Regressanspruch

KI entscheidet

18.01.2021
Von   IDG ExpertenNetzwerk


Stephen Voss ist Gründer und Vorstand Marketing und Vertrieb der Neodigital Versicherung AG. Er hat über 20 Jahre Erfahrung in der Versicherungswirtschaft und selbst für große Konzerne in unterschiedlichen Positionen gearbeitet. 
Ob eine Versicherung ihren Regressanspruch durchsetzt, hängt auch von der Höhe des jeweiligen Schadens ab. Lesen Sie, wie künstliche Intelligenz bei solchen Entscheidungen unterstützen kann.
Künstliche Intelligenz kann Versicherungsunternehmen dabei unterstützen, eventuell mögliche Regressfälle ausfindig zu machen und automatisch abzuwickeln.
Künstliche Intelligenz kann Versicherungsunternehmen dabei unterstützen, eventuell mögliche Regressfälle ausfindig zu machen und automatisch abzuwickeln.
Foto: Vasilyev Alexandr - shutterstock.com

Der Einsatz von Technologie hilft der Versicherung ihre Prozesse zu optimieren. Durch einen hohen Grad an Automation können sowohl die Verarbeitungsgeschwindigkeit, als auch der Service für den Kunden verbessert werden. Doch das sind nicht die einzigen Anwendungsgebiete von moderner Technik in der Verknüpfung mit künstlicher Intelligenz. Spannend wird der Einsatz von künstlicher Intelligenz (KI) vor allem in den Kernkompetenzen der Versicherer: In der Antragsannahme, dem sogenannten Underwriting und in der für die Bilanz des Versicherers so wichtigen Schadenbearbeitung und -abwicklung. Auch bei Regressfällen kommt die künstliche Intelligenz immer häufiger zum Einsatz - denn hier lässt sich der Aufwand durch den Einsatz von Technologie besonders stark reduzieren.

Die KI ist da, aber nicht überall

Die Anforderungen an künstliche Intelligenz im Underwriting von Versicherungsverträgen sind zwar komplex, aber die Programmierung einer solchen Funktion ist mit einem klaren Fokus und dezidierten Zweck umsetzbar. Die KI leistet also bereits bei Vertragsabschluss einen wichtigen Beitrag. Hier kommen im Wesentlichen regelbasierte Algorithmen zum Einsatz. Das heißt, anhand eines vorab festgelegten Regelwerks übernimmt die KI die Überprüfung bestimmter Parameter und wickelt die Annahme oder Ablehnung eines Vertrages oder die Aussteuerung aufgrund möglicher Nachfragen automatisiert im Kernsystem des Versicherers ab. Da sich das Regelwerk im Underwriting nicht permanent ändert, spricht man in diesem Fall auch von der "einfachen" KI.

Lesetipp: RPA - Prozessautomatisierung bei Finanzdienstleistern

Für die Schadenanwendungen und deren automatisierte Bearbeitung reicht diese einfache regelbasierte KI allerdings nicht mehr aus. Obwohl Schäden in der Menge ähnliche Muster aufweisen, unterliegt doch jeder Schadenfall in seiner Kategorie einer Vielzahl von unterschiedlichsten externen Faktoren. Zeitpunkt des Schadens, Witterungseinflüsse, externe schadenbeschleunigende Faktoren wie Wind oder Wasser - die Liste ließe sich beliebig lang fortsetzen.

Dennoch kann man auch die "einfache" KI als Unterstützung in diesem Bereich, beispielsweise für die Bestimmung der Schadenkategorie, verwenden. Eine erste automatische Zuordnung kann auf diesem Weg erfolgen:

  • Die KI erkennt z. B. automatisch Wasserschäden oder Brandschäden, da eine dafür notwendige Zuordnung zu Schadenklassen entlang gegebener Informationen in einem primären Schritt bestimmt werden können.

  • Anschließend könnte sie die Art des Schadens und die Schadenhöhe ermitteln und idealerweise bereits die Schadenerstreserve setzen bzw. erste schadenmindernde Aktionen einleiten, wie die automatisierte Beauftragung eines passenden Dienstleisters.

  • Auch kann die KI dem Kunden direkte Hinweise und individuell an die jeweilige Schadensituation angepasste Informationen an die Hand geben oder konkrete Handlungsvorschläge machen, um eine schnelle und abschließende Schadenbearbeitung zu gewährleisten.

Für diesen Zweck kommt als nächste Evolutionsstufe eine Form von KI und Machine Learning zum Einsatz, die meist als "Mustererkennung" bezeichnet wird. Die KI übernimmt die weitere Sortierung des Schadens durch Mustererkennung und entlastet somit den Schadenprozess von manueller Arbeit. Damit gelangt der Schaden viel schneller und ohne menschliches Zutun auf die nächste Entscheidungsstufe. Das wirkt sich positiv auf die Qualität und das Schadensystem aus. Durch mehr Daten und durch konsequente Überprüfung dieser Muster lernt das System zukünftige Schadenkategorien immer besser und präziser zu bestimmen. Damit steigt die Effektivität der Schadenbearbeitung und die Fallzahl ausgesteuerter Schäden aufgrund einer unklarer Datenlage sinkt erheblich. Die so frei gewordenen Ressourcen können die Unternehmen in beratungsintensivere Aufgaben, welche die Expertise eines menschlichen Mitarbeiters erfordern, investieren.

Lesetipp: Was Sie über Maschines Lernen wissen müssen

Nur wer erkennt, kann handeln

Ein wichtiger und nicht zu unterschätzender Einsatzbereich von KI ist auch die Betrugserkennung. Betrugsversuche sind gerade in Versicherungsunternehmen keine Seltenheit. Ob vorsätzlich oder nicht spielt dabei für den entstandenen Schaden eine untergeordnete Rolle. Diese Versuche zu erkennen war und ist eine Schlüssel-Expertise von Versicherungsunternehmen und wurde bislang maßgeblich durch die Erfahrung und Routine des Schadensachbearbeiters gesteuert. Hier setzt die KI an und analysiert in einem ersten Schritt die Schadenmeldung durch ihre Texterkennung. Diese Anwendungen werden auch als Natural Language Processing (NLP) bezeichnet. Man versteht darunter die Verarbeitung der menschlichen Sprache durch ein Computerprogramm. Dabei werden Informationen gewonnen, indem die Sprache entlang von Regeln und Mustern kategorisiert wird. Hier gibt die KI mittels NLP nicht an, ob es sich tatsächlich um Betrug handelt, sondern sie erstellt zunächst ein Scoring, dass entlang der programmierten und erlernten Regeln (durch kontinuierliche Feedbackschleifen) entsteht. Dieses ergibt eine Wahrscheinlichkeit, anhand derer das Versicherungsunternehmen - idealerweise automatisiert - entscheidet, ob eine bestimmter Schadenfall tiefer analysiert werden soll oder nicht. Die erste Ebene der KI-Analyse betrifft also den Text des möglicherweise zu Unrecht eingereichten Schadenfalls.

Falls der fragliche Schaden allerdings zusätzlich mit Bildmaterial ergänzt wurde, kann eine weitere Kategorie von KI zur Anwendung kommen: Die Bilderkennung und -analyse. Dabei werden nicht nur Muster in der Fotografie geprüft, sondern auch - soweit möglich - Bildinformationen wie Aufnahmezeit, Aufnahmeort und mögliche Bildmanipulation in den Kontext mit den vorher erfassten Schadendaten gebracht. Damit reichert die Bilderkennung das bereits erstellte Scoring um wichtige Informationen an und kann im Zweifel den entscheidenden Hinweis für eine Ablehnung geben.

Automatische Regressforderung

Werden diese Spielarten der KI konsequent eingesetzt, kann ein Versicherer zukünftig - ebenfalls über KI - auch den Bereich der Regressforderungen bzw. die Abwehr unberechtigter Schadenforderungen an oder durch Dritte automatisiert bearbeiten. Geht zum Beispiel aus einer KI-geprüften Schadenmeldung hervor, dass ein Schaden an der kaltwasserführenden Leitung in einem Neubau entstanden ist, kann das System eine Regressforderung beim ausführenden Installationsunternehmen auslösen. Sie erkennt also nicht nur, welcher Schaden vorliegt, sondern auch, wer dafür verantwortlich ist. Solche Systeme werden künftig selbstständig regeln, wer wann und warum in Regress genommen werden kann. Das geht soweit, dass eine KI erkennt, ob ein Schaden eventuell noch innerhalb der gesetzlichen Gewährleistungspflicht bei Bausachmängeln liegen könnte oder nicht. Ein Vorgang, der durch den Einsatz der Technik schneller und damit zielführender für den Versicherten erledigt werden kann - und durch den hohen Automatisierungsgrad auch dem Versicherungsunternehmen Kosten einspart.

Trotz des sehr abstrakten technischen Prozesses nimmt die KI schon heute unmittelbar Einfluss auf die Qualität und Geschwindigkeit der Prozesse. Die so erzielte höhere Qualität, schnellere Prozesse und die Betrugsprävention dienen dem Kollektiv der Versicherten. Denn so werden Kosten vermieden, die ohne Technologie-Einsatz nur mit erheblich mehr Aufwand unter Kontrolle zu bringen wären. (bw)