Künstliche Intelligenz in der Assekuranz

Intelligenz ist die Fähigkeit, sich in neuen Situationen zurecht zu finden und sinnvolle Entscheidungen zu treffen. Künstliche Intelligenz, hier nicht nur auf Deep Learning eingeschränkt, verspricht eine Weiterentwicklung der menschlichen Entscheidungsfindung mit Hilfe maschinellen Lernens. Sie ermöglicht die Fortsetzung der Automatisierung: Wo bisher einem Computer explizit Entscheidungskriterien vorgegeben werden mussten, „sucht“ er sich beim maschinellen Lernen selbst die richtigen Kriterien, um Entscheidungen so treffen zu können, wie es erfahrene Menschen tun würden. Solche Methoden erlauben es immer häufiger, komplexere Entscheidungen dunkel zu verarbeiten – abhängig davon, welche Daten zum Lernen vorliegen und ob die Regulierung es erlaubt. Ein Gastbeitrag von Dr. Alexander Bernert, Head of Innovation and Market Management Zurich.

Die Achillesferse der heutigen Algorithmen ist ihr Bedarf an großen Datenmengen. Denn nur durch große Mengen Trainingsdaten können die Systeme weiter lernen. Menschen können schon aus sehr kleinen Datenmengen allgemeinere Schlüsse korrekt ableiten. Machine Learning Algorithmen jedoch neigen in solchen Fällen zu übermäßiger Spezialisierung. So werden Einzelfälle zwar präzise reproduziert, aber schon kleine Abweichungen führen häufig zu falschen Entscheidungen. Die Herausforderung besteht darin, die für das Training erforderlichen Daten zu sammeln und verfügbar zu machen. Im Vergleich dazu sind Algorithmen selbst heute nicht mehr das zentrale Problem: Es gibt bewährte Modelle, beispielsweise Plattformen wie Kaggle, auf denen man Dritte im Wettbewerb Algorithmen entwickeln lassen kann.

Anwendungen Künstlicher Intelligenz sind daher vor allem für die Automatisierung von komplexen und nicht regelbasierten Entscheidungen geeignet. Beispiele dafür sind Indexierung und Routing eingehender Post, Betrugsvorprüfung in der Schadenbearbeitung und die Optimierung des Pricing. Das sind Entscheidungen, die im Ablauf von Massenprozessen häufig genug getroffen werden müssen, bei denen regelbasierte Systeme den Menschen jedoch nicht umfassend ersetzen können.

Künstliche Intelligenz verändert solche Prozesse disruptiv: Das ist schon daran erkennbar, dass viele Anwendungen Payback-Zeiträume von unter einem Jahr haben. Diese Disruption führt zu Veränderungen im Verhalten von Menschen und in den organisatorischen Strukturen. Arbeitsweise und Berufsbilder ändern sich nachgelagert ebenfalls. Die neue Kultur ähnelt mehr und mehr der eines Tech-Konzerns. Extreme Beispiele dafür sind der Versicherungskonzern Ping An und der Online-Versicherer Zhong An.

Zukunft im Blick

Bei der Zurich Gruppe Deutschland verankern wir diese neuen Möglichkeiten direkt in der Organisation. In den Innovation Labs arbeiten wir intensiv an solchen Zukunftsentwicklungen, im stetigen Austausch mit der Gesamtorganisation: Das Innovation Lab für Analytics und Machine Learning (AI Lab) wird dabei gemeinsam durch General Insurance und Innovation & Market Management gesteuert, um gleichermaßen Kundenzentriertheit, Versicherungstechnik und agile Arbeitsmethodik zu verankern. Komplementär ist das Innovation Lab für Prozessdigitalisierung & Lean, das sich auf interne technische und prozessuale Fähigkeiten fokussiert. Gesteuert wird dieses Lab gemeinsam durch Claims & Operations und Innovation & Market Management und kann bei Bedarf auf die Expertise des „AI Labs“ zugreifen. Beide Labs sind durch übergreifende Arbeitskreise eng mit der gesamten Organisation verknüpft, ebenso ist das vom Innovation Management gesteuerte Mitarbeiter-Innovationsprogramm sowie externe Innovationsplattformen angebunden. Auf diese Weise entsteht in Bezug auf Künstliche Intelligenz ein Innovationsnetzwerk: Ziel hierbei ist es, dieses disruptive Thema nicht von außen, sondern von innen und aus den betroffenen Bereichen selbst zu initiieren. So können wir sicherstellen, dass Anwendungen auf die wesentlichen Bedürfnisse der Kunden, Partner, Mitarbeiter und des Unternehmens als Ganzes ausgerichtet werden.