Künstliche Intelligenz bei Ergo AI Factory entwickelt Use Cases von der Idee bis zur Geschäftsprozess-Integration

Autor / Redakteur: lic.rer.publ. Ariane Rüdiger / Nico Litzel

Die Nutzung intelligenter Algorithmen im Tagesgeschäft nimmt gerade erst Fahrt auf. Oft erweiset sich die Integration in die Kerngeschäftsprozesse als knifflig. Dieser Herausforderung begegnet die Ergo-Versicherungsgruppe mit einer AI Factory.

Firmen zum Thema

Der Workflow der AI Factory bezieht die Operationalisierung von KI-Algorithmen ein.
Der Workflow der AI Factory bezieht die Operationalisierung von KI-Algorithmen ein.
(Bild: Ergo)

Wenn intelligente Algorithmen im alltäglichen Geschäftsablauf etwas nützen sollen, müssen sie in die Kerngeschäftsprozesse integriert werden. Doch genau dies erweist sich oft genug als schwierig.

Die Ergo-Versicherungsgruppe versucht, diese Herausforderungen seit 2016 durch den Aufbau einer zentralen AI Factory zu bewältigen. Diese Einheit ist dem Geschäftsbereich Digital Ventures unter der Leitung des Ergo Group Chief Digital Officer zugeordnet. Die 16 Mitarbeiter und Mitarbeiterinnen, die von Anfang an dabei waren, kamen teilweise aus internen Bereichen, größtenteils wurden sie aber außerhalb des Unternehmens angeworben.

Felix Wenzel, Head of Data Engineering, Ergo Digital Ventures AG: „Wir wollen das manufakturartige Arbeiten in der Modellentwicklung überwinden.“
Felix Wenzel, Head of Data Engineering, Ergo Digital Ventures AG: „Wir wollen das manufakturartige Arbeiten in der Modellentwicklung überwinden.“
(Bild: Ergo)

Die Belegschaft setzte sich, und das ist ungewöhnlich, gleich von Anfang an etwa zur Hälfte aus Data Engineers und Data Scientists zusammen. „Ganz zu Anfang ging es vor allem um die Entwicklung geeigneter Modelle, beispielsweise für Themen wie den Net Promotor Score, Kündigungsvorhersagen oder aber die Analyse natürlicher Sprache“, erinnert sich Felix Wenzel, Head of Data Engineering, Ergo Digital Ventures AG.

Damals wurden erst einmal Daten beschafft und Modelle gebaut, die zu validen Prognosen führten und funktionierten. Erst im zweiten Schritt ging es auch um die Integration dieser Modelle in die reale IT. Ab 2017 gelangen aber erste einfache Operationalisierungen, etwa die Erstellung von Listen oder Handreichungen, die auf den Analysen mit den generierten Modellen beruhten.

Aller Anfang ...

Anschließend begannen die Spezialisten aus der zentralen Advanced-Analytics-Einheit basierend auf der AI Factory komplexe Modelle in die IT-Architektur und die Kerngeschäftsprozesse einzubauen. Das war angesichts der vielen Legacy-Anwendungen und -Systeme, wie sie typisch für ein Versicherungsunternehmen sind, nicht ganz einfach, denn die neuen, intelligenten Algorithmen arbeiten in der Regel in Cloud-Native-Umgebungen.

Der Aufwand der IT-Implementierung lag deshalb bei rund 60 Prozent des gesamten Projektaufwandes, die Verarbeitung der domänenspezifischen Informationen bei einem Viertel und nur 15 Prozent entfiel auf die eigentlichen Modelle. „Wir wollen das manufakturartige Arbeiten bei der Entwicklung der Modelle und der Integration ablösen“, sagt Wenzel.

Rolf-Mertens, Head of Advanced Analytics bei Ergo Digital Ventures AG: „Bei unserer Arbeit geht es vor allem um ein besseres Kundenerlebnis.“
Rolf-Mertens, Head of Advanced Analytics bei Ergo Digital Ventures AG: „Bei unserer Arbeit geht es vor allem um ein besseres Kundenerlebnis.“
(Bild: Ergo)

Ziel der AI Factory war es deshalb, den Integrationsaufwand durch Blaupausen zu verringern, die sich später in vielfältigen Anwendungen würden verwerten lassen. Deshalb wurde ab 2018 das Team auf dann 27 Mitarbeiter und Mitarbeiterinnen vergrößert. „Darunter sind auch sogenannte Enablement Manager, Spezialisten, die ein Projekt von Anfang an und bis zur IT-Integration begleiten“, erklärt Rolf Mertens, Head of Advanced Analytics bei Ergo Digital Ventures AG.

Anfragen aus den Fachbereichen

Dabei legt sich die AI Factory nicht auf eine bestimmte Art von AI-Algorithmen fest, sondern nutzt, was der jeweiligen Aufgabe angemessen ist. Die Ideen und Anfragen kommen oft aus den Fachbereichen. Anschließend folgt eine umfangreiche Machbarkeitsanalyse, die neben der Datenakquise auch abcheckt, ob die Erwartungen, die an die Lösung gestellt werden, überhaupt realistisch eingeschätzt werden. Weitere Aspekte sind Datenschutz und Compliance, Ethik und der Aufwand der Datenaufbereitung.

Erst dann beginnt die konkrete Arbeit. Dabei befassen sich die Data Engineers mit den oft erforderlichen komplexen Datentransformationen und anderen programmiernahen Tätigkeiten. Sie arbeiten mit Tools wie Python, Scala oder Spark. Haben sie ihre Arbeit erledigt, können die Data Scientists ihre Modelle auf einem sehr guten Datenfundus aufbauen und trainieren. Anschließend muss der jeweilige Fachbereich das Ergebnis der bisherigen Entwicklungen freigeben. Erst dann geht es an die Operationalisierung. Sie bedeutet vor allem die Echtzeitanbindung über APIs zwischen den vorhandenen Systemen und der cloudbasierten AI Factory.

Die Anbindung der dafür nötigen APIs ist oft nicht ganz einfach. Besonders wenn es sich um weniger integrationsfreundliche Fachanwendungen mit einer langen Geschichte handelt, sind viele Detailüberlegungen nötig, etwa zu Syn- oder Asynchronität der Aufrufe, zu den nötigen Antwortzeiten und so weiter.

„Mit unserem Modell erschließen wir den vorhandenen Datenschatz zentral und unabhängig von den jeweiligen Fachanwendungen“, sagt Mertens. Dann sei die KI unabhängig davon, welche Systeme die Fachbereiche verwenden – anders als bei Lösungen, die die KI direkt in die Fachprozesse integrieren. Denn das bedeutet, dass jede Veränderung an ihnen auch die KI direkt betrifft.

Zahlreiche Ideen

Am Anfang startete das Team der AI Factory mit 160 Ideen. Aus ihnen sind inzwischen zehn realisierte Projekte und weitere 20 in Arbeit geworden. Inzwischen werden über die AI Factory auch Lösungen für die ausländischen Ergo-Gesellschaften, etwa in Belgien und Österreich, entwickelt. Weil es so viele Fachprozesse in der Versicherungsgruppe gibt, wird dem Team die Arbeit wohl nicht so schnell ausgehen.

Die erste Anwendung, die live ging, war Ende 2018 eine E-Mail-Klassifikation für den Standort Nürnberg. Sie sollte Fehlläufer reduzieren. In Nürnberg gehen pro Jahr etwa 300.000 Mails ein. Von diesen wurden vor der Einführung des Klassifikators rund 60 Prozent im ersten Schritt richtig zugestellt. Heute sind es etwa 90 Prozent, der Anteil der falsch zugestellten Mails hat sich also um drei Viertel verringert – von 40.000 auf 10.000. Mit Blick auf die zwischen 60.000 und 80.000 Dokumente, die täglich im Eingangsmanagement der Ergo am Standort Düsseldorf eingehen, war dies ein wichtiger Zwischenschritt. Schrittweise wird der Anwendungsfall nun ausgebaut – dank des AI-Factory-Ansatzes skaliert die Lösung.

Plausibilitätsprüfung von Arztrechnungen

Ein anderes Beispiel ist die Plausibilitätsprüfung von Arztrechnungen der privaten Krankenversicherung DKV vor der Erstattung: Eingehende Rechnungen der Kunden werden mittels eines neuronalen Netzes dahingehend überprüft, ob in ähnlichen Fällen automatisch eine volle Erstattung stattgefunden hat. Falls ja, haben die Kunden ihr Geld erheblich schneller als bisher.

Unklare Fälle wandern zu den Mitarbeitern der Leistungsabteilungen zur individuellen Prüfung der Ansprüche. Fälle, in denen unter Umständen weniger als der volle Betrag erstattet werden könnte, entscheidet letztlich in jedem Fall ein menschlicher Mitarbeiter. „Wir arbeiten sehr eng mit dem Betriebsrat zusammen, binden ihn vor jedem neuen Anwendungsfall ein“, betont Mertens.

Ein drittes Exempel ist die Bearbeitung von Ansprüchen auf Krankentagegeld. „Früher mussten wir hier nach einer gewissen Zeit eher zufällig auf die Kunden zugehen, um nachzusehen, ob sie noch krank waren oder vielleicht einfach vergessen hatten, sich bei uns wieder abzumelden“, erklärt Wenzel. Heute prognostiziert ein intelligenter Algorithmus, ob es überhaupt wahrscheinlich ist, dass ein Patient in seiner individuellen Situation schon wieder gesund sein könnte. Nur wenn die Prüfung positiv ausfällt, wendet sich die Versicherung an die Betreffenden. „Das erspart den Patienten unnötige Besuche der Versicherung und der Versicherung im Jahr siebenstellige Beträge“, sagt Mertens.

Weitere Themen, an denen gearbeitet wird, sind die Automatisierung des gesamten Eingangsmanagements, eine bessere Kundenbindung, die Vermeidung von Kündigungen oder die Vertriebsunterstützung, etwa durch Vorschläge, was die Kunden angesichts etwa einer veränderten Lebenssituation noch brauchen könnten.

Fazit

Durch das ganzheitliche Konzept einer zentralen AI Factory kann Ergo heute KI-Modelle innerhalb von vier Wochen integrieren und somit in den Produktivbetrieb gehen. Normalerweise dauert die Konzeption und Umsetzung eines neuen IT-Prozesses bis zu einem halben Jahr. Die Verzahnung mit den Fachbereichen und anderen Interessenträgern im Unternehmen ist eng. Deshalb steigt auch die Akzeptanz der KI-Technologien bei Ergo. Mertens: „Bei unserer Arbeit geht es vor allem um ein besseres Kundenerlebnis.“

(ID:47471088)

Über den Autor

lic.rer.publ. Ariane Rüdiger

lic.rer.publ. Ariane Rüdiger

Freie Journalistin, Redaktionsbüro Rüdiger