AUTOMATISIERTE UND VERSTÄRKTE ERKENNUNG VON VERSICHERUNGSBETRUG
Obwohl die CSOB, die zur KBC-Gruppe gehört und der fünftgrößte Versicherer in der Tschechischen Republik ist, über einen Betrugserkennungsprozess, Tools und engagierte Mitarbeiter verfügte, sah der Versicherer dennoch die Notwendigkeit, die Betrugserkennung zu automatisieren. So sah sich der Versicherer veranlasst, Innovationen einzuführen und die Effizienz der Betrugserkennung zu steigern, die Zahl der Fehlalarme zu verringern und sich vor neuen Betrugsaktivitäten zu schützen.
Wir nutzten historische Schadendaten, indem wir unser maschinelles Lernverfahren zur Betrugserkennung (ADF) einsetzten.
ADF verarbeitet einen umfassenden Satz von Zeitreihen und Datenclustern. Dank einer breiten Palette von Algorithmen, die statistische und maschinelle Lernmethoden nutzen, kann es signifikante Ausreißer oder Cluster melden. Der Benutzer kann dem System Feedback geben und so die Anzahl der zur Analyse empfangenen Anomalien regulieren und dem System beibringen, was eine Anomalie ist und was nicht.
Das Ergebnis ist, dass KI-Modelle komplexe Muster aus Schadensfällen, Versicherungspolicen und anderen Daten aufspüren und so eine zuverlässige Betrugserkennung und gleichzeitig ein Whitelisting ermöglichen.
Bei der Anwendung auf die historischen Schadendaten automatisierte ADF den Betrugserkennungsprozess und ermöglichte es den Analysten, sich auf relevante Fälle zu konzentrieren, die Zahl der Fehlalarme um 60 % zu reduzieren, die betriebliche Effizienz zu steigern und das Kundenerlebnis zu verbessern.
