Wie Datenanalyse die Bekämpfung von Sozialbetrug unterstützen kann

Mag. Claudia Greindl, 29.11.2020 06:08

HAGENBERG. Intelligente Algorithmen können in großen Datenmengen rasch und verlässlich Muster – und damit Auffälligkeiten – erkennen. Das kann erfolgreich auch zur Bekämpfung von Sozialbetrug genutzt werden, wie ein Projekt des Software Competence Centers Hagenberg (SCCH) mit der Österreichischen Gesundheitskasse (ÖGK) zeigt.

1 / 4 Intelligente Algorithmen können in großen Datenmengen rasch und verlässlich Muster – und damit Auffälligkeiten – erkennen. Foto: ESB Professional/Shutterstock.com

Versicherungsbetrug ist teuer für eine Volkswirtschaft. 2015 wurde daher in Österreich das Sozialbetrugsbekämpfungsgesetz erlassen, um unter anderem die Krankenversicherungsträger vor Missbrauch zu schützen. Gemeinsam mit dem Kompetenzzentrum RAD (Risiko- und Auffälligkeitsanalyse im Dienstgeberbereich) und der Österreichischen Gesundheitskasse (ÖGK) entwickelte das SCCH im COMET-Projekt SmartDD eine automatisierte Vorschlagshilfe für Verdachtsfälle.

Prüfsystem für ganz Österreich

Daraus entstand ein Prüfsystem für ganz Österreich, das erfolgreich eingeführt wurde. Beim Aufspüren möglicher Verdachtsfälle waren die Experten von RAD bislang mit einer Vielzahl an Datenquellen, unterschiedlichen regionalen Gegebenheiten und vielfältigen Unternehmen und Versicherten konfrontiert. Außerdem existieren verschiedene Arten von Betrugsmustern. Daher verwendeten sie Analysen, die sich auf bestimmte Szenarien – beispielsweise einzelne Wirtschaftsbranchen, Finanzauffälligkeiten in der Vergangenheit oder spezielle Betrugsmuster – konzentrierten, für stichprobenartige Überprüfungen. Aus diesen Szenarien und den Zeitreihendaten entwickelten die Forscher am SCCH ein Modell, das rasch und automatisch einzelne Branchen und Firmen vergleicht.

Verdachtsfälle erkennen

„Unsere Aufgabe war es, Verdachtsfälle auf Dienstgeberseite automatisiert zu erkennen. Mit einer intelligenten Kombination aus Methoden des Maschinellen Lernens und statistischer Ausreißer-Bewertung lassen sich basierend auf den Erfahrungen von RAD aus den vorliegenden Daten Auffälligkeiten bestimmen. Das Ergebnis ist eine monatliche Scoringliste jener Unternehmen, deren Werte auffällig sind. Die Entscheidungsgewalt bleibt bei den Experten,“ erklärt Projektleiter Johannes Himmelbauer, Data Science Experte am SCCH.

Schwarze Schafe aufspüren

„Die Scoringliste unterstützt unsere Experten bei der gezielten Auswahl relevanter Verdachtsfälle. Der Vorteil sind punktgenaue und zeitnahe Interventionen, um die wenigen schwarzen Schafe aufzuspüren. Je höher der Scoringwert eines Dienstgebers ist, desto größer ist die Wahrscheinlichkeit, einen Missbrauchsfall aufzudecken“, zeigt sich Gerhard Mayr, Fachbereichsleiter Versicherungsservice der ÖGK, zufrieden. Das Projekt wurde lauf ganz Österreich ausgerollt. Dazu wurde das Modell ergänzt und mit den spezifischen Daten der übrigen Bundesländer trainiert, um die regionalen Unterschiedlichkeiten abzubilden. Das Ergebnis ist ein umfassendes Expertensystem, welches ident auf alle österreichischen Unternehmen anwendbar ist. Da die Sozialbetrugsbekämpfung im Hinblick auf neue Betrugsmuster und Gesetzgebung dynamisch ist, wurden auch die Modelle dynamisch gestaltet und können bei Bedarf neu kalibriert werden.