Künstliche Intelligenz – Kollege Roboter muss in den Schadenabteilungen der Versicherer aushelfen

Publish date:

Versicherungen, die sich in den nächsten fünf Jahren nicht massiv durch künstliche Intelligenz verstärken, werden keinen wettbewerbsfähigen Kundenservice mehr bieten können.

Gunnar Tacke,
Capgemini

Der Schaden ist die Werbung für den Versicherer

Der Schadenfall ist die Nagelprobe für das Verhältnis von Kunde und Versicherer: Wird dem Kunden nicht schnell und unkompliziert geholfen, kann die Beziehung nachhaltig geschädigt werden und er schaut sich bei der Konkurrenz um. Der Versicherer sollte sich nicht mehr darauf verlassen, dass die Servicelevel in der Branche gleichartig niedrig bleiben. Der Wettkampf läuft: Zahlreiche Versicherer hierzulande haben Projekte gestartet, um sich durch ihre Schadenprozesse gegenüber Wettbewerbern zu differenzieren.

Blog per E-Mail abonnieren
RSS-Feed abonnieren

Der US-Newcomer Lemonade macht es vor: Mit dem Ziel, Schäden im Regelfall innerhalb von drei Minuten zu regulieren und mit Rekordzeiten von drei Sekunden bis zur Schadenzahlung, sorgt das Unternehmen für höchste Kundenzufriedenheit und begeisterte Lobeshymnen der Kunden bei Twitter und Co.

Wie kann man einen Schaden in drei Sekunden regulieren?

Meldet der Kunden den Schaden über eine App, kann die automatische Bearbeitung von Standard-Schäden noch vergleichsweise einfach sein – vorausgesetzt, der Versicherer hat seine Hausaufgaben gemacht und seine Kernsysteme entsprechend modernisiert. Dann wird der Schaden automatisch plausibilisiert, gegen den Versicherungsschutz geprüft, auf Betrugsmuster überprüft und schließlich die Zahlung ausgelöst. Klingt gut, leider nutzen aber nur vergleichsweise wenige Kunden Apps und Portale für die strukturierte Schadenmeldung.

Bisherige Herausforderung: Unstrukturierte Daten

Ein Großteil der Schadenmeldungen landet immer noch in Form unstrukturierter Daten bei den Versicherern: E-Mails, Briefe, Fotos, Telefonate. Vieles davon wird noch manuell ausgewertet und per Hand in die Fachsysteme übersetzt – dieser Aufwand führt zu Arbeitsrückständen und langen Reaktionszeiten. Hier findet die künstliche Intelligenz (KI) ihren Platz. Für die Verarbeitung von Schriftgut helfen klassischerweise schon Inputmanagement-Lösungen in der Erkennung von Daten und sorgen für die richtige Kanalisierung an die entsprechenden Experten. Intelligente Automatisierungs-Lösungen gehen weiter: sie kombinieren Text- und Bilderkennung, Machine Learning und Robotic Process Automation. Diese Verfahren „beobachten“ eine Zeit lang, wie Sachbearbeiter Dokumente lesen, die Daten in die Systeme übernehmen, korrigieren und ergänzen. Auf Basis der beobachteten Sachbearbeiter-Entscheidungen trainieren sie ihre Algorithmen, um anschließend Teilschritte oder ganze Prozesse autonom übernehmen zu können.

Der richtige KI-Mix für kundenorientierte Prozesse

Schadenermittlung und -Steuerung mit Image Recognition und Textmining

Auch für die Prüfung und Klassifikation der Schadenmeldung anhand von Bildern und Schadenbeschreibungen, können KI-Verfahren in unterschiedlichen Abstufungen helfen: Die automatische Unterscheidung, ob es sich zum Beispiel um einen Kfz Blech- oder Glasschaden handelt, ermöglicht eine frühzeitige Schadensteuerung. Die komplett autonome Ermittlung der Schadenhöhe ermöglicht „Straight Through Processing“ und beschreibt damit das andere Ende der Skala dessen, was automatisierbar ist.

Die KI-Experten vom Schadendienstleister ControlExpert arbeiten daran, ihre Systeme für die Kfz-Schadenabwicklung so zu trainieren, dass sie beschädigte Bauteile erkennen. Gelingt dies, ist die automatische Ermittlung oder Prüfung der Reparaturkosten in Verbindung mit den entsprechenden Fahrzeug-Datenbanken der nächste logische Schritt. Und das Verfahren lässt sich auf andere Sparten ausdehnen. Durch die Bilderkennung von Hausrat- oder Privathaftpflichtschäden in Verbindung mit der Ermittlung des Alters der kaputten Gegenstände kann KI autonom Schäden bewerten und damit beispielsweise die effiziente Abwicklung von Kleinstschäden ermöglichen.

Betrugsmuster mit Machine Learning erkennen

Die Angst, dass automatisierte Schadenbearbeitung zu mehr unberechtigten Zahlungen oder unerkannten Betrugsfällen führt, kann wiederum auch durch künstliche Intelligenz adressiert werden: Mit den gesammelten Daten der Vergangenheit (und damit dem jahrelangen Erfahrungsschatz vieler hunderter Sachbearbeiter) lassen sich Machine-Learning-Modelle anlernen, mit denen Ansprüche geprüft und Betrugsmuster erkannt werden.

Schadenaufnahme durch den Chatbot

Und für die Ansprüche der Generation Y, die rund um die Uhr neben den herkömmlichen Kanälen auch gern online kommunizieren, können Chatbots aus natürlichsprachlicher Kommunikation die benötigten Daten derart abfragen und extrahieren, dass Schadenmeldungen aufgenommen und abschließend bearbeitet werden können, ohne dass Sachbearbeiter 24 Stunden am Tag dafür zur Verfügung stehen müssen.

InsurTechs beschleunigen KI-Entwicklungen

Die Einsatzmöglichkeiten von KI sind vielfältig, der Druck zur Automatisierung und zur Prozessoptimierung ist hoch. Die Versicherer können sich nicht die Zeit lassen, die benötigten Fähigkeiten allein aufzubauen. Kein Wunder, dass hier auch die Unterstützung von InsurTechs gefragt ist: Laut dem World InsurTech Report von Capgemini sind Schadendienstleister derzeit die gefragtesten InsurTechs (51,9 %), wenn es um eine Zusammenarbeit geht. Die deutschen Versicherer erhoffen sich von der Kooperation mit Start-ups vor allem, neue Lösungen schneller an den Markt zu bringen.

Der Weg zum KI-Versicherer: Nicht beim Piloten stecken bleiben

In Medienmeldungen und bei Kunden beobachte ich derzeit erste KI-Initiativen der deutschen Versicherer. Dabei handelt es sich größtenteils um Proof of Concepts und Pilotprojekte. Das volle Potenzial von KI-getriebener Automatisierung nutzen laut Capgemini Studie „Growth in the machine“ derzeit allerdings nur 10 Prozent der Unternehmen. Mein Rat: Bleiben Sie nicht am Anfang stehen. Sehen Sie künstliche Intelligenz nicht als Projekt sondern als Strategie. Definieren Sie Ihre Vision, denken Sie groß und definieren Sie eine Roadmap, um langfristig das volle Potenzial von KI zu nutzen. Der Pilot ist der erste Schritt, die Industrialisierung von KI im Unternehmen das Ziel.

Wir helfen Ihnen gerne dabei.

Weitere Posts

Artificial Intelligence

Künstliche Intelligenz benötigt Datenmanagement – und umgekehrt

Axel Toonen
Date icon September 27, 2019

Wie Künstliche Intelligenz und Machine Learning digitale Transformationsinitiativen antreiben...

Customer Engagement

Casinos: Was kann ein moderner Einzelhändler von ihnen lernen?

Daniel Göttert
Date icon September 20, 2019

Mit Big Data das Kundenerlebnis perfektionieren: Casinos machen vor, wie es geht – und...

Capgemini Invent

3 Erkenntnisse, die Sie sich in Sachen Kundenbindung von PAYBACK GO abschauen sollten

Max Brüggemann
Date icon August 15, 2019

PAYBACK schafft es mit seiner App PAYBACK GO eine stringente, digitale Loyalty-Experience für...

cookies.

Mit dem Fortsetzen des Besuchs dieser Website akzeptieren Sie die Verwendung von Cookies.

Für mehr Informationen und zur Änderungen der Cookie-Einstellungen auf Ihrem Computer, lesen Sie bitte Privacy Policy.

Schließen

Cookie Information schließen