Versicherungsbranche im Wandel zwischen Data-Driven AI und Advanced Analytics

Daten spielen seit jeher eine zentrale Rolle im Versicherungsgeschäft, doch durch neue Technologien nimmt ihre Bedeutung weiter zu. Die Verfügbarkeit und Nutzung von Daten für die Risikoprüfung, Angebotserstellung und Schadensregulierung werden durch die Digitalisierung und Automatisierung der Kundeninteraktionen massiv erweitert. Dies betrifft auch die Verarbeitung unstrukturierter Daten wie Bilder, Videos und Texte aus verschiedenen Quellen. Die technologischen Innovationen erweitern das Wertschöpfungspotenzial datenbasierter Methoden auf Bereiche außerhalb der aktuariellen Kernfunktionen.

Das Sammeln, Nutzen und Verknüpfen von Daten zur Erkenntnisgewinnung und Entscheidungsfindung befindet sich in einem tiefgreifenden Wandel. Durch die zunehmende Digitalisierung und Automatisierung der Interaktionen mit den Kundinnen und Kunden nimmt die Menge der zur Verfügung stehenden Daten deutlich zu. Hinzu kommen große Mengen von Bildern, Videos und Texten aus verschiedenen internen und externen Quellen.

Daten als wertgenerierende Assets sorgen für Veränderung der Workflows

Die Studie zeigt, dass die technologischen Innovationen erhebliche Auswirkungen auf die Arbeitsweise und die Anforderungen an die Kompetenzen der Mitarbeiter haben. Versicherungsunternehmen investieren zunehmend in Methodik, Werkzeuge und Systeme, um aus Daten geschäftsrelevante Informationen zu gewinnen. Dabei verschiebt sich der Fokus der Datenanalytik von reiner Auswertung hin zu Vorhersage (Prädiktion) und Handlungs- sowie Entscheidungsorientierung (Präskription). Die Integration der neuen Technologien soll keine vollständige Automatisierung, sondern die Verbesserung der Arbeitsprozesse entlang der Wertschöpfungskette zum Ziel haben.

Im Rahmen der Studie wurden 25 vertiefende Interviews mit Expertinnen und Experten aus der Versicherungsbranche durchgeführt sowie eine Online-Befragung unter 63 Teilnehmern des Alumni-Netzwerks der ZHAW School of Management and Law. Zudem wurden 751 Stelleninserate analysiert, um die geforderten Datenkompetenzen in der Branche zu erfassen.

Der allgemeine Trend geht von der reinen Auswertung hin zu mehr Vorhersage und Handlungs- und Entscheidungsorientierung und die Bedeutung der Daten als wertgenerierende Assets steigt. Versicherungsunternehmen investieren demnach immer stärker in Datenanalytik und KI. Dabei sollten sie eine ausgewogene Balance von strategischer Vision und praktischer Umsetzung im Blick behalten. Sie ist entscheidend, um das volle Potential von Daten auszuschöpfen und Innovationen zu fördern.“

Joachim Ullerich, Head of Insurance Central Europe bei Cognizant

Die Studie formuliert fünf zentrale Handlungsfelder für die Versicherungsunternehmen. Erstens sollten Versicherungsunternehmen ihre Visionen regelmäßig überprüfen und Projekte gemäß den geschäftlichen Zielen priorisieren. Zweitens erfordert eine innovations- und datengetriebene Unternehmenskultur gezielte Weiterbildung und Sensibilisierung der Mitarbeiter. Drittens ist es essenziell, die notwendigen Bedingungen für datengetriebene Arbeitsweisen und den Einsatz von KI zu schaffen. Viertens muss der konkrete Nutzen von Datenanalytik und KI für verschiedene Anwendungsbereiche wie Aktuariat oder Vertrieb klar aufgezeigt werden. Schließlich müssen Führungskräfte die Bedeutung von Datenmanagement, -qualität, -sicherheit und Compliance vermitteln und vorleben.

Digitale Transformation: Von der Vision zur Umsetzung

Die Versicherungsbranche steht vor der Herausforderung, die technologischen Innovationen optimal zu nutzen, um ihre Prozesse zu verbessern und neue Geschäftsmöglichkeiten zu erschließen. Die Studie betont, dass der nachhaltige Erfolg von KI und Advanced Analytics von einer klaren Vision, strategischen Prioritäten und der praktischen Umsetzung in konkreten Anwendungsfällen abhängt. Die Integration dieser Technologien erfordert ein Zusammenspiel von Fachwissen, Datenmanagement und innovativen Tools, um eine durchgehende Kundenorientierung und Kosteneffizienz zu erreichen.tw