Künstliche Intelligenz (KI) kann entscheidend dazu beitragen, Prozesse bei Versicherungen zu verbessern. Denn KI macht Versicherungsprozesse erst wirklich intelligent. Wie das geht, zeigt Alexander Horn, Versicherungs- und Prozessexperte bei der Unternehmensberatung Q_Perior.
Wer hätte nicht gerne einen „Commander Data“ in seinem Unternehmen? Die allwissende, menschlich und fachlich immer korrekte KI. Sie wäre das Nonplusultra prozessualer Intelligenz und Kosteneffizienz – angefangen bei der Kundenkommunikation über die Bearbeitung aller erdenklichen Anliegen bis hin zur intelligenten Steuerung interner Prozesse.
Der Mensch könnte sich entspannt auf die visionäre Gestaltung und Entwicklung von Geschäftsmodellen konzentrieren. Der Computer übernimmt den Rest. So könnte jeder, der Commander Data seinen Mitarbeiter nennen dürfte, die Konkurrenz im Nu pulverisieren.
Was die schwache von der starken KI unterscheidet
Doch ob die Vision einer „starken KI“ – ein selbstlernender Universal-Algorithmus für alle erdenklichen Anwendungsfälle – jemals Wirklichkeit wird, kann man derzeit noch nicht seriös mit „ja“ beantworten. Die „schwache“ KI dagegen ist real und bietet heute schon genug Vorteile. Sie ist bereits jetzt mit enormen Datenmengen und nie gekannter Rechenpower ausgestattet – also mit Algorithmen, die gezielt für bestimmte Anwendungsfälle entwickelt und trainiert werden.
Und kann gerade für Versicherungen mit ihrem rein datenbasierten Geschäftsmodell vielleicht schon bald zum entscheidenden Wettbewerbsfaktor im Bereich intelligenter Prozesse werden. Experten sind sich einig: Künstliche Intelligenz ist relevant. Die Frage lautet jetzt, wie schnell und zu welchen Kosten sie nutzbar gemacht werden kann.
Hier lohnt ein realistischer Blick auf die aktuellen versicherungsrelevanten Nutzungsszenarien künstlicher Intelligenz. KI, wie wir sie heute kennen, bewerkstelligt vor allem drei Dinge: Sie analysiert mit Algorithmen große Datenmengen, entdeckt Muster und berechnet mit enormer Präzision Wahrscheinlichkeiten – zum Beispiel, ob vertragsrelevante Ereignisse zu erwarten sind (Wird mein Kunde in diesem Jahr den Vertrag kündigen?) oder ob der fotografierte Schaden mit der beschriebenen Ursache übereinstimmt.
Es gibt kaum einen Wirtschaftszweig, der heute noch ohne KI auskommt, wenn die Voraussetzungen hinsichtlich Datenmenge, -qualität, -verfügbarkeit und Rechenleistung stimmen. Ist dies alles gegeben, kann künstliche Intelligenz andere herkömmliche Bewertungsmethoden, wie etwa Scoring, in Sachen Qualität um Längen schlagen.
Es liegt dabei in der DNA der Algorithmen, dass sie mit gezieltem Training ihre anfangs eher schwachen Ergebnisse nach und nach verbessern kann, um schließlich nahezu fehlerfrei zu arbeiten. So ergeben sich echte First-Mover-/First-Adopter-Vorteile. Doch bevor wir uns gedanklich in das Jahr 2050 aufmachen, schauen wir uns drei konkrete Anwendungsbeispiele für künstliche Intelligenz an, die schon heute in greifbarer Nähe sind.
Der digitale Versicherungs-Concierge
Q_Perior entwickelt derzeit den „digitalen Versicherungs-Concierge“. Er hilft, die Bearbeitung von Schadenmeldungen zu beschleunigen. Denn eine rasche Schadenabwicklung ist nicht nur sehr wichtig für die Kundenzufriedenheit, sie führt auch direkt zu verringerten Schadenzahlungen. Wer schnell ist, kann mit dem Einverständnis des Kunden fiktiv abrechnen, verhindert damit teure und auch aus Kundensicht häufig unnötige Gutachten und kann stattdessen sein eigenes kostenoptimiertes Werkstatt- oder Expertennetzwerk einsetzen.
Ein Beispiel: Nach einem Unfall hat das Auto eines Kunden einen Blechschaden. Und das auch noch auf dem Weg in den Familienurlaub. Normalerweise dauert es trotz des eigentlich banalen Schadens relativ lange, bis die Schadenmeldung und die dahinterliegenden administrativen Prozesse bearbeitet sind. Der digitale Versicherungs-Concierge kann dies entscheidend beschleunigen.
So funktioniert’s: Der Kunde fotografiert den Schaden mit der App des Versicherungs-Concierge. Die Software ermittelt automatisch per Bildklassifizierung den dazugehörigen Vertrag, legt einen Schadenvorgang an, plausibilisiert mittels Mustererkennung den per Messenger-App geschilderten Unfallhergang, schätzt die Schadenhöhe und gibt dann Antworten auf die (Standard-) Fragen des Kunden. Das Ergebnis: Die Erstbearbeitung des Schadens erfolgt direkt vor Ort, der Kunde ist zufrieden.
Warum ist das so wichtig? Der Schadenfall, der sogenannte „Moment of Truth“, ist der wichtigste Bewährungsmoment für den Versicherer – hier kann er zeigen, dass die vereinbarten Leistungen wirklich erbracht werden. Stellen Sie Ihre Kunden nicht nur zufrieden, begeistern Sie sie.
Und der digitale Versicherungs-Concierge kann noch mehr: Werkstatt-Termine buchen und direkt in den Outlook-Kalender des Kunden eintragen, sofort einen Abschlepp- und einen Mietwagen organisieren und außerdem dem Sachbearbeiter einen fiktiven Abrechnungsbetrag vorschlagen. All das ist mit nur ein paar Chatbot-gesteuerten Fragen und Antworten. Im Idealfall kommt der Kunde trotz allem nahezu verzögerungsfrei am Ziel seiner Reise an und das Geld für den Schaden ist bereits auf dem Weg.
Die E-Mail-Flut leichter bewältigen
Ein anderer Anwendungsfall hat mit den täglichen E-Mail-Fluten an den Kundenservice zu tun. Kommunikation ist ein Massenphänomen und kostet viel Geld. Qualifizierte Sachbearbeiter müssen sich täglich stundenlang durch E-Mails arbeiten, sie Kundenwünschen zuordnen und manuell bearbeiten. Wahrlich keine zufriedenstellende Arbeit!
Das lässt sich auch anders organisieren. Denn bei 70 Prozent dieser E-Mails geht es um Standardanliegen wie Auskünfte zum Deckungsumfang oder Änderungen der Zahlungsmodalitäten. KI kann helfen, den Mail-Eingang im Postfach des Kundenservice automatisch zu sortieren und auszuwerten.
Auch ohne KI lässt sich schon durch forcierte Chatbot- oder Kundenportal-Angebote ein Großteil der unstrukturierten Kommunikation sortieren. Doch viele deutsche Versicherer sind diesbezüglich noch nicht so weit. Und so kommen immer mehr E-Mails.
Wie dieses Dilemma gelöst werden kann, zeigt das Projekt eines großen, weltweit tätigen Versicherers. Das Ziel war, Kunden-Mails fast in Echtzeit zu klassifizieren, nach Dringlichkeit zu priorisieren und in den Workflow der Sachbearbeitung einzusteuern.
Dafür wurde eine Natural-Language-Processing-Anwendung konzipiert und implementiert. Indem Mails nun strukturiert und automatisiert bearbeitet wurden, ließen sich die Kosten erheblich reduzieren. Und die Sachbearbeiter gewannen mehr Zeit für qualifizierte Aktivitäten in Kundenbetreuung und im Vertrieb. Ein guter Anfang.
Der Klassiker „Next Best Offer“ nützt Versicherungen nur in Echtzeit
Schon längst Standard im so genannten „Amazon-Zeitalter“ ist das Prinzip „Next Best Offer“ – also die KI-getriebene Vorhersage, welches weitere Produkt der Kunde am wahrscheinlichsten kaufen wird. Das funktioniert auch in der Versicherungsbranche. Ein gängiges Beispiel ist etwa die Verkehrs-Rechtsschutz-Versicherung, die sich automatisch ergänzend zur Kfz-Versicherung anbietet.
Dennoch gibt es Unterschiede: Während bei Amazon in Millisekunden aus Milliarden von Datensätzen individuelle Kaufwahrscheinlichkeiten berechnet werden, handelt es sich bei Versicherungen eher um Datensätze im Hunderttausenderbereich, die zu großen Teilen nicht tagesaktuell sind. Auch gibt es bei Versicherungen, anders als bei Amazon, weit weniger regelmäßigen Kontakt zu den Kunden.
Wer sich einmal pro Jahr bei seinem Versicherungsvermittler meldet, gilt bereits als „Aktivkunde“ – das passiert bei 20 bis 30 Prozent der Kunden. Versicherer können also nur begrenzt davon ausgehen, dass der Bestandsdatensatz die Realität abbildet.
Doch die heute vorherrschenden „Next Best Offer“-Anwendungen brauchen möglichst aktuelle Daten, um „Hot Leads“ für bestimmte Produkte oder Kampagnen generieren zu können. Wie also können Versicherungen hier besser werden?
Zum Beispiel, indem Vertriebsmitarbeiter ihre Ad-hoc-Kundenkontakte effizienter nutzen. Denn in der Regel melden sich Versicherte nicht mit einem weiteren konkreten Produktwunsch, sondern mit administrativen Anliegen, etwa um die Geburt eines Kindes mitzuteilen. Eine gute Gelegenheit, um gleichzeitig auch weitere Bestandsdaten zu aktualisieren.
Das benötigt maximal zwei Minuten. Parallel berechnet der Algorithmus eine priorisierte Abschlussaffinität für weitere Produkte. Damit hilft die KI-basierte Einschätzung dem Berater in Echtzeit, das wahrscheinlich attraktivste Produkt zur Sprache zu bringen.
Mehr Umsatz
So können Abertausende bisher vertrieblich ungenutzter Kundenkontakte in direkte Produktabschlüsse umgesetzt oder Kundengespräche vereinbart werden. Erste Erfolgsmessungen zeigten, dass mit der KI-Anwendung bereits 15 bis 20 Prozent mehr Umsatz generiert werden konnte.
Zusammengefasst lässt sich sagen: KI macht den Unterschied. Der Einsatz lohnt immer, auch wenn die Implementierung und das aufwendige Training zunächst als Kraftakt erscheinen mögen, gerade bei über die Jahre gewachsenen IT-Systemen. Ich bin überzeugt: Intelligente Prozesse umzusetzen ist zwar anspruchsvoll, aber machbar.
Der Autor Alexander Horn ist Associate Partner bei der international tätigen Unternehmensberatung Q_PERIOR mit Schwerpunkt Management- und IT-Beratung.
