Amazon ante portas: KI revolutioniert Versicherungen

Robotic Process Automation, Chatbots und Virtual Assistants mit Natural Language Processing, Machine sowie Deep Learning heißen aktuell die Hoffnungsträger der Versicherungswirtschaft. Doch welche Technologien führen KI-Projekte auch zum Erfolg? Wie gestaltet sich die Kundenkommunikation künftig?

von Ralf Reich, Head of Continental Europe bei Mindtree

Amazon steht ante portas, um schon bald Kfz- und Hausratversicherung zu verkaufen, die sie mit den Daten über ihre Kunden auf deren Lebenslagen optimieren. Längst treffen solche branchenfremden Rulebreaker auf preissensible Verbraucher ohne Markenbindung, die mit ihren Smartphones und über Verbraucherportale ihre Versicherungsprämien vergleichen und blitzschnell den Anbieter wechseln. Der digitale Wettlauf um hybride Kunden zwingt die klassischen Versicherer, ihre Geschäftsmodelle radikal anzupassen.

Künstliche Intelligenz mit selbstlernenden Algorithmen, Chatbots mit Robotic Process Automation (RPA) haben eine Schlüsselrolle.”

Bei RPA übernehmen Softwareroboter die menschliche Interaktion über Benutzerschnittstellen und ersetzen vor allem menschliche Arbeitskraft bei Routineaufgaben. Durch Natural Language Processing erscheinen sie dem Gegenüber wie menschliche Akteure. Ihr Einsatz führt zu enormen Effizienzsteigerungen, bietet große Einsparpotenziale und damit Wettbewerbsvorteile. Der McKinsey Global Institute Report 2017 hat berechnet, dass Versicherer ein Automatisierungspotenzial von 43 Prozent durch KI haben. Bis 2025 sollen 25 Prozent der aktuellen Prozesse konsolidiert oder ersetzt sein. Denn neue Technologien revolutionieren auch die Nutzung und kanalübergreifende Auswertung aller Kundendaten.

Große Datenbestände beherrscht der Mensch nicht mehr

Die Versicherungswirtschaft jongliert mit riesigen Datenbeständen, die in vielen verschiedenen Formaten und Datensilos schlummern. Die Multichannel-Strategien haben zwar dazu geführt, dass Kunden auf allen Kanälen Verträge abschließen und Schäden abwickeln können. Die Datenhaltung in den Channels bei den Versicherern hat hier aber nicht Schritt gehalten. Vielfach lagert noch Papier in Aktenordnern, während andere Daten des gleichen Kunden bereits als elektronische Dokumente vorliegen. Der manuelle Aufwand, Informationen aus diesen Dokumenten und verschiedenen Datenquellen zu konsolidieren, ist erheblich, kostspielig und fehleranfällig.

Die größeren Versicherungsunternehmen nutzen eine komplexe IT-Umgebung, die aus mehreren Legacy-Anwendungen und unterschiedlichen (Cloud-)Systemen besteht. Dies führt zu Ineffizienzen und unnötigen Kosten für Verwaltungsaufgaben. Dabei können KI & Co. längst Teilaufgaben übernehmen oder Prozesse unterstützen.

KI: Vor allem durch die Auswertung großer Datenbestände in wenigen Minuten, der Mustererkennung und dem Abgleich verschiedener externer und interner Datenquellen, sind sie schneller als menschliche Analysten.”

Von Angeboten und Kundenservice sowie Underwriting über Teile der Schadensabwicklung, In- und Exkasso sowie Anpassungen an Bestandsverträgen bis hin zu der Durchführung von Kredit-, Betrugs und Compliance-Prüfungen reichen mittlerweile die Anwendungsfälle.

Chatbots erkennen Kundenbedürfnisse

Angebote und Kundenservices erledigen heute bereit KI-basierte Chatbots. Sie verwenden Natural Language Processing (NLP) und basieren auf RPL-Algorithmen. Sie erkennen Kundenbedürfnisse anhand von Frage- und Antwortmustern. Dafür nutzen sie historische Daten und bewerten diese vor dem Hintergrund aller Informationen zur Lebenslage des Kunden. Dank NPL antworten sie den Kunden in einer natürlichen, menschenähnlichen Sprache mit großer Genauigkeit. Hochentwickelte Chatbots können aber noch viel mehr als nur Chatten. Diese virtuellen Assistenten berechnen künftig Tarife und führen Tarifvergleiche durch, nehmen Vertragsveränderungswünsche entgegen. Sie verkaufen auch Policen, wenn sie bei einem Kunden Versicherungslücken erkennen.

KI-basierte Chatbots werden über kurz oder lang in der Lage sein, die meisten Kundenbedürfnisse zu erfüllen. Und das schaffen sie so überzeugend, dass dies zu einer höheren Kundenzufriedenheit führt. Vor allem, wenn sie den Vertragsabschluss beschleunigen.”

KI Engines verkürzen Underwriting

Der Underwriting-Prozess, also die Risikoprüfung durch Sachbearbeiter bis zum endgültigen Vertragsabschluss, ist bisweilen langsam. Je komplexer die Versicherungssparte wie bei Gesundheits- oder Leben-Policen sind sie zeitaufwändig sowohl für Versicherte als auch den Versicherer. In der Vergangenheit hat das Vertrauen der Versicherer in die Informationen ihrer potenziellen Kunden zu einer ungenauen Risikobewertung beigetragen. Vor allem bei der Berufsunfähigkeitsversicherung führte dies in der Folge auch zu vielen Gerichtsverfahren.

Machine Learning und speziell NLP kann das soziale Profil eines Kunden scannen, Informationen sammeln, Trends und Muster finden und somit die Risiken eines Kunden besser einschätzen. KI kann fast den gesamten Prozess der Risikoanalyse selbst durchführen und Versicherer bei der Erstellung prädiktiver Risikomodelle unterstützen.”

Die Genauigkeit der Datenanalyse wird durch die KI im Vergleich zur Datenanalyse durch den Menschen erheblich verbessert. Denn KI ist in der Lage, das Risiko jedes einzelnen Kunden vorherzusagen und so dem Kunden den erforderlichen Versicherungsschutz zu der risikoadäquaten Prämienhöhe anzubieten. Gleichzeitig werden Versicherungsgeber vor risikoreichen Kunden geschützt. Die Genauigkeit der Risikobewertungen treibt künftig die Preismodelle an; sie kann zum entscheidenden Wettbewerbsvorteil führen. Darüber hinaus erhalten hochqualifizierte Underwriter den Raum für die Bewältigung höherwertiger Analyseverfahren. Vor allem bei der Betrugsprävention ist es nämlich der menschliche Intellekt, der neue Tricks mit betrügerischen Absichten heute (noch) früher identifizieren kann.

Betrugserkennung automatisieren

Aber KI kann auch hier eine wichtige Rolle bei der automatischen Betrugserkennung für Versicherungsunternehmen spielen. Denn die Versicherungsdaten wachsen exponentiell und die Echtzeit-Erkennung von Betrug gerade im Neugeschäft ist äußerst wichtig. Schon heute nutzen einige Versicherer lernfähige Algorithmen, um aus historischen Daten mit maschinellem Lernen Anomalien, betrügerische Muster und Trends zu identifizieren. Erkennen sie einen möglichen Betrugsversuch, schlagen sie Alarm. Dann müssen natürlich die Underwriter den Sachverhalt klären. Werden diese Algorithmen durch die Analysten aber regelmäßig mit neuen Verhaltens- und Identitätsmustern trainiert, werden KI-System immer effizienter, Fehlalarme reduziert oder vermieden. Ihre Sammlung von Mustern und Trends gewährleistet eine höhere Genauigkeit für eine schnellere Betrugserkennung. Mit der Erweiterung der Maschine um den menschlichen Intellekt reift das gesamte KI-System, und gewährleistet eine effiziente Senkung des Risikopotenzials eines Versicherers.

Mit KI erfindet sich die Versicherungswirtschaft neu

Nach dem heutigen Stand der Technik kommt kein Versicherer um KI herum.”

Mit RPL, NPL, KI und Machine und Deep Learning werden zahlreiche Routineprozesse so automatisiert, dass sie schlankere Prozesse und Kostensenkungen ermöglichen. Experten prognostizieren, dass diese Technologien das Gesicht der schnell wachsenden Industrie sogar komplett verändern. Sie könnten auch dazu führen, dass traditionelle Versicherungsgesellschaften sich komplett neu erfinden, um zu überleben.aj