Analyse der Auswirkungen von KI auf den Schadenprozess in der Versicherungsbranche (Teil 2)
Im ersten Teil unserer Serie über die Auswirkungen von KI auf den Schadenprozess in der Versicherungsbranche haben wir uns angesehen, warum KI-Innovationen notwendig sind und wie sie das Schadenmanagement verbessern, indem sie helfen, Kundenfrustrationen zu überwinden.
Im zweiten Teil vertiefen wir diese Ideen und wenden sie auf vier verschiedene Bereiche innerhalb des Schadenprozesses an. Dabei zeigen wir anhand konkreter Beispiele, wie KI die Versicherer dabei unterstützt, Abläufe effizienter zu gestalten, Sachbearbeiter zu entlasten und eine überzeugende Kundenerfahrung zu bieten.
1. Erfassung von Schadeninformationen
Nach Eingang der ersten Schadensmeldung (First Notification of Loss, FNOL) beginnen die Versicherer mit der Erfassung der für die Bearbeitung eines Schadens erforderlichen Informationen. In dieser Phase sind eine effektive Kundenansprache, Interaktion und Kommunikation entscheidend. Eine der wichtigsten Möglichkeiten, wie KI diese Prozesse verbessern kann, besteht darin, automatisierte FNOL-Kanäle empathischer zu gestalten. Es ist ein weit verbreitetes Missverständnis, dass automatisierte Kanäle, wie z. B. Chatbots, aufgrund ihres mangelnden Einfühlungsvermögens dem menschlichen Agenten unterlegen sind. Stattdessen können automatisierte Kanäle ein noch einfühlsameres, kundenorientiertes Erlebnis bieten.
Es ist wichtig, dass Versicherer auf die Bedürfnisse ihrer Kunden eingehen, die gerade einen Antrag eingereicht haben, da dies eine emotionale Herausforderung darstellen kann. Aufgrund begrenzter Ressourcen ist das menschlich nicht immer möglich. Chatbots wurden in der Vergangenheit eingesetzt, aber aufgrund ihrer starren und distanzierten Art wieder verworfen, so dass eine Alternative gefunden werden muss. Hier kommt die generative KI (GenAI) ins Spiel. - Antonio Di Marzo, Senior Director, Produktentwicklung, EPAM
Empathische Automatisierungstools erkennen und respektieren die Situation, in der sich die Antragsteller befinden. FNOLs werden in der Regel nur wenige Augenblicke nach einem Vorfall erstellt und die Antragsteller befinden sich oft in einem Moment emotionaler Anspannung. Sie sind wahrscheinlich gestresst und können sich nur schwer an Informationen erinnern oder einfache Aufgaben ausführen.
In diesem Zusammenhang können komplexe Fragen oder schwer verständliche Anforderungen frustrieren und den Informationsfluss unnötig verlangsamen. KI hilft dabei, die Kommunikation in dieser Phase einfacher und situationsgerechter zu gestalten und die notwendigen Informationen effizient zu erfassen.
Case Study: Einfache und empathische Kundeninteraktionen
Die Embedded Gen AI-Lösung von EPAM, unterstützt durch Large Language Models (LLMs), zeigt dies eindrucksvoll in der Praxis. Durch intelligentes Abgleichen vorhandener Informationen wird die Identität des Anrufers schnell und zuverlässig überprüft, etwa über alltägliche Daten wie Geburtsdatum und Telefonnummer. Anstatt z. B. ein Fahrzeug über schwer zugängliche oder komplexe Datenpunkte zu identifizieren, nutzt die Lösung unmittelbar verfügbare Informationen wie die Farbe und den Hersteller des Autos.
"Melden Sie den Schaden für den blauen Mercedes oder den roten Audi?" ersetzt "Können Sie uns das Zulassungsdatum des Fahrzeugs nennen?"
In diesem Zusammenhang trägt KI zu einem natürlicheren und weniger frustrierenden Kundenerlebnis bei. Gleichzeitig wird die anfängliche Erfassung von Schadensinformationen effizienter gestaltet, was auch für die Sachbearbeiter einfacher ist.
2. Kategorisierung und Abgleich von Schadensinformationen
Der nächste Schritt ist die Kategorisierung und der Abgleich. Versicherer müssen den geltend gemachten Schadentyp verstehen, die entsprechende Versicherungspolice abrufen und ermitteln, welche Bestandteile des Schadenfalls mit den Policebedingungen abzugleichen sind.
Kognitive KI und Generative KI helfen bei diesem Aspekt des Schadenprozesses, indem sie die Identifizierung relevanter Details sowie deren Abgleich und Validierung automatisieren. Zu jedem Zeitpunkt des Abgleichs kann eine KI-gestützte Lösung einen Fall an einen Sachbearbeiter eskalieren, wenn bestimmte Bedingungen erfüllt sind, wie z. B. unauffindbare Informationen, komplexe Fälle oder Betrugsverdacht. So bleibt die menschliche Kontrolle erhalten und es wird sichergestellt, dass der Fall in einem ausgereifteren Zustand an den Sachbearbeiter übergeben wird, als es sonst der Fall wäre - mit der maximalen Menge an gesammelten notwendigen Informationen.
Die Automatisierung dieses Aspekts des Schadenprozesses mit Hilfe von KI-Technologie ermöglicht es den Versicherern außerdem, schnell zu handeln, um die Kunden zu beruhigen, Informationen bereitzustellen und Unsicherheiten zu beseitigen. Innerhalb weniger Augenblicke können die Versicherer bestätigen, ob ihre Police den Schaden abdeckt, ob eine Selbstbeteiligung anfällt und ob sie weitere Informationen benötigen, um den Prozess voranzutreiben.
3. Erleichterung der Arbeit von Schadenregulierern
KI wird die Schadenabwicklung und -regulierung weiter verbessern, indem sie die Schadenregulierer mit einer Smart Workbench ausstattet. Wenn der anfängliche Automatisierungsprozess einen Schaden an einen Schadenregulierer eskaliert, hilft die "Smart Workbench" diesem, die Probleme und Unstimmigkeiten schnell und effizient zu lösen.
In der Vergangenheit haben Schadenregulierer oft mit fünf oder sechs verschiedenen Systemen gearbeitet, zwischen denen sie hin- und herspringen mussten, um Daten zu identifizieren und abzurufen und einen Schaden zu bearbeiten. Die Schadenregulierer mussten Probleme lösen, indem sie auf der Suche nach relevanten Informationen durch komplexe und lange Dokumente und mehrere Plattformen navigiert haben.
Heute unterstützen KI und Smart Workbenches die Sachbearbeiter, indem sie fehlende und problematische Informationen identifizieren, Empfehlungen geben, wo sie zu finden sind oder wie sie abgerufen werden können, und klare Anweisungen für die nächsten Schritte liefern. Sie nutzen API-Integrationen, um mit verschiedenen Systemen zu interagieren und eine einfache Datenextraktion zu ermöglichen. Letztendlich machen sie die Arbeitsabläufe von Schadenregulierern effizienter und straffer und verkürzen die Bearbeitungszeiten.
Darüber hinaus wird die KI einen erheblichen Einfluss auf die Betrugserkennung haben. Während Versicherer natürliche Sprache einsetzen, um Betrug in den textlichen Aspekten von FNOLs zu erkennen, können visuelle KI-Systeme dabei helfen, betrügerische Bilder zu identifizieren, die manipuliert, bearbeitet oder aus dem öffentlichen Bereich bezogen wurden. Die Betrugserkennung ist jedoch ein zweischneidiges Risiko. Wird ein rechtmäßiger Anspruch fälschlicherweise als Betrug identifiziert, kann der Versicherer einen Kunden verlieren. Werden betrügerische Ansprüche nicht identifiziert, zahlt der Versicherer für Nicht-Schäden. Folglich müssen KI-Tools der Präzision und genauen Erkennung den Vorzug vor einem übervorsichtigen, übereifrigen Ansatz geben.
Da Betrug im großen Stil immer ausgeklügelter wird und kriminelle Organisationen KI nutzen, um betrügerische Ansprüche zu stellen, müssen die Versicherer darauf reagieren, indem sie die Schadenregulierer mit immer leistungsfähigeren KI-Erkennungstools ausstatten. In gewissem Sinne befinden sich die Versicherer in einem KI-Wettrüsten mit kriminellen Organisationen. Ein Wettlauf, den sie nicht verlieren dürfen.
4. Schadenregulierung und Prävention
"In den letzten Jahren haben viele Versicherer auf Automatisierung oder vollständige Direktzahlungen mit sehr geringem Bearbeitungsaufwand gesetzt. Es hat sich ein Narrativ der schnellen Auszahlung entwickelt, bei dem viele Versicherer mit der Schnelligkeit ihrer Zahlungen werben. Aber tun die Versicherer ihren Kunden wirklich einen Gefallen, wenn sie nur auf die schnellstmögliche Auszahlung setzen? Die Antwort ist nein - die Verbraucher wollen nicht nur, dass ihre Ansprüche zügig bearbeitet werden, sondern sie wünschen sich auch ein höheres Maß an Kundenbetreuung und ein insgesamt besseres Erlebnis." - Antonio Di Marzo, Senior Director, Produktentwicklung, EPAM
Die Schadenregulierung profitiert enorm von der Implementierung von KI. Während die Automatisierung den Regulierungsprozess für unkomplizierte Schäden beschleunigt - in einigen Fällen ist sogar eine sofortige Regulierung möglich - wird sie auch die Interaktionen zwischen Versicherern, Kunden und Dritten vereinfachen. Die Kundenerfahrung wird sich durch die Automatisierung der Terminbuchung für Reparaturen, der Zahlungsabwicklung und ähnlicher Vereinbarungen nach der Regulierung erheblich verbessern.
Darüber hinaus trägt KI auch zur Verbesserung von Schadenpräventionsdiensten bei. Dies entspricht dem Wunsch vieler Versicherer, proaktiv in den Lebenszyklus des Kunden einzugreifen und Schäden zu verhindern, anstatt nur reaktiv darauf zu reagieren. API-gestützte Verbindungen mit einer Vielzahl wertvoller Datenquellen ermöglichen es automatisierten Schadensystemen, Präventionsempfehlungen in Echtzeit zu geben. Zum Beispiel nutzt EPAMs Ico: Smart Insurance Claims System Wetterdaten, um Kunden vor potenziell gefährlichen Wetterereignissen zu warnen und Präventionsempfehlungen auszusprechen.
Dieser Ansatz ist nicht nur auf private Versicherungspolicen beschränkt. Er ist auch für den gewerblichen Sektor relevant. Die Schifffahrtsindustrie ist ein anschauliches Beispiel. Automatisierte Systeme ermöglichen es den Versicherern, auf der Grundlage der verfügbaren Wetterdaten und anderer relevanter Risiken Schiffsrouten vorzuschlagen. In einigen Fällen können sie eine längere Route vorschlagen, die ein drohendes Unwetter umgeht, was nicht nur die Versicherungskosten senkt, sondern das Risiko grundsätzlich verändert.
Eine starke Aussage über die Kraft von KI
In den kommenden Monaten und Jahren wird die KI die bahnbrechende Kraft in der Versicherungsbranche sein. Die Fähigkeit der Versicherer, KI-Lösungen zu implementieren, wird ausschlaggebend dafür sein, ob sie mit der Konkurrenz mithalten können und ihren Kunden die Dienstleistungen bieten können, die sie erwarten und verlangen.
Wie diese Blog-Reihe gezeigt hat, kann KI im gesamten Schadenbearbeitungsprozess eingesetzt werden, um besser vernetzte und effizientere digitale Schadensysteme zu schaffen, die die Kosten senken und das Kundenerlebnis verbessern.
Wenn Sie mehr über die Auswirkungen von Gen AI auf die gesamte Wertschöpfungskette in der Versicherungsbranche erfahren möchten, lesen Sie unser White Paper hier.
Wenn Sie den ersten Teil dieser Serie verpasst haben, können Sie ihn hier hier nachlesen.
