KI (Künstliche Intelligenz) ist inzwischen für viele Versicherungsunternehmen zu einem festen Bestandteil der Digitalisierungsstrategie geworden. Das Identifizieren von geeigneten Anwendungsfeldern und -möglichkeiten ist jedoch bei einem so komplexen Thema und in der Fülle der inzwischen auf dem Markt existierenden Lösungen keine leichte Aufgabe und stellt Versicherer sowie Change-Manager kontinuierlich vor Herausforderungen. Daher stellen wir im Folgenden die aktuellen Top 5 KI-Use Cases im Schadenmanagement vor, die Bitkom in ihrem Trendreport Insurance identifiziert.
KI im Schadenmanagement
Zwar ist das Thema KI und ihre Anwendungsmöglichkeiten sowohl innerhalb als auch außerhalb der Versicherungsbranche seit längerem präsent, aufgrund der teilweise explosionsartigen und innovativen Entwicklungen ist es jedoch überaus relevant, hier kontinuierlich informiert zu bleiben und geeignete Anwendungsfälle frühzeitig zu evaluieren und potenzielle Innovationschancen ebenso zeitnah zu identifizieren.
Bitkom KI Trendreport Insurance
Der KI Trendreport Insurance von Bitkom befasst sich daher konkret näher mit der Identifikation von Bereichen entlang der Versicherer-Wertschöpfungskette, in denen der Einsatz von KI und maschinellem Lernen besonders erfolgversprechend ist.
Im Rahmen eines moderierten Expertengesprächs wurden potenzielle Use Cases im Bereich KI identifiziert, die von den Experten als besonders relevant eingeschätzt werden. Die Anwendungsmöglichkeiten wurden dabei entlang der Faktoren Nutzenpotenzial und Reifegrad beurteilt, um sowohl einen Blick darauf zu ermöglichen wie relevant der Use Case für die Versicherungsindustrie sein kann als auch darauf, wie weit fortgeschritten Entwicklungen in diesem Bereich bereits sind.
Den dort identifizierten Use Cases im Bereich Schadenmanagement, die wir im Folgenden kurz vorstellen, wird dabei sowohl ein hohes Nutzenpotenzial als auch ein fortgeschrittener Reifegrad zugeschrieben. Abgesehen von der Betrugserkennung die in beiden Kategorien als am fortgeschrittensten abschneidet, ist bei der folgenden Aufzählung zu beachten, dass die Use Cases sehr eng beieinander liegen und jeweils in einem der beiden Bereiche etwas stärker eingeschätzt werden. Das Ranking der Cases ist daher als qualitativer Überblick über die relevantesten Entwicklungen zu verstehen und nicht als quantitative Einschätzung.
Top 5 potenzielle KI-Use Cases im Schadenmanagement
Betrugserkennung
Durch die Digitalisierung des Schadenprozesses liegt eine Fülle an Daten vor. Durch maschinelles Lernen und KI-Einsatz ermöglichen diese Daten das automatisierte Erkennen von Betrugsmustern beim Eintreffen neuer Schadenfälle. Dies kann sowohl zu einer effektiveren Identifizierung von Verdachtsfällen als auch zu einer schnelleren und effizienteren Bearbeitung von Schadenfällen verhelfen.
Automatisierte Deckungsprüfung und Schadenanlage
Um den manuellen Aufwand einer Deckungsprüfung im Schadenfall zu verringern, kann ein gemeldeter Schaden anhand von Klassifikatoren in einem strukturierten Vergleich automatisch dem richtigen versicherten Risiko und sogar dem korrekten Vertrag zugeordnet werden. Eine automatisierte Textanalyse zur Extraktion von Versicherungsobjekt und Schadenursache kann die Deckungsprüfung und -zusage und eine daran anschließende automatisierte Schadenanlage erleichtern.
Echtzeit Informationserfassung (Frage- und Antwort-Service) bei der ersten Schadenmeldung (FNOL)
Gezielte Fragen, die die richtigen Informationen zur richtigen Zeit sammeln, sorgen für eine schnelle und effiziente Schadensteuerung. Zum Beispiel einfach skalierbare Chatbots oder Webforms können hier helfen, Schäden strukturiert aufzunehmen und die Kommunikation mit Kund:innen zielführend(er) zu gestalten.
Automatisierte Reparaturkosten-Schätzung
Deep Learning ermöglicht eine automatisierte Bildverarbeitung im Schadenfall. Durch den anschließenden Abgleich mit einer großen Datenmenge an Vergleichsschäden und dem Wegfallen zeitintensiver Gutachten-Terminvereinbarungen kann eine Reparaturkostenschätzung schnell erhalten werden. Dies kann sowohl Prozesse beschleunigen als auch das Kundenerlebnis verbessern.
KI zur Regulierung von Kfz-Schäden
Durch automatisierte Fotoerkennung aus einem einer Schadenmeldung angehangenen Foto kann beispielsweise der exakte Fahrzeugtyp ermittelt werden, woraufhin eine KI dann sowohl sichtbare Beschädigungen identifizieren als auch nicht sichtbare Beschädigungen prognostizieren kann. Unter Berücksichtigung jeweils betroffener Teile und lokaler Arbeitskosten kann dann die voraussichtliche Schadenhöhe schnell ermittelt werden.
Fazit
Es lässt sich zweifelsfrei festhalten: Im Bereich Schadenmanagement tut sich einiges mit Blick auf KI und die Anwendungsmöglichkeiten sind sowohl vielfältig als auch potenziell sehr nutzbringend. Natürlich ist die Liste der hier genannten Use Cases keinesfalls vollständig und nur ein erster Blick hinter die Möglichkeiten, die maschinelles Lernen, Automatisierung und KI im Bereich Schadenmanagement eröffnen. Sie verdeutlicht aber die Vielfalt der Einsatzmöglichkeiten und das Potenzial, dass KI in allen Bereichen entlang des Schadenprozesses eine wichtige Rolle spielen kann und dies wahrscheinlich auch tun wird. Wir sind gespannt, wie sich die Branche weiter dem Digitalisierungstreiber KI annähern wird und freuen uns, diese Entwicklungen aktiv mitzugestalten.
Hier finden Sie den Bitkom KI Trendreport Insurance: https://www.bitkom.org/Bitkom/Publikationen/KI-Trendreport-Insurance
