In der deutschen Versicherungswirtschaft ist das Konzept des *Deductible* \u2013 besonders in der Haftpflichtversicherung und im Schadenmanagement \u2013 ein zentrales Element, das Betrugsversuche systematisch erschwert. Doch was genau steckt hinter diesen Vorbehalten, und wie wirken sie sich auf die Praxis aus? Die Entwicklung zeigt, dass moderne Technologien und gesetzliche Regelungen immer st\u00e4rker auf die Pr\u00fcfung von Schadensereignissen eingehen. Besonders im Bereich der betrieblichen Haftpflicht oder der Kfz-Versicherung werden Deductible-Bestimmungen zunehmend als wirksames Instrument gegen Betrug eingesetzt.<\/p>\n
Die gesetzlichen Grundlagen f\u00fcr solche Vorbehalte sind vor allem im Versicherungsvertragsgesetz (VVG) verankert. Dort wird explizit geregelt, dass Versicherer Schadensf\u00e4lle nur dann anerkennen d\u00fcrfen, wenn sie tats\u00e4chlich eingetreten sind und nicht vors\u00e4tzlich oder grob fahrl\u00e4ssig verursacht wurden. Das *Deductible* fungiert dabei als technischer Mechanismus, der Betr\u00fcger zwingt, ihre F\u00e4lschungen durch eine mindestens gleich hohe Summe an fiktiven Sch\u00e4den zu \u201eausgleichen\u201c. Studien zeigen, dass Versicherer mit solchen Systemen die Betrugsquote um bis zu 30 % reduzieren k\u00f6nnen \u2013 ein Effekt, der besonders in der Kfz-Haftpflichtbranche messbar ist.<\/p>\n
Trotz der Effektivit\u00e4t gibt es jedoch erhebliche Herausforderungen. Ein zentrales Problem liegt in der Komplexit\u00e4t der Schadensbewertung: Nicht jeder Schaden l\u00e4sst sich mit pr\u00e4zisen Daten nachweisen. Hier spielen digitale Tools wie KI-gest\u00fctzte Schadensanalyse oder Blockchain-L\u00f6sungen eine immer gr\u00f6\u00dfere Rolle. Beispielsweise nutzt die Allianz Deutschland seit 2020 ein System, das durch maschinelles Lernen verd\u00e4chtige Muster in Schadensmeldungen erkennt. Doch selbst mit fortschrittlicher Technologie bleibt die menschliche Pr\u00fcfung entscheidend \u2013 besonders bei besonders ausgekl\u00fcgelten Betrugsversuchen.<\/p>\n
Rechtlich wird die Situation durch die EU-Richtlinie 2019\/1937 (\u201eDatenschutz-Grundverordnung\u201c) und das deutsche Datenschutzrecht erschwert. Versicherer sind gezwungen, ihre Datenbanken mit Betrugsindikatoren zu verkn\u00fcpfen, was jedoch die Datenschutzkonformit\u00e4t gef\u00e4hrdet. Die Frage, ob und wie weit man in der Schadenspr\u00fcfung auf KI zur\u00fcckgreifen darf, bleibt ein st\u00e4ndiger Streitpunkt zwischen Versicherern und Aufsichtsbeh\u00f6rden. Ein aktuelles Urteil des Bundesgerichtshofs (Az. IV ZR 212\/21) hat hierzu klare Grenzen gesetzt: Versicherer d\u00fcrfen zwar automatisierte Systeme nutzen, m\u00fcssen aber die Einwilligung der Betroffenen einholen, wenn pers\u00f6nliche Daten verarbeitet werden.<\/p>\n
Ein besonders spektakul\u00e4res Beispiel f\u00fcr die Wirksamkeit von Deductible-Betrugsvorbehalten ist der Fall der \u201eFake-Kfz-Versicherung\u201c in Nordrhein-Westfalen. Hier nutzten Betr\u00fcger gezielt die dedizierten Schadensfragen in Versicherungsvertr\u00e4gen aus, um durch falsche Angaben eine Zahlung von \u00fcber 200.000 Euro zu erlangen. Die Versicherung lehnte die Zahlung ab, nachdem sie die Daten mit einer KI-gest\u00fctzten Schadensanalyse verglichen und die F\u00e4lschung identifiziert hatte. Der Fall f\u00fchrte dazu, dass die Deutsche Haftpflichtversicherung ihre dedizierten Fragen in den Vertr\u00e4gen versch\u00e4rfte und gleichzeitig ein neues System zur Echtzeit-Checkung von Schadensmeldungen einf\u00fchrte.<\/p>\n
Ein weiteres Beispiel stammt aus der betrieblichen Haftpflichtversicherung. Hier wurden Betr\u00fcger entdeckt, die durch gezielte \u201eSt\u00f6rf\u00e4lle\u201c in Produktionsanlagen Schadensersatzforderungen aufbauschten. Die Versicherer nutzten hier Deductible in H\u00f6he von 5.000 bis 10.000 Euro, um die F\u00e4lschungen zu erkennen. Da die Betr\u00fcger ihre fiktiven Sch\u00e4den nicht \u00fcber diese Grenze hinaustrieben, blieben sie unentdeckt \u2013 bis die Versicherer die Muster durchgepr\u00fcft und die Vorf\u00e4lle als Betrugsversuche eingestuft hatten. Dies zeigt, wie wichtig eine Kombination aus dedizierten Betragsgrenzen und manueller Pr\u00fcfung ist.<\/p>\n