Ein Artikel von Wolfgang Färber, Teamlead Schaden-/ Leistungsregulierung in der IT der Nürnberger Versicherung
Die Betrugsabwehr in der Versicherungsbranche steht oft im Konflikt mit dem Bestreben, den Versicherten schnellstmöglich ihre Leistungen zu gewähren. Während eine vollständig automatisierte Zahlung technisch kein Problem darstellt, ist es ebenso wichtig, ungerechtfertigte oder betrügerische Ansprüche abzuwehren. Hier gilt es, ein Gleichgewicht zu finden, um die Mehrheit der ehrlichen Schadenfälle zügig und kundenfreundlich zu regulieren.
Was ist BUBE?
Die Nürnberger Versicherung hat ein innovatives System namens BUBE (Bildforensik Und BetrugsErkennung) entwickelt, das mithilfe von KI und Bildforensik betrügerische Schadenfälle aufdecken soll. BUBE analysiert eingereichte Schadenfotos auf Manipulationen und hilft so, betrügerische Ansprüche zu identifizieren und abzuwehren.
Warum ist BUBE besonders?
Bereits zwischen 2011 und 2014 unternahm die Nürnberger erste Versuche, Manipulationen an Bildern maschinell zu entdecken. Ab 2018 startete ein Pilotprojekt mit dem Lehrstuhl für IT-Sicherheitsinfrastrukturen an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU). Damit wurde der Grundstein für die heutige Version von BUBE gelegt. Seit 2020 ist BUBE produktiv im Einsatz und nutzt fortschrittliche KI-Technologien, um Bildmanipulationen zu erkennen. Die kontinuierliche Zusammenarbeit mit der FAU und die Integration neuester Verfahren machen BUBE zu einem leistungsstarken Werkzeug in der Betrugsbekämpfung.
Wie funktioniert BUBE?
BUBE verwendet verschiedene KI-Methoden, um Bilder zu analysieren:
- Error Level Analysis (ELA): Dieses Verfahren untersucht das Rauschen im Bild und deckt inkonsistente Stellen auf, die auf Manipulationen hinweisen könnten. ELA stammt aus der Zeit, als Bilder hauptsächlich mit Programmen wie Photoshop verändert wurden, ist aber weiterhin relevant.
- Neuronale Netze: Speziell trainierte Modelle identifizieren KI-generierte Bilder, unabhängig davon, welches Tool zur Erstellung verwendet wurde. Diese Modelle sind neuronale Netze, sogenannte SVMs (Support Vector Machine).
- Vektorisierung und Vergleich: Auch für diese Aufgabe verwendet BUBE neuronale Netze, diesmal ResNet (Residual Network). Ein ResNet50 wird verwendet, um Bilder in einen Zahlenvektor umzuwandeln und darüber die Ähnlichkeit zwischen Bildern zu bestimmen. Dies hilft, Mehrfacheinreichungen zu erkennen, auch wenn die Bilder verändert wurden, z. B. leichter Perspektivwechsel oder Umwandlung farbig/Grautöne. Die Vektoren selber verstoßen nicht gegen die Datenschutzbestimmungen oder das Recht am Bild und können also – anders als die Bilder selbst – marktweit verglichen werden.
- Fuzzylogik: Diese Methode bewertet die Ergebnisse und ermöglicht eine differenzierte Einschätzung von verdächtigen Werten, z. B. auch Zeit- und Ortsangaben aus den Bild-Metadaten (Exif-Daten). Fuzzylogik hilft, überlappende Verdachtsbereiche zu definieren und Ergebniswerte mit unterschiedlicher Gewichtung zu interpretieren.
Seite 1 BUBE im Einsatz: Mit KI Betrugsfälle erkennen und verhindern
Seite 2 Nutzen für die Versicherungsbranche
Wolfgang Färber 
- Anmelden, um Kommentare verfassen zu können
