Zurich Schweiz sieht Betrug mit einem Blick

Versicherungsgesellschaften haben in den vergangenen Jahren viel Aufwand betrieben, um Schadenfälle schneller zu bearbeiten. Bei Zurich Schweiz kümmern sich rund 6100 Mitarbeitende um die Anliegen von 1,4 Millionen Kundinnen und Kunden.

Die Angestellten zählen jährlich 1 Million Anrufe im Schadencenter und bearbeiten 500 000 Schadenfälle. Jeder einzelne Fall wird zunächst auf einen möglichen Betrug hin abgeklopft. Dabei setzt der Versicherer auf eine regelbasierte Software, die alle Meldungen nach definierten Kriterien analysiert und sie mit einem Risk-Score versieht. Ab einer bestimmten Stufe wird der Fall an die 25 Field Investigators übergeben, die den Verdachtsfall im Rahmen der Triage manuell prüfen.

Der Zeitaufwand für die manuelle Prüfung der vom Regelwerk generierten Meldungen war sehr hoch. «Für unsere Ermittler war nicht immer nachvollziehbar, warum es zu dem Alert kam oder wie sich der Risk-Score zusammensetzte. Zudem fehlte es an Kontext. Querreferenzen zu Adressen, Bankkonten, Kundendaten und Policen mussten separat über andere Systeme recherchiert werden», berichtet Paul Kühne, Leiter der Betrugsbekämpfung bei Zurich Schweiz. So entstand der Wunsch nach einer graphischen Übersicht der vorhandenen Informationen und Querverbindungen. «Zu jener Zeit erschienen zahlreiche Artikel zu den ‹Panama Papers›. Dabei wurde unter anderem aufgezeigt, mit welchen Methoden die Experten in dieser Affäre die riesige Datenmenge aufarbeiteten. So wurden wir auf die Graph-Datenbank Neo4j aufmerksam», erinnert sich Christof Aschwanden, Senior Project Manager bei Zurich Schweiz.

Es folgte die Evaluation verschiedener Graph-Technologien: Neben Neo4j wurden auch Cosmos DB und Mongo DB getestet. «Schnell hat sich herausgestellt, dass Neo4j in Kombination mit dem Visualisierungs-Tool Linkurious die von uns gesuchten Features mit sich bringt», so Aschwanden. Da Zurich Schweiz den Einsatz der Graph-Technologie im Bereich der Betrugsbekämpfung als Schlüsseltechnologie betrachtet, wurde entschieden, das notwendige Know-how intern aufzubauen und nicht auf externe Dienstleister ­zurückzugreifen. So wählten die Spezialisten für den «Proof of Concept» dann eine lokale Installation von Neo4j. Nach dem erfolgreichen Abschluss wurde die Installation in die Azure Cloud migriert, um von der Flexibilität und Skalierbarkeit einer Cloud-basierten Plattform profitieren zu können.

Für die Umsetzung des Projekts wählten Aschwanden und seine Kollegen ein agiles Vorgehen. In dem iterativen Prozess konnten die gewünschten Features effizient und rasch umgesetzt werden. «Gemäss dem Motto ‹Think big, start small, scale fast› liess sich der anfangs limitierte Graph auf die für die Betrugsbekämpfung relevante Grösse skalieren – ohne Probleme in der Entwicklung», erklärt der Projektverantwortliche.