Aufdeckung von Versicherungsbetrug bei Kfz-Schäden mit Hilfe des Benford-Tests

Zusammenfassung

Laut Schätzungen des Gesamtverbandes der Deutschen Versicherungswirtschaft entstehen Kfz-Versicherern jährliche Schadensvolumina von 1,5 Mrd. Euro in der Folge des systematischen Betrugs durch Versicherungsnehmer. Hierbei wird davon ausgegangen, dass bei rund 10 % der eingereichten Anträge Manipulationen vorgenommen wurden, was die Versicherer zu umfassenden und vor allem kostspieligen Überprüfungen einzelner Schadenfälle zwingt. Eine alternative Methode zur Betrugserkennung bietet die digitale Ziffernanalyse, welche Haufigkeitsverteilungen der Ziffern empirischer Datensätze mit theoretisch zu erwartenden Verteilungen vergleicht, wobei hierbei insbesondere die Benford-Verteilung unterstellt wird. Weichen empirische Zahlen von dieser Verteilung ab, so ist dies ein Indiz dafür, dass systematische Manipulationen an dem betrachteten Datensatz vorgenommen wurden. Bislang ungeklärt ist jedoch, ob und inwieweit dieses auch als „Benford-Test“ bezeichnete Verfahren auf Versicherungsdaten angewendet werden kann. Der vorliegende Beitrag geht dieser Fragestellung mit einer Analyse von mehr als 120.000 Schadensfällen nach und ermittelt zudem, ob bestimmte Kriterien eines Schadenfalles wie z.B. die Reparatur in einer Vertragswerkstatt oder einer freien Werkstatt, der Kfz-Hersteller oder die Prüfung durch einen Sachbearbeiter Einfluss auf die Manipulationswahrscheinlichkeiten haben. In diesem Kontext konnte gezeigt werden, dass eine Anwendung des Benford-Testes auf Versicherungsschäden zwar lediglich auf die zweiten Ziffern der Zahlen möglich ist, Manipulationen hier jedoch sehr effizient aufgedeckt werden: Die für sämtliche Untersuchungskriterien gebildeten effizienten Prüfreihenfolgen konnten stets durch plausible Erklärungen verifiziert werden. Dies belegt, dass der Benford-Test die Eignung besitzt, um Versicherungen Auskunft darüber zu geben, welche Kriterien eines Schadensfalles tendenziell für einen höheren Anteil fraudulenter Zahlen sprechen und somit einer weitergehenden Prüfung bedürfen. Somit können deren Ressourcen deutlich effizienter eingesetzt werden, was im Umkehrschluss auch mit einer Reduzierung der Revisionsaufwendungen einhergeht.

Abstract

The German Insurance Association estimates a yearly amount of damage of € 1.5 bn to German motor vehicle insurance companies because of systematic fraud by insurance holders. It is supposed that about 10% of submitted claim applications contain manipulated data, therefore insurance companies are forced to complete a detailed and cost intensive case-by-case review of each single application. An alternative method to detect fraud in empiric data is the method of digital analysis based on Benford’s law. The Benford method uses a mathematical law of specific logarithmic distribution attributes of first digits. According to this approach, the data of a Benford set confirm with the expected digit distribution, if the data is not manipulated, whereas fraudulent interventions lead to a deviation from Benford’s law. Hence, until now there has not been any investigation whether the Benford method can also be applied on insurance data. The present article analyses a dataset consisting of more than 120,000 damage claim applications to answer this question as well as to identify the impact of specific characteristics on the probability of fraud contained in claim applications, such as the repair of the vehicle in a franchised or an independent workshop, the vehicle brand or the examination by insurance companies experts. Indeed it could be shown that Benford’s Law is only applicable on second digits of insurance data, but delivers very strong results here: All results of the considered characteristics could be verified by plausible arguments. For this reason insurance companies can benefit from making use of the Benford method to identify those claim applications with a high probability of fraud, which should then be reviewed in more detail so that resources can be allocated in a much more cost efficient way.