Agentenbasierte Betrugsanalysen für Versicherer

KI-gestützte Aufdeckung von Versicherungsbetrug für Schadenbearbeitungsteams

KI-Agenten überprüfen Identität, Verhalten, Dokumente, Bilder und Netzwerke im Zusammenhang mit demselben Antrag und geben einen einzigen, nachvollziehbaren Betrugswert zurück.

Eine Demo buchen

Wie hoch sind die Kosten durch Versicherungsbetrug, und wie schnell nimmt die Zahl verdächtiger Schadensfälle zu?

$300B+

Geschätzte jährliche Kosten durch Versicherungsbetrug in den Vereinigten Staaten, alle Versicherungssparten zusammengenommen (Quelle: Coalition Against Insurance Fraud, Schätzung für 2022)

+16%

Im Jahr 2025 wurden mehr fragwürdige Schadensfälle zur Überprüfung weitergeleitet als im Jahr 2024. (Quelle: NICB, über die NAIC-Arbeitsgruppe zur Betrugsbekämpfung, März 2026)

~35%

Im gleichen Zeitraum gab es weitere mutmaßliche vorgetäuschte Unfälle. (Quelle: NICB, März 2026)

Versicherer decken Betrugsfälle bereits auf. Was fehlt den Schadensregulierern?

Die Zahlungsdienstleister, mit denen wir zusammenarbeiten, haben die Tools angeschafft und das Personal geschult. Was sie beschreiben, ist kein Problem bei der Erkennung. Vielmehr handelt es sich um vier Systeme, die vier unterschiedliche Einschätzungen liefern, eine Warteschlange, die von niemandem priorisiert wurde, und eine Betrugswarnung, die erst eintrifft, nachdem die Zahlung bereits erfolgt ist.

„Wir haben die Werkzeuge gekauft, erhalten aber immer noch keine klare Antwort.“

Regelmodul, Vorhersagemodell, Text-Mining und ein separater Medienprüfer. Vier Bewertungen, vier Meinungen – und es ist Aufgabe des Sachverständigen, diese miteinander in Einklang zu bringen.

„Wir verlassen uns darauf, dass die Menschen wissen, worauf sie achten müssen.“

Ein großer US-Versicherer teilte uns mit, dass Betrugsfälle von den Mitarbeitern der Schadenabteilung bearbeitet werden, die die ihnen in Schulungen vermittelten Erkennungsmerkmale von Fall zu Fall anwenden.

„Bis wir uns sicher sind, haben wir bereits bezahlt.“

Die Einstufung als Betrugsfall erfolgt erst nach der Zahlung, wodurch jeder Fall zu einer Maßnahme zur Rückforderung wird.

„Vieles von dem, was bei meinem Team eingeht, ist kein Betrug.“

Die Regeln kennzeichnen eher alles Ungewöhnliche als alles Verdächtige, und es gibt keine Priorisierung in der Warteschlange, sodass jede Überweisung gleich behandelt wird.

Eine Betrugsrisikobewertung pro Schadensfall, mit entsprechenden Belegen

Xebia Agentic Fraud Intelligence wurde in erster Linie für den Bereich des Schadenbetrugs entwickelt und erstreckt sich auch auf das Risikoprüfungsverfahren.

Jede Partitur enthält die erforderlichen Informationen

Regelmodul, Vorhersagemodell, Text-Mining und ein separater Medienprüfer. Vier Bewertungen, vier Meinungen – und es ist Aufgabe des Sachverständigen, diese miteinander in Einklang zu bringen.

Eine Bewertung statt vier Meinungen

Identität, Verhalten, Dokumente, Bilder und Netzwerke werden im Rahmen derselben Bewertung geprüft und zu einer einzigen Punktzahl zusammengefasst.

Organisierten Betrug vor der Auszahlung aufdecken

Antragsteller, Geräte und Anbieter sind im gesamten System miteinander vernetzt, sodass Betrugsringe bereits während der Bearbeitung des Antrags aufgedeckt werden.

Die SIU erhält einen Fall, keine Meldung

Die SIU erhält einen fertig aufbereiteten Fall: eine Zusammenfassung, eine Erläuterung der Warnindikatoren, die beigefügten Beweismittel sowie die empfohlenen nächsten Schritte.

Wie funktioniert das?

Wie erkennen KI-Agenten Betrugsfälle bei Versicherungsansprüchen?

Sechs Phasen von der ersten Schadensmeldung bis zur Schadensbewertung
Phase	Eingabe	Was der Agent tut	Ausgabe
01 · AufnahmeIdentitätsprüfung	Erste Schadensmeldung, Versicherungsdaten, Gerät und Standort	Überprüfung der Identität des Versicherungsnehmers, Überprüfung von Gerät und Standort, Kennzeichnung doppelter Identitäten.	Verifizierte Identität des Anspruchstellers mit Vertrauensbewertung
02 · ErfassungDatenerfassung und -anreicherung	Datensätze zu Policen, Schadensfällen, Zahlungen, CRM und Beobachtungslisten	Bezieht diese Datensätze über APIs und Datenkonnektoren.	Ein einheitliches Schadenprofil
03 · ErkennungVerhaltens- und Narrativanalyse	Schadensfallbericht, Gesprächsprotokoll, Chat	Analysiert die Erzählung, überprüft die Interaktion und erkennt Konflikte zwischen beiden.	Hinweise auf Unstimmigkeiten in der Darstellung
04 · ErkennungDokumenten- und Bildforensik	Ausweise, Rechnungen, Fotos, Dateimetadaten	Überprüft die Beweismittel, erkennt Unstimmigkeiten und deckt Manipulationen auf.	Bewertung der Beweisintegrität
05 · ErkennungNetzwerk- und Verbindungsanalyse	Antragsteller, Anbieter, Konten, frühere Anträge	Erfasst Entitäten und Verknüpfungen, überprüft gemeinsame Adressen und IP-Adressen, identifiziert Betrugsringe.	Netzwerk-Risikobewertung mit Warnmeldungen zu Betrugsringen
06 · DispositionSchadensprüfung	Signale aus den Phasen 01 bis 05 und Ihre Risikogrenzen	Es werden alle Signale zusammengefasst, der Anspruch bewertet und die Begründungscodes vermerkt. Eine Person trifft die Entscheidung.	Gesamtpunktzahl mit rangierten Begründungscodes

Derselbe Anspruch – mit und ohne Vertreter

Bühne	Versicherer heute	Mit Xebia Agentic Fraud Intelligence
Erkennung	Vier Instrumente lösen vier unterschiedliche Warnmeldungen aus. Der Sachverständige gleicht die vier unterschiedlichen Einschätzungen ab.	Vereinfacht. Eine Bewertung, wobei die Gründe nach Priorität geordnet und die Belege beigefügt sind.
Betrugsringe	Die Verknüpfungsanalyse wird nur bei Schadensfällen durchgeführt, die bereits als verdächtig eingestuft wurden.	Netzwerkprüfungen werden für jeden einzelnen Antrag durchgeführt. Wir betrachten alle Systeme, um uns einen umfassenden Überblick über jeden einzelnen Antrag zu verschaffen.
Die Übergabe an die SIU	Die Ermittler stellen den Fall zusammen, bevor sie beurteilen können, ob überhaupt ein Fall vorliegt.	Ermittlungsreife Fälle. Die Fallunterlagen werden vollständig zusammengestellt geliefert: Auffälligkeiten werden erläutert, Beweismittel beigefügt und der nächste Schritt empfohlen.

Welchen ROI kann die Betrugserkennung mittels KI für Versicherer erzielen?

Einleitender Text: Die nachstehenden Abbildungen sind Modelldarstellungen und keine Messwerte. Sie veranschaulichen, welche Leistung die Lösung erbringen soll, und die jeweiligen Grundlagen sind darunter aufgeführt.

~30%

Geringerer Aufwand für die Betrugsprüfung pro Schadensfall. (NICB, 2022)

$1.5M+

Betrag der vor der Auszahlung verhinderten Betrugsfälle pro 1.000 Schadensfälle. (Deloitte Center for FS, 2025)

2x

Höhere Zahl bestätigter Betrugsfälle pro eröffnetem Verfahren. (Verisk, „State of Insurance Fraud“, 2024)

Wer profitiert von Xebia Agentic Fraud Intelligence?

Sach- und Unfallversicherung, einschließlich Kfz-, Kranken-, Gewerbe- und Privatkundenversicherung.

Schadenversicherer im Bereich Sach- und Haftpflichtversicherung

Hohe Schadenvolumina in der Sach- und Unfallversicherung, wo sich durch Tausende kleiner Entscheidungen unbemerkt Verluste ansammeln.

Kfz- und Autoversicherer

Inszenierte Unfälle, Absprachen zwischen Reparaturbetrieben und Anbietern sowie Schadensersatzansprüche aufgrund von Verletzungen, bei denen eine forensische Auswertung von Dokumenten und Bildern standardmäßig erforderlich ist.

Kranken- und Lebensversicherer

Anträge mit hohem Dokumentenaufwand, Anbieternetzwerke und berechtigte Anträge, die durch pauschale Prüfungen zurückgehalten werden.

Digitale und Direktversicherer

Eine schnelle, automatisierte Erfassung mit minimalem menschlichen Kontakt, bei der Identitäts- und Geräteprüfungen eine größere Rolle spielen müssen.

Versicherer mit hohem SIU-Anteil

Es wurden Ermittlungsfunktionen eingerichtet, die nach Priorität geordnete Weiterleitungen erfordern, und es wurden Fallakten zusammengestellt, anstatt weitere Warnmeldungen zu generieren.

Ausgewählte Fallstudie

Verhinderung eines Schadensfalls mit hohem Streitwert, noch bevor eine Weiterleitung überhaupt in die Wege geleitet wurde

Die Herausforderung: Ein umfangreicher Sachschadenfall wurde erst lange nach dem Ereignis gemeldet, wobei sich der Zahlungsempfänger und die Bankverbindung kurz vor der Einreichung geändert hatten. Dokumente und Fotos wurden entweder manuell oder mithilfe eines Tools geprüft, das keine Daten in das Bewertungsmodell einspeist. Die Verknüpfungsanalyse erfolgte erst nach der Weiterleitung, sodass Lücken in den Nachweisen erst spät auffielen.

Der Ansatz: Identität, Gerät, „
“ und Sitzung wurden bei der Erfassung überprüft. Dokumente, Rechnungen und Schadensfotos wurden auf Fälschung, Wiederverwendung und Inszenierung geprüft. Die Netzwerkprüfung diente als Eingabe für die Bewertung, wobei Zahlungsempfänger, Bankkonto und Telefonnummer im gesamten System abgeglichen wurden.

Fall anzeigen

Eine Vorführung vereinbaren

Bringen Sie bitte einen Schadensfall mit, der Ihnen Schwierigkeiten bereitet. Wir werden Ihnen zeigen, wie die Signale bewertet werden, wie sich die Punktzahl zusammensetzt und welche Informationen der Schadensregulierer und die SIU jeweils erhalten.

Vereinbaren Sie einen Termin für eine Vorführung

Häufig gestellte Fragen

Bei der Erkennung von Versicherungsbetrug mittels KI werden künstliche Intelligenz eingesetzt, um Schadensdaten, die Identität der Antragsteller, Dokumente, Bilder, Verhaltensweisen und Beziehungen zwischen verschiedenen Akteuren zu analysieren und so verdächtige Muster zu identifizieren. Xebia Agentic Fraud Intelligence fasst diese Signale zu einer nachvollziehbaren Risikobewertung zusammen, um den Schadensbearbeitungsteams dabei zu helfen, Fälle für die Untersuchung zu priorisieren.

KI kann die Identität des Antragstellers, die Versicherungs- und Zahlungshistorie, Schadensbeschreibungen, Dokumente, Bilder sowie Zusammenhänge zwischen Antragstellern, Dienstleistern und früheren Schadensfällen bewerten. Xebia Agentic Fraud Intelligence fasst diese Indikatoren zu einer umfassenden Risikobewertung zusammen, die durch Belege und nach Priorität geordnete Begründungscodes untermauert wird.

Die agentenbasierte Betrugsanalyse nutzt KI-Agenten, um verschiedene Aufgaben innerhalb eines Workflows zur Betrugsbewertung auszuführen. Im Ansatz von Xebia unterstützen die Agenten die Identitätsprüfung, die Datenanreicherung, die Verhaltensanalyse, die Dokumenten- und Bildprüfung, die Netzwerkanalyse sowie die Bewertung von Schadensfällen und helfen den Ermittlern dabei, zu verstehen, warum ein Schadensfall möglicherweise einer weiteren Prüfung bedarf.

Die KI-gestützte Aufdeckung von Versicherungsbetrug kann nachvollziehbare Untersuchungen unterstützen, indem sie Risikofaktoren, Belege und nach Priorität geordnete Begründungscodes für markierte Schadensfälle bereitstellt. Xebia Agentic Fraud Intelligence wurde entwickelt, um Schadensbearbeitungsteams dabei zu helfen, zu verstehen, warum ein Schadensfall einer Überprüfung bedarf, wobei menschliche Entscheidungsfindung bei der Schadensentscheidung weiterhin eine Rolle spielt. Spezifische Anforderungen an die Protokollierung von Prüfvorgängen und die Governance sollten im Hinblick auf die Implementierung und die geltenden Vorschriften überprüft werden.

Das sollte nicht der Fall sein. Da jeder Schadenfall bewertet und nicht pauschalen Dokumentenprüfungen unterzogen wird, können berechtigte Schadenfälle schnell ausgezahlt werden, wobei die Entscheidung aktenkundig wird. Bei einem Projekt mit einem US-amerikanischen Lebens- und Unfallversicherer wurde ein berechtigter Schadenfall noch am selben Tag ausgezahlt, und die Prüfkapazitäten wurden für jene Schadenfälle reserviert, bei denen sie benötigt wurden.

Die KI-gestützte Betrugserkennung kann Versicherern dabei helfen, verdächtige Schadensfälle zu priorisieren, indem sie mehrere Risikosignale kombiniert, anstatt sich auf einzelne Warnmeldungen zu verlassen. Die tatsächliche Verringerung von Fehlalarmen hängt von der Datenqualität, der Modellleistung, den Bewertungsschwellenwerten und der fortlaufenden Validierung anhand der Untersuchungsergebnisse ab.

Mithilfe der Netzwerkanalyse lassen sich Zusammenhänge zwischen Antragstellern, Geräten, Adressen, Anbietern, Konten und früheren Anträgen aufdecken, die auf koordinierte Aktivitäten hindeuten könnten. Xebia Agentic Fraud Intelligence umfasst die Netzwerkanalyse als Teil der umfassenden Schadenprüfung und unterstützt Teams dabei, potenzielle Zusammenhänge zu erkennen, die andernfalls möglicherweise übersehen würden.

„Agentic Fraud Intelligence“ nutzt KI-Agenten zur Koordination von Aufgaben im Rahmen der Bewertung von Versicherungsbetrug. „Xebia Agentic Fraud Intelligence“ vereint Identitätsprüfung, Anreicherung von Schadensdaten, Verhaltensanalyse, Dokumenten- und Bildforensik, Netzwerkanalyse sowie Schadensbewertung. Die Lösung bietet einen konsolidierten Überblick über Risiken und Belege, sodass Schadensregulierer und Sonderermittlungseinheiten fundierte Entscheidungen bei der Untersuchung treffen können.

Contact

Let’s discuss how we can support your journey.

‌