Hausinternes Betrugs-Scoring für Schadenfälle (Zurich Switzerland und Zurich Brazil, ZCAM)
von Zurich Insurance Group (Zurich Switzerland, Zurich Brazil) · Erstversicherer
Market Unit: CH, BR
Das hausinterne System von Zurich zur Erkennung von Schadenbetrug wurde von ZCAM (Zurich Customer Active Management) entwickelt, der hundertprozentigen Datenanalyse-Tochter mit rund 50 Spezialisten. In der Schweiz durchlaufen die meisten der jährlich mehr als 600'000 eingehenden Schadenfälle ein proprietäres Fraud-Scoring-Tool, das vom Schadensystem Allegro gespeist wird, und erhalten einen Risikowert von 0-100; hohe Werte führen zu einer genaueren Prüfung durch die Special Investigation Unit. Neben dem regelbasierten System wird seit Februar 2024 ein Machine-Learning-Modell auf Deutsch für Sach- und Firmenkundensparten pilotiert. Zurich Brazil übernahm das System von ZCAM im Affinity-Geschäft (erweiterte Garantien, Diebstahl von Mobiltelefonen) und weitete es auf Motorfahrzeugschäden aus; die Betrugserkennungsrate im Affinity-Geschäft hat sich verdreifacht (Zurich, September 2024).
1 kostenlose Ansicht übrig diesen Monat
KI-Fähigkeit und Reifegrad
KI-Fähigkeitsstufe
Capability Maturity Score (CMS)
5 / 6
Business Adoption Score (BAS)
4 / 6
AI Development Index (ADI)
20 / 36
Link zu mehr Informationen über den theoretischen Hintergrund
Geschäftskontext
- Einsatzzweck
Score incoming claims for fraud risk and flag suspicious claims for investigators while reducing false positives.
- Wertschöpfungsstufen
- SchadenmanagementBetrugserkennung und -prävention
- Versicherungszweige
- SachversicherungMotorfahrzeugversicherungSpezialversicherung
- Anwendungsbereich
- Nur intern
- Geschäftskritikalität
- Geschäftskritisch (Tier 1)
- Land oder Markteinheit
- CHBR
Wert und Wirkung
- Mehrwertkategorie
- RisikoreduktionEffizienzgewinn
- Geschätztes wöchentliches Fallvolumen
- 11.538
- Qualitätsgewinn
Fraud detection rate in Zurich Brazil affinity business trebled (Zurich, 2024)
Technische Details
- KI-Kategorie
- Maschinelles Lernen und prädiktive AnalytikVerarbeitung natürlicher SpracheAnomalieerkennung
- Modellversion
2024-08
- Technologie-Stack
- PythonAzure Machine LearningComputer Vision API
- Genutzte Schnittstellen
Core claims platform via REST API
- Architektureinblicke
Hybrid architecture with a real-time scoring service and a batch retraining pipeline.
- Automatisierungsgrad
- 3/5
- Geschätzte IT-Komplexität
- 4/5
Compliance und Governance
- EU-KI-Verordnung Risikokategorie
- Nicht verfügbar
- EU-KI-Verordnung Rolle
- Nicht anwendbar
- Relevante Regelwerke
- Schweizer DatenschutzgesetzAndere
- Verantwortlichkeiten
Claims operations team retains final decision authority; model governance owned by the data science office.
- Verwendete Daten
Historical claims records, repair cost databases, vehicle damage photographs.
Metadaten
- Entwicklungstyp
- Skalierte Anwendung
Publikationen im Zeitverlauf
Wann über diese Lösung berichtet wurde. Rumors sind nicht verifizierte Erwähnungen.
Community
Durchschnittsbewertung
Kommentare
Melden Sie sich an, um mitzudiskutieren.
Noch keine Kommentare. Schreiben Sie den ersten.
Ähnliche Lösungen
ZFinder ist ein von Zurich Seguros (Spanien) intern entwickeltes Modell zur Betrugserkennung, das Big Data und maschinelles Lernen kombiniert, jeden Schadenfall mit Tausenden ähnlicher Fälle vergleicht und sich mit jeder Analyse verbessert. Zurich setzte es zunächst in der Hausversicherung ein (angekündigt im Juni 2018), mit Plänen zur Ausweitung auf weitere Sparten unter der Aufsicht ihres internen Ermittlungsteams. Zurich meldete, dass sich die automatische Betrugserkennung nach der Einführung verdoppelt habe und dass bei 76% der über ZFinder untersuchten Schadenfälle die Arbeit eines Schadenexperten nicht erforderlich gewesen sei. Die häufigsten erkannten Betrugsarten waren vorgetäuschte Schäden (47%), Ansprüche für ausgeschlossene Deckungen (22%) und verschwiegene Vorschäden (17%). Es wurden keine neueren Zahlen gefunden.
Seit September 2021 setzt Baloise im Schweizer Nichtleben-Kundendienst einen virtuellen Sprachassistenten ein, der mit Spitch und NTT DATA entwickelt wurde. Anrufende schildern ihr Anliegen auf Hochdeutsch oder in Schweizer Mundart, statt das Telefonmenü zu nutzen; der Assistent erkennt das Anliegen, hauptsächlich Schadenmeldungen, und leitet den Anruf mit einer Textzusammenfassung auf dem Bildschirm an die Mitarbeitenden weiter. Zum Start liefen rund 40% der deutschsprachigen Nichtleben-Anfragen über den Assistenten, und 85% der Anrufenden erreichten beim ersten Versuch die richtige Fachperson; Französisch war für eine spätere Phase geplant. Die Fallstudie von Spitch (aktualisiert im April 2025) beschreibt eine hybride Lösung aus On-Premise und Cloud. Der Status nach der Fusion zu Helvetia Baloise im Dezember 2025 ist nicht dokumentiert.
NiQA ist ein KI-gestützter digitaler Assistent von UNIQA für Schadenmeldungen, dokumentiert auf der ungarischen Website von UNIQA. Er hört sich die Schilderung des Kunden an, erkennt die Schadenart und füllt im Hintergrund das Schadenformular aus, prüft eingehende Informationen in Echtzeit, analysiert hochgeladene Fotos bereits beim Eingang und kontrolliert eingereichte Dokumente, wobei er auf fehlende Unterlagen hinweist. Derzeit deckt er Rohrbrüche, Wasserschäden und Glasbruch ab und wird auf weitere Rollen ausgeweitet; die Fachpresse nennt Intuitech als Technologiepartner.