Datengetriebene Identifikation von rentablen Regressfällen in der Unfallversicherung durch Data Science Methoden

Un­ser Kun­de ist eine Be­rufs­ge­nos­sen­schaft, die als ge­setz­li­cher Un­fall­ver­si­che­rer jähr­lich eine hohe An­zahl von Ar­beit­neh­mern nach Ar­beits­un­fäl­len re­ha­bi­li­tiert. Un­ter den ge­mel­de­ten Un­fäl­len gibt es so­ge­nann­te Re­gress­fäl­le, für wel­che die Be­rufs­ge­nos­sen­schaft zu­nächst ein­steht, je­doch letzt­end­lich eine an­de­re Ver­si­che­rung zu­stän­dig ist (wie bei­spiels­wei­se die Ver­si­che­rung des Un­fall­geg­ners bei ei­nem Au­to­un­fall). Bis­her wur­den po­ten­zi­ell re­gress­fä­hi­ge Un­fäl­le in ei­nem ma­nu­el­len Mel­de­ver­fah­ren zur Prü­fung aus­ge­wählt. Durch die ma­nu­el­le Prü­fung wur­den je­doch ei­ner­seits vie­le nicht re­gress­fä­hi­ge Un­fäl­le auf­wän­dig ge­prüft und an­de­rer­seits po­ten­zi­ell re­gress­fä­hi­ge Fäl­le nicht er­kannt. Zur Ver­bes­se­rung des Ge­samt­pro­zes­ses wur­den mit Data Sci­ence An­sät­zen die Wahr­schein­lich­keit ei­nes Re­gres­ses so­wie die vor­aus­sicht­li­chen Ge­samt­un­fall­kos­ten pro­gnos­ti­ziert, wo­mit eine au­to­ma­ti­sier­te Aus­wahl von ren­ta­blen Re­gress­fäl­len er­mög­licht wur­de.

Auf­grund der ho­hen An­zahl der durch den Ver­si­che­rungs­trä­ger be­ar­bei­te­ten Un­fäl­le ist eine um­fas­sen­de Prü­fung der Re­gress­fä­hig­keit al­ler Un­fäl­le durch die Re­gress­ab­tei­lung nicht mög­lich. Um eine Aus­wahl zu tref­fen, wird häu­fig ein Mel­de­ver­fah­ren ein­ge­setzt, in wel­chem eine ma­nu­el­le Prü­fung an­hand nicht voll­stän­dig de­fi­nier­ter Kri­te­ri­en so­wie Er­fah­rungs­wer­ten des Be­ar­bei­ters statt­fin­det. Da­durch wer­den bei der Aus­wahl ei­ner­seits vie­le nicht re­gress­fä­hi­ge Un­fäl­le aus­ge­wählt, an­de­rer­seits wer­den po­ten­zi­ell re­gress­fä­hi­ge Un­fäl­le bei feh­len­der Er­fah­rung oder Fehl­ein­schät­zun­gen nicht aus­ge­wählt. Ins­ge­samt ent­steht da­her durch die ma­nu­el­le Prü­fung ein ho­her Auf­wand bei den Be­ar­bei­tern bei gleich­zei­tig re­du­zier­ten Re­gres­sein­nah­men.

Bei der Er­fas­sung und Be­treu­ung von Un­fäl­len wird eine gro­ße Men­ge an struk­tu­rier­ten und un­struk­tu­rier­ten he­te­ro­ge­nen Da­ten auf­ge­nom­men. Im ers­ten Schritt wur­den Mus­ter be­züg­lich des Re­gres­ser­folgs so­wie der Un­fall­kos­ten aus die­sen Da­ten ex­tra­hiert. Wei­ter­hin konn­ten so re­le­van­te Trei­ber für re­gress­ver­däch­ti­ge, teu­re Un­fäl­le iden­ti­fi­ziert wer­den. Auf Grund­la­ge des­sen wur­den sta­tis­ti­sche Mo­del­le zur au­to­ma­ti­schen Pro­gno­se der Re­gress­wahr­schein­lich­keit und Un­fall­kos­ten ent­wi­ckelt, die an­schlie­ßend durch die Dis­kus­si­on mit Fach­ex­per­ten ge­prüft und va­li­diert wur­den.

Durch die Au­to­ma­ti­sie­rung der Iden­ti­fi­ka­ti­on ren­ta­bler Re­gress­fäl­le wur­de der Ar­beits­auf­wand bei der Fall­be­ar­bei­tung we­sent­lich re­du­ziert, wo­mit freie Ka­pa­zi­tä­ten bei­spiels­wei­se für eine in­ten­si­ve­re Fall­be­treu­ung er­reicht wer­den konn­ten. Wei­ter­hin er­mög­licht die Au­to­ma­ti­sie­rung eine ge­ziel­te­re Fall­aus­wahl zur Stei­ge­rung der Re­gres­sein­nah­men. Die Er­hö­hung der Re­gres­sein­nah­men wur­de zu­dem durch die Iden­ti­fi­ka­ti­on von in der Ver­gan­gen­heit nicht iden­ti­fi­zier­ten, je­doch ren­ta­blen Re­gress­fäl­len, be­stä­tigt.