Nach einer Phase des Experimentierens und der Identifizierung eben jener vielversprechenden Anwendungsfälle in den letzten zwei Jahren hat die zweite, entscheidende Phase der KI-Einführung begonnen. Dabei müssen die Unternehmen nun die Umsetzung in den Vordergrund stellen und dürfen sich nicht auf positiven Ergbenissen von Piloten ausruhen.
Erfolgreiche Pilotprojekte in skalierbare Modelle zu überführen, stellt dabei eine der größten Herausforderungen dar. Das schließt auch die Investition in die Kompetenzentwicklung von Mitarbeitenden ein. Denn ohne eine gezielte Förderung von Skills auf allen Ebenen bleibt es bei einem erfolgreichen Pilotprojekt und die Wirkung letztlich begrenzt.
Governance – der Schlüssel zum Erfolg
Damit die zweite Phase überhaupt in Angriff genommen werden kann und KI-Anwendungen erfolgreich skaliert werden können, benötigen Versicherer ein robustes Governance-Framework, in dem sich das Unternehmen und seine Mitarbeitenden bewegen können. Bisher haben sich viele Unternehmen auf kundenferne Prozesse konzentriert, um Risiken zu minimieren. Es ging viel um die Maxime „wie können wir Leistung A für unsere Mitarbeitergruppe B durch Gen AI vereinfachen“.
Doch für eine maximale Wertschöpfung müssen die erprobten KI-Lösungen auch an Kundenschnittstellen implementiert und in Einklang mit der Regulatorik und den Wünschen, Fähigkeiten und Bedürfnissen der Versicherten gebracht werden. Ohne ein solch effektives Governance-Framework kann nicht sichergestellt werden, dass ethische Richtlinien eingehalten, Datenschutzbestimmungen berücksichtigt und potenzielle Risiken adäquat gemanagt werden.
Technologische Basis als Fundament
Die Skalierung von KI-Anwendungen erfordert aber eben auch eine leistungsfähige technologische Infrastruktur, die mit den neuen Anforderungen Schritt halten kann. Versicherer müssen in Cloud-Lösungen, Datenmanagement-Systeme und KI-Plattformen investieren, um die enormen Datenmengen verarbeiten und KI-Modelle effizient trainieren zu können, damit sich deren Vorteile überhaupt ausspielen können. Erst eine solide technologische Basis ermöglicht es, KI-Lösungen flexibel einzusetzen und kontinuierlich weiterzuentwickeln und versetzt die Belegschaft in die Lage, ohne großen Frust mit Gen AI zusammenzuarbeiten.
Ein anschauliches Beispiel für die transformative Kraft von Gen AI ist schon heute der Bereich des Underwritings. Bisher war dieser Prozess oft von manuellen Tätigkeiten und Medienbrüchen innerhalb einer Organisation geprägt. Underwriter verbrachten viel Zeit damit, Informationen aus verschiedenen Quellen zu konsolidieren und aufzubereiten. Erst dann konnten sie mit ihrer eigentlichen Tätigkeit beginnen und eine Einschätzung für ihre Kunden und Risiken adäquat aufbereiten. Mit dem Einsatz von Gen AI ändern sich deren Aufgaben grundlegend:
Automatisierung: Routineaufgaben wie Datensammlung und -konsolidierung werden automatisiert (unterstützt), wodurch sich Underwriter auf die eigentliche Risikoeinschätzung konzentrieren können.
Beschleunigung: Durchlaufzeiten reduzieren sich drastisch von Tagen auf Stunden, was die Effizienz erheblich steigert.
Verbesserte Kundenerfahrung: Schnellere Prozesse und präzisere Risikoeinschätzungen führen zu einer Reduktion der Absprungrate um das 1,5-fache.
Individualisierung schafft Vertrauen: Underwriter können aus einer Vielzahl von Daten viel individuellere Angebote erstellen und so das Vertrauen von und die Nähe zum Kunden erhöhen.
Talent Transformation
Die Implementierung von Gen AI in Unternehmen erfordert einen ganzheitlichen Ansatz, der die Qualifizierung der Belegschaft, die Optimierung von Arbeitsabläufen und eine strategische Prozessanalyse umfasst. Durch die aktive Einbeziehung von Managern und Teams in die Gestaltung von Gen AI-Anwendungsfällen wird nicht nur die Kompetenz der Mitarbeitenden gezielt gefördert, sondern auch deren Akzeptanz und Verständnis für die neue Technologie gestärkt.
Aber diese Zusammenarbeit von Mensch und KI erfolgt nicht von alleine, sondern muss klug vom Unternehmen eingeführt und gefördert werden. Parallel dazu ist es entscheidend, bestehende Arbeitsabläufe neu zu definieren, um das volle Effizienz- und Innovationspotenzial von Gen AI auszuschöpfen. Eine eingehende Analyse der Unternehmensprozesse bildet hierbei die Grundlage für einen strategisch sinnvollen und zielgerichteten Einsatz der Technologie, der langfristig zu Wettbewerbsvorteilen und gesteigerter Produktivität führen kann.
Das Ergebnis ist für Versicherer und die Mitarbeitenden gleichermaßen vielversprechend: Rund drei Viertel der Arbeitszeit kann von GenAI positiv beeinflusst werden. Doch die Einführung von Gen AI erfordert auch neue Ansätze in der Mitarbeiterentwicklung. Traditionelle Schulungsmodelle reichen nicht aus, um die komplexen Fähigkeiten zu vermitteln, die für den Umgang mit KI-Systemen erforderlich sind – ganz zu schweigen davon, Begeisterung zu erzeugen und Vorurteilen gegenüber der Technologie auszuräumen.
Neue Trainingskonzepte
Versicherer müssen daher jetzt innovative Trainingskonzepte entwickeln, die
Langfristige – bestenfalls maßgeschneiderte – Lernpfade für verschiedene Rollen und Abteilungen bieten, praktische Erfahrungen mit KI-Tools in realen Arbeitssituationen ermöglichen und die Mitarbeiter in die Entscheidungsfindung integrieren sowie kontinuierliches Lernen und Anpassung an neue KI-Entwicklungen fördern und die Vorteile aufzeigen, um die Bereitschaft zu erhöhen.
Die Einführung von Gen AI erfordert von Mitarbeitenden aber auch eine grundlegende Veränderung ihres Mindsets. Es ist entscheidend, dass sie eine offenere Haltung gegenüber neuen Technologien entwickeln und bereit sind, mit Gen AI-Tools zu experimentieren. Diese Einstellung muss und kann von den Versicherern gezielt gefördert werden. Gleichzeitig sollten Mitarbeitende auch ihr Rollenverständnis im Unternehmen überdenken und flexibel auf die Veränderungen reagieren, da Gen AI viele Routineaufgaben übernehmen kann.
Die Versicherer selbst, sollten daher eine experimentierfreudige Kultur fördern, in der Mitarbeitende ermutigt werden, Neues auszuprobieren und innovative Lösungen zu finden – und letztlich ihren eigenen Arbeitsalltag auch zu erleichtern. Darüber hinaus sollten die Versicherer umfassende Schulungsprogramme anbieten, um ihre Mitarbeitenden mit den notwendigen Fähigkeiten für den Umgang mit Gen AI auszustatten und die Praktikabilität aufzuzeigen. Durch diese gemeinsamen Anstrengungen können Unternehmen und Mitarbeitende den Übergang zu einer Gen AI-gestützten Arbeitsumgebung erfolgreich meistern.
Gen AI mit Blick in die Zukunft aufsetzen
Die Versicherungsbranche steht an der Schwelle einer revolutionären Ära, in der Künstliche Intelligenz nicht nur als Werkzeug, sondern als Katalysator für tiefgreifende Veränderungen steht. Gen AI wird die DNA der Versicherungswirtschaft neu codieren, indem sie Geschäftsmodelle radikal umgestaltet und die Branchenstruktur von Grund auf neu definiert. In diesem digitalen Sturm werden sich die Mitarbeiterrollen transformieren – ein Prozess, der sowohl Herausforderungen als auch ungeahnte Möglichkeiten birgt und gerade im Begriff ist zu beginnen. Der Schlüssel zum Erfolg in dieser KI-getriebenen Zukunft liegt in der Fähigkeit der Versicherungen, KI-Lösungen nicht nur zu implementieren, sondern zu skalieren.
Es geht darum, ein robustes technologisches Fundament zu errichten, das auch als Sprungbrett für Innovation dient. Das kann nur gelingen, wenn man seine fachlich hochspezialisierte Belegschaft für diese Reise mit dem richtigen Rüstzeug ausstattet. Nur mit entsprechenden Trainingsmethoden und klug eingesetzten Weiterbildungsmaßnahmen werden Mensch und Maschine in der Lage sein, symbiotisch zusammenarbeiten.
Die Versicherer, die diese Entwicklung verstanden haben und jetzt schon entsprechende Maßnahmen auf den Weg bringen, werden diese digitale Metamorphose meistern, Innovationen hervorbringen, Prozesse auf ein neues Effizienzniveau heben und sich als agile Vorreiter in einem Markt positionieren, der sich mit enormer Geschwindigkeit wandelt.
Zu den Autoren: Markus Heyen ist Geschäftsführer und Leiter Versicherungen DACH bei Accenture, Dr. Lukas Kölbl, Head of Data Science bei Accenture DACH.
