Chancen und Grenzen von künstlicher Intelligenz in der Versicherung

Was wir unter den aktuellen Einsatzszenarien von künstlicher Intelligenz verstehen, ist eine sogenannte „schwache KI“. Sie ist also nicht in der Lage, menschliches Verhalten nachzuahmen, sondern besitzt Spezialfähigkeiten in eng begrenzten Feldern. Von „starker KI“ würden wir sprechen, wenn diese Spezialfähigkeiten durch ein Bewusstsein oder selbstständiges Denken ergänzt werden. Davon sind wir aber noch weit entfernt.

Grundsätzlich können folgende Arten von KI unterschieden werden:

• visuelle Intelligenz (Bilderkennung)
• sprachliche Intelligenz (semantisches Erkennen von gesprochener und geschriebener Sprache)
• Sprachen-Intelligenz (Übersetzung in andere Sprachen)
• wissensbasierte Intelligenz (Analyse großer Datenmengen)

In jedem dieser Fälle greifen KI-Module auf Basis von Machine-Learning-Technologien auf bestehende Daten zu, bilden hierüber Wahrscheinlichkeiten in Modellen ab und verbessern diese durch neuen Input ständig weiter. Der fundamentale Unterschied zur klassischen Programmierung besteht hierbei darin, dass nicht ein bestimmter Ablauf in einem fest definierten Rahmen programmiert wird, sondern dass die KI-Modelle angeleitet werden selbstständig etwas zu lernen (z. B. wie sieht ein malignes Melanom aus), um dann unbekannte Daten (neue Bilder) anhand dieser Eigenschaften zu analysieren und zu bewerten.

Aktuelle Einsatzszenarien in der Versicherung

Künstliche Intelligenz wird kurz- bis mittelfristig in jede Applikation und in jeden Geschäftsprozess Einzug halten. Die Versicherung – mit ihrer schon immer datenbezogenen Arbeitsweise – eignet sich perfekt für eine Prozessoptimierung durch KI. Hierbei werden häufig verschiedene KI-Typen miteinander verknüpft (z. B. visuelle und wissensbasierte Intelligenz), um zu optimalen Ergebnissen zu gelangen.

Um sich auf den Einsatz von KI in ihrem Unternehmen vorzubereiten, sollten Unternehmen bereits heute damit anfangen, sich mit dieser Technologie vertraut zu machen. Hierdurch können erste Erfahrungen gesammelt und einige kleinere Erfolge erzielt werden. Entscheidend ist hierbei nicht die signifikante Prozessverbesserung, sondern der Aufbau von Fähigkeiten im Unternehmen für KI und Machine Learning. Erste Anwendungszenarien sind beispielsweise: ein interner Chatbot, Reduzierung der False Positives im Fraud-Management, schnellere Dokumentenverarbeitung sowie die Unterstützung im Sinne von Next-best-Action im Kundenservice oder in „Pay-as-you-live“-IoT-Szenarien.

Möglichkeiten und Grenzen für den Einsatz von KI

Der eigene Reifegrad in der Organisation für die Nutzung von KI-Technologien ist eine wichtige Ausgangsbasis für den Einsatz der Technologie. Hier sollte sorgfältig betrachtet werden, welche KI-Skills im eigenen Hause vorhanden sind, um darauf aufbauend eine KI-Roadmap zu formulieren. Auch interne Prozesse müssen genau betrachtet werden: Bei welchen lohnt sich ein Einsatz von KI und welche können durch bestehende Lösungen besser umgesetzt werden?

Weiterhin kann die eingesetzte künstliche Intelligenz nicht autonom betrieben, sondern muss weiter kontinuierlich begleitet werden. „Lernt“ die KI „falsche“ Ergebnisse, so werden diese auch durch das KI-System immer wieder reproduziert. Hier ist auf ein sorgfältiges „Training“ der Modelle und eine regelmäßige Überprüfung der Ergebnisse zu achten.

Schlussfolgerung

Die Einsatzmöglichkeiten der KI sind – insbesondere in der Versicherung – nahezu unbegrenzt. Künstliche Intelligenz wird die Versicherung bei komplexen Abkäufen im Underwriting, in der Kundeninteraktion sowie im Asset- und Risikomanagement unterstützen. Unternehmen sollten sich bereits heute mit dieser Technologie beschäftigen, um sich auf einen späteren großflächigen Einsatz im Unternehmen vorzubereiten.

*Quelle: AssCompact Deutschland; gekürzt durch Redaktion Österreich