Systeme zur Betrugserkennung stoßen an ihre Grenzen – technologische Unterstützung muss her.

 

Systemgestützte Betrugserkennung

Eine automatisierte Betrugserkennung arbeitet auf Grundlage von Definitionen für verdächtige Sachverhalte, welche  in Form von Regeln an das System übergeben werden. Dieses wird so trainiert, dass es alle eingehenden Schadenmeldungen hinsichtlich dieser Regeln durchleuchtet. Trifft eine Kombination von Merkmalen zu, wird dieser Schaden automatisch als betrugsverdächtig für den Sachbearbeiter gekennzeichnet. Häufig wird dabei ein Score (Prozentwert) angegeben, der anzeigt, wie wahrscheinlich ein Betrug ist. Die Einbindung dieser Regeln in die maschinelle Erkennung von potenziellen Betrugsfällen erfolgt in der Regel kurz nachgelagert oder in Echtzeit. Der automatisierte Prozess verbessert nicht nur die Identifizierung von Betrugsfällen, sondern verkürzt auch die Bearbeitungszeit. Der Aufwand der manuellen Prüfung wird durch die scoringgestützte, maschinelle Prüfung minimiert, da der Sachbearbeiter deutliche Indikatoren für die weitere Bearbeitung erhält. Das steigert die Effizienz und die Kundenzufriedenheit.

 

Die perfekte Kombination – Mensch und Maschine

Verdachtsfälle automatisch zu identifizieren ist zwar sehr hilfreich, aber nur der erste Schritt zur erfolgreichen Betrugsabwehr. Versicherer müssen einen ganzheitlichen Prozess definieren, wie verdächtige Fälle weiterbearbeitet werden. Eine IT-Lösung erkennt zwar anhand von Algorithmen einen potenziellen Betrugsfall, detailliert prüfen kann sie ihn aber nicht. Dazu bedarf es der Expertise eines Sachbearbeiters oder eines Gutachters. Er kann den Sachverhalt intensiv prüfen und differenziert betrachten. Das ist für Versicherer besonders wichtig – sonst kann ein großer Imageschaden entstehen. Für die Kundenbeziehung sowie die Reputation wäre es fatal, wenn Kunden fälschlicherweise des Betrugs bezichtigt würden. Hier kann ein Spannungsfeld zwischen der Betrugserkennung und der Digitalisierungsstrategie des eigenen Unternehmens entstehen. Eine hohe Dunkelverarbeitungsquote steht im Widerspruch zu einer hohen Betrugserkennungsquote, welche der Prüfung durch die Sachbearbeiter bedarf. Dieser Gegensatz ist von jedem Versicherer unter Berücksichtigung von Kosten und Effizienz möglichst optimal auszubalancieren. Für eine bestmögliche Aufdeckung von Betrugsfällen ist festzuhalten: Es wird sowohl das passende IT-System als auch eine ganzheitliche Strategie und die Expertise der Mitarbeiter benötigt – die richtige Kombination macht’s!


 

Bloggt zu den Themen: Schadenmanagement

Hinterlasse eine Antwort