Wie fortschrittliche KI und Dokumentenanalyse Versicherern helfen, digitale Risiken zu bekämpfen

Dieser Report zeigt, wie fortschrittliche KI und Dokumentenanalyse die Versicherungsbranche verändern, indem sie digitalen Betrug wirksam bekämpfen. Er beleuchtet die zunehmende Raffinesse betrügerischer Aktivitäten, etwa inszenierter Unfälle oder manipulierter Rechnungen im Gesundheitswesen, und stellt innovative KI-Technologien vor, die Versicherer zur Erkennung und Verhinderung solcher Risiken einsetzen – darunter generative KI, maschinelles Lernen und fortschrittliche Dokumentenanalyse. Mit praxisnahen Anwendungsbeispielen und Einblicken in die Auswirkungen digitalen Betrugs ist dieser Report eine wichtige Lektüre für alle, die verstehen möchten, wie moderne Technologien das Risikomanagement neu gestalten und die operative Effizienz in der Versicherungsbranche steigern. Erfahren Sie, wie Versicherer Betrügern einen Schritt voraus bleiben.

Wie fortschrittliche KI und Dokumentenanalyse Versicherern helfen, digitale Risiken zu bekämpfen

Die Erstellung digitaler Inhalte und der Einsatz von KI-Technologien sind längst nicht mehr nur hochspezialisierten Fachleuten vorbehalten, sondern gehören inzwischen zum Alltag. Mit Tools wie Stable Diffusion 2, ChatGPT und Murf können Privatpersonen mit einfachen Kenntnissen direkt über ihr Smartphone Inhalte, Dokumente, Videos und Audiodateien erstellen. Die Hürden, solche Technologien auch für schädliche Zwecke zu nutzen, sind damit äußerst gering.

Für Versicherer entsteht dadurch eine völlig neue Bedrohung, da sowohl organisierte als auch opportunistische Betrüger ihr Vorgehen auf ein neues Niveau heben. Der Ausdruck „Feuer mit Feuer bekämpfen“ trifft hier durchaus zu. Werfen wir einen Blick auf einige der neuesten Betrugsformen und darauf, wie diese Technologien im Gegenzug zur Bekämpfung solcher Risiken eingesetzt werden können.

Praxisnahe Anwendungsfälle, wie diese Technologien eingesetzt werden, um eine Vielzahl komplexer Dokumentenbetrugsszenarien in der Versicherungsbranche zu erkennen und zu verhindern.

Übertreibung von Schädenxaggeration of damage

Fraud methodBetrugsmethode: :  Organisierte kriminelle Gruppen inszenieren häufig Verkehrsunfälle, melden erhebliche Schäden und verwenden als Nachweise Bilder anderer Fahrzeuge sowie Rechnungen und/oder generierte Bilder.

Auswirkung: Der Versicherer zahlt überhöhte Entschädigungen für Schäden, die in Wirklichkeit nur geringfügig sind. Über Hunderte organisierte Schadenfälle hinweg führt dies zu erheblichem Leakage.

Fortschrittlicher KI-Ansatz: Fortschrittlicher KI-Ansatz: Shift Technology kann manipulierte und gefälschte Bilder sowie Belege schnell erkennen und die verdächtigsten Fälle priorisiert kennzeichnen, damit Schadenbearbeitende diese vorrangig prüfen können.Shift technology can detect manipulated and fake images and receipts quickly, alerting handlers of the most suspicious cases as a priority. 

Analyse von handschriftlichen Unfallberichten und Skizzen

Betrugsmethode: Für die Meldung von Verkehrsunfällen werden regelmäßig
Standardformulare auf Papier verwendet, die die Handschrift verschiedener Beteiligter und oft Skizzen des Unfallortes und des Geschehens enthalten. Selbst auf echten Formularen sind Fehler und Ungereimtheiten keine Seltenheit. Die Betrüger machen sich
die Tatsache zunutze, dass eine manuelle Überprüfung aller Details nahezu unmöglich ist, und ändern offizielle Angaben, Fahrzeugdetails, Schadensbeschreibungen und vieles mehr, um ungerechtfertigte Schadenszahlungen zu erhalten

Auswirkungen: Versicherungen, die für schuldhaft handelnde Autofahrer zahlen, riskieren, dass sie deutlich höhere Beträge auszahlen, als sie eigentlich müssten. Das führt dazu, dass die Prämien der redlichen Kunden, die sie behalten wollen, steigen.

Fortschrittlicher KI-Ansatz: Die erweiterte OCR von Azure Document Intelligence kann handgeschriebenen Text erfassen, extrahieren und in strukturierte Daten umwandeln, wie unten dargestellt:

Manipulation von Rechnungen im Gesundheitswesen

Betrugsmethode: Betrügerische Leistungsempfänger sind in der Lage, mithilfe von GenAI und anderen Tools, vollständig generierte Dokumente und Rechnungen für Behandlungen zu erstellen, die sie so nie erhalten haben, um schnell unberechtigt Geld zu erhalten.

Auswirkungen: Bei einem betrieblichen Altersvorsorgesystem beispielsweise hat sich diese betrügerische Praxis unter den Arbeitnehmern verbreitet und dem Versicherer zusätzliche Schadenskosten in Millionenhöhe verursacht.

Fortschrittlicher KI-Ansatz: Character recognition pulls out key document information to make comparisons and discover anomalies. Shift has found inconsistent VAT figures, dates that do not match the official document reference and many more detailed checks.

Dieses Beispiel zeigt, wie ein Betrüger das Datum der Rechnung geändert hat, nicht aber die Referenznummer des Dokuments, die ebenfalls Datumsangaben enthält.

Automatisieren Sie langwierige manuelle Suchvorgänge

Betrugsmethode:: Die Betrüger verwenden KI-Tools, um geschickt Inhalte zu erstellen, mit denen sie ihre Behauptungen untermauern. Dabei setzen Sie auf frühere Dokumente und verwenden Bilder wieder, indem sie zusätzlich Material aus dem Internet sammeln..

Auswirkungen: Man geht davon aus, dass jeder zehnte Schadensfall ein Betrug ist. Die Wiederverwendung von Bildern als Beweismittel ist für Betrüger leicht zu bewerkstelligen und für die Versicherer zeitaufwendig zu überprüfen.

Fortschrittlicher KI-Ansatz:: Sofortiger Dokumenten- und Bildvergleich mit der gesamten Schadensfalldatenbank und externen Quellen zur Hervorhebung einer möglichen Wiederverwendung von Bildern.

Umwandlung unstrukturierter Daten zur Unterstützung stark frequentierter Antragszeiträume

Scenario: Betrüger nutzen oft Zeiten mit hohem Geschäftsaufkommen für Versicherer aus, wie z. B. Überschwemmungen, Erdbeben und Wetterkapriolen. Sie “verstecken” so falsche Angaben in unstrukturierten Daten und Dokumenten, die umfangreiche manuelle Aufarbeitungen und Überprüfungen erfordern und nutzen somit die Lage der Versichereraus, viele Anträge aufgrund des hohen Aufkommens und der Notwendigkeit, die Zahlungen an die wirklich Bedürftigen zu leisten, schnell abzuarbeiten.

Auswirkungen: ABis zu 90 % der Schadensfälle müssen aufgrund unstrukturierter Daten manuell bearbeitet werden. Bei einigen unserer Kunden können bei einer Naturkatastrophe innerhalb von 24 Stunden doppelt so viele Schadensmeldungen eingehen wie in einem
ganzen Jahr. Das führt dazu, dass mindestens zwei Jahre lang Betrüger (und wahrscheinlich noch mehr opportunistische Betrüger) in wenigen Wochen Auszahlungen erhalten und die Kosten der Naturkatastrophe weit über den tatsächlichen Schaden hinaus aufblähen.

Advanced AI approach: SShift hat mehrere fortschrittliche Technologien eingesetzt, um völlig unstrukturierte Daten zunächst in strukturierte Daten und dann in Erkenntnisse und Empfehlungen umzuwandeln.

Die Shift-Plattform nutzt Azure OCR, um unstrukturierte PDF-Daten in kodifizierte und kategorisierte Daten umzuwandeln und wichtige Daten aus langen unstrukturierten Dokumenten in Tausenden von verschiedenen Layouts zu identifizieren.

Sobald die Schlüsselfelder kodifiziert und in digitalen Datensätzen als einzelne Datenstücke gespeichert sind, wird GenAI (CHAT GPT 3.5) eingesetzt, um die Genauigkeit der kodifizierten Daten nach Möglichkeit zu verbessern. Gen AI-Aufrufe in Echtzeit füllen
Lücken in den Daten, wenn Teile eines Wortes im Original fehlen oder unklar sind, und AI prüft andere Datenspeicher, um die Datensätze mit zusätzlichen Informationen und Daten anzureichern.

Die kodifizierten, bereinigten und vollständigen Daten können dann nahtlos durch KI-Szenarien geleitet werden, um Betrug zu erkennen und Zahlungen an echte Kunden schnell und ohne Eingreifen zu ermöglichen.

Reiserücktritt bei vorgetäuschter Krankheit

Fraud method: Gelegenheitsbetrüger, die ihr Urlaubsgeld nicht verschwenden wollen, weil sie versehentlich doppelt
gebucht haben, behaupten, sie seien durch
Krankheit verhindert.

Auswirkungen: IDie Versicherer müssen für den Fehler eines anderen aufkommen, da sie in der Regel keine stichhaltigen Beweise
für das Fehlverhalten des Betrügers vorlegen können.

Fortschrittlicher KI-Ansatz: OCR analysiert das handschriftliche Formular schnell, strukturiert die Daten und führt grundlegende Überprüfungen durch, wie z. B. das Datum des ersten Symptoms, Reise- und Behandlungsdaten und Patientendaten. Alles was dabei
verdächtig oder inkonsistent erscheint, wird sofort markiert, noch bevor die Ansprüche bezahlt werden.

Schlussfolgerung

Der digitale Betrug nimmt sowohl an Umfang als auch an Komplexität zu und bleibt durch regelbasierte und manuelle Kontrollen oftmals unentdeckt. Technisch komplexe Betrugsansätze erfordern eine ebenso fortschrittliche technische Erkennung, die immer
mehrere Schritte voraus ist und aus den Mustern von heute den potenziellen Betrug von morgen lernt.

Erfahren Sie mehr über die KI-gestützte Dokumentenbetrugserkennung von Shift und darüber, wie Versicherer fortschrittliche KI zur Erkennung von Dokumentenbetrug nutzen können. Kontaktieren Sie uns oder fordern Sie eine Demo an.

Laden Sie den vollständigen Report herunter, um unsere gesamten Erkenntnisse und Analysen zu lesen.