Künstliche Intelligenz braucht weiterhin Menschen
Viele Versicherungsunternehmen planen, den Einsatz Künstlicher Intelligenz auszuweiten, doch zwischen Wunsch und Wirklichkeit klafft eine Lücke. Vor welchen Herausforderungen steht die Branche und wie können Unternehmen ihre Vorhaben zum Erfolg führen? Darum geht es in einem aktuellen Whitepaper von SPS Germany und den Versicherungsforen Leipzig. Branchenexpertinnen und -experten aus den Bereichen Schadenmanagement und Data Science geben dort Antworten auf zentrale Fragen.
Begünstigt vom technologischen Fortschritt hat sich der Einsatz von KI in der Versicherungsbranche in den letzten Jahren rasant entwickelt. Versicherer setzen KI ein, um ihre Effizienz zu steigern, Kosten zu senken und das Kundenerlebnis zu verbessern. Im Fokus stehen dabei operative Bereiche wie das Schadenmanagement, die ein hohes Volumen gleichartiger Prozesse aufweisen und starken Einfluss auf die Kundenzufriedenheit besitzen.
,Garbage-in-Garbage-out’: die Datenqualität entscheidet
Trotz vielversprechender Pilotprojekte bleibt der produktive Einsatz von KI-Anwendungen herausfordernd. So kann Künstliche Intelligenz nur so gut sein wie die Daten, die ihr zur Verfügung stehen. “Es geht nicht nur darum, ausreichend Daten zu haben, sondern vor allem die richtigen Daten”, verdeutlicht Eva Hörster, Leiterin des Data Science Teams bei der HUK-Coburg, die Herausforderung. Der Begriff ,Garbage-in-Garbage-out’ beschreibt die Problematik, bei der fehlerhafte, unvollständige oder veraltete Daten zu unzuverlässigen Ergebnissen bei der Nutzung von KI führen.
Nächstes Problem: Um komplexe KI-Anwendungen zu entwickeln und zu betreuen, sind qualifiziertes Personal und Know-how zur Skalierung der Projekte über die Pilotphase hinaus erforderlich. Gerade an letzterem mangelt es bei fast 60 Prozent der Unternehmen, wie McKinsey in einer Umfrage feststellt. Außerdem bestehen technologische Barrieren: “Viele Unternehmen scheitern daran, weil sie selbstentwickelte, veraltete Systeme nutzen, die keine API-Schnittstellen haben und somit keine Integration erlauben”, sagt Simon Moser, Mitbegründer und CEO des InsurTech-Unternehmens Muffintech.
Eine vielfach ungelöste Frage ist auch die Qualitätssicherung von KI-Entscheidungen. Die Entscheidungswege von KI-Modellen sind schwer nachvollziehbar, was als ,Blackbox-Problem’ bezeichnet wird. Fehlentscheidungen durch KI können zu finanziellen Verlusten führen und das Kundenvertrauen beeinträchtigen. Hier gibt es Nachholbedarf bei Dokumentation und Risikobetrachtung. Entsprechend anspruchsvoll ist damit die notwendige Qualitätssicherung.
KI und Mensch: auf die Balance kommt es an
Angesichts dieser Herausforderungen allein auf die KI zu bauen, ist nicht die der richtige Weg. Ein intelligentes Zusammenspiel von Mensch und Maschine – von der Qualitätssicherung und Datenaufbereitung bis zur Entscheidungsfindung bei komplexen Kundenanliegen – bleiben entscheidende Erfolgsfaktoren. Das zeigt auch die Einschätzung der befragten Expertinnen und Experten: “Die Mitarbeiter sind unerlässlich für komplexe Sachverhalte und Entscheidungen sowie als Ansprechpartner für Kunden, wenn diese Unterstützung benötigen. Künftig brauchen wir sowohl engagierte Mitarbeiter als auch dringend KI, um diese Prozesse effektiv zu gestalten. Für die Versicherungswirtschaft ist es entscheidend, die richtige Balance zu finden und beide Ressourcen optimal einzusetzen”, ist Karin Brandl überzeugt, die den Bereich Schaden Komposit der ERGO Versicherung AG verantwortet.
Outsourcing könnte hier eine Lösung bieten. Spezialisierte Dienstleister verfügen über die Fachkräfte und Technologien, die die Qualität und Effizienz von KI-Projekten steigern. Dienstleister können zudem ihre Kapazitäten flexibel skalieren, was besonders wichtig ist, wenn Projekte von der Pilotphase in den operativen Betrieb übergehen.
,Make or buy?’: Versicherer prüfen Shoring-Lösungen
Schon bald wird die KI-Technologie neue Anwendungsfelder wie individuell auf jeden Kunden zugeschnittene Lösungen (Hyperpersonalisierung), Echtzeit-Datenanalyse oder prädiktive Modellierung im Schadenmanagement ermöglichen. Dabei stellt sich zunehmend die Frage: Make or buy? Viele Versicherer beschäftigen mit dieser Frage und überprüfen ihre Wertschöpfungskette dahin gehend, was ausgelagert beziehungsweise selbst betrieben werden sollte. Denn neben standardisierten Tools und Methoden können Dienstleister Near- oder Offshore-Lösungen für die manuelle Qualitätssicherung einsetzen, was zu erheblichen Kosteneinsparungen führt.
“In vielen Fällen führt das überhaupt erst zu positiven Business Cases für einzelne KI-Projekte”, erklärt Christian Ott, Spezialist für Business-Process-Management bei SPS. Seit 2017 übernimmt SPS das Input Management für die Generali Schweiz und verarbeitet jährlich über drei Millionen physische und digitale Dokumenteneingänge. So erhält Generali strukturierte und qualitätsgesicherte Daten für die operativen Geschäftsprozesse in der Bestandsverwaltung und dem Schadenmanagement. “SPS als Partner ermöglicht uns den Zugang zu globalen, innovativen und belastbaren Services im Input-Management. Zudem profitieren wir von den Vorteilen der manuellen Qualitätssicherung der digital erfassten Daten durch das Best-Shoring-Modell der SPS”, sagt Roger Claus, Director Customer Operations bei der Generali Schweiz.
Das Whitepaper von SPS und den Versicherungsforen Leipzig “Industrieller Einsatz von KI in der Versicherung – Erfolgsfaktoren und Strategien” kann hier kostenfrei heruntergeladen werden.
Verantwortlich für den Inhalt:
SPS Holding AG, Pfingstweidstrasse 60B, 8005 Zürich, Schweiz, Tel: +41 44 208 9500, www.spsglobal.com