Fast 174 Millionen Pfund aufgedeckter Betrug in einem Jahr, ein Rekord. Mit dem selbst entwickelten Machine-Learning-Tool „Incognito“ markiert die Allianz UK verdächtige Schäden über alle Sparten hinweg und leitet sie an die Sonderermittlung weiter.
Was ist KI-gestützte Betrugserkennung?
KI-gestützte Betrugserkennung nutzt maschinelles Lernen, um in großen Schadenmengen Muster und Auffälligkeiten zu finden, die einer manuellen Checkliste entgehen. Das Modell bewertet jeden Schaden, hebt verdächtige Fälle hervor und übergibt sie zur Prüfung an spezialisierte Ermittler. So steigt die Trefferquote, ohne dass jeder Fall manuell gesichtet werden muss.
Was Allianz UK Incognito leistet
Incognito ist das hauseigene ML-Tool der Allianz UK. Es markiert verdächtige Schäden über alle Sparten zur Prüfung durch die Sonderermittlung. 2025 deckte die Allianz UK damit fast 174 Millionen Pfund Betrug auf, ein Rekord und ein Plus von 10,5 Prozent, verteilt auf über 34.200 Fälle. Der Fall zeigt, wie ein spartenweites Modell die Aufdeckungsquote deutlich hebt.
Die Zahlen hinter dem Case
- fast 174 Millionen Pfund erkannter Betrug 2025 (Rekord, plus 10,5 Prozent)
- über 34.200 Fälle
- spartenweite Markierung verdächtiger Schäden
- Prüfung durch die Sonderermittlung (Mensch entscheidet)
Die Angaben stammen aus dem Report „KI in der Versicherung“ und der dort verlinkten Primärquelle (Allianz UK).
Über 60 weitere Praxisbeispiele finden Sie in unserem Guide
Künstliche Intelligenz ist in der Versicherung längst Realität: 80 Prozent kürzere Schadenbearbeitungszeiten, 55 Prozent weniger Aufwand pro Angebot, dreistellige Millionenbeträge an aufgedecktem Betrug. Unser kostenloser Guide bündelt 61 dokumentierte Praxisbeispiele führender Versicherer entlang der gesamten Wertschöpfungskette, jeweils mit belegten Effekten und eingeordnet in einen Governance-Rahmen aus DSGVO, BaFin und EU-KI-Verordnung. Laden Sie sich den Überblick für Entscheider jetzt als PDF herunter.
Was deutsche Versicherer daraus mitnehmen
Ein spartenweites Modell findet mehr als isolierte Prüfungen je Sparte, weil organisierte Muster erst über Grenzen hinweg sichtbar werden. Halten Sie den Menschen als Entscheider in der Sonderermittlung und sorgen Sie für erklärbare Markierungen, damit Vorwürfe belastbar sind. Die Grundlagen der KI-gestützten Abwehr beschreibt unser Beitrag zur Betrugserkennung mit KI.
Governance: schnell und trotzdem regelkonform
Wer Schäden und Personen über Datenquellen hinweg bewertet, berührt unmittelbar den Datenschutz nach DSGVO, die Erwartungen der BaFin und die Vorgaben der EU-KI-Verordnung. Nachvollziehbare, erklärbare Modelle und klare Verantwortlichkeiten sind Pflicht, gerade bei Betrugsvorwürfen. Technisch gelingt das am besten, wenn die Erkennung als modularer Microservice über stabile Schnittstellen eingebunden wird, statt als monolithisches Großprojekt.
Mehr Praxisbeispiele im kostenlosen Guide
Dieser Case ist eines von über 60 dokumentierten Praxisbeispielen führender Versicherer entlang der gesamten Wertschöpfungskette. Das vollständige und kostenlose PDF zum Download finden Sie hier.
