Machine Learning für Versicherer: Automatisch Fehler vermeiden

Die Versicherungswirtschaft mit ihren riesigen Datenbeständen und vielfach standardisierten Abläufen gehört definitiv zu den Profiteuren der künstlichen Intelligenz: Laut einer Studie von Cap Gemini Consulting (2019) bestätigten 34 Prozent der Befragten aus Versicherungsunternehmen den Einsatz künstlicher Intelligenz (KI) im operativen Bereich.

Bevorzugt eingesetzt wird KI laut Untersuchungen des Marktforschungs- und Beratungshauses Forrester Research für ein effizienteres Management von Prozessen und im Bereich Customer Engagement. Wenn Versicherer hier jedoch messbare Erfolge erzielen wollen, brauchen sie einen abteilungsübergreifenden Datenfluss, der es erlaubt, in kürzester Zeit und automatisiert hochdetailliertes Wissen über Kunden zu generieren. Anschließend sind diese Erkenntnisse in gezielte Marketing-Aktionen zu überführen, die einen aktuellen Bedarf treffen.  

Mit Machine Learning Plattformen wie BSI Brains, die aus der Verarbeitung und Analyse großer Mengen historischer und Echtzeit-Daten lernen, sind aber auch noch andere Use Cases denkbar. BSI Brains setzt auf der Marketing Automation Plattform BSI Studio auf, mit der Versicherer ihre Kundenkommunikation personalisiert an Lebensereignissen ihrer Kunden ausrichten können. So profitieren Versicherer von einer hoch personalisierten und automatisierten Kundenkommunikation, optimieren ihre Abläufe und eröffnen sich den Zugang zu neuen Geschäftsmodellen:  

• Reduzierung der Churn Rate: Die Systeme trainieren mit den riesigen Datenmengen der Versicherer und lernen mit der Zeit, Muster zu erkennen. Wenn also ein Kunde bereits mehrere Beschwerden beim Versicherer platziert hat, könnte dies darauf hindeuten, dass er absprunggefährdet ist. Eine proaktive Kontaktaufnahme durch den Versicherer oder den Vermittler hinterlässt einen positiven Eindruck und stärkt die Kundenbindung.  
• Up- und Cross-Selling: Über die Analyse von Kundendaten und Interaktions-Historien lässt sich die Versicherungssituation von Kunden prüfen und zusätzlicher Bedarf ableiten. Auf dieser Grundlage kann der Versicherer dem Kunden dann neue Produkte vorschlagen.
• Schadensmanagement: Durch Mustererkennung in aktuellen und historischen Daten sind berechtigte Forderungen, aber auch Versicherungsbetrug schneller identifizierbar. Durch Analysen historischer Daten in Kombination mit Bilderkennung können Versicherer außerdem die Schwere von Schäden – beispielsweise nach Unwettern – und Reparaturkostenschätzungen automatisch schneller ermitteln.
• Individuelle Versicherungslösungen und Aufbau von Ökosystemen: Die Digitalisierung hat in zahlreichen Branchen flexible Nutzungsmodelle entstehen lassen und den Mindset der Verbraucher dadurch verändert. Darauf muss auch die Versicherungsbranche reagieren, etwa mit nutzungsbasierten Versicherungen mit flexibler Laufzeit, und dem Aufbau von Ökosystemen in Kooperation mit Unternehmen anderer Branchen. So bieten etwa die Basler Versicherungen gemeinsam mit dem Schweizer Einrichtungshaus Pfister Kunden einen exklusiven Versicherungsschutz für alle bei Pfister gekauften Möbel, und zwar für einen Zeitraum von vier Jahren. Die Ansprache der Kunden, bei denen ein Bedarf identifiziert wurde, erfolgt über BSI Studio.
• Underwriting und Risikobewertung: Bislang je nach Versicherungsfall ein relativ komplexer Prozess, lassen sich auf Basis historischer Transaktionsdaten Risiken schneller und solider bewerten als bei manueller Bearbeitung .

Daneben lassen sich mit BSI Brains noch weitere Use Cases umsetzen, die individuell auf den Kunden abgestimmt sind. In jedem Fall haben Versicherer mit Machine Learning die Chance, ihre Kunden mit personalisierten Angeboten zu überzeugen, einen signifikanten Vorsprung im Markt zu gewinnen – und dem Drohpotenzial der Insurtechs eine klare Absage zu erteilen.

Autor: Oliver Hechler, Insurance Community Manager bei BSI