Kommentar von Laurent Dubois, Moonshot Insurance Big Data macht Versicherungen wieder menschlich

Anbieter zum Thema

Disy Informationssysteme GmbH

Laika Communications GmbH

Von der Schadensmeldung bis zur Erstattung vergehen oft Monate. Und das kann Unternehmen, aber auch Privatpersonen, dazu bringen, uninformierte und möglicherweise teure Entscheidungen zu treffen. Doch die Digitalisierung hat nun auch in der Versicherungsbranche Einzug gehalten.

Stornierungen in letzter Minute, Unfälle oder Produktschäden sind eben Teil des Lebens. Problem: Die langen Telefonate mit der Versicherung und dem Customer Support rauben täglich viel Zeit und Energie. Das hilft keinem und vor allem nicht, das Vertrauen von Kunden und Kundinnen zu gewinnen. Dieser Ärger ist wirklich nicht nötig, wenn das Unternehmen in der Lage ist, Risiken vorherzusehen und damit pro-aktiver zu helfen. Mit dem Einsatz von Embedded Insurance Technologie auf Basis von Künstlicher Intelligenz bzw. Datenanalysen schaffen Versicherungsunternehmen also mehr Raum für bessere Beratung und Kundensupport. Die Technologie rückt den Menschen wieder ins Zentrum der Versicherung.

Big Data nimmt eine Menge Arbeit und Sorgen weg

Durch selbstlernende Maschinen und Künstliche Intelligenz wird die Versicherungsbranche viel komplexer und intuitiver. In diesen drei besonderen Bereichen kann Big Data großes leisten:

• 1. Durch Datenanalysen können Versicherungsunternehmen das Risiko besser einschätzen und ihre Angebote entsprechend anpassen. Die Idee ist, von der traditionellen Preisliste wegzukommen und Angebote auf den Kontext des Kunden zuzuschneiden. Zum Beispiel, wenn ein Kunde oder eine Kundin einen Flug bucht. Nicht alle Flüge sind dem gleichen Stornierungs- oder Verspätungsrisiko unterworfen. Hat die Versicherung Zugang zur Flughistorie, kann sie diese analysieren und genau einschätzen, ob ein hohes Ausfallrisiko besteht oder nicht. Das Preis-/Risikoverhalten kann also auf der Grundlage spezifischer Daten und Kundenkontexte ausgewertet werden.

• 2. Diese Technologie kann ebenfalls Betrugsfälle besser erkennen. Hier kann eine Datenanalyse Verhaltens- und Schadensmuster erkennen und dementsprechend agieren. Nehmen wir die Versicherung für Smartphone-Displays als Beispiel: Bildschirmbrüche kommen häufig vor – bei einigen allerdings regelmäßiger als bei anderen. In diesem Fall kann der versicherte Bilder machen und an seine Versicherung schicken. Diese kann beispielsweise den Bruch auf dem Display des Kunden vermessen und mit einer Unmenge von zugänglichen Fotos von anderen gebrochenen Displays abgleichen, da diese Brüche wie Fingerabdrücke individuell sind. Automatische Bilderkennung und Analyse von internen und externen Datenbanken machen Betrug nahezu unmöglich und sorgen für eine hohe Kundenzufriedenheit durch extrem verkürzte und voll automatisierte Arbeitsprozesse.

• 3. Schließlich erfordert das Reklamationsmanagement bekanntlich viel Engagement von Mitarbeitern und Kunden wie Formulare ausfüllen, abschicken, PDF prüfen, Bilder anschauen und so weiter. All diese Schritte können durch den Einsatz von maschinellem Lernen und Datenanalyse (OCR, automatische Extraktion von Informationen aus der Rechnung, automatische Analyse von Bildern und Videos) deutlich vereinfacht werden. Der Algorithmus reduziert den Personalaufwand für die Bearbeitung von Reklamationen, was wiederum zu geringeren Kosten und sofortigen Ergebnissen führt. Das macht es für Kunden viel einfacher und komfortabler, den Prozess durchzugehen.

Ein weiterer Vorteil ist, dass Versicherungen dank der Analyse der Datenhistorie im Schadensfall in Echtzeit und proaktiv im Sinne ihrer Kunden handeln können.

Zwischen Bot und Mensch

Das ist immer die große Frage: Wird die Maschine den Menschen ersetzen? Kunden vertrauen immer noch stark auf die persönliche Beratung. Daher sollte das Ziel eher sein, den Menschen zu ergänzen. Die gute Nachricht ist, dass die Akzeptanz für diese Technologie wächst. Vor allem bei den operativen Teams, die diese Technologie stark vorantreiben, weil sie ihnen viel Zeit und Geld spart. Allerdings ist der Mensch nie weit weg, wenn man sich nicht allein auf die Automatisierung verlassen kann. Das ist den Kunden immer noch sehr wichtig.

Die richtige Balance zwischen Bot und Mensch müssen wir aber noch finden. Es gibt Bereiche, in denen das volle Potenzial von Big Data noch lange nicht ausgeschöpft ist. Im Beschwerdemanagement zum Beispiel: Die Prozesse werden dort oft noch manuell und traditionell durchgeführt. Es gibt noch viel Raum nach oben, um Kundinnen und Kunden einen reibungslosen und effizienten Prozess zu bieten, wenn sie es am meisten brauchen.

Um einen leistungsfähigen und effizienten Algorithmus zu erstellen, benötigt man eine Menge an Daten. Aber das ist noch nicht alles. Bilderkennungs-Modelle zum Beispiel müssen mit allen möglichen Szenarien trainiert werden. Das kostet natürlich am Anfang etwas Zeit, um die Datenbank auf das gewünschte Leistungsniveau zu bringen. Wenn ein Algorithmus-Modell gut trainiert ist, ist es in den meisten „normalen“ Fällen korrekt. Aber wenn eine Situation außerhalb der Norm liegt, kann ein Modell auch mal falsch liegen oder einen blinden Fleck haben. In diesem Fall muss ein Mensch eingreifen und ein gutes Urteilsvermögen haben. Bots werden immer besser darin, Probleme zu lösen, aber wenn sie keine zufriedenstellenden Antworten geben können, kann es frustrierend werden. Aus diesem Grund müssen Menschen und Bots zusammenarbeiten.

Im Mittelpunkt steht die Kundenbeziehung

Die Fähigkeit, Daten in Echtzeit zu analysieren und Risiken vorzubeugen, ist eindeutig der größte Mehrwert für die Zukunft des Marktes. Denn die Automatisierung hilft den Versicherungsunternehmen tatsächlich, besser auf die Bedürfnisse der Kundinnen und Kunden einzugehen und einen besseren Service zu bieten. Datentrends können vorhersagen, welcher Versicherungstarif angemessen ist, abhängig von der Einschätzung seines Verhaltens und seines Risikograds. Das stärkt die Beziehung zwischen Versicherer und Versichertem und macht den Versicherungsschutz leichter zugänglich.

Der technologische Fortschritt wird diese Datenmodelle in Zukunft noch nützlicher und relevanter machen. Data Science ist ein junges Feld und wir sehen da viel Potenzial für die Versicherungsbranche, Die Algorithmen werden mit der Zeit angepasst und aktualisiert. Außerdem wird die Speicherkapazität zunehmen, sodass es einfacher sein wird, größere Modelle auf größeren Datensätzen zu trainieren, was wiederum das Kundenerlebnis verbessert.

Fazit

Im Markt geht es nicht mehr darum, Schäden zu verwalten, sondern sie so früh wie möglich zu erkennen und zu verhindern. Durch den Einsatz von Big Data im Abwicklungsprozess kann die Versicherung jederzeit und dann genau dort versichern, wo es nötig ist. Und das wird in Zukunft umso wichtiger, je öfter neue Risiken wie Cyberattacken (Identitätsdiebstahl, Server-Hacking, usw.) oder Umweltkatastrophen auftreten. Es ist nicht mehr zu übersehen, dass traditionelle Versicherungsunternehmen keine andere Wahl mehr haben, als neue Technologien einzusetzen. Denn mit der steigenden Zahl von Schäden und den sich ständig ändernden Marktanforderungen können alte Produkte und manuelle Verfahren nicht mehr mithalten. Hinzu kommt, dass sich die InsureTech-Szene selbst ins Rampenlicht gerückt hat und die Branche weiter vorantreibt.

(ID:47616900)