REFERENZEN

Kosten- und Regressprognose Referenz

Branche
Versicherung, Operations & Risk
anacision Leistungen
Prognose

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.

Ausgangslage

Manuelles Meldeverfahren führt zu hohem Aufwand bei reduzierten Regresseinnahmen

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.

 

Lösung

Automatisierte Identifikation von rentablen Regressfällen durch Data Science

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.

 

Nutzen

Aufwandsreduktion bei zuverlässigerer Identifikation von rentablen Regressfällen

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. 

Haben wir Ihr Interesse geweckt? Sprechen Sie uns an.

Sprechen Sie uns an

Markus Frondorf

Managing Director

+49 172 7395191

Mail Kontakt

Sprechen Sie uns an

Rico Knapper

Managing Director & Chief Data Scientist

+49 152 22649878

Mail Kontakt

Warum anacision

X