Die Data Mining gestützte Betrugserkennung im Versicherungswesen kennt im wesentlichen zwei Zielrichtungen:

Die Erkennung dieser Betrugsfälle gelingt durch die Kombination unterschiedlicher Data Mining Methoden (Profiling, Sequenzanalyse) und ist nicht nur auf die Entdeckung spezifischer Muster beschränkt. Auch Abweichungsanalysen (Ausreißer) bieten Grundlagen für das Erkennen von Manipulationen. Die Kombination der unterschiedlichen Methoden lässt dann eine automatisierte Entdeckung „weißer Schafe“ (verdachtsfrei), „begründeter Verdachtsfälle“ und „schwarzer Schafe“ zu. Die Manipulationsidentifizierung erfolgt hierbei mit einer Manipulationswahrscheinlichkeit (Betrugsrisikoklassen), welche eine Priorisierung ermöglicht.

Die prudsys Lösung zur Betrugserkennung kann dabei in allen Sachsparten wie Hausrat, Privathaftpflicht, Kfz, etc., dem Bereich Lebensversicherung sowie bei der Entdeckung von Abrechnungsbetrug bei Krankenkassen eingesetzt werden. Andere Lösungskomponenten mit regelbasierten Ansätzen, bei denen eine Häufung von Auffälligkeiten zu einer hohen Punktezahl führt, haben sich hierbei als sehr statisch erwiesen. Sind solche Systeme schon im Einsatz können sie durch die prudsys Data Mining Komponenten ergänzt oder vollständig abgelöst werden.

Auch die Tatsache, das prudsys geographische Merkmale in die Manipulationsidentifizierung einbezieht ist insoweit interessant, als das Manipulationen durch kriminelle Netzwerke trennschärfer erkannt werden und der Versicherer Gebiete mit verstärkter Manipulationswahrscheinlichkeit identifizieren kann. Ein weiterer Vorteil der prudsys Lösung zur Betrugserkennung liegt in der vollständigen Automatisierung des Data Mining Prozesses. So lassen sich bei Kranken-, Sach- und Lebensversicherungen unrechtmäßige Ansprüche automatisch mit bester Güte identifizieren. Das bedeutet für Sie:

■	erhöhte Erfolgsquote bei der Betrugsermittlung
■	gesteigerte Kundenzufriedenheit durch die schnelle Abwicklung unverdächtiger Fälle
■	reduzierte Prozesskosten durch schnellere Abwicklung