Die Versicherungsbranche erhofft sich viel vom zunehmenden Einsatz intelligenter Technologien
Und das nicht ohne Grund: In kaum einer anderen Industrie werden mehr Daten erhoben als in der Assekuranz. Doch die meisten Digitalisierungsinitiativen der Versicherer scheitern.
Erfolgreiche Anwendungsbeispiele von selbstlernende Systemen in der Assekuranz gibt es bereits: “Ding Sun Bao” beispielsweise – ein digitales Tool des chinesischen Fintech-Riesen Ant Financial – analysiert aus der Ferne Fotos von Fahrzeugschäden mit Hilfe einer durch künstliche Intelligenz (KI) gesteuerten, selbstlernenden Bilderkennungstechnologie. Das erspart dem Kunden den Besuch vor Ort.
Und auch auf dem deutschen Versicherungsmarkt ist KI schon eingezogen. So nutzt die Versicherungskammer Bayern für ihre Kundenkorrespondenz bereits jetzt eine Software, die sich eines intelligenten Algorithmus bedient und die eingehenden Schreiben nach Schlagworten und Dringlichkeit sortiert. “Was diese Beispiele gemeinsam haben: Sie haben keinen Einfluss auf die Umsatzseite, sie sorgen lediglich für Effizienzsteigerungen auf der Kostenseite”, erläuterte Maximilian Effing, Manager bei der globalen Strategie- und Marketingberatung Simon-Kucher, in seinem Vortrag auf dem Innovationslabor der Assekuranz*, das vergangenen Dienstag (13. November) in Köln stattfand. “Und das scheint ein generelles Problem zu sein, wie die Ergebnisse unserer ‘Global Pricing&Sales Study 2017’ zeigen.” Denn knapp 80 Prozent der Versicherungshäuser aus der DACH-Region konnten mit ihren Digitalisierungsinitiativen keinen messbaren Ertrag verbuchen.
Selbstlernende Prozesse in der Anwendung oft schwierig
“Oft mangelt es schon an den Basics. Wenn selbst beste Leads mit Hilfe von digitalen Technologien nicht systematisch angegangen werden, dann ist es für den Einsatz Künstlicher Intelligenz einfach noch zu früh.” In diesem Stadium sollten Versicherungsunternehmen zunächst digitale Lösungen für die offensichtlichen Hemmnisse im Vertrieb und im Verkaufsprozess, wie z.B. dem Kundenbestandsmanagement, entwickeln und implementieren, bevor sie im wilden Aktionismus eine Vielzahl komplexer KI-Systeme und Machine Learning (ML)- Algorithmen einsetzen.
“Unsere Projekterfahrung zeigt, dass insbesondere im Bereich ML viele Projekte in der Assekuranz deshalb scheitern, weil die Bedürfnisse des Kunden und dessen Zahlungsbereitschaft nicht ins Zentrum des Entwicklungsprozesses gerückt werden. Zudem ist die Datenqualität oft nicht gut, was zu falschen Schlussfolgerungen führt”, so Effing.
Simple, kundengetriebene Konzepte bringen bereits Erfolge
Im ersten Schritt sollten Versicherer ihre Verkaufsprozesse mittels simpler, kundengetriebener Konzepte optimieren. “In der Versicherung direkt mit ML und KI zu starten, ist unklug – zunächst gilt es, die Bedürfnisse der Kunden zu analysieren. Anschließend sollten die Versicherer dem Kunden, basierend auf seinen Präferenzen, Bedürfnissen und Zahlungsbereitschaften, im Verkaufsprozess ein personalisiertes, maßgeschneidertes Angebot präsentieren – mit individuell-passenden Produktvorschlägen. Erst wenn diese Hausaufgaben erfüllt sind, kann man schrittweise KI- und ML-Maßnahmen entwickeln und pilotieren, um seine Digitalisierungsinitiativen auf das nächste Level zu heben”, fasste Effing zusammen.
Verantwortlich für den Inhalt:
Simon-Kucher & Partners Strategy & Marketing Consultants GmbH, Willy-Brandt-Allee 13, 53113 Bonn, Tel: +49 228 9843 0,
Fax: +49 228 9843 140, www.simon-kucher.com