Data- und KI-driven Insurance Business als Wachstumstreiber

Versicherer verfügen aufgrund ihrer Tätigkeit prinzi­piell über ein datengetriebenes Geschäftsmodell. In den letzten Jahren wird aber immer deutlicher, dass sie im Vergleich zu anderen Branchen eher zögerlich bei der Aktivierung und Nutzung dieser Datenassets agieren. Die Versicherer erschienen in dieser Hinsicht lange zu vorsichtig, obwohl Risikobeurteilung ihre Kernkompetenz ist. Inzwi­schen ziehen datengesteuerte und KI-unterstützte Entschei­dungsfindung und damit daten- und KI-gestützte Geschäfts­modelle Schritt für Schritt in die Assekuranz ein. Immer mehr Versicherungskunden interagieren online, dadurch steigt die Menge der verfügbaren Daten exponentiell an. Und immer präzisere KI-gestützte Data Analytics-Verfahren erlauben es, diese Daten auf eine Weise zu nutzen, die früher kaum für möglich gehalten wurde. Insurtechs weisen dabei oft genug den Weg und zeigen auf, wie der Wandel hin zu digitalen, kundenzentrierten und KI-unterstützten Geschäftsmodellen erfolgt.

Die etablierten Versicherungsgesellschaften müssen jetzt handeln und die Transformation hin zu daten- und KI-ge­stützten Geschäftsmodellen gehen, um dauerhaft Wettbewerbsvorteile zu generieren. Gerade chinesische Wettbe­werber, wie z.B. Ping An oder Zhong An, zeigen, was heute  technisch möglich ist, auch wenn nicht alles im Detail auf Deutschland und Europa übertragen werden kann.

Für Zielbildentwicklung ist die Konzentration auf kritische Elemente notwendig

Vielen Versicherern mangelt es nicht an Bewusstsein. Ange­sichts der Komplexität des Problems wissen sie aber aufgrund der vielen möglichen Stellschrauben oftmals nicht, wie sie die Aufgabe am besten angehen sollen. Es empfiehlt sich daher, auf ein klar strukturiertes und bewährtes Vorgehensmodell zurückzugreifen. Die Erfahrung von Consileon zeigt, dass die Konzentration auf fünf elementare Säulen daten- und KI-gestützter Geschäftsmodelltransformation Versicherungen hilft, die Orientierung zu behalten. Dabei sind diese neuen Geschäftsmodelle an die Vertriebsform, Produktpalette und technologische Ausgangssituation anzupassen. Die Kunden­bedürfnisse stehen dabei immer im Zentrum der fünf identi­fizierten Säulen:

  1. Vertrieb: Gut ausgebildete Vermittler bleiben auch zu­künftig wichtig. Sie werden aber zunehmend medienbruch­frei ergänzt durch digitale Kanäle, ein leistungsstarkes CRM und KI-gestützte Triggermechanismen zur kundenfokussier­ten Ansprache.
  2. Produktangebot und -pricing: Mehr Risikoinformatio­nen stehen detailliert realtime zur Verfügung und ermögli-chen, das eigene Angebot und Pricing mithilfe KI-gestützter Algorithmen kontinuierlich an die individuellen Bedürfnisse und Situationen der Kunden anzupassen.
  3. 3. Schadensabwicklung: Die Entwicklung geht hin zu wei­ter zunehmender bzw. fast vollständiger Automatisierung im Verbund mit CRM-Daten bis hin zur Fähigkeit, Schäden auch ohne komplexe Schadenbeschreibung des Kunden durch KI-gestützte Beurteilung und Abwicklung weitgehend automa­tisiert zu bearbeiten.
  4. 4. Datenmanagement und -verarbeitung: Gute Data Governance und KI-gestützte Advanced Data Analytics- Mechanismen ermöglichen die zielgerichtete und just-in-time- Aufbereitung aller vorhandenen (Kunden-) Informationen zur Generierung von individualisierten Kunden­mehrwerten. Voraussetzung hierfür ist in einem ersten Schritt die Schaffung eines stets aktuellen und in sich konsistenten Datenbestands.
  5. 5. Interne Prozesse und Schnittstellen: Effiziente, voll­automatisierte digitale und KI-gestützte Prozesse sind die wichtigste Voraussetzung eines datengestützten Geschäfts­modells.

Kein Königsweg, aber zwei konkrete Ansätze

Oft genug liegt kein klares, umfängliches Zielbild vor, son­dern bestimmte Fähigkeiten werden angestrebt, wie z.B. Omnikanalfähigkeit oder Nutzung von KI. Die Kunst besteht darin, basierend auf dem Status quo und den gewünschten Fähigkeiten ein umfassendes Zielbild für ein daten- und KI-getriebenes Geschäftsmodell zu entwickeln. Auf Letzterem baut dann das Umsetzungskonzept auf. So ist z.B. eine Mo­dernisierung alter Bestandssysteme nur dann sinnvoll, wenn Data Governance und Schnittstellen zu Kundenportalen, CRM, Vertrieb und auch Schadenabteilung vorab definiert sind. In der Regel gibt es immer eine Reihe von „no regret moves“, wie zum Beispiel:

  • Aufbau eines gepflegten Datenbestands, eines Sta­te of the Art-Datenmanagements und einer Data Governance
  • Entwicklung von effizienten, vollständig digitalisier­ten und automatisierten Prozessen und Abläufen
  • Einführung KI-basierter Mechanismen in die rele­vanten Entscheidungsprozesse der fünf Säulen eines datengestützten Geschäftsmodells (mittels dreier Schritte: Schaffung der Voraussetzungen, Pilotan­wendungen, Roll-out in der Fläche); dies erlaubt eine situations- und kontextgerechte Einführung von KI-Mechanismen im Unternehmen1
  • Fokussierung auf das Kundenerlebnis

Bei der Entwicklung des Umsetzungskonzepts empfiehlt Consileon je nach Ausgangslage zwei Ansätze: Top-down oder Bottom-up. Beim Top-Down-Ansatz wird vom Kunden-erlebnis kommend zuerst eine Optimierung und Digitalisie­rung der vorhandenen Kundenschnittstellen vorgenommen. Danach erfolgt die Implementierung von Schnittstellen der Kundenkanäle zu den Bestandssystemen und die Entwick­lung effizienter KI-gestützter Prozesse und Abläufe. Wesent­licher Vorteil der Umsetzung des Top-Down-Ansatzes ist die primäre Verbesserung des Kundenerlebnisses durch klaren Fokus auf die Kundenschnittstellen.

Im Gegensatz hierzu besteht der Kern des Bottom-up- Ansatzes in einem ersten Schritt aus der Schaffung der Vor­aussetzungen für ein effizienteres KI-gestütztes Daten- und Prozessmanagement. Darauf aufbauend wird ein Element nach dem anderen digitalisiert und angebunden, z.B. zuerst die Schadenabwicklung, dann die Produktentwicklung und erst danach die Kundenschnittstellen. Wesentliche Vorteile des Bottom-up-Ansatzes sind ein reibungsloses Kundener­lebnis an der Kundenschnittstelle und dass Effizienzgewinne früher anfallen.

Agil Handeln, nicht Wasserfalldenken

Aufgrund der ressort- und bereichsübergreifenden Transfor­mation (IT, Vertrieb, Prozesse etc.) zu einem daten- und KI-ge­stützten Geschäftsmodell ist ein klares Managementcommit­ment zu Zielbild und Umsetzung wichtig. Darauf aufbauend kann das Projektmanagement detailliert die Umsetzungs­planung aufsetzen und Missverständnisse und Irrita-tionen werden soweit möglich vermieden. Für die Entwicklung und Implementierung eines daten- und KI-gestützten Geschäfts­modells wird ein agiles Vorgehen empfohlen. Im Gegensatz zur klassischen Wasserfall-Methodik stellt dies sicher, dass Zielbild und Vorgehen bei der Umsetzung jederzeit an sich ändernde Rahmenbedingungen angepasst werden können.

Der Consileon Best Practice-Ansatz „Data Driven Insurance Business“ ist darauf angelegt, Versicherungsgesellschaften bei ihrem Transformationsprozess hin zu einem daten- und KI-gestützten Geschäftsmodell inhaltlich und prozessual zu begleiten, mit dem Ziel, sie im Vergleich zu ihren Wettbewer­bern noch erfolgreicher zu machen. Auf Basis umfangreicher Projektreferenzen begleiten wir Sie gerne bei Ihrer ganz indi­viduellen Geschäftsmodelltransformation.

Mehr Informationen erfahren Sie im Artikel aus der Versicherungswirtschaft dieses Monats, den Sie sich als Sonderdruck hier herunterladen können.