🤖 machine learning

Inductive inference of gradient-boosted decision trees on graphs for insurance fraud detection

Dieser Beitrag stellt G-GBM vor, eine neuartige induktive Graph-Gradient-Boosting-Maschine, die die Robustheit von Gradient Boosting mit interpretierbaren heterogenen Graphmerkmalen effektiv kombiniert, um bei der Erkennung von Versicherungsbetrug bestehende State-of-the-Art-Methoden zu übertreffen oder mit ihnen gleichzuziehen, während gleichzeitig Herausforderungen wie Klassenungleichgewicht und dynamische Daten adressiert werden.

Ursprüngliche Autoren: Félix Vandervorst, Bruno Deprez, Wouter Verbeke, Tim Verdonck

Veröffentlicht 2026-05-18

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Félix Vandervorst, Bruno Deprez, Wouter Verbeke, Tim Verdonck

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Versicherungsdetektiv, der versucht, eine Gruppe von Personen zu entlarven, die Autounfälle oder Arztbesuche fälschen, um Geld zu stehlen.

Der alte Weg: Der Blick auf Einzelpersonen
Traditionell untersuchten Detektive jede Person (oder jedes Unternehmen) isoliert. Sie prüften eine Liste von Fakten: „Wie alt sind sie? Welches Auto fahren sie? Haben sie viele Schadensfälle gemeldet?" Das ist vergleichbar mit dem Versuch, ein Rätsel zu lösen, indem man nur den Ausweis eines Verdächtigen betrachtet. Das funktioniert einigermaßen, verpasst aber das große Ganze. Betrüger arbeiten oft in Zirkeln und helfen einander. Wenn Sie nur eine Person betrachten, könnten Sie übersehen, dass sie mit einem bekannten Kriminellen verbunden ist.

Die neue Idee: Die „Sozialnetzwerk"-Karte
Die Autoren dieses Papers erkannten, dass man zur Aufdeckung organisierten Betrugs die Verbindungen sehen muss. Sie erstellten eine riesige Karte (ein „Graph"), bei der:

Knoten die Personen und Unternehmen sind.
Linien die Beziehungen darstellen (z. B. „Unternehmen A besitzt dieses Auto", „Person B wohnt an dieser Adresse", „Person C ist Geschäftsführer von Unternehmen D").

Diese Karte ist unübersichtlich und komplex. Sie enthält verschiedene Arten von Personen und verschiedene Arten von Verbindungen. Zudem verändert sie sich im Laufe der Zeit, wenn neue Personen hinzukommen oder gehen.

Das Problem mit aktuellen „intelligenten" Karten
In jüngster Zeit begannen Informatiker, ausgefeiltes „Deep Learning" (KI) einzusetzen, um diese Karten zu lesen. Stellen Sie sich diese KI-Modelle als eine Blackbox vor, die die gesamte Karte aufnimmt, sie zu einer einzigen, verschwommenen Zusammenfassung quetscht und dann vermutet, wer ein Betrüger ist.

Der Fehler: Diese Blackboxen sind schwer zu verstehen. In der Versicherungswelt kann man nicht einfach sagen: „Der Computer sagt, sie sind schuldig." Man muss Regulierungsbehörden und Gerichten erklären, warum. Außerdem geraten diese KI-Modelle manchmal in Verwirrung, wenn die Karte riesig ist oder wenn es im Vergleich zu ehrlichen Menschen nur sehr wenige Betrugsfälle gibt (ein Problem, das als „Klassenungleichgewicht" bezeichnet wird).

Die Lösung: G-GBM (Der „Pfad-lesende" Detektiv)
Die Autoren entwickelten ein neues Werkzeug namens G-GBM. Anstatt die Karte zu einer verschwommenen Zusammenfassung zu quetschen, agiert G-GBM wie ein Detektiv, der spezifische Pfade durch die Karte entlanggeht.

So funktioniert es, anhand einer einfachen Analogie:

Der „Metapfad"-Spaziergang: Stellen Sie sich vor, Sie untersuchen eine bestimmte Person (nennen wir ihn „Bob"). G-GBM betrachtet nicht nur Bob. Es schickt kleine „Spaziergänger" aus, um spezifische Routen von Bob aus zu verfolgen.
- Pfad 1: Bob $\rightarrow$ Sein Auto $\rightarrow$ Der Besitzer des Autos (vielleicht Bobs Bruder).
- Pfad 2: Bob $\rightarrow$ Die Werkstatt $\rightarrow$ Der Werkstattbesitzer (vielleicht Bobs Cousin).
- Pfad 3: Bob $\rightarrow$ Die Adresse $\rightarrow$ Der Nachbar (der ebenfalls einen verdächtigen Schaden gemeldet hat).
Das Lesen der Hinweise: Anstatt diese Pfade in eine verschwommene Zusammenfassung zu verwandeln, notiert G-GBM die spezifischen Details, die entlang jedes Pfades gefunden wurden. „Bobs Bruder besitzt ein Auto", „Der Werkstattbesitzer ist Bobs Cousin". Es hält diese Details getrennt und klar.
Die „Baum"-Entscheidung: Es speist diese spezifischen Pfaddetails in eine leistungsstarke Entscheidungsengine ein (einen sogenannten Gradient Boosted Tree). Diese Engine ist bekannt dafür, Muster in unübersichtlichen Daten hervorragend zu erkennen und damit umzugehen, dass Betrug selten ist. Sie fragt: „Wenn ich diese spezifische Kombination aus Nachbarn und Verbindungen sehe, ist diese Person wahrscheinlich ein Betrüger?"
Das „Warum" (Erklärbarkeit): Dies ist die Superkraft. Da das Modell die Daten nicht verwischt hat, kann es genau den Pfad benennen, der den Alarm ausgelöst hat.
- Beispiel: „Wir haben Bob nicht wegen seines Alters gemeldet, sondern weil Pfad 2 zeigte, dass er mit einem Werkstattbesitzer verbunden ist, der 50 weitere verdächtige Schäden hat."
- Dies verschafft dem Versicherungsunternehmen einen klaren „Audit-Trail", um seine Entscheidung nachzuweisen, was gesetzlich vorgeschrieben ist.

Was das Paper herausfand
Die Autoren testeten dieses neue Detektivwerkzeug in zwei realen Szenarien:

Ein belgisches Versicherungsdatenset: Eine massive, reale Karte von Unternehmen und ihren Geschäftsführern.
Ein Gesundheitsbetrugs-Datenset: Eine Karte von Ärzten und Patienten.

Die Ergebnisse:

Bessere oder gleichwertige Leistung: G-GBM fischte Betrug genauso gut oder besser als die ausgefeilten „Blackbox"-KI-Modelle und die traditionellen Methoden.
Geschwindigkeit: Es war viel schneller zu trainieren als die komplexen KI-Modelle.
Transparenz: Es lieferte klare Gründe für seine Entscheidungen, was die KI-Modelle nicht so leicht konnten.
Robustheit: Es bewältigte die „unordentliche" Natur der Daten (wie fehlende Informationen oder seltsame Kategorien) besser als die KI-Modelle.

Zusammenfassung
Das Paper stellt eine Methode vor, die das Beste aus zwei Welten kombiniert: die Fähigkeit der KI, komplexe Verbindungen in einem Sozialnetzwerk zu erkennen, und die Klarheit und Geschwindigkeit traditioneller Entscheidungsbäume. Es sagt nicht nur „Das ist Betrug"; es sagt „Das ist Betrug wegen dieser spezifischen Verbindungen", was es zu einem praktischen, vertrauenswürdigen Werkzeug im Kampf gegen Versicherungsbetrug macht.

Technische Zusammenfassung: Induktive Inferenz von Gradient-Boosted Decision Trees auf Graphen zur Erkennung von Versicherungsbetrug

Problemstellung

Die Erkennung von Versicherungsbetrug steht vor einer einzigartigen Reihe von Herausforderungen, die herkömmliche maschinelle Lernansätze suboptimal machen. Erstens umfasst Betrug oft organisierte Netzwerke, in denen Einzelpersonen und Entitäten zusammenarbeiten, was die Modellierung komplexer Beziehungen erfordert, anstatt Schadensfälle als unabhängig und identisch verteilt (i.i.d.) zu behandeln. Zweitens sind Versicherungsdaten inhärent heterogen (umfassend diverse Knotentypen wie Unternehmen, Verwalter und Policen) und dynamisch (sie entwickeln sich über die Zeit). Drittens leiden Betrugsdatensätze unter einer extremen Klassenungleichgewichtung, wobei bestätigte Betrugsfälle im Vergleich zu legitimen Schadensfällen selten sind.

Während Graph Neural Networks (GNNs) als leistungsfähiges Werkzeug zur Modellierung relationaler Daten hervorgetreten sind, stoßen sie in diesem Bereich auf erhebliche Hürden:

Induktive Einschränkungen: Viele Einbettungsmethoden (z. B. node2vec) sind transduktiv und haben Schwierigkeiten, Vorhersagen zu aktualisieren, wenn sich Graphstrukturen entwickeln oder neue Knoten auftreten.
Umgang mit Merkmalen: GNNs haben oft Schwierigkeiten mit hochkardinalen kategorischen Merkmalen, die in Versicherungsdaten häufig vorkommen (z. B. Automarken, Rechtsformen), da eine Aggregation dieser durch Mittelwertbildung oft bedeutungslos ist.
Überglättung: Tiefe GNNs können unter Überglättung leiden, wobei Knotenrepräsentationen ununterscheidbar werden, wenn die Anzahl der Message-Passing-Schichten zunimmt.
Interpretierbarkeit: Regulatorische Anforderungen in der Versicherungsbranche erfordern transparente Prüfpfade. GNNs erzeugen oft undurchsichtige Einbettungen, die die spezifischen Beweise (Knoten/Kanten), die eine Betrugsvorhersage antreiben, verschleiern.

Folglich bleiben Gradient-Boosted-Tree-Methoden (GBM) auf tabellarischen Daten aufgrund ihrer Robustheit gegenüber Klassenungleichgewichten und kategorischen Merkmalen dominant, ihnen fehlt jedoch die Fähigkeit, Graphstrukturen nativ zu integrieren.

Methodik: G-GBM

Die Autoren schlagen G-GBM (Graph-Gradient Boosted Machine) vor, ein neuartiges induktives Framework, das Gradient-Boosted Decision Trees auf heterogene, dynamische Graphen erweitert. Die Methode schließt die Lücke zwischen der Vorhersagekraft von GBMs und der relationalen Modellierung von Graphen, ohne die Interpretierbarkeit zu opfern.

Kernmechanismus

G-GBM funktioniert, indem es die Graphstruktur in eine Menge expliziter, featurisierter Pfade innerhalb des lokalen Nachbarschaftsbereichs (Ego-Netz) eines Knotens transformiert, die dann in einen Standard-Gradient-Boosting-Algorithmus (speziell LightGBM) eingespeist werden.

Metapfad-Sampling: Für einen Zielknoten $v$ sampelt der Algorithmus einfache Pfade einer festen Länge $n$ innerhalb seines $n$ -Hop-Ego-Netzes. Diese Pfade folgen spezifischen Metapfaden (Sequenzen von Knoten- und Kantentypen).
Feature-Konkatenation: Anstatt Nachbarmerkmale wie bei GNNs in einen einzigen Vektor zu aggregieren, konkateniert G-GBM die rohen Knoten- und Kantemerkmale, die entlang jedes gesampelten Pfads vorkommen. Dies bewahrt die Granularität hochkardinaler kategorischer Daten.
Wahrscheinlichkeitsgewichtetes Lernen: Jeder Pfad erhält ein Gewicht basierend auf der Wahrscheinlichkeit, dass ein zufälliger Wanderer diesen Pfad durchläuft. Diese Gewichte werden als Fallgewichte während des Trainings der Entscheidungsbäume verwendet.
Gewichtete Gini-Unreinheit: Der Baumkonstruktionsprozess nutzt ein gewichtetes Gini-Unreinheitskriterium. Die Unreinheitsberechnung integriert die Pfadwahrscheinlichkeiten, wodurch sichergestellt wird, dass Pfade mit höheren Wahrscheinlichkeiten signifikant mehr zu den Split-Entscheidungen beitragen.
Induktive Vorhersage: Die endgültige Betrugs Wahrscheinlichkeit für einen Knoten ist die gewichtete Summe der Vorhersagen der Bäume, die auf jedem Metapfad trainiert wurden. Dies ermöglicht dem Modell, auf neue Knoten und sich entwickelnde Graphstrukturen zu generalisieren, ohne den gesamten Einbettungsraum neu trainieren zu müssen.

Interpretierbarkeit

Da das Modell auf expliziten Feature-Konkatenationen statt auf undurchsichtigen Einbettungen basiert, behält es die volle Kompatibilität mit SHAP-Werten (SHapley Additive exPlanations). Dies ermöglicht Ermittlern, eine Betrugsvorhersage bis zu spezifischen Knoten, Kanten und Merkmalen innerhalb des Graphen zurückzuverfolgen und erfüllt so regulatorische Audit-Anforderungen.

Hauptbeiträge

Die Arbeit skizziert vier primäre Beiträge:

Theoretisch: G-GBM bietet ein induktives Framework für überwachtes Lernen auf heterogenen Graphen. Die Autoren argumentieren, dass es eine formale Pareto-Dominanz-Garantie gegenüber seiner tabellarischen Gegenstück (LightGBM) bietet, da die Einbeziehung der Graphstruktur die Leistung nur verbessern oder beibehalten, niemals jedoch verschlechtern kann.
Methodisch: Die Methode führt eine theoretisch fundierte Brücke zwischen Random-Walk-Pfadsemantik und Gradient-Boosting durch probabilistisch gewichtete Metapfad-Featurisierung und angepasste Gini-Unreinheit ein. Dies adressiert das offene Problem der Anwendung baumbasierter Lernverfahren auf heterogene, dynamische Graphen.
Empirisch: Auf realen Versicherungs Betrugsdaten erzielt G-GBM starke Vorhersageleistungen, behält dabei die praktischen Vorteile von GBMs (Umgang mit kategorischen Merkmalen, fehlenden Daten und Klassenungleichgewichten) bei und liefert Pfad-level SHAP-Audit-Pfade.
Reproduzierbarkeit: Die Autoren veröffentlichen die vollständige Implementierung auf GitHub und einen anonymisierten, realen belgischen Versicherungs Betrugsgraphen auf Kaggle und bieten damit einen seltenen Benchmark auf proprietärem Niveau für die Gemeinschaft.

Experimentelle Ergebnisse

Die Autoren bewerteten G-GBM auf zwei Datensätzen: einem proprietären belgischen Versicherungsdatensatz (umfassend Unternehmen und Verwalter) und einem Open-Source-Datensatz für Betrug bei Gesundheitsdienstleistern (HCP).

Proprietärer Versicherungsdatensatz

Leistung: G-GBM übertraf sowohl den tabellarischen LightGBM-Baseline als auch mehrere induktive HGNN-Baselines (HinSAGE, HAN, HGT).
- Für Unternehmensknoten erreichte G-GBM einen AUC-PR von 0,77 und übertraf damit LightGBM (0,75) und HinSAGE (0,76).
- Für Verwalterknoten, bei denen die Merkmale des Hauptknotens spärlich waren, war die Verbesserung ausgeprägter. G-GBM erreichte einen AUC-PR von 0,46 und übertraf LightGBM (0,38) sowie alle GNN-Baselines signifikant.
Interpretierbarkeit: Die SHAP-Analyse ergab, dass für Verwalter Merkmale aus dem Nachbarschaftsbereich zweiten Grades hochsignifikant waren, ein Signal, das die Baseline-GBM nicht erfassen konnte.
Effizienz: G-GBM war langsamer als das reine tabellarische LightGBM, aber signifikant schneller im Training als die HGNN-Baselines (z. B. benötigte HinSAGE ~4300 s gegenüber ~28 s für G-GBM bei Unternehmensknoten).

Gesundheitsdienstleister (HCP)-Datensatz

Leistung: In diesem Datensatz, bei dem die Merkmale des Hauptknotens hochprädiktiv waren, schnitt G-GBM gleichauf mit LightGBM und HGT ab (AUC-ROC ~0,94).
Beobachtung: Die Hinzufügung von Nachbarschaftsmerkmalen steigerte die Leistung gegenüber der tabellarischen Baseline nicht signifikant, was darauf hindeutet, dass für diesen spezifischen Datensatz das Betrugssignal bereits durch die intrinsischen Knotenmerkmale erfasst wurde. Dennoch behielt G-GBM eine wettbewerbsfähige Leistung ohne die bei einigen GNNs beobachteten Überglättungsprobleme bei.
Rechenkosten: Die Trainingszeit für G-GBM war aufgrund des höheren durchschnittlichen Grades des HCP-Graphen, der die Anzahl der möglichen Metapfade erhöhte, höher als beim Versicherungsdatensatz.

Bedeutung und Behauptungen

Die Arbeit positioniert G-GBM als pragmatische und leistungsfähige Lösung für die Versicherungsbranche, die das Bedürfnis nach hoher Vorhersagegenauigkeit mit strengen regulatorischen Anforderungen an Erklärbarkeit in Einklang bringt.

Regulatorische Compliance: Im Gegensatz zu GNNs, die „Black-Box"-Einbettungen erzeugen, bietet G-GBM einen klaren Prüfpfad. Ermittler können genau sehen, welche benachbarten Entitäten und spezifischen Merkmale (z. B. eine gemeinsame Adresse oder eine bestimmte Rechtsform) zu einem Betrugs-Score beigetragen haben.
Robustheit gegenüber Datenmerkmalen: Durch die Nutzung der Stärken des Gradient-Boostings bewältigt die Methode natürlich hochkardinalen kategorischen Variablen und Klassenungleichgewichten, die typisch für Versicherungsdaten sind und häufig die Leistung von GNNs verschlechtern.
Induktive Fähigkeit: Die Methode ist für dynamische Umgebungen konzipiert, in denen ständig neue Knoten und Kanten hinzugefügt werden, und vermeidet so die Notwendigkeit einer vollständigen Neu-Einbettung, die bei transduktiven Methoden erforderlich ist.

Die Autoren kommen zu dem Schluss, dass G-GBM zwar aufgrund der Dimensionsvergrößerung in hochvernetzten Graphen vor rechnerischen Herausforderungen steht, aber erfolgreich die Fallstricke der Überglättung tiefer GNNs vermeidet und einen überlegenen Kompromiss zwischen Detektionskraft, Interpretierbarkeit und Trainingseffizienz für die Erkennung von Versicherungsbetrug bietet.