Künstliche Intelligenz kann heute radiologische Aufnahmen so realistisch erzeugen oder manipulieren, dass selbst Fachärzte Fälschungen oft nicht erkennen. Warum dies die Betrugsabwehr in der Kranken-, Lebens- und Berufsunfähigkeitsversicherung vor neue Herausforderungen stellt und weshalb spezialisierte Bildforensik künftig an Bedeutung gewinnt, erklärt Simon Kroll von FIDA.
Über Jahrzehnte galten Röntgenbilder, MRT- und CT-Aufnahmen als unbestechliche Beweismittel. Wer eine Diagnose anzweifelte, konnte sich auf das Bild verlassen. Es zeigte, was im Körper tatsächlich vorging, und bildete damit eine zentrale Grundlage für Leistungsentscheidungen in der Kranken- und Lebensversicherung. Diese Gewissheit gerät zunehmend ins Wanken. Künstliche Intelligenz macht es heute möglich, radiologische Aufnahmen so realistisch zu fälschen oder neu zu erzeugen, dass selbst geschulte Augen sie kaum noch von echten Bildern unterscheiden können.
Täuschend echt – und kaum zu entlarven
Wie groß diese Herausforderung tatsächlich ist, zeigt eine Studie aus dem Fachjournal Radiology (Tordjman, Yuce et al.). 17 Radiologinnen und Radiologen aus sechs Ländern erhielten echte und KI-generierte Röntgenbilder zur Beurteilung. Ohne vorherigen Hinweis darauf, dass gefälschte Aufnahmen im Datensatz enthalten waren, identifizierten die Fachleute nur rund 41 Prozent der KI-Bilder spontan als solche. Bemerkenswert: Die Berufserfahrung der Teilnehmenden hatte keinen messbaren Einfluss auf die Erkennungsquote. Auch das Deutsche Ärzteblatt griff die Ergebnisse auf und bestätigte, dass selbst Fachleute echte von KI-generierten Aufnahmen nicht sicher unterscheiden können.
Hinzu kommt ein zweiter, weniger bekannter Befund: Nicht einmal die KI-Modelle, mit denen solche Bilder erzeugt werden, erkennen ihre eigenen Fälschungen zuverlässig. In der genannten Studie identifizierte das verwendete Modell nur etwa 85 Prozent der von ihm selbst generierten Inhalte korrekt. Die Erstellung solcher Bilder erfordert dabei kaum noch Spezialwissen – häufig reicht eine einfache Texteingabe, um anatomisch plausible Aufnahmen zu erzeugen. Zwar gibt es teilweise noch Indizien wie ungewöhnlich glatte Knochenstrukturen oder unnatürlich gerade Wirbelsäulen, doch die Qualität der erzeugten Bilder verbessert sich unabhängig von Körperregion und Aufnahmeart kontinuierlich, wodurch auch diese Anhaltspunkte zunehmend verschwinden.
Unterschiedliche Risikoprofile in Kranken- und Lebensversicherung
Die Gefahr von manipulierten Röntgenbildern trifft Kranken- und Lebensversicherer auf unterschiedliche Weise, jeweils mit erheblichem finanziellem Hebel.
Privaten Krankenversicherungen drohen Abrechnungen für Behandlungen, die nie stattgefunden haben, mit der Gefahr von Kettenreaktionen, sollten auf Basis eines einzigen gefälschten Bildes mehrere Folgeabrechnungen ausgelöst werden.
In der Lebens- und Berufsunfähigkeitsversicherung steht mindestens genauso viel auf dem Spiel: Ein einmal anerkannter, aber fingierter Befund kann zu unberechtigten Rentenzahlungen über Jahrzehnte führen oder hohe Einmalzahlungen für tatsächlich nicht vorliegende schwere Erkrankungen auslösen.
Gefälschte Bilder kommen selten allein
Betrugsversuche beschränken sich in der Praxis selten auf ein einzelnes manipuliertes Bild. Häufiger handelt es sich um ein orchestriertes Zusammenspiel mehrerer gefälschter Elemente. Moderne Sprachmodelle erzeugen passende, medizinisch plausible Befundtexte im Stil erfahrener Fachärzte. Briefköpfe, Stempel und Unterschriften werden so nachgebildet, dass sie von Originalen nicht mehr zu unterscheiden sind. Doch was bedeutet das für Prüfprozesse in der Betrugsabwehr?
Bringt KI bestehende Prüfverfahren an ihre Grenzen?
Die Qualität KI-generierter Inhalte hat einen Punkt erreicht, an dem auch geschulte Fachleute und bestehende Technologien, bei der Identifikation an ihre Grenzen stoßen. Damit rückt eine grundsätzlichere Frage in den Fokus: Werden künftig neue technische Verfahren notwendig sein, um Bilddaten zuverlässig zu untersuchen?
Spezialisierte Bildforensik als Antwort
Am Markt haben sich inzwischen spezialisierte Lösungen für die forensische Analyse von Bilddaten etabliert, die genau an diesem Punkt ansetzen. Ein Beispiel dafür ist fraudify, eine Software, die unter anderem pixelgenaue Bildanalysen, die Erkennung typischer KI-Artefakte, Metadaten-Prüfungen, Doubletten-Check und eine Rückwärtssuche im Internet kombiniert, um Manipulationen aufzudecken, die für das menschliche Auge nicht mehr erkennbar sind. Lösungen dieser Art zeigen exemplarisch, in welche Richtung sich die Betrugsabwehr in der Versicherungsbranche entwickeln dürfte.