Studium

Anwendungsnah studieren heißt: Besser vorbereitet sein in Theorie und Praxis.
Wir leben in Zeiten technologischer Innovationsverdichtung. Maschinenelles Lernen, 5G-basierte Kommunikation, das Internet der Dinge, Techniken der virtuellen und augmentierten Realität haben Auswirkungen auf Geschäftsmodelle und die Struktur von Softwaresystemen. Dynamische Veränderungen in diesen Forschungsbereichen sowie in den Anforderungen aus der Wirtschaft integrieren wir unmittelbar in die Inhalte unserer Lehre. So bleiben Vorlesungen und Seminare immer nah am Puls des Fortschritts.

Projektgruppen

DataMed – Anomaly Detection in Medical Insurance Data

Das Thema der Projektgruppe war das automatische Auffinden von Hinweisen auf möglichen Versicherungsbetrug durch Auswertung der Daten der Versicherung Barmenia1.

Es wird davon ausgegangen, dass bei deutschen Versicherungen branchenübergreifend ein Be- trugsvolumen von vier bis fünf Milliarden Euro jährlich besteht[12]. Laut einer Auswertung des Gesamtverbands der Deutschen Versicherungswirtschaft aus dem Jahr 2017, weisen neun Prozent der Schäden in den Bereichen Kraftfahrt,- Haftpflicht- und Sachversicherungen Un- gereimtheiten auf. Bei Haftpflichtversicherungen liegt die Anzahl der, als ”Dubiosschäden”be- zeichneten, möglichen Betrugsversuche sogar bei 16 Prozent[12].

Versicherungsbetrug wird in Deutschland jedoch häufig als Kavaliersdelikt angesehen. Zum Beispiel steigt die Anzahl der gemeldeten Versicherungsschäden vor sportlichen Großereignis- sen wie Fußball-Weltmeisterschaften an. Auffällig viele defekte Fernseher werden z.B. dann als Versicherungsschäden gemeldet[11].

Immer häufiger haben es Versicherer aber auch mit organisierter Kriminalität zu tun. Es wird versucht gezielt, und teilweise bandenmäßig, Versicherungsbetrug zu begehen. Die Anzahl der gezielt vorgehenden Banden ist zwar gegenüber der großen Masse an Bürgern, die einzelne Betrügereien begehen, sehr gering. Die organisierten Banden erzeugen jedoch häufig mit weni- gen Einzelschäden ein hohes Schadensvolumen[13]. Die Betrugsanalyse und Betrugspräventi- on wird somit für die Versicherer immer wichtiger. Um gezielt Bandenstrukturen aufzudecken, sind aufgrund der großen Datenmengen jedoch Werkzeuge und automatische Analysen not- wendig. Genau hier setzt auch diese Projektgruppe an.

Im Folgenden wird zunächst die Problem- und Zielstellung, sowie das geplante Vorgehen der Projektgruppe vorgestellt. Im zweiten Kapitel wird ein Überblick über die im Projekt verwendeten Technologien und Techniken gegeben. Im dritten Kapitel wird die Durchführung der Projektgruppe beschrieben. Das vierte Kapitel beschreibt die verwendeten und entwickelten Algorithmen zur Anomalieerkennung. In Kapitel fünf werden die Ergebnisse der Projekt ab- schließend zusammengefasst und in Kapitel sechs ein Ausblick über mögliche zukünftige Arbeit gegeben.

Weitere Projektgruppen

KI
ML@Energy
In der Projektgruppe "ML@Energy" soll eine Anwendung entwickelt werden, die Analysen von Energieverbrauchsdaten visuell darstellt. Die Analysen basieren dabei auf…
KI
DeevA – Deep Video Augmentation
Es wird angenommen, dass nutzer-gerichtete Werbung in der heutigen Zeit im- mer mehr an Bedeutung gewinnt. Ziel ist es, die…
Nach oben scrollen
Scroll to Top