
KIAlgoNetzwerk
KriminelleNetzwerke
Bekämpfung von Abrechnungsbetrug und Korruption im Gesundheitswesen mittels KI-basierter Identifikation auffälliger Netzwerkstrukturen
Übergeordnetes Forschungsziel
Das Projektziel ist die nachvollziehbare Identifikation von Auffälligkeiten in Netzwerkstrukturen. Diese werden für Fallkonstellationen im Gesundheitssystem aus vorliegenden Massendaten KI-unterstützt ermittelt.
Teilziele der HKA
Die HKA ist dabei gemeinsam mit dem Fraunhofer ITWM in die Entwicklung und Demonstration geeigneter Algorithmen eingebunden. Andreas Wagner, Professor für Applied Data Science an der Fakultät W, leitet das Verbundprojekt.
Motivation
Abrechnungsbetrug und Korruption im Gesundheitswesen führen deutschlandweit zu großen Schäden in den Sozialversicherungen. Es entstehen enorme Kosten von geschätzt 14 Milliarden Euro jährlich für die Solidargemeinschaft und die Fallzahlen sind stark steigend. Die betrügerischen Netzwerke bspw. in der Pflege weisen Merkmale organisierter Kriminalität auf. „Pflegebetrug in Millionenhöhe: So hat das System funktioniert“ titelte beispielsweise der Bayerische Rundfunk über ein Netzwerk, welches im Herbst 2019 in Augsburg und München aufgedeckt worden ist. Das Wohlergehen und die Gesundheit zahlreicher pflegebedürftiger Menschen ist dabei durch unsachliche oder gar fehlende Pflege gefährdet. Unrechtmäßige Mittelabflüsse gefährden die nachhaltig stabile Finanzierung des Gesundheitswesens.
Korruption und Abrechnungsbetrug sind häufig von betrügerischen Netzwerken gekennzeichnet, z. B. Arzt, Pflegedienst, Patient. Diese Beziehungen müssen identifiziert und detailliert analysiert werden können, um illegale Absprachen zu belegen. Die Art der Beziehung innerhalb eines solchen Netzwerkes, wie z. B. die Weisungsbefugnis der Beteiligten untereinander, ist juristisch entscheidend um Täterschaft oder Mittäterschaft gerichtsfest nachzuweisen.
Methodik
Die Analysemethoden werden in Zusammenarbeit zwischen der HKA und Fraunhofer ITWM entwickelt. Eine Idee ist es, klassisches Ermittlungsvorgehen durch mathematische Methoden der Graphentheorie und Zeitreihenanalyse verbunden mit schwacher KI zu ergänzen. Ausgangspunkt dafür ist die Aggregation von Massendaten in Form eines Graphen. Personen in einem Ermittlungsfall werden als Knoten, der E-Mail-Verkehr zwischen den Personen als Kanten gesehen. Die Schlagwörter der E-Mails werden mittels Natural Language Processing zu Attributen. Bei der Betrachtung von Kommunikationsnetzwerken kann zum Beispiel eine zeitliche Veränderung aussagekräftig sein. Die Intensität der Kommunikation ermöglicht ebenfalls die Extraktion auffälliger Personen oder Gruppierungen im Netzwerk.
Um die Algorithmenentwicklung von der Datenverfügbarkeit zu entkoppeln, werden die Algorithmen zunächst auf öffentlich zugänglicher Beispiel-Daten konstruiert. Anschließend werden tatsächliche Ermittlungsdaten zur Evaluation der mathematischen Modelle herangezogen.
Bisherige Projektergebnisse
Im ersten Projektjahr ist ein Demonstrator zur Analyse von E-Mail Daten entwickelt worden.
Stand
Laufendes Projekt 06/2021 — 05/2024
Weitere Informationen



Partner
Am Verbundprojekt sind neben dem Institut für Angewandte Forschung (IAF) der Hochschule Karlsruhe – Technik und Wirtschaft das Fraunhofer-Institut für Techno- und Wirtschaftsmathematik in Kaiserslautern, die Kriminalpolizeiinspektion Rosenheim, der GKV-Spitzenverband, sowie das ebenso in Kaiserslautern ansässige Unternehmen Empolis GmbH und die Bayerische Zentralstelle zur Bekämpfung von Betrug und Korruption im Gesundheitswesen (ZKG) beteiligt.



Projektförderung
Das Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) finanziert und gehört zum BMBF-Programm „Zivile Sicherheitsforschung “ (SIFO).

