Wie sich KI in der Versicherungsbranche einsetzen lässt

Large Language Models (LLMs) sind sehr komplexe KI-Algorithmen, die darauf trainiert sind, menschliche Sprache zu generieren. Sie werden im Teilgebiet der „Generativen KI“ verortet. Vereinfacht gesprochen wurden LLMs dafür entwickelt, auf Basis eines bestehenden Kontextes das nächste Wort vorherzusagen. Viele dieser Sprachmodelle, wie auch ChatGPT, werden zusätzlich trainiert, Instruktionen zu verarbeiten und explizit auf diese zu antworten. Das erfordert ein zusätzliches Training, das durch menschliches Feedback unterstützt wird.

Moderne LLMs sind somit in der Lage, auf spezifische Anfragen sinnvoll zu antworten und scheinen damit gute Problemlöser zu sein. Wichtig dabei ist, dass die Wahrhaftigkeit der Antworten stets angezweifelt werden muss, denn der durch LLMs generierte Text ergibt auf den ersten Blick zwar Sinn, basiert aber lediglich auf den Wahrscheinlichkeiten für die nächsten Worte. Gute Erfahrungen konnte man jedoch bereits sammeln, wenn man dem Sprachmodell Quellen als Kontext mitliefert und die Anweisung so formuliert, dass sich das LLM darauf bezieht.

Mehr zum Thema

In der Welt der Versicherungen, in der Informationen und Kommunikation eine entscheidende Rolle spielen, kann der Einsatz der Sprachmodelle die Art und Weise des Arbeitens verändern. Aufgrund ihrer Fähigkeit, menschliche Interaktionen nachzuahmen und natürliche Sprache in großen Mengen zu verarbeiten, ergeben sich Potenziale von LLMs immer dort, wo Texte und Sprache zum Einsatz kommen.

Die folgenden beispielhaften Einsatzmöglichkeiten dienen dazu, ein erstes Verständnis für die Potenziale von Sprachmodellen im Versicherungsbereich zu vermitteln.

KI im Service

Ein zentraler Anwendungsbereich liegt im Servicecenter als direkte Schnittstelle zwischen Versicherer und Kunde. Als erster Berührungspunkt ist das Servicecenter entscheidend für eine positive Kundenerfahrung. Umso wichtiger ist es, dass die Kundenanliegen sorgfältig bedient und die Erwartungen erfüllt werden. Der Kunde von heute möchte zeit- und ortsunabhängig kommunizieren und sofort eine lösungsorientierte Antwort erhalten.

LLMs können als virtuelle Berater fungieren und rund um die Uhr Anfragen in Echtzeit beantworten und so der steigenden Erwartungshaltung gerecht werden. Gerade bei einfachen Fragen zum Versicherungsschutz oder zu Tarifbedingungen können LLMs in interaktiven Dialogen die relevanten Informationen bereitstellen – genau solche allgemeinen Anfragen sind keine Seltenheit, denn die Versicherung ist ein immaterielles Produkt, welches viel Erklärungsbedarf mit sich bringt.

KI in der Datenanalyse

Der moderne Kunde möchte als Individuum wahrgenommen werden und erwartet, dass der Versicherer seine Bedürfnisse und Präferenzen kennt. Durch die Analyse von Kundendaten lassen sich maßgeschneiderte Angebote mithilfe von optimierten „Next-Best-Offer“ und „Next-Best-Action“-Modellen generieren, die auf die individuellen Bedürfnisse ausgerichtet sind. Zeitgleich übernehmen LLMs die geforderte Protokollierung der Beratungsgespräche.

KI bei der Schadenmeldung und -bearbeitung

Die Schadenmeldung ist typischerweise der zweite Kontaktpunkt zwischen Versicherer und Kunde. Auch hier können LLMs in der Rolle der virtuellen Assistenten Schadenfälle aufnehmen, einfache Meldungen verarbeiten sowie Informationen zum weiteren Vorgehen bereitstellen. Aufgrund der vertraglich geforderten unverzüglichen Anzeigepflicht ist eine sofortige Rückmeldung im Sinne einer erfolgreich eingegangenen Schadenmeldung für den Versicherungsnehmer unerlässlich.

Zeitgleich können LLMs dabei helfen, Schadenfälle zu analysieren und bei kleinen bis mittelschweren Schäden automatisch Entscheidungen über den Deckungsumfang treffen, was zu einem effizienteren Schadenabwicklungsprozess führt. Ebenso sind LLMs fähig, Betrugsmuster zu erkennen, indem sie Muster und Anomalien in Schadensmeldungen registrieren, die auf potenzielle Betrugsfälle hinweisen.

KI bei der Dokumentenbearbeitung

Dokumente sind in der Versicherungsbranche Teil des täglichen Geschäfts: Anträge, Policen oder Dokumentationen von Schadenfällen erfordern einen hoch frequentierten Umgang mit individuellen, unterschiedlich strukturierten Daten in diversen Formaten. LLMs sind in der Lage, Sprache zu verarbeiten und auf neue inhaltliche Abstraktionsebenen zu bringen. Das birgt das Potenzial, einheitliche Formate aus unstrukturierten Daten zu schaffen, die wiederum dabei helfen, die Informationsflut aus den Geschäftsvorfällen einzudämmen und Folgeprozesse automatisiert anzustoßen.

Diese Entwicklungen können dazu führen, dass sich die Arbeit mit Dokumenten im Versicherungsbetrieb maßgeblich verändert: LLMs können die relevanten Informationen aus den Dokumenten extrahieren, wie etwa die relevanten Details aus Schadenmeldungen oder Kundendaten aus Anträgen. Sachbearbeitern werden so die Kerninformationen vorgelegt, mit welchen sie die Geschäftsvorfälle effizienter bearbeiten und abschließen.

KI als Schreibhilfe

LLMs können auch als internes Werkzeug Anwendung finden. Sachbearbeiter werden tagtäglich in verschiedenen Kontexten mit unzähligen Schreibaufgaben konfrontiert, bei welchen sie zukünftig auf LLMs zurückgreifen können – sei es beim Schreiben von E-Mails, Berichten, Datenschutzhinweisen, Bedingungswerken oder Rechtstexten.

Einsatzpotenziale ergeben sich auch bei der Gestaltung von internen und externen Websites, indem LLMs in der Rolle des Content Creators agieren und kundengerechte Internetauftritte für neue Angebote und Produkte erstellen oder das unternehmenseigene Intranet pflegen. LLMs eignen sich auch für das interne Wissensmanagement, indem sie Fragen von Mitarbeitenden inhaltlich einordnen, die passenden Informationen in einer Wissensbasis finden und dann eine gut formulierte Antwort liefern.

Fazit

LLMs sind nicht nur ein Schritt in Richtung technologischer Fortschritt, sondern auch eine Reaktion auf die steigenden Erwartungen der Kunden an eine personalisierte, schnelle und effiziente Beratung und Anliegenbearbeitung. Die Integration von LLMs verspricht nicht nur eine verbesserte Effizienz, sondern auch die Transformation von Geschäftsprozessen sowie die Schaffung gänzlich neuer Möglichkeiten entlang der Wertschöpfungskette.

Der Einsatz von Sprachmodellen bringt allerdings auch Herausforderungen mit sich, wie etwa die Beantwortung komplexer Anfragen ohne tiefgreifendes Verständnis, Datenschutzbedenken, ethische Aspekte sowie die Frage der Fairness der Modelle, um Diskriminierung zu vermeiden. Der Einsatz von LLMs erfordert Regulatorik, eine gründliche Planung und transparente Umsetzung sowie Aufklärung und Akzeptanz im Rahmen des Change Managements.

Über die Autoren

Ann-Kathrin Bendig ist Senior Consultant im Adesso-Geschäftsbereich für Versicherungen. Sie ist seit zehn Jahren in der Versicherungsbranche aktiv und verfügt über ausgeprägte Kenntnisse interner Prozesse sowie im Bereich Customer Services. Sie betreut Projekte in der Rolle als Requirements Engineer, Business Analyst, Softwaretesterin und Projektleiterin.

Thorben Schlätzer ist Consultant im Adesso-Geschäftsbereich für Versicherungen. Für sein Hauptthema Künstliche Intelligenz ist er sowohl inhaltlicher Ansprechpartner als auch verantwortlich für Projekte im Versicherungsbereich. Außerdem ist er als Business Analyst und Projektleiter in Softwareprojekten unterwegs.