Der Versicherungsmarkt befindet sich kontinuierlich im Wandel. Einzelne Produkte rücken in den Hintergrund, werden aufgrund von sinkenden Wechselbarrieren und steigendem Wettbewerb mit rein digitalen Anbietern immer leichter substituierbar. Die Ende-zu-Ende Customer Experience, der ausgeprägte Servicegedanke vom ersten Interesse bis hin zum Leistungsfall, rückt in den Vordergrund. Nach mehr als 15 Jahren mit starkem Fokus auf Prozessoptimierung und Industrialisierung der Schadenabwicklung sind die Optimierungspotentiale mit bewährten Ansätzen überwiegend ausgeschöpft. Die Erwartungen von zusehends digital-affinen Kundengruppen steigen in Anlehnung an Best Practices aus der Tech-Welt wie Amazon, Apple oder Google exponentiell. Transparenz, Einfachheit, Flexibilität und Innovation sind die neuen Attribute zur Kundenbindung, auf die sich die gesamte Branche einstellen muss. Gleichzeitig müssen sich einzelne Versicherer aber auch vom Wettbewerb differenzieren – ein signifikanter Hebel ist ein lange vernachlässigter Servicebereich: die Schadenabwicklung.
Doch wie kann diese Differenzierung erreicht werden? Die Automatisierung von Versicherungskernprozessen als einer der Mega-Trends in der Sachversicherung liefert die Antwort. Durch KI-gestützte Prozessautomatisierung kann die Customer Experience über alle Touchpoints eklatant verbessert und zugleich weitere Prozesskostenreduktionen realisiert werden. Repetitive Aufgaben können gestützt durch KI-Applikationen bearbeitet werden, während sich die Service-Mitarbeiter zur persönlichen Betreuung vollends auf komplexe Schadenfälle fokussieren können. Studien zeigen, dass sich der Profit von Unternehmen, die künstliche Intelligenz bereits vollständig in ihr Schadenmanagement integriert haben, um 3-5% erhöht.[1] Für Versicherer ist es also an der Zeit, sich mit dem Thema Prozessautomatisierung auseinanderzusetzen und den nächsten Schritt zum optimalen Kundenerlebnis zu gehen.
Welche Vorteile und Nutzen erwachsen aus der Prozessautomatisierung?
Das Differenzierungsvermögen der Prozessautomatisierung wird sowohl aus der Unternehmens- als auch aus der Kundenperspektive deutlich. Neben dem Versprechen der Effizienzsteigerung ist es aus unternehmensinterner Perspektive etwa möglich, Versicherungsbetrug einfacher zu identifizieren und Risiken zu steuern. Auch wenn eine vollständige Automatisierung von Prozessen – also eine reine „Dunkelverarbeitung“ – das Ideal darstellt, ist es grundsätzlich schwierig, Geschäftsprozesse auf Anhieb ganzheitlich zu automatisieren. Daher konzentrieren sich Unternehmen heute zumeist vorerst auf die Automatisierung von Teilaufgaben. Eine menschliche Komponente wird bei der Schadensabwicklung dementsprechend zumindest zunächst nicht wegfallen, denn Mensch und Maschine arbeiten zusammen und ergänzen sich in ihren Fähigkeiten – sie werden dadurch sogenannte „Superteams“. Man spricht in diesem Zusammenhang auch von „bionic operations“.[2]
Auf Kundenseite werden durch diese komplementäre Zusammenarbeit zwei wesentliche Verbesserungen der Customer Experience erreicht: Zum einen lassen sich unproduktive Schritte in der Customer Journey und somit Frustration vermeiden – die Interaktion mit dem Kunden verläuft insgesamt reibungsloser. Zum anderen können Versicherer durch die KI-gestützte Automatisierung einen innovativen und hochwertigeren Service bieten, der die Kundenerfahrung nachhaltig aufwertet. Kunden wird es ermöglicht, Schadenfälle auf Basis von Augmented Reality aufzunehmen und den Stand der Schadenbearbeitung jederzeit nachzuverfolgen. Der Schadensprozess wird – von der Meldung bis zur Auszahlung – nur noch wenige Minuten beanspruchen und die manuelle Bearbeitungszeit für Sachbearbeiter reduziert sich durch Teilautomatisierung signifikant bzw. kann durch Vollautomatisierung komplett entfallen.
Doch welcher Nutzen bietet sich Versicherungsunternehmen durch Prozessoptimierung konkret, um die hohe Initialinvestition zu rechtfertigen? Wir sehen dafür mehrere schlagkräftige Gründe.[3]
Skalierbarkeit und Zuverlässigkeit: Automatisierungsmodule können in unterschiedlichste Prozesse eingebunden werden, denn durch das Erlernen eines Prozesses können sie diverse Tätigkeiten ausführen und dadurch untereinander ausgetauscht werden. Schon heute profitiert etwa die Hälfte der Unternehmen von dieser Adaptionsfähigkeit, obwohl die Skalierungsphase voraussichtlich erst noch bevorsteht. Gleichzeitig sind Software-Roboter gerade in der Automatisierung von bei händischer Arbeit fehleranfälligen Prozessen äußerst zuverlässig. Mit den entsprechenden Kompetenzen werden Arbeitsschritte augenblicklich ausgeführt. Die Bot-basierte Dokumentenprüfung ist über 50-mal genauer als die Prüfung durch einen Menschen, sodass Fehlerraten von unter einem Promille möglich sind.[4]
Zeit: Prozessautomatisierung ist nicht nur deutlich akkurater, sondern verkürzt Bearbeitungszeiten zudem enorm. Standard-Prozesse können signifikant schneller ausgeführt werden und Risiken, die durch menschliches Handeln in der Bearbeitung entstehen, werden eliminiert. Unternehmen, die KI beispielsweise in der Buchhaltung nutzen, verzeichnen eine um bis zu 40% kürzere Prozessdauer. Übergreifend erzielen vier von fünf Unternehmen, die Software-Roboter einsetzen, deutlich messbare Zeitersparnisse.[5]
Mitarbeiterzufriedenheit: Der durchschnittliche Mitarbeiter verbringt heute bis zu 80% seiner Zeit mit monotonen, repetitiven Aufgaben. Fallen diese weg, steigt grundsätzlich die Zufriedenheit des Mitarbeiters. 9 von 10 befragte Führungskräfte berichten von einer ebensolchen Steigerung der Mitarbeiterzufriedenheit – in mehr als der Hälfte der Unternehmen sogar um mindestens 15%.[6] Ursächlich ist dafür vor allem, dass menschliches Talent für Innovationsentwicklung und das Lösen von außergewöhnlichen Problemen genutzt werden kann. Beispielsweise berichten zwei Drittel der Unternehmen, dass Software-Roboter es ihnen ermöglichen, Ressourcen für bedeutsame und wertstiftende Prozesse anstatt für repetitive Aufgaben, einzusetzen.[7]
Kosten: Notwendige Initialinvestitionen für Prozessinvestitionen und Aufwand für eine effektive Umstellung erscheinen häufig prohibitiv hoch. Jedoch werden diese nach vollständiger Implementierung durch Kosteneinsparungen zumeist überkompensiert. So ermöglicht Prozessautomatisierung Versicherern, die Cost-to-Serve pro Kunde um 30-50% zu senken – primär über Organisationsverschlankungen und gesteigerte Konzentration auf wertstiftende Kundeninteraktionen.[8] Sachbearbeiter können ihr Know-how bestmöglich einsetzen, wo es konkreten Wert stiftet, anstatt repetitive Aufgaben zu erfüllen. In Finanzdienstleistungsunternehmen sind durch erfolgreiche Prozessautomatisierungsprojekte sogar Kosteneinsparungen von 40-75% realisiert worden, dessen Kosten sich teils sogar nach einigen Monaten amortisiert haben.[9] Auch in anderen Industrien, bspw. der Telekommunikation, werden vergleichbare Effekte sichtbar. Telefónica O2 erzielte beispielsweise nur ein Jahr nach der Automatisierung von Prozessen einen Return on Investment von ca. 200%.[10]
Kehrseite der Automatisierung ist die oft artikulierte Sorge der Arbeitskraft-Konsolidierung. Etwa ein Viertel der bestehenden Rollen wird in der bisherigen Form um seine Berechtigung kämpfen, so dass umfangreiche Umschulungsprogramme notwendig werden. Die potenzialträchtigsten Effizienzsteigerungen bietet KI-getriebene Automatisierung jedoch nicht durch Ersetzen menschlicher Arbeitskräfte, sondern durch deren Unterstützung. Wie bereits mehrfach erwähnt, bspw. durch Übernahme repetitiver Aufgaben und somit Freistellung von Kapazitäten für wertstiftendere, kognitiv fordernde Aufgaben.
KI-gestützte Prozessautomatisierung führt übergreifend zu direkten Effizienzsteigerungen durch wesentlich gesteigerte Produktivität pro Mitarbeiter während zugleich das Kundenerlebnis verbessert wird. Für bestehende Mitarbeiter bedeutet dies eine Aufwertung und Weiterentwicklung des Rollenprofils. Auf Basis dessen sollten sich insbesondere Versicherungsunternehmen mit einem großen Volumen an Schadensfällen von geringer und mittlerer Komplexität mit dem Thema Prozessautomatisierung befassen, um strategische Ziele besser realisieren zu können.
Modernste Technologien ermöglichen Prozessautomatisierung:
Die Automatisierung wird durch den Einsatz von KI erweitert und erleichtert. Lange galt eine Einführung neuer Systeme als notwendig, um neuartige KI implementieren zu können. Dies ist jedoch gar nicht nötig: neue Software, die mit künstlicher Intelligenz arbeitet, wird über universelle APIs angeschlossen und eingesetzt. Dabei lassen sich unterschiedlichste Teilgebiete der KI identifizieren:
Machine Learning (ML) bezeichnet die Fähigkeit von Maschinen, Muster und Zusammenhänge auf Basis zurückliegender Erfahrungen (Trainingsdaten) zu erkennen und zu verallgemeinern. Mit Hilfe dessen können sie bspw. Eintrittswahrscheinlichkeiten für unterschiedlichste Szenarien berechnen und Vorhersagen über Schadensfälle treffen.
Natural Language Processing (NLP) kombiniert Methoden der Sprachwissenschaften mit moderner Informatik und KI, um weitestgehende Kommunikation per Sprache zwischen Mensch und Maschine zu ermöglichen. So wird bspw. gesprochener Text und Schrift – insbesondere auch Textzusammenhänge – automatisiert verstanden, analysiert und zur Weiterverarbeitung in das jeweilige Zielformat gewandelt.
Künstliche neuronale Netze sind Abstraktionsmodelle des menschlichen Gehirns, die aus künstlichen Neuronen bestehen. Diese verknüpfen sich, sobald die KI etwas Neues lernt und Informationen verarbeitet werden. So wird der menschliche Lernvorgang simuliert und auf Maschinen übertragen.
Deep Learning (DL) stellt eine Spezialisierung des ML dar, bei der neuronale Netze genutzt werden, um große Datensätze zu analysieren, Prognosen zu treffen und diese zu hinterfragen. Im Vergleich zum Machine Learning greift der Mensch nicht mehr beim Lernvorgang ein, die KI verknüpft das Erlernte immer wieder selbst mit neuen Inhalten und lernt dadurch vollkommen selbstständig dazu.
Durch den Einsatz von künstlicher Intelligenz kommt es zu einer drastischen Veränderung in der Belegschaft auf Basis eines potenziell reduzierten Personalbestands. Die Mitarbeiterzahl in den Bereichen Underwriting, Onboarding, Schadenbearbeitung und Policenverwaltung wird um schätzungsweise 30-50% reduziert. Jedoch entsteht, resultierend aus dem Einsatz von KI, Bedarf für Personalaufbau in anderen Bereichen, wie beispielsweise Nutzerforschung oder Datenanalyse. Der Personalbedarf wird somit lediglich verlagert und die Sorge um Redundanz bleibt unbegründet. Nichtsdestotrotz ist ein signifikanter Skill-Shift nötig, der große Herausforderungen an die Personal- und Trainingsabteilungen stellt.
Weiteres Potenzial zur Automatisierung im Zusammenhang mit KI geht durch Smart Contracts, aufbauend auf Blockchains, hervor. Diese stellen das Maximum an Automatisierung dar, da ein persönlicher Kontakt zwischen Unternehmen und Kunde vollends entfällt. Durch Codes, die auf Blockchains geschrieben sind, werden Maschinen dazu befähigt, bestimmte Aktionen nur dann auszuführen, wenn zuvor festgelegte Bedingungen erfüllt und verifiziert wurden. Diese Aktionen können beispielsweise in der Freigabe von Geldern oder dem Senden von Benachrichtigungen an bestimmte Personen liegen. Gerade in der Schadenbearbeitung kann dies neue Chancen eröffnen, da durch sicheres Matching von Verträgen und Ansprüchen auf der Blockchain eine automatische Gültigkeitsprüfung erfolgt und nur ebensolche Ansprüche ausgezahlt werden.[11]
Prozessautomatisierung in etablierten Fach- & IT- Organisationen
Neben allen Vorteilen, Erklärungen und Lobgesängen auf KI bleibt die Frage, wie die Einführung von KI-basierter Prozessautomatisierung praktisch umzusetzen ist. Legacy Systeme der Versicherer stellen hier oft ein wesentliches Hindernis dar. Eine komplette Neuausrichtung der IT-Systeme großer VU ist in der Realität kaum realisierbar und würde hohe operative und finanzielle Risiken mit sich bringen. Lösungsansatz muss sein, an die bestehenden Systeme anzuknüpfen – und zwar universell, einfach und pragmatisch. Genau diesen Ansatz adressieren immer mehr InsurTechs, die das Gap aus KI-/ Prozessautomatisierungs-KnowHow und Problemverständnis etablierter VU und deren IT-Systemen, zu schließen beabsichtigen.
Ambitionierte Ziele zu verfolgen und mutig mit dem Einsatz von KI umzugehen, ist dabei der Schlüssel zum Erfolg. Viele Unternehmen lassen sich anfangs von neuartigen Technologien abschrecken, statt deren Potenzial zu nutzen. Es ist wichtig ganzheitlich zu denken und bei Investitionsentscheidungen die Kundenbedürfnisse entlang der gesamten Customer Journey sowie jegliche Auswirkungen auf alle Unternehmensbereiche zu berücksichtigen. Agile Ansätze mit der Bildung funktionsübergreifender, dauerhafter Teams mit abgestimmten Zielen, Anreizen und Arbeitsweisen fördern die Implementierung von KI in Geschäftsprozesse. Auch klare bereichsübergreifende, nutzenbasierte Investitionsentscheidungen für KI und ergänzende Technologien ist ein zentraler Erfolgsfaktor.
Die Einsatzmöglichkeiten von KI sind hier groß. Entlang der Customer Journey lassen sich einige beobachten.
Mit „proactive und preemptive Services“ ist es Versicherern möglich, potenzielle Schäden bereits frühzeitig abzuwenden, indem mit Hilfe von KI eine Frühwarnung bei gefährlichen Ereignissen, wie beispielsweise Naturkatastrophen, ausgesprochen wird.
KI-gestütze Chatbots bilden neue, automatisierte Kundenschnittstellen. Das Beantworten häufig aufkommender Fragen und Probleme, sowie die initiale Aufnahme einfacher Geschäftsprozesse wie die Schadenmeldung, wird automatisiert. Laut einer Umfrage sind 74% der Verbraucher bereit, sich von einer KI beraten zu lassen.
Technologiegestützte Schadenbewertung automatisiert die Analyse, Bewertung und das Anstoßen von Folgeprozessen bei (einfachen) Schäden teils vollständig. So werden bspw. selbstständig fotobasierte Gutachten und Kostenvoranschläge erstellt, die keinerlei Input seitens eines menschlichen Sachbearbeiters erfordern. Häufig ist sogar die angeschlossene Abrechnung und Auszahlung der Schäden an den Kunden voll automatisiert.
Mit der „Dynamic Mass Personalization“[12] erhält der Kunde ein bestimmtes Service-Level unabhängig von seinem Versicherungsstatus. Es wird vielmehr auf die individuellen Umstände des Schadens geachtet. So erhalten bspw. Kunden mit komplexen Schadenfällen persönliche Anrufe von einem Sachbearbeiter, bei einfachen Schadenfällen läuft die Verarbeitung (Bewertung, Auszahlung etc.) dunkel durch die Systeme und der Kunde erhält lediglich einen Link zum Live-Tracking im Sinne der Transparenz, die heute von Amazon, DHL und Co. gelernt wurde.
Beim Live-Tracking ist es möglich den Kunden auf einfachste Weise über den aktuellen Stand der Bearbeitung seines Falles zu informieren. Da immer mehr Kunden Transparenz und Nachvollziehbarkeit von Prozessen erwarten, stellt gerade dies eine sinnvolle Investition dar.
Konkrete Use Cases in denen die Implementierung von KI und Prozessautomatisierung erfolgt ist, lassen sich mittlerweile oft in der Realität beobachten. So gibt es immer mehr Unternehmen, die Softwares anbieten, welche über offene und standardisierte Schnittstellen, wie Standard APIs, in eine bestehende IT-Infrastruktur integriert werden können. Die Datenbanken der Software können mit KI und Machine Learning aus historischen Daten lernen und ihre Erkenntnisse auf neue Schadensfälle anwenden. Mit zusätzlichen Status Tracker Modulen wird eine Möglichkeit des Live Trackings eingeführt. Da laut Entwicklern durch die erhöhte Automatisierung von Schadensprozessen auch das Betrugsrisiko steigt, wird das Thema Fraud Detection ein immer relevanterer Use Case für KI-basierte Prozessautomatisierung. Hier werden in einigen Fällen Trefferquoten von über 75% erzielt – und das in sekundenschnellen Abgleichen, die menschlich unmöglich wären. Ein weiterer Ausbauschritt ist die automatische Texterkennung handschriftlicher Texte. Anbieter erzielen hier mittlerweile ähnlich hohe „Trefferquoten“ wie bei gedrucktem und gesprochenem Text. Somit können Kundenanfragen, Schadenmeldungen etc. nahezu formatunabhängig eingelesen und verarbeitet werden. „shift“, „claimsforce“ oder „omni:us“ sind nur einige Anbieter, die sich auf Software zur Prozessautomatisierung spezialisiert haben.
omni:us technologische Fähigkeiten beispielsweise, gepaart mit der tiefen fachlichen Expertise in den bereits vormodellierten Prozess- und Entscheidungsprozeduren, erlauben einen äußert raschen Einstieg in die automatisierte Schadenabwicklung von der Schadenmeldung bis hin zur Auszahlung des Schadens. Module können je nach Belieben und flexibel in die bestehende Umsystemlandschaft eingebettet werden – unabhängig von Kernsystemen und Umsystemen. Dabei bietet omni:us für viele gängige Kernsysteme Standardschnittstellen (wie z.B. für Guidewire), welches eine Integration zudem beschleunigt. Ein Go-Live auf ausgewählte Sparten ist somit bereits in wenigen Wochen realisierbar.
Ein oft genutztes Best Practice Beispiel aus der Versicherungsbranche für KI-gestützte Prozessexzellenz stellt Lemonade[13] dar. Lemonade ermöglicht seinen Kunden unter anderem das vollständig automatisierte Abschließen von Verträgen, direkte und voll-digitale Schadenmeldung über die Lemonade-App, oder die Chatbot-gestützte Beantwortung aller relevanten Fragen und Serviceanliegen. Weiterhin prüft die KI den gemeldeten Schaden vollautomatisch (teils in Echtzeit) und stößt die direkte Auszahlung der Leistung an. In komplexen Schadenfällen wird der Fall zielgerichtet an den bestgeeigneten Schadenexperten weitergeleitet. Somit bilden Mensch und KI eine aufeinander abgestimmte Einheit, um das bestmögliche Kundenerlebnis zu erzeugen und Schadenfälle effizient abzuarbeiten. So hält Lemonade bspw. den Rekord für die schnellste Schadenabwicklung aller Zeiten: innerhalb von 3 Sekunden nach Schadenmeldung wurde der Schaden analysiert, bewertet und die Auszahlung eingeleitet. Vielleicht ein PR-Stunt, aber sicher auch ein Ausblick wo die Reise der KI-basierten Prozessautomatisierung hingehen kann.
________
[1] Vgl. Hanafy, Mohamed and Ruixing Ming: “Machine Learning Approaches for Auto Insurance Big Data”, 2021
[2] BCG: „What lies beyond digital for insurance operations”, 2020
[3] Vgl. Rashmi Ravindranath, Kulkarni: „Review Robotic Process Automation Among Artificial Intelligence”, 2020
[4] Vgl. Eulerich, Marc et al.: “A Framework for Using Robotic Process Automation for Audit Tasks”, 2021
[5] Vgl. Caton, Michael: „Embracing efficiency through robotic process automation”, 2017
[6] Vgl. Forbes Insights: “Accelerating Business Value With Intelligent Automation”, 2019
[7] Vgl. PWC: “Robotic Process Automation (RPA) in der DACH-Region”, 2020
[8] Vgl. BCG: „What lies beyond digital for insurance operations”, 2020
[9] Vgl. McCuan, Jess: „The ROI of intelligent automation: why projects pay for themselves”, 2020
[10] Vgl. Kasic, Ajla: “Robotische Prozessoptimierung von Aufgaben am Beispiel von Back-Office Prozessen“, 2020
[11] Salahshor, Abtin und Scherrer, John: „Smart Contracts, Insurtechs and the Future of Insurance”, 2020
[12] Vgl. BCG: „What lies beyond digital for insurance operations”, 2020
[13] https://www.lemonade.com/de/?f=1
