Betrugsaufdeckung: Maschine oder Mensch?

Von Ian Carman, Leiter der Ermittlungsdienste in Großbritannien

Technologien der künstlichen Intelligenz (KI) und des maschinellen Lernens sind äußerst hilfreich bei der Erkennung verdächtiger Verhaltensweisen und Aktivitäten.

Die Aufdeckung von Versicherungsbetrug und die Prüfung von Schadensfällen sind jedoch nach wie vor ein Bereich, in dem die Technologie auf menschliches Eingreifen angewiesen ist.

Es geht nicht unbedingtum den Gegensatz zwischenMaschineundMensch; tatsächlich gehen beide Hand in Hand. Bei der Sichtung unzähliger Schadensfälle, der forensischen Bildanalyse und der prädiktiven Analytik wird deutlich, dass all dies Aufgaben sind, die Schadensbearbeiter oder Betrugsermittler nicht mit derselben Geschwindigkeit und Genauigkeit bewältigen könnten. Die Technologie reduziert erfolgreich Fehlalarme, liefert zuverlässige Ergebnisse und beschleunigt gleichzeitig den Prozess der Betrugsüberprüfung.

Kombinierter Ansatz

Es gibt keine einheitliche Lösung zur Identifizierung verdächtiger Schadensfälle, weshalb ein kombinierter Ansatz erforderlich ist – der Einsatz von Technologie zur schnellen Bearbeitung großer Datenmengen, von KI zur Erkennung verdächtiger Muster und von Verhaltenswissenschaften zur Unterstützung bei der Gesprächsführung mit dem Kunden. KI trifft zwar keine Entscheidungen, weist Schadensbearbeiter und Ermittler jedoch in die richtige Richtung. Durch die schnelle Erkennung von Anhaltspunkten kann KI dabei helfen, spezifische Probleme zu identifizieren, die darauf hindeuten, dass ein Schadensfall einer Untersuchung wert ist. Ein Betrugsermittler wird immer benötigt, um die Ergebnisse auszuwerten. Ganz zu schweigen davon, dass sich die Datenmenge nach einem virtuellen oder physischen Besuch verdoppelt, was die Bedeutung von Einzeluntersuchungen unterstreicht.

Die Aufdeckung von Betrugsversuchen durch Versicherungsnehmer ist ein heikles Thema und erfordert ausgeprägte Fähigkeiten im Gesprächsmanagement – unterstützt durch digitale Sprachanalysen zur Risikobewertung. Es muss sich um einen sorgfältig gesteuerten Prozess handeln, der so strukturiert ist, dass der Betrüger erkennt, wann er entlarvt wurde. In den meisten Fällen wird er sich dann entscheiden, den Schadenfall zurückzuziehen – eine Reaktion, die die Versicherer anschließend von Fall zu Fall prüfen können.

Weitreichender Ausblick

Zudem entstehen ständig neue Trends, und Betrüger finden immer wieder alternative Wege, um Betrug zu begehen. Glücklicherweise ermöglicht es uns die Technologie heute, neue Aktivitätsspitzen bereits im frühesten Stadium aufzudecken. Maschinelles Lernen kann sogar opportunistischen Betrug erkennen – beispielsweise indem es feststellt, wo Kunden beginnen, die Schwellenwerte für Schadensfälle zu erkennen und auszunutzen. Im Bereich der Haftpflicht- und Personenschadensfälle kann die Technologie zusätzlich zu den klassischen Betrugsmustern auch Anwälte und Ärzte mit denselben Verbindungen identifizieren, Beiträge in sozialen Medien heranziehen und alle Informationen zusammenführen, um potenziell betrügerisches Verhalten aufzudecken.

KI betrachtet das Gesamtbild und analysiert betrügerische Verhaltensweisen – von überhöhten Schadensmeldungen bis hin zu ausgeklügelten, organisierten kriminellen Aktivitäten – im Kontext von Big Data und im Vergleich zu den Marktentwicklungen. Der Einsatz dieser neuen Technologien steigert die Effizienz der Betrugsbekämpfungsteams und stellt sicher, dass die Ressourcen der Ermittler und die Unternehmensausgaben in die aussichtsreichsten Fälle investiert werden.

Einblicke in die Daten

Die Aufdeckung von Betrugsfällen ist nur ein Teil des Ganzen. Technologie kann zudem frühzeitig Einblicke in neue Betrugstrends liefern und dabei Details auf Mikroebene – Postleitzahlen, Arten von Schadensfällen und Personen – aufzeigen, wodurch Ermittler in Echtzeit mit präzisen Informationen versorgt werden. Dies kann Underwritern und Vertriebsteams helfen, schnell zu reagieren und Bereiche oder Geschäftsfelder, die verdächtig werden, auszuklammern.

Informationsaustausch

Hinter der innovativen Technologie stehen hochwertige Daten. Zwar gibt es durch die Kfz-basierten Systeme CUE und MIAFTR eine hervorragende Zusammenarbeit und einen regen Datenaustausch, doch könnte die Versicherungsbranche von einer umfassenderen Bündelung von Datensätzen profitieren. Auch eine konkrete und einheitliche Kategorisierung von Betrugsfällen anstelle sehr weit gefasster Begriffe wie „Kfz“ oder „Personenschaden“ wäre ein Schritt in die richtige Richtung. Der Verband britischer Versicherer (ABI) hat eine Reihe vereinbarter Betrugsarten identifiziert, die zu einer stärkeren Standardisierung der Klassifizierung verschiedener Betrugsdelikte führen dürfte. Einige Versicherer tauschen zudem Strategien im Umgang mit Betrügern aus, insbesondere im Bereich der gewerblichen Sachversicherung, was ein weiteres positives Zeichen ist. Es ist diese Art der branchenweiten Zusammenarbeit – ein „Bündnis der Betrugsbekämpfungsteams“ –, die sich in den kommenden Jahren auszahlen wird.

Der Einsatz innovativer Technologien wird zwangsläufig zunehmen. Heutzutage dreht sich alles um Geschwindigkeit und Leistung. Ehrliche Kunden erwarten, dass ihre Schadensfälle schnell und mit möglichst geringen Unannehmlichkeiten abgewickelt werden. Die Betrugsaufdeckung muss jedoch nicht im Widerspruch zu einem positiven Kundenerlebnis stehen, und die schnelle Erkennung fragwürdiger Fälle ist entscheidend, um neue Betrugstrends im Keim zu ersticken.

Dieser Blog enthält Auszüge aus einem kürzlich von Ian Carman moderiertenSedgwick-Webinar, bei dem eine Runde von Branchenexperten über die Kombination von künstlicher und menschlicher Intelligenz im Kampf gegen Betrug diskutierte.

Ein herzliches Dankeschön an die folgenden Diskussionsteilnehmer für ihre Teilnahme:

• Dan Edwards, Leiter der Abteilung für Haftpflichtansprüche bei Enterprise Rent-A-Car
• Arnaud Grapinet, Chef-Datenwissenschaftler bei Shift Technology
• Kevin Kingdon, Leiter der Abteilung für Betrugsfälle im Bereich Gewerbeimmobilien, Aviva
• Simon Roylance, Bereich Kriminalprävention, LV
• Stephen Dalton, Leiter der Abteilung für Nachrichtendienst und Ermittlungen, IFB