Künstliche Intelligenz vs. „Copy & Paste“

Wie sehen klassische Arbeitsabläufe von Vermittlern aus, die automatisiert werden könnten?

Hier zeigt sich ein zweigeteiltes Bild: Bei der Erfassung einfacher Dokumente wie zum Beispiel von Rezepten oder Arztrechnungen ist der Automatisierungsgrad im Versicherungsbereich im Vergleich zu anderen Branchen recht hoch. Bei komplexeren Datenvorlagen oder unstrukturierten Dokumenten sieht das allerdings anders aus, da werden die Prozesse noch weitgehend manuell ausgeführt. Hier regiert das berühmte manuelle „Copy & Paste“, das vielfach unkorrekte Daten oder die unbeabsichtigte Duplikation von Daten nach sich zieht. 


Bastian Schulz, Head of Sales DACH bei LEVERTON.LEVERTONWas ist das größte Problem bei der Digitalisierung und Automatisierung?

Zum einen sind das bei Versicherungsunternehmen vor allem Fragestellungen rund um den Umgang mit sensiblen Vertragsdaten. Datenschutz und Datensicherheit sind mit die häufigsten Themen, mit denen wir hier konfrontiert werden. Zum anderen liegen die eigentlichen Herausforderungen wie bei den meisten größeren Projekten in Unternehmen, die mit nachhaltigen Veränderungen verbunden sind, oft außerhalb des eigentlichen Projektfokus. Vielen Unternehmen fehlt es an der Vorstellungskraft, was künstliche Intelligenz und intelligente Automatisierung nicht zuletzt in einem Bereich wie Dokumentenmanagement leisten kann – und warum ihr Einsatz ein wichtiger Erfolgsfaktor ist. Insofern gibt es auch keine Strategie, sie zu nutzen. Hier muss noch viel Aufklärung und Beratung geleistet werden.

Wie groß schätzen Sie das Digitalisierungs- und Automatisierungspotenzial in der Versicherungsbranche ein?

Es ist schwer, hier eine konkrete Zahl zu nennen. Aber, wenn man sich ansieht, wie die meisten Versicherungsunternehmen heute noch den größten Teil der Daten aus über 430 Millionen bestehenden Versicherungsverträgen mit privaten Haushalte, Industrie, Gewerbe und öffentlichen Einrichtungen in Deutschland erfassen und verarbeiten, nämlich überwiegend manuell, kann man das riesige Potenzial ermessen. Jeder Prozess, der hier automatisiert werden kann, wird in Zukunft auch automatisiert oder teilautomatisiert werden. Das erfordert nicht nur der Wirtschaftlichkeitsdruck, sondern auch der Wettbewerb.

Wie arbeiten bestehende Systeme mit künstlicher Intelligenz?

Derartige Systeme können beispielsweise Daten aus Dokumenten erfassen und in unterschiedliche Strukturgrade einordnen. Diese Daten werden in der Lernphase nach dem Vier-Augen-Prinzip von Datenexperten validiert. Dies geschieht auch um die Güte der künstlichen Intelligenz zu trainieren. Anschließend können die aufbereiteten Daten genutzt und weiterverarbeitet werden. Mit diesem KI-basierten Ansatz können Datenpunkte aus Verträgen bis zu 75 Prozent schneller als im Rahmen eines manuellen Prozesses erfasst und extrahiert werden – bei einer Datengüte von in der Regel deutlich über 97 Prozent.

Kann eine Software den Prozess durchgängig digital automatisieren?

Es gibt tatsächlich Prozesse, bei denen die künstliche Intelligenz den gesamten Prozess automatisieren kann. Dies allerdings in Anwendungsfällen, bei denen der gewünschte Output nur zu 97 Prozent korrekt sein muss. In allen anderen Fällen sollten die Ergebnisse von Hand überprüft werden, insbesondere dann, wenn die extrahierten Daten Grundlage für erfolgsrelevante strategische Entscheidungen sind. Bei der manuellen Überprüfung der Ergebnisse setzt auch das so genannte Machine Learning ein, also das Lernen anhand von Beispielen. Das hilft der künstlichen Intelligenz dabei, besser zu werden und in der weiteren Anwendung die richtigen Ergebnisse zu liefern. Es kann also sein, dass ein Prozess, der anfangs nur teilautomatisiert ist, im Laufe der Zeit aufgrund einer immer besser trainierten Künstlichen Intelligenz vollautomatisiert werden kann.

Gibt es erste Use Cases im Versicherungsbereich?


Wir sprechen derzeit mit zahlreichen Unternehmen aus der Versicherungsbranche zum Anwendungsfall Kreditversicherung, bei dem eine hohe Anzahl an komplexen Dokumenten wie Bilanzen überprüft werden müssen. Unsere Plattform kommt beispielsweise bei simplesurance zum Einsatz. Dabei geht es darum, bislang aufwändige, zeitintensive und fehleranfällige manuelle Prozesse bei der Erfassung und dem Benchmarking von Versicherungsverträgen effektiver und effizienter zu gestalten. Unsere Software durchsucht Konsumentenpolicen wie beispielsweise Kfz-, Hausrat- oder Unfallversicherungen automatisiert nach relevanten Informationen zu Konditionen, extrahiert diese und stellt die strukturierten Daten in weiterverarbeitenden Zielsystemen zur Nutzung bereit. Darauf aufbauend führt die Versicherungstechnologie von simplesurance dann wie gehabt Produkt- und Preisvergleiche mit den am Markt verfügbaren Angeboten durch und vermittelt Verbrauchern für sie vorteilhaftere Versicherungsverträge. Für die schnelle, präzise und effiziente Bereitstellung der notwendigen Informationen aus den von den Verbrauchern eingereichten Versicherungsverträgen haben wir zunächst gemeinsam mit simplesurance Datenmodelle zu den einzelnen Versicherungstypen erstellt. Diese wurden dann im Praxiseinsatz bei simplesurance trainiert und erzielten bereits nach wenigen hundert Trainingsdokumenten eine Erkennungsrate von weit über 90 Prozent bei bis zu 75 Prozent Zeitersparnis bei der Datenerfassung und -extraktion. Der gesamte Prozess – vom Aufsetzen der einzelnen Datenmodelle bis zur Einsatzbereitschaft der Software – hat dabei nur wenige Wochen gedauert.