Versicherungsbetrug automatisiert erkennen

Überblick: Provinzial vertraut auf RiskShield 360°

Daten und Ressourcen gezielter für Betrugserkennung einsetzen

Versicherungsbetrug hat viele Gesichter. Mit vorgetäuschten Schäden, falschen Schilderungen oder sogar fingierten Schadenfällen versuchen Betrüger immer wieder, unberechtigterweise an Auszahlungen zu gelangen. Diese Betrugsfälle müssen rechtzeitig erkannt und gefiltert werden, um eine fehlerhafte Regulierung abzuwenden. Gleichzeitig muss der Versicherer gewährleisten, dass seine redlichen Kunden schnelle Hilfe im Schadenfall erhalten.

Ausgangslage & Herausforderung

Bei der Betrugserkennung ist daher eine große Trennschärfe und Differenzierung von Informationen gefragt. Als Entscheidungsgrundlage sind zum einen versicherungsinterne Daten relevant – etwa die Schadenhistorie der Beteiligten, bestehende Verträge des Versicherungsnehmers und dessen Zahlungsmoral. Zum anderen spielen externe Datenquellen eine Rolle, wie Informationen aus dem Hinweis- und Informationssystem (HIS) sowie Textmining und Netzwerkdetektion. All diese Informationen zu berücksichtigen, ist sehr komplex. Auch für die Provinzial Rheinland, als Teil der Provinzial Holding, eine der größten Versicherungsgruppen in Deutschland, war das eine Herausforderung.

Obwohl die Provinzial ihre Mitarbeiter regelmäßig schulte, waren die Unterschiede in der manuellen Betrugserkennung sehr groß. Das lag zum einen an der unzureichenden Datenqualität für die Sparten Sachversicherung (Sach) und Allgemeine Haftpflicht (AH), zum anderen am hohen manuellen Aufwand bei der Datenbeschaffung und Schnittstellen-Verwaltung. Eine Handvoll Betrugsabwehr-Spezialisten für Kraftfahrt, Sach- und Haftpflicht-Versicherungen bearbeitete die manuell ausgesteuerten Verdachtsfälle. Von den jährlichen rund 300.000 Schadenfällen der Provinzial Rheinland wurden schließlich nur 0,3 Prozent als verdächtig eingestuft. Hier lag erhebliches Verbesserungspotenzial.

Unternehmensprofil von Provinzial ansehen
Unternehmensprofil:

Der Provinzial Konzern ist einer der Top-Ten-Versicherer am deutschen Markt mit über 5 Millionen Versicherungskunden. Der Konzern ist Mitte 2020 aus der Fusion zwischen der Provinzial Rheinland und der Provinzial NordWest Versicherungsgruppe entstanden. Um die rund 700.000 Schadenfälle im Jahr effizient zu regulieren, setzt die Provinzial neben ihrer fachlichen Expertise künftig auf automatisierte Schadenprozesse mit smarter Betrugserkennung.

„Die automatisierte Betrugserkennung ist für das erfolgreiche Versicherungsgeschäft unverzichtbar. RiskShield erkennt den Betrug schon bei der Schadenmeldung und erhöht die Anzahl der Verdachts-fälle und die Einsparungen um ein Vielfaches. Zudem ermöglicht uns der Umzug auf die Cloud-basierte Lösung die Einbindung weiterer Versicherungssparten. Damit gibt uns das smarte System von 3C wichtige Planungssicherheit in unserer neuen Konzernstruktur.“
Dr. Christoph Stüer, Hauptabteilungsleiter Personengroß- und Spezialschaden, Provinzial

Lösungen für Provinzial

Die Provinzial Rheinland setzt seit 2019 auf die Lösung RiskShield 360° von 3C. Das System kann auf interne und externe Datenquellen zugreifen, durch Smart Analytics riesige Datenmengen in Sekundenschnelle beurteilen und so bereits bei der Schadenmeldung Betrugsmuster erkennen. RiskShield ist eine Desicion-Engine, die auf einen hybriden Ansatz im Technologie-Mix setzt: Einerseits berücksichtigt sie Experten-Regeln, andererseits erstellt sie analytische Machine-Learning-Modelle. So lernt die Engine mit jedem Betrugsfall dazu und entscheidet präziser. Eine gute Differenzierung der Datenlage ist die Voraussetzung, um Pauschalisierungen und falsche Verdächtigungen zu vermeiden. Eine exquisite Datenqualität bietet RiskShield 360° zum Beispiel für den Prüfprozess in der Kraftfahrt-Sparte. Sind alle Versicherungsnehmer, die weiße Autos fahren und in einer bestimmten Gegend wohnen, verdächtig und neigen zu Versicherungsbetrug? Keineswegs. Das System vergleicht die Fahrerdaten mit externen Informationen wie HIS-Daten und der Schadenhistorie, sodass es aus der vorhandenen Datenbasis genauere Aussagen treffen und Betrugsversuche schnell und präzise identifizieren kann.

Sie wollen mehr erfahren? Vereinbaren Sie gleich heute einen unverbindlichen und kostenfreien Termin mit unseren Experten.
Anfrage senden
Ergebnisse
  • 800.000 Euro zusätzliche jährliche Einsparung durch Betrugsvermeidung
  • Wesentlich breitere & weiter ausbaubare Datenbasis für Erkennung und Aussteuerung von Betrugsfällen
  • Aufdeckung von Betrugsnetzwerken und neuer Betrugsmuster
Lösungen

Jetzt einen unverbindlichen Termin vereinbaren

Kontaktieren Sie uns
Case Study
UniCredit Leasing nutzt neue maßgeschneiderte Validierungsumgebung

Die UniCredit Leasing Deutschland stellt Unternehmen Leasing-Finanzierungen für Wirtschaftsgüter wie Maschinen, Anlagen, EDV und Fahrzeugen zur Verfügung. Um Risiken im gewerblichen Leasing früh zu erkennen und gegenzusteuern, werden die Geschäftsbeziehungen regelmäßig überprüft. Dass die zugrunde liegenden Modelle funktionieren, wird mit sogenannten Validierungen nachgewiesen.

Ganze Story ansehen >
Case Study
DKV Mobility nutzt intelligente Datenprodukte und innovative Algorithmen, um Zahlungsrisiken im B2B-

Der europäische Mobilitätsdienstleister DKV Mobility bietet Produkte und Services rund um die Versorgung und Mobilität von Lkw- und Pkw-Flotten. Aktuell sind über 5,1 Mio. Tankkarten und Onboard-Units in 4 Ländern bei über 210.000 aktiven Kunden im Einsatz.

Ganze Story ansehen >
Case Study
Warum Open Banking Daten nur für Banken nutzen und nicht auch im eCommerce?

Diese Frage stellte sich Laura Vogelsang, Head of Risk & Payment des Premium-Onlinehändler fashionette und hat zusammen mit uns eine Antwort gefunden. Lesen Sie jetzt wie fashionette mithilfe von Open Banking Daten 40 % weniger Ausfall hat und gleichzeitig die Manual Order Review Prozesse schlank hält.

Ganze Story ansehen >