Versicherungsbetriebe > Strategie

KI – Potenziale und Einsatzmöglichkeiten richtig bewerten

Künstliche Intelligenz (KI) rückt immer häufiger in den thematischen Fokus der Portfolio­­­planung von Versicherungshäusern. Erwartet wird dabei nicht weniger als die Revolution des Geschäftsmodells. Aber was ist KI überhaupt genau? Wie grenzt sich KI von heutiger Technologie ab? Und wie intelligent müssen Technologien eigentlich sein, um Mehrwerte zu schaffen? 

KI steht sicherlich noch am Anfang und birgt immense Potenziale

Eine häufig diskutierte Frage in diesem Zusammenhang ist ab welchem Punkt eine Maßnahme als KI bezeichnet wird. Betrachtet man die Möglichkeiten bislang bekannter Softwarelösungen, kann man einen identischen Aufbau feststellen – ein definierter Input und ein vorgegebenes Regelwerk führen zu einem definierten Ergebnis (Output). Das entscheidende Merkmal „klassischer“ Softwarelösungen ist dabei der Mensch. Denn: Die Maschine führt ausschließlich das aus, was der Mensch vorher festgelegt hat. Um die schwierige KI-Detail-Definition zu vereinfachen, kann diese Tatsache als wesentliches Abgrenzungsmerkmal dienen. Maschinen, die im ­Bereich Input, Regelwerk oder Output eigenständige Veränderung durchführen, ohne dass der Mensch diese vorher definiert hat, sind intelligent. So beispielsweise die Interpretation unstrukturierter Daten mittels Training der KI. Die KI lernt anhand der Entscheidungen von Menschen, wie diese auf unstrukturierte Daten reagieren und leitet daraus eigene Regeln ab.

 

Neue Geschäftsmodelle mithilfe von KI

 

Aber wie intelligent müssen Maschinen sein, um die Ziele von Versicherungsunternehmen zu erfüllen? Mit Blick auf die Ziele der Versicherer, die mit KI ­erreicht werden sollen, können diese übergeordnet in zwei Dimensionen ­unterschieden werden:

 

 

  1. Optimierung des bestehenden Geschäftsmodells
  2. Schaffung neuer Geschäftsmodelle

 

Um das bestehende Geschäftsmodell zu optimieren, gilt es in der Wertschöpfung des klassischen Geschäfts der ­Risikoabsicherung oder Vorsorge effizienter zu werden. Hierzu zählen unter anderem Ziele wie Effizienzsteigerung der operativen Leistungsverarbeitung (z. B. Erhöhung der Dunkelverarbeitungsquote) durch Entscheidungsautomaten oder Chat-Bots sowie die Senkung der Schaden- und Leistungsaufwände (u. a. Erkennung von Betrug und unberechtigten Einreichungen) durch optimierte Prüfung. Ebenso dieser Zieldimension zuzuordnen sind neuartige Ziele wie Vermeidung von Schadenaufwendungen durch die Prognose und Prävention von Schadenereignissen. Betrachtet man die zweite Dimension zur Schaffung neuer Geschäftsmodelle, erweitern Versicherer ihre Wertschöpfung und ihren Geschäftszweck. Verfolgt wird hierbei das Ziel Umsatzer­löse aus einem neuartigen Leistungsangebot zu generieren. In Zukunft ergeben sich durch KI zum Beispiel neue Möglichkeiten für den Verkauf von ­Risikoprognosen im Krankheitsumfeld auf Basis großer Datenmengen. 

 

KI ist kein Selbstzweck

 

Der Blick auf die Ziele verdeutlicht, dass die Umsetzung von KI-Maßnahmen keinen Selbstzweck darstellt, sondern zum Teil klassische Versichererziele verfolgt. Insbesondere im Zusammenhang mit klassischen Zielen stellt KI lediglich eine mögliche Maßnahme zur Zielerreichung dar. So lässt sich die aufgeworfene Frage nach der erforderlichen Intelligenz von Maschinen grundsätzlich im Sinne eines zielorientierten KI-Verständnisses beantworten: Maschinen müssen mindestens so in­telligent sein wie der Mensch, dessen Tätigkeit durch Maschinen ersetzt oder verbessert wird. Identisch zu bisherigen Technologieentscheidungen, muss hierbei bewertet werden, ob der Einsatz von Maschinen zielführender ist als die menschliche Ausführung der Tätigkeit. Da bei der Bewertung von Aufwand und Nutzen von KI-Maßnahmen noch sehr wenig Erfahrungswerte zur Ver­fügung stehen, ist diese Bewertung in einer frühen Projektphase umso erfolgskritischer.  

 

Am Beispiel der KI-Maßnahme ‚Chat-Bot‘ lässt sich eine Bewertung gut ­verdeutlichen. Häufig wird diese KI-Maßnahme als „Service-Maßnahme mit Kundennutzen“ verstanden. Grundsätzlich unterstützen Chat-Bots den Kunden bei der Umsetzung seines Anliegens, wie etwa Fragen zum Vertrag oder der Einreichung eines Schadens. Aber ist es wirklich ein Nutzen für den Kunden, wenn sein Anliegen durch eine Maschine anstelle eines Menschen bearbeitet wird? Betrachtet man diese Unterstützungsleistung des Chat-Bots genauer, fällt auf, dass es eher auf die Ziele der Versicherer einzahlt. So können diese beispielsweise ihre Services durch Chat-Bots deutlich effizienter ausführen. Befragungen von Kunden durch Markt­forschungsunternehmen zeichnen ein ähnliches Bild: Kunden bewerten Chat-Bots maximal als gleichwertig zu einem Chat mit Servicemitarbeitern. Die verbleibenden als positiv genannten Eigenschaften wie etwa die Erreichbarkeit oder 24/7 Verfügbarkeit sind jedoch nicht exklusiv Maschinen zuzurechnen, sondern könnten ebenso durch Menschen erzielt werden. Dann jedoch zu weitaus höheren Kosten. 

 

Diese Erkenntnis soll weder eine ­Warnung vor, noch eine Befürwortung von Chat-Bots darstellen. Letztendlich kommt es auf die individuelle strategische Ausrichtung des Versicherers an bzw. die daraus resultierenden Ziele. Für einen effizienzorientierten Direktversicherer ist ein Chat-Bot sicherlich ein vertretbares Risiko für die Servicequalität. Einem Serviceversicherer könnten hingegen schwerwiegende Nachteile in der Kundenwahrnehmung entstehen, wenn der Bot nicht zur vollen Kundenzufriedenheit funktioniert. Dieses kurze Beispiel verdeutlicht die Bedeutung der Zielkonkretisierung und Bewertung der Maßnahmen hinsichtlich individuell relevanter Ziele, um einen belastbaren Business Case zu den nicht unerheblichen Investitionskosten zu erstellen und keine Negativ-Ein­flüsse in der Kundenwahrnehmung zu erzeugen.  

 

KI-Reifegrad als Ausgangs­basis einer Roadmap

 

Ein weiteres wichtiges Kriterium der KI-Bewertung ist der Reifegrad der eigenen Organisation. Wesentlich für diese Betrachtung ist zunächst die Gegenüberstellung klassischer Maßnahmen, die ausgereifter sind und gegebenenfalls weniger Investitionsaufwand erfordern. Überspitzt formuliert macht es wenig Sinn, mit teuren KI-Entscheidungs­automaten auf die Automatisierung von 15 Prozent Komplexfällen abzuzielen, wenn die Potenziale klassischer Dunkelverarbeitung in den 85 Prozent Standardfällen noch kaum gehoben wurden. Darüber hinaus stellt der erfolgreiche Einsatz von KI-Lösungen völlig neu­artige und hohe Anforderungen in fach­licher und technischer Hinsicht. So sind für KI-Maßnahmen beispielsweise eine Vielzahl von Daten, völlig anderes Know-how in der IT und eine neue Form der Sachbearbeitung („machine-learning“-fähig) erforderlich.

 

KI steht sicherlich noch am Anfang, dennoch birgt diese neue Form von Softwarelösungen immense Potenziale. Um diese nachhaltig zu heben, empfiehlt es sich, nicht aktionistisch teure „Schaufenster-Maßnahmen“ umzusetzen, sondern systematisch eine KI-­Fähigkeit der Organisation zu erzielen. Hierzu sollte zunächst eine klare Reifegradbestimmung der KI-Fähigkeit des Versicherungsunternehmens durch­geführt werden, um darauf aufbauend eine KI-Roadmap zu skizzieren, in der sowohl kurzfristige Erfolge, aber auch die langfristige Umstellung der IT-Landschaft Berücksichtigung finden. Diese Roadmap bietet eine profunde Basis für die anstehende Make-Or-Buy Betrachtung von KI-Lösungen wie auch für einen Business Case zur Sicherstellung eines positiven Return on Investment.

Autoren: 

  • Alexander Horn, Principal ­Consultant bei der Business- und ­IT-Beratung, 
  • Sebastian Umlauf, Manager bei Q_PERIOR