KI in der Versicherungsbranche: Diese Trends sorgen für Disruption

Der Einsatz von Künstlicher Intelligenz (KI) hat bereits heute einen großen Einfluss auf das Geschäft von Versicherungsunternehmen. Aktuelle und zukünftige Anwendungen der Technologie können für die Zukunft der Branche von entscheidender Bedeutung sein.

Seit KI („Artificial Intelligence“, AI) den erforderlichen Reifegrad für reale Anwendungen erreicht hat, betrachten führenden Vertreter der Versicherungsbranche sie als eine der potenziell einflussreichsten Innovationen. Die Branche zeichnet sich jedoch nicht durch schnelle Entwicklungen aus, was vor allem auf die strenge Regulierung zurückzuführen ist. Die meisten Transformationen haben sich bisher eher auf einzelne Funktionen als auf ganzheitliche Arbeitsabläufe konzentriert. Die aktuellen KI-Integrationen eröffnen nun zahlreiche Anwendungsfelder im Front- und Backoffice. Ungenutzte Möglichkeiten zur Senkung der Kosten für Customer Experience-Kosten, beispielsweise durch die KI-Analyse von Kontext und Intention bei Kundenanfragen. Während man im Backoffice mit automatisierten Prozessen im Schadenmanagement von erheblichen Kosteneinsparungen profitieren könnte.

Mit der stetigen Weiterentwicklung der Künstliche Intelligenz eröffnen sich auch stetig neue Anwendungsmöglichkeiten, mit denen auch menschlichen Dienstleistungsfähigkeiten verbessert werden können. Laut Forbes wird Artificial Intelligence in der Versicherungswirtschaft bis 2030 ein Volumen von 35,77 Mrd. USD erreichen.

Warum ist die Implementierung von Künstlicher Intelligenz für Versicherer notwendig?

Die rasante Entwicklung der Generativen KI

Generative KI (GenAI) hat sich längst von der Unterhaltungsindustrie auf andere Sektoren ausgebreitet. Trotz starker Regulierung gehört die Versicherungswelt zu den Branchen, für die ein tiefgreifender Umbruch prognostiziert wird. Die Demokratisierung von KI-Modellen kann Versicherern helfen, erhebliche Effizienzsteigerungen zu erzielen, moderne Geschäftsmodelle zu implementieren, personalisierte Dienstleistungen anzubieten.und somit zu einer ganzheitlichen Optimierung der Unternehmensprozesse führen.

Ein Bericht von Deloitte zeigt auf, wie die GenAI-Modelle eine teilweise Automatisierung wichtiger Versicherungsprozesse ermöglichen, von der Interaktion mit Kunden bis zur Schadensregulierung. GenAI wird somit die Interaktion des Kundendienst, die Anonymisierung von Daten (insbesondere persönlich identifizierbare Informationen), die Erstellung individueller Angebote, die Risikoprüfung und die Schadenbearbeitung optimieren und teilweise vollkommen autonom durchführen können. Dies hat eine erhebliche Verringerung der Arbeitsbelastung und eine effizientere Nutzung der Ressourcen zur Folge. Die Boston Consulting Group (BCG) bestätigt diese Aussage: Kundendienstmitarbeiter verbringen derzeit bis zu 35 Prozent ihrer Zeit damit, Informationen aus verschiedenen Quellen zusammenzutragen – ein enormer Zeitaufwand, der durch die Übertragung datenbezogener Routineaufgaben an GenAI um bis zu 50 bis 60 Prozent reduziert werden könnte.

Digitalisierung und Kundenerwartungen

Seit der COVID-19-Pandemie haben Versicherungsunternehmen ihre Arbeitsabläufe digitalisiert, um Mitarbeitern an entfernten Standorten zu unterstützen und Online-Kanäle für den Kundenservice zu optimieren. Während sie ihre digitalen Fähigkeiten weiter ausbauen, benötigen sie Maschinelles Lernen (Machine Learning, ML), um ihren Betrieb zu skalieren. Mit dem zunehmenden Einsatz dieser Algorithmen verändern sich die Geschäftslandschaften und die Kundenerwartungen.

Um sich auf diese Veränderungen vorzubereiten, müssen Führungskräfte den treibenden Faktoren verstehen und KI-Lösungen in ihre Versicherungsprozesse integrieren, um ihre Wettbewerbsfähigkeit beizuhalten.

Die Auswirkungen von Big Data

Die Anzahl weltweit vernetzter Geräte wird bis 2030 voraussichtlich auf 29,42 Billionen ansteigen (siehe Abbildung 1). Das rasante Wachstum der von diesen Geräten generierten Daten bietet Potenzial für Versicherungen. Die von Fitnesstrackern, Smartwatches, IoT-Haushaltsgeräten, vernetzten Brillen und medizinischen Geräten generierten Daten bieten tiefere Einblicke in das Verhalten der Kundinnen und Kunden. Für Unternehmen bedeutet dies, dass sie dringend individuell angepasste Produktangebote und Preisstrategien entwickeln und implementieren müssen.Abbildung 1. Anzahl der vernetzten Geräte weltweit von 2019 bis 2030

Neue Ökosysteme, neue Verfahren

Mit der zunehmenden Verbreitung von IoT-Technologien ist zu erwarten, dass neue Open-Source-Protokolle für einen sicheren Datenaustausch zwischen verschiedenen Branchen entstehen werden. Mit großer Wahrscheinlichkeit werden sich private und öffentliche Organisationen zusammenschließen, um geschützte Ökosysteme zu errichten, die den Informationsaustausch unter Einhaltung gemeinsamer rechtlicher Rahmenbedingungen gewährleisten.

KI-Anwendungen werden auch für die operativen Strategien von Versicherungsunternehmen immer relevanter, da sie zu einer massiven Verbesserung von Geschäftsmodellen und Kundendienst beitragen. In diesem sich ständig verändernden Umfeld ist es für Unternehmen und Organisationen unerlässlich, über die neuesten Entwicklungen sowie die dazugehörigen Vorschriften informiert zu bleiben.

Intelligente Risikobewertung in der Versicherung

Aktueller Stand des Underwritings

Abbildung 2: Vorteile von Künstlicher Intelligenz im Underwriting

Das Underwriting als reifer Bereich für KI-Transformation erfährt sowohl im Privat- und Firmenkundengeschäft als auch in der Gruppenversicherung eine hohe Fluktuation in der Vermittlung und im Einkaufsverhalten. In der Branche wird deutlich mehr eingekauft als in der Vergangenheit. Trotz hoher Nutzungsquote von Vergleichsportalen und Preisanfragen bleibt die Mehrheit beim bisherigen Versicherungsanbieter.

Infolgedessen müssen die Teams heute eine wesentlich höhere Arbeitsbelastung bewältigen, bei etwa gleicher Rentabilität. Es wird viel Zeit in die Vorbereitung von Unterlagen, die Ausarbeitung von Angeboten und die Erstellung von Kostenvoranschlägen investiert, für Geschäfte, die am Ende keinen Gewinn abwerfen.

Hinzu kommt, dass die Mitarbeiter rund 70 Prozent ihrer Zeit für Tätigkeiten aufwenden müssen, die nicht zu ihrem Kerngeschäft gehören. Verschärft wird dieses Problem durch die steigende Anzahl von Anträgen, die von Maklern eingereicht werden. In solchen Fällen trägt der Zeitverlust bei gleichzeitiger Nichteinhaltung wichtiger Underwriting-Kennzahlen wie Quote-to-Bind und Yield Ratio zur allgemeinen Ineffizienz eines Versicherungsunternehmens bei.

Anwendungserfolge beim Einsatz von Künstlicher Intelligenz

Traditionell ist die Versicherung ein Vermittlungsgeschäft, bei dem der Vertrieb durch vertrauenswürdige Dritte erleichtert wird. Diese Vermittlungskanäle unterliegen derzeit erheblichen Veränderungen. So stellen Unterbrechungen ein großes Problem dar, insbesondere in Bereichen, die mit einer sorgfältigen Auswahl und Bewertung von Risiken verbunden sind. Dies ist auf die Auswirkungen von COVID-19 auf die Medizin- und Automobilindustrie, pandemiebedingte Unterbrechungen von Geschäftsprozessen und Herausforderungen in der Lieferkette zurückzuführen.

Erfahren Sie mehr darüber, wie wir das Kundenerlebnis verbessert haben, um die Konversionsraten für Trov zu erhöhen. Erfolgsgeschichte hier lesen.

Ein weiterer Aspekt ist die bereits erwähnte Vielzahl von Datenquellen, Datensätzen und Möglichkeiten der Datenverarbeitung, wie z.B. die Integration neuer Erkenntnisse oder die Verbesserung der Datenqualität. Um die Effizienz und Genauigkeit zu erhalten, ist es notwendig, dass die Dienststellen mit den neuesten Technologien vertraut sind und diese in ihre bestehenden Arbeitsabläufe integriert wurden.

KI-Technologie kann die Herausforderungen in den verschiedenen Aspekten der Aktivitäten auf Dateiebene bewältigen, einschließlich:

• Extraktion von Dokumenten
• Third-Party Analytics
• Prioritätensetzung und Triage
• Präzision der Entscheidung

Use Cases – Einsatz von KI im Riskomanagementprozess

Künstliche Intelligenz kann im Underwriting den Vergleich von Anträgen optimieren, Muster in großen Datensätzen erkennen und die Effizienz steigern. Der Einsatz von Machine Learning ermöglicht eine breitere Analyse von Ansprüchen und Anträgen. Fortschrittliche KI-Systeme können, wenn sie richtig angewendet werden:

• Lesen und Kategorisieren der Anträge
• Weiterleitung an die zuständige interne Abteilung
• Analyse der Daten, sowohl interne als auch externe Vergleichsdaten
• Extraktion der Antragsunterlagen und Überprüfung der Informationen auf fehlende Daten
• Abschätzung der Erfolgswahrscheinlichkeit auf Basis früherer ähnlicher Transaktionen und der Expertise des Anbieters in dieser Nische.

KI-Modelle können weiter all diese Erkenntnisse innerhalb eines Underwriting-Portals zusammenfassen – und somit die Preisfindungs- und Einreichungsprozess beschleunigen. Experimente zeigen, dass eine ganzheitliche Lösung wie diese den Versicherungsträgern dabei helfen kann, die Angebotsgeschwindigkeit um 20 bis 40 Prozent zu senken und die Durchlaufzeit um 50 Prozent zu verkürzen.

Insbesondere im Hinblick auf GenAI zeichnen sich diese Modelle durch eine schnelle Analyse großer Mengen strukturierter und unstrukturierter Daten aus. Sie können zeitnahe Erkenntnisse liefern, die es den Risikoprüfern ermöglicht, ihre Einschätzung potenzieller Risiken zu verbessern, Schadenwahrscheinlichkeiten besser zu berechnen, fundierte Underwriting-Entscheidungen zu treffen und angemessene Preise für einzelne Schadensfälle festzulegen.

Haben Sie bereits konkrete Schritte unternommen, um Ihren Underwriting-Prozess zu optimieren?

Bei der Erwägung des KI-Einsatzes sollte Ihr Fokus zunächst auf dem Einsatz von Machine Learning liegen. Nutzen Sie externe Datenquellen, ermöglichen Sie einen breiteren Vergleich von Ansprüchen und Forderungen und Sie erkennen Ähnlichkeiten schneller. KI-Tools helfen Ihren Mitarbeitern, die Suchparameter zu erweitern, Muster effektiv zu erkennen und auch mit Anträgen umzugehen, die nicht in ihr spezifisches Segment fallen.

Die Diskontinuität wird durch KI gemildert, wenn Mitarbeiter Aufgaben außerhalb ihres üblichen Arbeitspensums übernehmen können. KI-Modelle fördern eine bessere Zusammenarbeit im Unternehmen, indem sie Mitarbeiter dazu befähigen, Aufgaben aus der Perspektive des gesamten Unternehmens zu betrachten und Wissenslücken auszugleichen.

Aus unserer Erfahrung in der Zusammenarbeit mit verschiedenen Versicherungsunternehmen wissen wir, wie viele von Ihnen bereits über Proof of Concepts verfügen und Experimente in der KI-Integration durchgeführt haben. Jedoch ist eine effiziente Arbeitsweise nur durch Konnektivität und Orchestrierung über den gesamten Prozess möglich. Integrieren Sie KI nahtlos in den bestehenden Workflow, um die volle Effektivität zu erreichen.

KI Implementation im Schadenmanagement

Probleme bei der Schadenbearbeitung

Die Schadenbearbeitung erfordert tiefgreifende Änderungen, da derzeit einer von drei Kunden mit der Bearbeitungszeit seines Schadensfall unzufrieden ist. Diese Unzufriedenheit bezieht sich in der Regel nicht in erster Linie auf die Höhe der Entschädigungssumme, sondern vielmehr auf die Bearbeitungszeit und die Komplexität des Entschädigungsverfahrens aus der Sicht des Kunden. Um dieses Problem anzugehen, muss der gesamte Prozess der Kundeninteraktion, einschließlich der Entscheidungsgenauigkeit, neu gestaltet werden.

KI kann dazu beitragen, den Fluss der Schadensbearbeitungen zu beschleunigen, indem sie einfache Schadenprozesse automatisiert. Die Einführung von GenAI-Chatbots kann die Kommunikation mit Kunden verbessern und die Bearbeitungszeiten verkürzen. So können z. B. die Anfragen im Callcenter leicht durch die Einführung von KI-Intelligenz oder sogar „intelligenten“ regelbasierten Systemen bearbeitet werden, da es sich bei den meisten Anfragen um einfache Überprüfungen des Anspruchsstatus, Adressänderungen und andere Aufgaben handelt. Die Genauigkeit des Ausgleichs bleibt jedoch eine Herausforderung. Die Aufrechterhaltung dieser Abrechnungsgenauigkeit wird aufgrund der steigenden Inflation, des Mangels an Chips, der Unterbrechung der Versorgungskette und anderer aktueller Faktoren immer schwieriger.

Da in den Arbeitsabläufen der Schadenregulierer nach wie vor viele manuelle Schritte erforderlich sind, ist die Kundenerfahrung nach wie vor fragmentiert. Obwohl viele Versicherer Teile ihrer Schadenbearbeitung digitalisiert haben, ist eine umfassende End-to-End-Transformation noch immer schwer zu erreichen.

All diese Herausforderungen hindern die Versicherer daran, die Erwartungen ihrer Kunden zu erfüllen. Mit der raschen Einführung und Entwicklung neuer Technologien und der oft übertriebenen Werbung der Unternehmen für technologische Fortschritte erwarten die Kunden, dass der Kauf- und Bestandsprozess wesentlich einfacher und schneller wird.

Use Cases zur Effizienzsteigerung

KI kann die Schadenbearbeitung durch Automatisierung von einfachen Schadenprozessen beschleunigen. Die Prüfung der Anspruchsberechtigung, die nahtlose Entgegennahme von Anträgen und die Unterstützung bei der Überprüfung von gedeckten Ereignissen sind Beispiele für die Effizienzsteigerung durch KI. Unternehmen sollten sicherstellen, dass trotz Automatisierung eine nahtlose Konnektivität gewährleistet ist, um eine End-to-End-Transformation zu ermöglichen.

KI bietet zahlreiche Möglichkeiten zur Beschleunigung verschiedener einfacher Schadenprozesse:

• Prüfung der Anspruchsberechtigung anhand des Policenbesitzes, wodurch der Antragsprozess von Anfang an effizient gestaltet wird.
• Nahtlose Antragsannahme von einfachen bis hin zu umfangreichen Anträgen über mobile oder webbasierte Portale.
• Automatisierte Überprüfung der gedeckten Ereignisse und Ermittlung des Versicherungsschutzes dank einer robusten Backend-Infrastruktur.
• Betrugserkennung und Entscheidungsunterstützung
• Automatisierung und Vereinfachung der Zahlungsüberprüfung, Gewinnung von Erkenntnissen und Einholung von Feedback.

Trotz der Verfügbarkeit von Einzellösungen und Paketen von Drittanbietern sind eine nahtlose Konnektivität und ein reibungsloser Arbeitsablauf von entscheidender Bedeutung. Komplexe, hochemotionale oder hochkomplexe Schadensfälle (wie z. B. DNO und ENO im gewerblichen Bereich sowie Todesfälle und Langzeitinvalidität in der Lebensversicherung) erfordern weiterhin menschliche Interaktion, da sie die Fähigkeiten von KI-Algorithmen übersteigen.

Die Integration von GenAI-Chatbots im Schadenmanagement bietet eine effektive Möglichkeit, Nutzerinformationen zu sammeln und grundlegende Fragen zu beantworten. Dies kann die Arbeitsbelastung von Callcentern verringern, die Bearbeitungszeit verkürzen und die allgemeine Nutzererfahrung verbessern.

Zusammenfassung – Künstliche Intelligenz in der Versicherungsbranche

In ihren verschiedenen Ausprägungen hat Künstliche Intelligenz das Potenzial, die Versicherungsbranche grundlegend zu verändern. Die aktuellen Trends und Prognosen zeigen, dass Schadenbearbeitung und Underwriting die ersten beiden Bereiche sind, die in der aktuellen Landschaft erheblich verändert werden. Führungskräfte, die diese Potenziale erkennen und ganzheitliche, automatisierte Prozesse aufbauen, werden einen Wettbewerbsvorteil erlangen und die steigenden Erwartungen der Kunden erfüllen können.

Wenn Sie mehr darüber erfahren möchten, wie Künstliche Intelligenz Ihnen dabei helfen kann, Ihre Versicherungsprozesse zu optimieren und Ihr Unternehmen zukunftssicher zu machen, wenden Sie sich jetzt an unsere Experten für ein kostenloses Beratungsgespräch.