Über UnsGeschäftsfelderProdukteVeranstaltungenJobs & KarrierePublikationenKontakt
    
    
    
    
Bedeutung von Informations-Management wächst
Vorteil erwirtschaften
Versicherungsbetrug
IT-Standards
Die Qualität der Software zeigt sich in ihrer Architektur
Konzeption & Realisierung
Migration
risk-man
workflow
    
    

Versicherungsbetrug

Betrugserkennung

  

1. Zum Ausgangspunkt von Versicherungsbetrug

Versicherungsbetrug hat seinen Ausgangspunkt beim Kunden, beim „Geschädigten“, beim Verkäufer der Versicherung, beim Dienstleister im Schadenfall, beim Gutachter/Prüfer/Schaden-/Leistungsaußendienst, beim Schaden-/Leistungsinnendienst oder beim Betriebsinnendienst.

Zu allen Gruppen einzeln oder auch gruppenübergreifend sind eine Muster- und Frühindikation möglich.

Beispiel: Untersuchung des Versicherungsbetruges im Geschäft der eigenen Mitarbeiter und Vermittler; Untersuchung des Versicherungsbetruges im sogenannten Mitarbeitergeschäft (gewöhnlich hochrabattiertes Geschäft mit den Mitarbeitern eines „namhaften“ Arbeitgebers)

 

2. Weg DWH-gestützte quantitative Analyse

„Online“-Datenbank (Objekt: Fahrzeug-Identifikation, alle Zulassungen, Zulassungsregion, „abweichendes Kennzeichen“, Pool-Kennzeichen, Kennzeichen, Inhaber des Fahrzeugbriefes, HSN, TSN, Erstzulassung, ...

Vertrag: Gesellschaft, VSNR, Halter und andere „named“ [2. Fahrer, Sohn, ...] oder kategorisierten Personen [Erben, ...], SF-Rabatt je [versicherter] Police, SB je Police,

Vermittler bzw. Mitarbeiter des Vermittlers zum Zeitpunkt des Vertragsabschlusses, Bestandsvermittler, Marketing-Aktionen die den Halter, den VN, ... oder deren Vermittler betrafen, Daten zum Produkt /zur Prämie, insbesondere Daten zu weiteren Versicherungsverträgen, ...

Schaden: Gesellschaft, Schadennummer, Schadenregion, schadenbeteiligte Objekte und Personen, Schadensachbearbeiter, Daten zur Regulierung, ...)

Teile der Datenbank sind nur per Link in einer Lernphase für die Generierung von Regeln verfügbar.

Mit 5. könnten in der Datenbank noch die Regel-Nummern hinterlegt werden, auch ein auf dieser Basis gebildeter Experten-Score-Wert mit seiner jeweiligen Bezugsbasis ist abbildbar.

Muster-Beispiele aus der Praxis: Betrug zur Durchsetzung eines „außervertraglichen“ Stornos

„Einem Storno mangels Zahlung oder durch das VU folgt häufig das Storno der gesamten Kundenverbindung [aus der Sicht des Kunden].“ Auch „kleine“ Schwindeleien tauchen dabei auf: Tod des Tieres, Tod des VN, Verkauf des Objektes.

 

3. Weg qualitative Analyse

Plausibilitätsüberprüfungen auf der Basis von Expertenwissen, ...

Expertengespräche und Kundenbefragungen können Zusammenhänge zwischen Vertriebsweg, Kunde und Produkt und Auswirkungen auf den Umfang des Versicherungsbetruges identifizieren und beschreiben helfen.

 

4. Weg quantitative mathematisch statistische Analyse  

Vorhersage 

In der Betrugsproblematik haben wir ein zweiseitiges Vorhersageproblem mit zwei Fehler-Möglichkeiten:

  1. Der Kunde ist Betrüger, wir erkennen das aber nicht.
  2. Der Kunde ist kein Betrüger, wir prognostizieren aber einen Betrüger.

Es ist unmöglich, beide Fehler gleichzeitig klein zu gestalten. Gewöhnlich wird der „tragischere“ Fehler vorgegeben, der andere Fehler entzieht sich dann unserer Steuermöglichkeit. Er kann aber benannt [berechnet] werden. Diese Entscheidung hängt vom Auftraggeber und seiner Betrugs-Präventions-Maßnahme ab. Ausdrucksform dieses Weges ist ein Score-Wert für jeden „Fall“. Qualitätsparameter sind die beiden Fehler (Fehler 1. Art a und Fehler 2. Art b).

 

5. Weg regelgenerierende quantitative Analyse 

Regelgenerierung aus Assoziationen (sogenannte Warenkorbanalyse) und Verknüpfung dieser Herangehensweise mit Expertenschätzungen/-meinungen hat sich im Bereich von Massenversicherungen und Kleinschäden bewährt.

Qualitätsparameter für die Regeln sind die Parameter Gültigkeit, Nützlichkeit, Neuheit und Verständlichkeit.

Die Gültigkeit drückt aus, wie sicher eine Aussage ist.

Beispiel: Die Regel „Wenn der Schadenverursachungs-Fahrer eines Mietwagens den Geschädigten kennt, dann handelt es sich [in 45 der 50 Fälle] um Betrug.“ ist zu 90 % sicher.

Die Nützlichkeit (Relevanz) mißt den Bereich, den die Aussage abdeckt.

Beispiel: Die oben aufgeführte Regel ist zwar gültig, wäre bei einer Gesamtanzahl von 50.000 Mietwagen-Schäden aber nicht sehr nützlich, da sie lediglich 50 von 50.000 (= 0,1 %) betrifft.

Neuheit drückt aus, inwieweit die Aussage neu oder unerwartet ist.

Beispiel: Die Regel „Alle Schwangeren sind Frauen.“ ist gültig und nützlich aber nicht ganz unerwartet.

Verständlichkeit mißt, inwieweit eine Aussage von einem Benutzer verstanden werden kann.

Beispiel: Die Aussage „Der Kunde Y hat einen Scorewert von 97 % an einem Betrugsfall beteiligt zu sein.“ ist weniger verständlich als eine Regel der Art „Wenn A eintritt, dann ist der Scorewert für Kunde Y hoch.“.

 

 „Die Schwelle, einen Betrugsfall zu begehen, sinkt für einen nicht ertappten Betrüger.“

 

Versicherungsbetrugsindikatoren bei Nichtmassenversicherungen bzw. Kleinschäden kommen aus Ausreißerinformationen bzw. aus dem Nichtvorhandensein bestimmter Merkmale.