Foto-Verifizierung bei Schadensfällen in der Gebäudeversicherung

Als die Sommerstürme 2024 Süddeutschland trafen, wurden Versicherer mit Fotos von überfluteten Kellern, eingestürzten Gartenmauern und zerstörten Bodenbelägen überschwemmt. Bis Juni 2025 schätzte der Katastrophendatendienst PERILS den versicherten Schaden auf 1,564 Milliarden €, wobei fast zwei Drittel aus dem Privatkundensegment stammten (beinsure). Zeitgleich tauchten Berichte über manipulierte Hochwasserbilder im Netz auf, was zeigt, wie schnell synthetische oder recycelte Aufnahmen während großer Katastrophen viral gehen können (DW). Diese Beispiele waren zwar überwiegend Falschinformationen, doch die Leichtigkeit, überzeugende Bearbeitungen zu erstellen, erhöht die Wahrscheinlichkeit, dass ähnliche Bilder ohne eine robuste Sachschaden-Foto-Verifizierung in der Gebäudeversicherung in die Schadenprozesse rutschen.

Diese doppelte Realität ist heute der Alltag für Sachversicherer weltweit. Da Self-Service-Workflows im Schaden zunehmend zum Standard werden, lautet die Frage für Schaden- und SIU-Verantwortliche nicht mehr, ob Bilder geprüft werden müssen, sondern wie das skalierbar gelingt, ohne ehrliche Versicherte zu verprellen. Daraus ist eine Disziplin entstanden, die sich darauf konzentriert, Schadensbilder der Wohngebäudeversicherung effizient zu prüfen. Wer hier überzeugt, sorgt für schnellere Erstattungen bei ehrlichen Kunden, weniger Leakage im Portfolio und langfristig für eine schlankere Combined Ratio.

Ein schneller Wandel hin zu Touchless-Schäden

Touchless- und Semi-Touchless-Abwicklung bedeutet, routinemäßige Sachschäden nahezu automatisch und mit minimalem Einsatz von Gutachtern zu regulieren. Was einst Pilotprojekten vorbehalten war, ist heute die Norm. Branchenumfragen schätzen, dass die Nutzung bei häufigen Gefahren bei etwa siebzig Prozent liegt, getrieben von der Verbreitung von Smartphones, steigenden Gutachterkosten und dem Kundenwunsch nach sofortigem Service (Insurance Journal). Gleichzeitig sinkt dank generativer KI und günstiger Bearbeitungssuiten die Hürde für Manipulationen rapide. Versicherer müssen daher die Foto-Authentizität von Sachschäden prüfen, indem sie eingereichte Bilder aus Wohngebäude- und Hausratspolicen über drei komplementäre Evidenzebenen verifizieren: Pixelebene, versteckter Kontext und Provenienz. Jede Ebene liefert einen Teil der Wahrheit und gemeinsam bilden sie die Entscheidungsgrundlage, einen Schaden zu zahlen oder abzulehnen.

Ebene eins: Integrität auf Pixelbasis

Pixeltests stellen die einfache Frage: Entspricht dieses Foto dem, was ein unbearbeiteter Sensor aufgenommen hätte? Algorithmen suchen nach Klonmustern, Seam-Carving-Artefakten, GAN-Halluzinationen und Anomalien im Rauschverhalten, die subtile Retuschen verraten. Der Fraud Scanner, eine modulare KI-Lösung von Vaarhaft, automatisiert diese Prüfungen in wenigen Sekunden und liefert eine Vertrauensbewertung direkt in das Schadenmanagement-Interface. Heat-Maps sorgen für Transparenz bei menschlichen Prüfern, ohne die proprietäre Modelllogik offenzulegen, und helfen dabei, Manipulationen in Gebäudeschadenbildern erkennen zu können.

Ebene zwei: Versteckter Kontext in Metadaten

Selbst wenn die Pixel passen, kann das Umfeld eine Lüge entlarven. Unstimmige Zeitstempel, fehlende Kamerainformationen, entfernte C2PA-Signaturen oder GPS-Koordinaten, die nicht zur versicherten Adresse passen, sind Warnsignale. Unser aktuelles Spotlight zum C2PA-Framework zeigt, was der Standard garantiert, was nicht und warum zusätzliche Kontextvalidierung gerade in hochpreisigen Sparten wichtig bleibt.

Ebene drei: Provenienz und Duplikate

Ein legitimes Foto sollte weder anderswo im Internet noch in einer zweiten offenen Schadenmeldung auftauchen. Reverse Image Search und perceptual Hashing decken recycelte Katastrophen-Stockfotos und sogenannte Double-Dip-Einsendungen auf, bei denen dasselbe zerbrochene Fenster mehrere Policen finanziert. Einen tiefen Einblick in dieses Vorgehen und passende Abwehrstrategien bietet unsere Fachnotiz zur duplicate claim fraud.

Von der Theorie zum Workflow

Die größte Herausforderung besteht darin, diese Ebenen in den Alltag zu integrieren, ohne den Regulierungsprozess zu verzögern. Bei führenden Versicherern hat sich ein pragmatisches Vier-Schritte-Muster etabliert:

1. Automatische Hausrat-Schadenfoto-Verifizierung beim Upload. Die Bilder durchlaufen eine Orchestrierungsschicht, die Pixelanalyse, Metadatenprüfung und Provenienzsuche verbindet.
2. Triage durch eine Regel-Engine. Geringes Risiko geht direkt in Straight-Through-Processing. Mittleres Risiko wird mit Heat-Map-Erklärungen für den Desk-Adjuster markiert. Hohes Risiko landet sofort in der SIU-Queue.
3. Sichere Neuerfassung. Wenn das Risiko unklar bleibt, erhält der Versicherungsnehmer einen Link zu SafeCam, Vaarhafts browserbasiertem Aufnahmetool. Die Web-Kamera-App erzwingt eine sofort verifizierte Neuerfassung, sodass ausgedruckte Bilder, Laptop-Screens oder bearbeitete Dateien nicht unentdeckt erneut eingereicht werden können.
4. Kontinuierliches Lernen. Ergebnisse fließen in einen Feedback-Loop ein, der Schwellenwerte verfeinert und zukünftige Entscheidungen beschleunigt.

Mehrwert über den reinen Betrugsschaden hinaus

Der offensichtliche Vorteil ist ein geringeres Leakage, doch die strategischen Gewinne reichen weiter. Erstens erhalten Kunden ihr Geld schneller, weil qualitativ hochwertige Bilder in Sekunden verarbeitet werden. Zweitens führt weniger Gutachter-Reisetätigkeit zu niedrigeren CO₂-Emissionen und unterstützt ESG-Ziele. Drittens wird jede erkannte Manipulation zu neuem Trainingsmaterial, das das Portfolio schützt, bevor der nächste Hagelsturm den Radar erreicht. Die Foto-Prüfung in der Hausratversicherung wird damit zum zentralen Hebel für Nachhaltigkeit und Kundenzufriedenheit.

Katastrophen-Insights für die Praxis

Aktuelle europäische Flutereignisse zeigen, warum Automatisierung manuellen Stichproben überlegen ist. Wenn Tausende Haushalte binnen kurzer Zeit nahezu identische Innenaufnahmen einreichen, decken perceptual Hashes Cluster auf, die selbst erfahrene Gutachter übersehen könnten. Der Blick nach vorn: Swiss Re SONAR 2025 Risk Radar zählt manipulierte Medien zu den wichtigsten aufkommenden operationellen Bedrohungen für Property & Casualty. Der Rückversicherer warnt, dass Deepfake-Technologie schneller voranschreitet als Unternehmenskontrollen, was die Schadenbearbeitungskosten erhöht, selbst wenn die Schadenfrequenz stabil bleibt.

Ein kurzes Wort zur Customer Experience

Skeptiker argumentieren gelegentlich, zusätzliche Prüfungen verzögerten echte Schäden. In der Praxis passiert das Gegenteil, wenn die richtigen Leitplanken greifen. Instant-Scoring lässt risikoarme Kunden ohne menschliche Prüfung passieren. Klare On-Screen-Hinweise zur Bildqualität verhindern wiederholte Ablehnungs-E-Mails. Und wenn eine Neuerfassung nötig ist, führt eine sichere Web-Kamera-Sitzung via SafeCam den Nutzer durch Neuaufnahmen. Das Ergebnis: weniger Verzögerungen bei den Durchlaufzeiten und ein höherer Net-Promoter-Score über das gesamte Katastrophenereignis hinweg.

Nächste Schritte

Mobiltelefone haben jeden Versicherungsnehmer zum Feldfotografen und jeden Gutachter zum Fotoeditor gemacht. Wenn ein einziges manipuliertes Wohnzimmerfoto eine fünfstellige Auszahlung auslösen kann, darf Authentizität kein forensischer Nachgedanke sein. Die Automatisierung der Sachschaden-Foto-Verifizierung in der Gebäudeversicherung schützt die Bilanz, beschleunigt Hilfe für ehrliche Kunden und setzt einen belastbaren Standard, bevor Regulierungsbehörden ihn vorschreiben.

Teams, die ihre Abwehr gegen synthetische Bilder stärken wollen, sollten auch unseren Leitfaden zur Erkennung von AI-generierten Schadenfotos lesen, der die hier beschriebene Provenienzebene ergänzt.

Wenn Sie erfahren möchten, wie Fraud Scanner und SafeCam sich in Ihre bestehende Schadenplattform integrieren lassen, buchen Sie eine kurze Discovery-Session mit unserem Team oder stöbern Sie im Ressourcenbereich unserer Website.