Künstliche Intelligenz (KI) oder Artificial Intelligence (AI) ist die Bezeichnung für eine Technologie, die sich mit Automatisierung intelligenten Verhaltens und dem maschinellen Lernen befasst. Dazu gehören Anwendungen, die menschliche Fähigkeiten im Sehen, Hören, Analysieren, Entscheiden und Handeln ergänzen und stärken.

Anzeige

Im Vordergrund steht dabei die Lernfähigkeit durch Machine Learning (ML). Ein Beispiel ist das Aufdecken von Betrugsversuchen in der Autoversicherung. Auf der Basis von historischen Schadensfällen lernt die Software, zwischen plausiblen und verdächtigen Meldungen zu unterscheiden. Zudem werden aktuelle Daten für das weitere Training der Software genutzt. Dadurch kann sie zum Beispiel neue Tricks der Betrüger erkennen.

Christophe Bourguignat ist Chief Executive Officer und Co-Founder vom Software-Unternehmen Zelros.ZelrosKI-Anwendungen in der Versicherungsbranche

Der Datenreichtum der Versicherungsunternehmen erlaubt es, KI-Verfahren zu nutzen und Prozessen zu automatisieren, bei denen dies bisher nur schwierig oder gar nicht möglich war.

Hohe Datenqualität mit Anomalie-Erkennung

Machine Learning erkennt Anomalien in Daten, etwa Fehler und Inkonsistenzen in Stamm- und Vertragsdaten. Die Assekuranzen sind damit in der Lage, die Datenqualität zu analysieren und verbessern.

Dokumentklassifizierung und -bearbeitung

KI-Anwendungen klassifizieren eingehende Nachrichten. Sie erkennen, ob es sich um eine Anfrage, eine Schadenmeldung oder eine Beschwerde handelt. Anschließend wird die Nachricht an die richtige Stelle weitergeleitet. Mit KI-Textanalyse ist es zudem möglich, Anfragen automatisch zu bearbeiten und zu beantworten. Menschliche Sachbearbeiter sehen die Nachrichten erst, wenn die KI keine Lösung findet.

Automatische Schadenbearbeitung mit Bilderkennung

Bilderkennung gehört zu den erfolgreichsten KI-Anwendungen. Sie ist in der Lage, Unfallschäden an Autos zu erkennen und zu bewerten. Kunden müssen lediglich Fotos des Schadens und des Unfallorts einreichen. Die KI-Lösungen bearbeiten einfach zu lösende Schadenfälle automatisch. Lediglich schwierige Fälle müssen von Menschen begutachtet werden.

Betrugserkennung in der Schadenbearbeitung

Durch die fortschreitende Digitalisierung aller Prozesse haben Versicherungen bei der Schadenbearbeitung heutzutage deutlich mehr Informationen zur Verfügung als noch vor wenigen Jahren. Algorithmen für Machine Learning nutzen sie, um Hinweise auf kriminelles Handeln zu finden.

So sind Betrugsversuche häufig an Auffälligkeiten in den Zahlen erkennbar. Auch mit Photoshop verfremdete Schäden lassen sich mit KI vergleichsweise leicht aufspüren. Die Versicherungen entdecken durch die Sammlung dieser Daten neue Strategien von Betrügern und können nun Maßnahmen dagegen einleiten.

Störungen der Kundenzufriedenheit erkennen (Churn Prediction)

Durch die Analyse historischer und aktueller Daten aus Kundenprozessen sind potentielle Störungen der Kundenzufriedenheit erkennbar. KI-Anwendungen identifizieren Gemeinsamkeiten in den Daten von ehemaligen Kunden und finden damit in aktuellen Daten unzufriedene Kund:innen.

Prognose der Kaufwahrscheinlichkeit

Mit Daten aus allen Kundenkontakten ermitteln KI-Routinen die Wahrscheinlichkeit, mit der Kund:innen bestimmte Produkte kaufen. Zudem wird hier das Potenzial für Cross-Selling erkennbar. Die Versicherung kann nun individuell angepasste Angebote machen und dadurch das Einkaufserlebnis verbessern.

Robo-Advisor im Vertrieb

Digitale Versicherungsberater („Robo-Advisor“) identifizieren das persönliche Risiko und den Versorgungsgrad von potenziellen Kund:innen. Sie erhalten nun ein hochwertiges Angebot für eine Einzelversicherung oder ein Paket – als Basis für eine persönliche Beratung.

Chatbots für den Kundendialog

Dialogorientierte KI-Lösungen beschleunigen und verbessern den Kundenservice. Hierbei geht es vor allem um das hohe Anfragevolumen bei Auto-, Hausrat- oder Haftpflichtversicherung. KI-Lösungen sind in der Lage, Standardfälle automatisch zu bearbeiten. Lediglich die komplizierten Fälle gehen an Mitarbeiter:innen.

(Ethische) Probleme beim KI-Einsatz

Neben vielen Vorteilen hat der KI-Einsatz auch Herausforderungen, etwa einen möglichen „Bias“ in den Daten. Das ist eine statistische Verzerrung, die Fehler in den Ergebnissen erzeugt. Ein vereinfachtes Beispiel: Eine Risikoeinschätzung in der Autoversicherung nutzt mehrheitlich Daten von Fahrern. Doch Fahrerinnen haben ein geringeres Unfallrisiko. Im Ergebnis führt dies bei einer risikoabhängigen Prämie zur Benachteiligung von Frauen.

Dieses Beispiel zeigt auch ein zweites Problem auf: Der Einsatz als nicht nachvollziehbare Blackbox. Das ist durch eine entsprechende Entwicklung der Anwendung vermeidbar. Die Entscheidungen durch KI müssen stets transparent, nachvollziehbar, erklärbar und überprüfbar bleiben. Außerdem ist der Werkzeugcharakter von KI zu betonen. Bias und Intransparenz führen zu fehlerhaften Entscheidungen.

Die Konsequenz: KI sollte Entscheidungen lediglich vorbereiten und Mitarbeiter:innen unterstützen. Zudem sollten Unternehmen Daten mit großer Sorgfalt auswählen und Ergebnisse auf Plausibilität überprüfen. Die ethische Herausforderung beim Einsatz von KI hat auch die Politik auf den Plan gebracht: Der Beitrag „KI-Verordnung der EU: Was Versicherungen beachten müssen“ widmet sich der neuen EU-Verordnung zum KI-Einsatz.

Anzeige

Fazit: Assekuranzen profitieren umfassend von KI

Künstlicher Intelligenz kann zusammen mit ergänzenden Technologien wie Robotic Process Automation (RPA) oder dem Internet der Dinge (IoT, Internet of Things) Prozesse automatisieren, beschleunigen und flexibler gestalten. Dadurch entstehen neue Vertriebswege und der Kundenservice wird vereinfacht. Die Folge sind wachsender Umsatz und eine stärkere Kundenbindung. Kurz: Der Einsatz von KI bestimmt bereits jetzt und auch in Zukunft in der Versicherungsbranche den wirtschaftlichen Erfolg.

Anzeige