Neues ML-Framework für Betrugserkennung und Underwriting bei Versicherern

Das neue Machine-Learning-Framework der Fadata soll Versicherer möglichst vielseitig bei der Betrugserkennung, Bearbeitung von Ver­si­che­rungs­an­sprü­chen sowie der Au­to­ma­ti­sie­rung dieser Verfahren unterstützen. Die ML-Lösung kann lokal oder auch in der Cloud betrieben werden.

Zur Unterstützung der Versicherer bietet Fadata (Website) jetzt neben seiner INSIS-Ver­si­che­rungs­pro­zess­platt­form für Lebens-, Renten-, Sach- und Krankenversicherungen auch das INSIS-ML-Framework an. Laut des Softwareunternehmens können die Versicherer es in der Cloud betreiben oder lokal vor Ort einsetzen. Das Framework sei vorintegriert und vorkonfiguriert für die INSIS-Plattform und es bestehe die Möglichkeit, sie in Versicherungsplattformen von Drittanbietern einzubinden.

Das Fadata-ML-Framework basiere auf der Supervised-Learning-Methode unter Verwendung von Hunderttausenden von echten Kunden-Datensätzen. Die Qualität und Weiterentwicklung des Datenmodells werde durch die Nutzung konkreter Betrugsfälle sichergestellt, die von Versicherungsmitarbeitern in der Vergangenheit aufgedeckt wurden.

Das Framework könne unter anderem bei der Bearbeitung von Krankenversicherungsansprüchen, der Transformation von Underwriting-Prozessen bei Lebensversicherungen oder bei der Automatisierung der Fallbearbeitung bei Sachversicherungen eingesetzt werden.

Die von Fadata beworbenen Vorteile des ML-Framework umfassen:

• Verbesserung der Genauigkeit bei Schadensregulierungen
• Kostensenkung durch die Automatisierung der Antrags- und Schadensfallbearbeitung
• Steigerung der Kundenzufriedenheit durch sofortige Bearbeitung von Anträgen und Schadensmeldungen
• Erhöhung der Mitarbeiterproduktivität durch die Reduzierung manueller Tätigkeiten und Prozessbeschleunigung

Zwei Versicherer haben bereits ML-Projekte basierend auf den Fadata-Lösungen erfolgreich umgesetzt. So nutze etwa ein Versicherer ML bei der Bearbeitung von Kfz- und Sachschäden und der Betrugserkennung. Die automatisierte Analyse von Schadensfotos habe den Schadensregulierungsprozesses beschleunigt und auch zur Aufdeckung von Betrugsversuchen beigetragen.

Außerdem habe eine europäische Behörde ihre Prozesse bei Pensionsanträgen mit den Fadata-ML-Lösungen aufgerüstet und dabei papierbasierte Evaluierungsvorgänge ersetzt. Das ML-System unterstütze eine automatisierte Informationsextraktion aus komplexen unstrukturierten Daten wie gescannten Dateien. Auf dieser Basis können laut Fadata Pensionsansprüche ermittelt oder fehlende Informationen erkannt werden.ft