Die Herausforderung:
Versicherungsbetrug verursacht erhebliche Verluste
Betrügerische Ansprüche stellen eine große Herausforderung für die Versicherungsbranche dar, da sie die Kosten in die Höhe treiben und das Vertrauen untergraben.
Diese paneuropäische Versicherungsgesellschaft erlebte eine Welle von betrügerischen Ansprüchen in den Bereichen Auto-, Hausrat- und Gewerbeversicherung in verschiedenen Ländern.
Herkömmliche Methoden zur Aufdeckung von Versicherungsbetrug beruhten hauptsächlich auf manuellen Überprüfungen und einfachen Analysen und waren zu mühsam und langsam, um die ständig wachsenden Kundenerwartungen zu erfüllen.
Bei dem Versuch, diese Nachfrage zu befriedigen, ließ das Unternehmen versehentlich mehrere betrügerische Anträge durch die Maschen fallen und verlor Millionen von Euro an falschen Auszahlungen.
Die Ermittler des Unternehmens hatten regelmäßig Schwierigkeiten, auf überprüfbare Daten zur Untermauerung der Ansprüche zuzugreifen, was zu langwierigen Streitigkeiten führte. Angesichts der zunehmenden Raffinesse und des Ausmaßes von Versicherungsbetrügereien suchte das Unternehmen nach einer Lösung, um seinen Betrieb wieder in Gang zu bringen, seine Kunden zufrieden zu stellen und seinen Gewinn zu schützen.
Bewertung der verfügbaren Lösungen
Um diese Herausforderungen zu bewältigen, untersuchte das Führungsteam des Unternehmens die folgenden Optionen:
#1: Verbesserung der manuellen Prozesse
Die erste Idee war, die Anzahl der Schadensregulierer und Ermittler zu erhöhen. Diese Änderung verbesserte zwar die Erkennungsraten, aber die damit verbundenen Arbeitskosten und das geringe Skalierungspotenzial veranlassten das Unternehmen, nach anderen Lösungen zu suchen.
#2: Erweiterte Datenanalyse
Die Implementierung einer fortschrittlicheren Analyseplattform versprach bessere Betrugserkennungsmechanismen durch die Analyse historischer Muster und das Aufzeigen von Anomalien. Dem neuen System fehlten jedoch Echtzeitfunktionen und die Integration mit neuen Datenquellen.
#Nr. 3: IoT- und KI-Plattform
Schließlich bewertete das Unternehmen das Potenzial des Einsatzes von IoT-fähigen Geräten zur Erfassung von Echtzeitdaten und KI-Algorithmen zur Verbesserung der Erkennung von Anomalien.
Dieser Ansatz versprach nicht nur eine bessere Erkennung von Versicherungsbetrug, sondern auch die Erschließung neuer Effizienzen durch verwertbare Erkenntnisse und Prozessautomatisierung. Diese Vielzahl von Möglichkeiten war genau der Grund, warum sich das Unternehmen für die Implementierung entschied.
Die erfolgreiche Lösung:
Echtzeit-IoT-Daten + KI + Automatisierung
In einem ersten Schritt ging das Unternehmen eine Partnerschaft mit einem erfahrenen IoT- und KI-Technologieanbieter ein, um ein umfassendes System zur Erkennung von Versicherungsbetrug zu entwickeln und zu implementieren.
Die neue Lösung besteht aus den folgenden Funktionen:
-
Daten in Echtzeit von IoT-Geräten
Vernetzte Fahrzeugtelematik liefert bei Unfällen genaue Unfalldaten wie Geschwindigkeit, Standort und Schwere des Aufpralls. Nach dem gleichen Prinzip erkennen intelligente Haussensoren Umweltanomalien wie Wasserschäden oder Brände und überprüfen, ob die Angaben des Kunden mit den aufgezeichneten Ereignissen übereinstimmen.
-
KI-gesteuerte Erkennung von Anomalien
Modelle für maschinelles Lernen analysieren Ansprüche und vergleichen sie mit IoT-Daten, um verdächtige Muster zu erkennen, die auf Betrug hindeuten könnten. Der Abgleich des Verhaltens der Versicherungsnehmer mit externen Datensätzen wie Wetterberichten oder Werkstattberichten erhöht die Erkennungsgenauigkeit weiter.
-
Automatisierte Anspruchsprüfung
KI-Algorithmen markieren verdächtige Forderungen zur weiteren Prüfung, während Forderungen mit geringem Risiko schnell zur Genehmigung und Abwicklung weitergeleitet werden. Die Blockchain-Integration unterstützt die Transparenz, macht Aufzeichnungen fälschungssicher und stärkt das Vertrauen in den Validierungsprozess.
-
Tools zur Unterstützung von Ermittlern
Ein zentralisiertes Dashboard bietet den Ermittlern des Versicherers detaillierte Einblicke, einschließlich markierter Anomalien und unterstützender Daten. Dieses Repository ermöglicht es dem Untersuchungsteam, seine Arbeitsabläufe erheblich zu beschleunigen und zu rationalisieren.
Ergebnisse und Pläne
A01
Agile Projektmethodiken
Dank der Zusammenarbeit mit einem externen KI- und IoT-Berater konnte das Team des Versicherungsunternehmens sicher sein, dass das Projekt auf dem richtigen Weg war, während es sich weiterhin auf sein Kerngeschäft konzentrieren konnte.
Gründliche Planung und Geschäftsanalyse in Kombination mit agilen Projektmethoden sorgten für regelmäßige Releases im Zeit- und Budgetrahmen.
A02
Innerhalb des ersten Jahres der Implementierung konnte der Versicherer die folgenden Verbesserungen feststellen:
- Betrügerische Auszahlungen von Versicherungsansprüchen sanken um 35%.und spart dem Unternehmen jährlich fast 10 Millionen €.
- 40 % kürzere Bearbeitungszeiten dank Automatisierung.
- Die Ermittler berichteten über eine 50%ige Steigerung der Produktivität da das System Fälle mit hohem Risiko priorisiert und umfassende unterstützende Daten liefert.
A03
