Autor:innen:

Sebastian Wittor Projektmanager

Julia Schliesch Marketing Generalist bei BAYOOMED

Fahrtkosten für die Krankenkasse gehören zu den festen Bestandteilen der Gesundheitsversorgung. Sie ermöglicht es Versicherten, notwendige medizinische Leistungen auch dann in Anspruch zu nehmen, wenn sie aus gesundheitlichen Gründen nicht selbst zum Behandlungsort gelangen können, sei es zur Dialyse, zur ambulanten Operation, zur Strahlen- oder Chemotherapie oder im Notfall per Rettungstransport. Hierbei werden jedes Jahr Millionen von Fahrten für Versicherte organisiert und abgerechnet: 2023 waren es über 55 Millionen Beförderungsleistungen[1], also rechnerisch rund 150.000 Fahrten pro Tag. Die gesetzliche Krankenversicherung gab dafür 2024 rund 9,6 Milliarden Euro[2] aus, fast doppelt so viel wie noch fünf Jahre zuvor.

Mit der steigenden Anzahl an Fahrten wächst jedoch auch die Herausforderung für Krankenkassen: Wie lassen sich Fehlabrechnungen, unnötige Kosten oder betrügerische Muster erkennen, ohne jeden einzelnen Vorgang manuell prüfen zu müssen?

Genau hier eröffnet der Einsatz von künstlicher Intelligenz neue Möglichkeiten. Moderne Datenanalysen helfen dabei, Auffälligkeiten frühzeitig zu identifizieren, Prüfprozesse gezielter zu steuern und Kosten nachhaltig zu reduzieren.

Die Prüfung von Fahrtkosten bei Krankenkassen ist deutlich komplexer, als es auf den ersten Blick erscheint. Anders als viele andere Leistungen lassen sich Fahrtkosten nicht unabhängig bewerten, sondern müssen immer im Zusammenhang mit der zugrunde liegenden medizinischen Versorgung und dem Patientenumfeld betrachtet werden.

Zusätzlich erschweren verschiedene Faktoren die Bewertung einzelner Fälle:

In der Praxis bedeutet das: Selbst kleine Auffälligkeiten sind häufig nur schwer erkennbar. Gleichzeitig summieren sich vermeintlich geringe Abweichungen bei tausenden Fahrten schnell zu erheblichen Kosten.

Nicht jede Auffälligkeit ist automatisch Betrug. Häufig entstehen unnötige Ausgaben bereits durch fehlerhafte Zuordnungen oder nicht optimale Versorgungsprozesse.

Typische Beispiele sind:

Falsche Kostenträger

Fahrtkosten werden der Krankenkasse in Rechnung gestellt, obwohl eigentlich ein anderer Kostenträger zuständig wäre – beispielsweise die Rentenversicherung bei bestimmten Rehabilitationsmaßnahmen oder ein Krankenhaus bei Verlegungsfahrten.

Überhöhte oder unnötige Leistungen

Nicht immer entspricht das abgerechnete Transportmittel dem tatsächlichen Bedarf. So kann beispielsweise ein Krankentransport abgerechnet werden, obwohl eine Taxifahrt ausreichend gewesen wäre.

Betrug und systematische Fehlabrechnungen

Darüber hinaus gibt es Fälle, in denen Leistungen bewusst falsch abgerechnet werden. Dazu gehören unter anderem:

Gerade weil einzelne Abweichungen oft nur geringe Beträge verursachen, bleiben sie häufig lange unentdeckt. In der Summe können dadurch jedoch erhebliche finanzielle Schäden entstehen.

Die manuelle Prüfung von Fahrtkostenabrechnungen ist zeitaufwendig und ressourcenintensiv. Bei zehntausenden Vorgängen pro Tag ist es wirtschaftlich kaum möglich, jeden einzelnen Fall detailliert zu untersuchen.

Hinzu kommt, dass viele relevante Informationen in unterschiedlichen Datenquellen vorliegen. Verordnungen, Versichertendaten, Diagnosen, Hilfsmittel, Medikation, Pflegegrade oder Fahrtdaten müssen zunächst zusammengeführt und bewertet werden.

Genau an diesem Punkt stoßen klassische Prüfverfahren häufig an ihre Grenzen.

Künstliche Intelligenz ersetzt dabei keine Sachbearbeiter. Vielmehr unterstützt sie dabei, aus großen Datenmengen genau die Fälle herauszufiltern, bei denen eine vertiefte Prüfung sinnvoll ist.

Dokumenten- und Freitextanalyse

Wichtige Informationen liegen in der Verordnung in Freitextfeldern vor. KI-Systeme können diese Inhalte automatisiert auslesen, ihren Kontext interpretieren und für weitere Analysen nutzbar machen.

Big-Data-Analysen

Durch den Vergleich großer Datenmengen lassen sich statistische Ausreißer erkennen. Auffällige Kostenentwicklungen, ungewöhnliche Fahrtmengen oder Abweichungen zwischen verschiedenen Fahrdienstleistern werden dadurch sichtbar.

Mustererkennung

Durch die Verknüpfung von Versichertendaten, Diagnosen, Pflegegraden, Fahrtinformationen und weiteren Merkmalen können typische Muster erkannt werden, die auf fehlerhafte oder ungewöhnliche Abrechnungen hindeuten.

Intelligente Priorisierung

Scoring-Modelle bewerten Auffälligkeiten nach Priorisierungsgrad und Wahrscheinlichkeit und wirtschaftlicher Relevanz. Dadurch können sich Sachbearbeiter gezielt auf die Fälle konzentrieren, die einen Steuerungsbedarf benötigen und so agieren, bevor diese Fahrten erfolgt sind.

Der größte Mehrwert liegt häufig nicht in der Rückforderung bereits gezahlter Beträge, sondern in der Vermeidung zukünftiger Kosten über einen Polizeieffekt.

Durch intelligente Analysen lassen sich beispielsweise:

KI unterstützt damit nicht nur die Aufdeckung von Fehlabrechnungen, sondern auch eine effizientere Steuerung der Versorgung.

Die Erfahrung aus laufenden Projekten zeigt, welches Potenzial in datengetriebenen Analysen steckt. Durch die Kombination aus Big-Data-Analysen, KI-gestützter Mustererkennung und intelligenten Prüfprozessen konnten bereits jährliche Einsparpotenziale im höheren siebenstelligen Bereich realisiert werden.

Anstatt jede einzelne Fahrt manuell zu prüfen, unterstützt KI dabei, Auffälligkeiten gezielt zu priorisieren und die verfügbaren Ressourcen dort einzusetzen, wo der größte wirtschaftliche Nutzen zu erwarten ist.

Künstliche Intelligenz eröffnet Krankenkassen neue Möglichkeiten, komplexe Fahrtkostenabrechnungen effizienter zu analysieren und zu steuern.

Der eigentliche Mehrwert liegt dabei nicht nur in der Aufdeckung einzelner Fehlabrechnungen oder Betrugsfälle. Viel wichtiger ist die Fähigkeit, große Datenmengen intelligent auszuwerten, Kostenpotenziale frühzeitig zu erkennen und Versorgungsprozesse nachhaltig zu optimieren.

Gerade vor dem Hintergrund steigender Ausgaben im Gesundheitswesen wird die intelligente Nutzung von Daten zu einem entscheidenden Faktor für Wirtschaftlichkeit und Effizienz.

[1] Quelle: https://www.aok.de/pp/gg/daten-und-analysen/fahrkosten-rettungsdienste/

[2] Quelle: https://www.kbv.de/infothek/zahlen-und-fakten/gesundheitsdaten/krankentransport-ausgaben-faelle

Mehr zum Thema Digitalisierung von Krankenkassen

Die KI-gestützte Analyse von Fahrtkosten ist nur ein Beispiel dafür, wie digitale Technologien Krankenkassen dabei unterstützen können, Prozesse effizienter zu gestalten und Versorgungsqualität zu verbessern.

Erfahre mehr darüber, wie BAYOOMED Krankenkassen bei der Entwicklung digitaler Lösungen unterstützt – von KI-Anwendungen über digitale Services bis hin zu modernen Versorgungsplattformen.