Ein neues Zeitalter für Versicherungen: Personalisierung mit KI und Datenanalyse

Personalisierung: Der Schlüssel zur digitalen Zukunft der Versicherung

Moderne Verbraucher stehen der Weitergabe von persönlichen Daten zu ihrem Verhalten und ihren Gewohnheiten an Versicherer offen gegenüber, solange sie im Gegenzug von personalisierten Angeboten und attraktiven Rabatten profitieren. Die sich verändernden Erwartungen verlangen von den Versicherungsunternehmen eine dynamischere und detailliertere Feinabstimmung der herausgegebenen Policen und der Preisgestaltung.

Es zeichnen sich zwei durch KI und Datenanalytik geleitete Schlüsseltrends ab:

1. Die nutzungsbasierte Versicherung (Usage Based Insurance, UBI) gleicht die gezahlten Prämien an das Verhalten der Kunden an. Das Modell ist auch als «Pay-as-you-go» bekannt und kommt aus dem Bereich der Fahrzeugversicherung, wo es kilometerbasierte Prämien ermöglicht. 

Mit dem Aufkommen der Telematik erhalten Versicherer heutzutage jedoch nicht nur Einblicke in den Kilometerstand der Fahrer, sondern auch in ihre Reiserouten und ihr Fahrverhalten. Da KI-Tools Echtzeit-Daten von IoT-Sensoren erhalten, können sie Prämien dynamisch anpassen, um beispielsweise eine vorsichtige Fahrweise zu belohnen – wodurch sich ganz neue Möglichkeiten der Personalisierung ergeben.

2. Die individualisierte Schadensregulierung beruht auf Automatisierung und soll die früher langwierige Schadensbearbeitung straffen.  

Kristin Warne, Head of Life & Health Claims and Business Management Client Services bei Swiss Re, ist der Ansicht, dass Automatisierung zu einer Reduktion des Verwaltungsaufwands und einem besseren Kunden- und Mitarbeitererlebnis führt. 

«Im heutigen Zeitalter der Digitalisierung müssen Kunden für ihre Lebens- und Krankenversicherung immer noch Papierkram erledigen. Kunden erwarten heutzutage, dass sie Versicherungsfälle digital und personenbezogen geltend machen können», erklärt Warne. 

«Durch die Nutzung interner Datenquellen müssen Kunden wichtige Informationen in einem digitalen Antragsformular nicht erneut eingeben. Auch Fragen können besser auf das Produkt und die Umstände des Kunden zugeschnitten werden. In Verbindung mit einer Technologie, die Informationen aus weiteren Quellen auswertet, erfolgt die Schadensbeurteilung bei weniger komplexen Ansprüchen transparenter und schneller. So haben die Unternehmen in komplexeren Fällen mehr Zeit für ihre Kunden.»

Die prädiktive Analytik hat in der Tat das Potenzial, die Versicherungsbranche beim Risikomanagement von einem reaktiven hin zu einem proaktiven Ansatz zu führen – beispielsweise indem Kunden präventiv auf mögliche Defekte in ihrem Zuhause aufmerksam gemacht werden. 

In Falle eines tatsächlichen Sachschadens können intelligente Sensoren beispielsweise nahtlos Schadensmeldungen auslösen und alle erforderlichen Daten übermitteln, damit fortschrittliche Algorithmen die Meldungen auswerten können.

Das Kundenverhalten hat sich infolge der Pandemie verändert und Versicherungsunternehmen, die eine KI-basierte Personalisierung anbieten, haben die besten Aussichten auf Erfolg. 2022 hat eine Umfrage von TransUnion und J.D. Power ergeben, dass die Kunden nach der Pandemie weniger Auto fahren, für traditionelle Versicherungsleistungen jedoch die gleichen oder höhere Prämien zahlen. Dies führte dazu, dass 49 % der Verbraucher sich für ein Telematik-basiertes Konzept entschieden. 

Die Herausforderung für die Versicherer besteht darin, den Kunden die richtigen Anreize zu bieten, damit diese freiwillig einer Erfassung ihrer persönlichen Daten zustimmen. Um dies zu erreichen, müssen Versicherungsunternehmen mit einem besseren Kundenerlebnis Mehrwert schaffen. 

Häufige Fallstricke beim Einsatz von moderner Analytik und KI

Da Versicherer mit der KI Neuland betreten, sind Herausforderungen bei der Umsetzung zu erwarten. Laut Kaushal Silva, Client Business Solutions APAC bei Zühlke, gibt es für Versicherungsgesellschaften heutzutage drei wichtige Fallstricke:

1. Fehlerhafte Ausrichtung von IT/Betrieb 

Eine KI-Transformation erfordert eine unternehmensweite strategische Neuausrichtung. Vielen Versicherern fehlt jedoch die erforderliche Denkweise, um zu einer datengesteuerten Kultur zu gelangen.

«Fehlt die durchgehende Kooperation zwischen Betriebs- und IT-Teams, kann dies zu einem wenig reflektierten Geschäftsfall führen», erklärt Silva.

«Die IT drängt möglicherweise auf die KI-Einführung, ihre Lösungen sind jedoch nicht mit dem Betriebsteam abgestimmt, das näher am Kunden ist und weiss, was dieser möchte. Andererseits hat das Betriebsteam vielleicht eine grossartige Idee, deren Geschäftswert die IT jedoch nicht herausarbeiten kann. Unternehmen müssen daher Betrieb und IT in Einklang bringen.»

2. Datenqualität und Datenmanagement sind mangelhaft 

KI-Lösungen sind nur so gut wie die Daten, aus denen sie sich speisen. Viele Versicherer haben Probleme damit, den Wert ihrer Daten effektiv zu erschliessen. Nur 22 % der Versicherungsgesellschaften haben laut eigenen Angaben mindestens einen dauerhaft verfügbaren Satz an Kerndaten zur Entwicklung von Modellen und bis zu 75 % fehlt eine Taxonomie, um verschiedene Datenarten zu harmonisieren.

Unvollständige oder schlecht konsolidierte Kundendaten können dazu führen, dass der Versicherer betrügerische Schadensmeldungen nicht erkennt. Ohne gut organisierte Daten zu den Gewohnheiten und Verhaltensweisen von Kunden wird es den Versicherungsunternehmen zudem schwerfallen, zielgenau personalisierte Dienstleistungen anzubieten.

Ein effektiver Datenfluss und eine zielführende Datenverwaltung in Unternehmen und deren Kooperationspartnern sind unerlässlich für die gemeinsame Entscheidungsfindung und für Effizienzsteigerungen. Erfahren Sie mehr über Datenökosysteme und wie sie Ihre Datenqualitätsprobleme lösen können.

3. Fehlende Pflege 

Die KI-Transformation endet nicht mit ihrer Einführung – sie beinhaltet die ständige Evaluation und Nachschulung der Machine-Learning-Modelle, um mit den sich verändernden Kundendaten Schritt halten zu können. Ein zentraler Fehler der Versicherer ist es, ein grossartiges Produktsortiment herauszubringen – und es dann im Anschluss zu versäumen, die ML-Modelle zu pflegen.

Ständige Iterationen können eine Herausforderung darstellen. Silva rät Versicherern daher, sich mit Ökosystemen zu verbinden, um Zugriff auf ganze Netzwerke an technischem Know-how zu erhalten.

«Ihre bestmögliche Lösung für die Kunden von heute wird in einigen Wochen bedeutungslos sein», meint Silva. «Sinn und Zweck der Kundenorientierung ist es, sich kontinuierlich an die Bedürfnisse der Kunden anzupassen. Unternehmen dürfen KI nicht als einmalige Investition ansehen, sondern als Kapitaleinsatz über den gesamten Zyklus hinweg.»