Obwohl die effektive Aggregation von Daten und deren Analyse seit jeher zu den Schlüsselkompetenzen der Branche gehören, ist die Bedeutung von Daten im Zuge technologischer Entwicklungen gestiegen. Der Fokus der Datenanalytik verschiebt sich von der reinen Auswertung hin zu Vorhersage (Prädiktion) sowie zu Handlungs- und Entscheidungsorientierung (Präskription). Auch unstrukturierte Daten gewinnen an Bedeutung. Generative KI und grosse Sprachmodelle verändern Kundeninteraktion, Prozesse und Arbeitsweisen grundlegend. Vor diesem Hintergrund untersuchte die Studie, welche Datenkompetenzen welche Funktionen im Versicherungsunternehmen der Zukunft benötigen.
Angela Zeier Röschmann, Prof. Dr., Co-Leiterin Institut für Risk and Insurance, ZHAW School of Management and Law.
Bei der Transformation «vom Wasserfall zur effektiven Zusammenarbeit» entstehen neue Schnittstellen
Die Branche hat in Methodik, Werkzeuge und Systeme investiert. Covid-19 und Fortschritte in der generativen KI wie Chat GPT wirken als Katalysatoren für eine stärkere Datenorientierung. Das Zielbild der Versicherer ist relativ einheitlich: Die Vision ist ein umfassendes Verständnis der Risiken in Echtzeit, durchgehende Kundenorientierung, Kosteneffizienz und datenbasiertes Entscheiden in allen Wertschöpfungsprozessen. Der Grundstein für diese Datenorientierung liegt im Zusammenspiel von Fachexpertise, Datenmanagement, Datenanalytik und KI. Auch im Management und den Business-Funktionen sind Datenkompetenzen somit ein Erfolgsfaktor, während Data Scientists und IT-Spezialistinnen und -spezialisten ein gutes Verständnis des Versicherungsgeschäfts mitbringen sollten.
Vielfältige Anwendungsfelder im Versicherungsbetrieb
Künstliche Intelligenz wird bereits vielfältig eingesetzt. Anwendungen reichen von der Datenaufbereitung bis hin zur Unterstützung menschlicher Entscheidungen oder Automatisierung von Prozessen. Zentrale Querschnittsthemen sind die 360-Grad-Perspektive auf den Kunden, AI für Content- und Wissensmanagement, die Mensch-Maschine-Schnittstelle sowie Process-Mining und Prozessoptimierung. Im Vertrieb wird neben der verbesserten Informationsgrundlage auch die Möglichkeit gesehen, Kundensegmente gezielter anzusprechen und die Kundenbetreuung zu automatisieren. In Underwriting, Pricing und Portfoliosteuerung erhofft man sich durch KI ein umfassenderes Verständnis der Kundinnen und Kunden und eine genauere Einschätzung der versicherten Risiken. KI bietet zudem das Potenzial, grosse Mengen an Dokumenten zugänglich zu machen und auszuwerten. Im Schadenmanagement und bei der Betrugserkennung eröffnen sich umfangreiche Einsatzfelder für KI, von der Unterstützung des Schadenbearbeitungsprozesses bis zur Visualisierung mittels Virtual Reality. In Data Science und IT unterstützt KI Entwicklerinnen und Entwickler und erleichtert die Migration von Altsystemen.
Grafik
Die Entfaltung von Fach- und Technikwissen wird massgeblich durch Urteils-, Selbst- und Sozialkompetenzen unterstützt
Datenkompetenz muss in den Geschäftsfunktionen verankert sein. Data-Ownership und Data-Stewardship erfordern Kenntnisse der rechtlichen, regulatorischen und ethischen Rahmenbedingungen. Kompetenzanforderungen entstehen aus dem Zusammenspiel von Business-Experten, Business-Analysts, Solution-Engineers, Data-Scientists und IT-Expertinnen. Für den Erfolg neuer Kooperationsmodelle sind Selbst- und Sozialkompetenzen wichtig, wie z. B. auf andere zugehen und kooperieren zu können, über den eigenen Tellerrand zu schauen und Neues ausprobieren zu wollen oder Frustrationen auszuhalten und aus Fehlern zu lernen. Diese Kompetenzen entwickeln sich nicht von selbst. Eine datengetriebene Kultur mit Experimentierfreude, Fehlertoleranz und aktivem Risikomanagement erfordert eine gezielte Sensibilisierung und Weiterbildung der Mitarbeitenden. Versicherer sind nun gefordert, auf Basis einer klaren Vision die organisatorischen und technischen Voraussetzungen für datengetriebene Arbeitsweisen und den Einsatz von KI zu schaffen.
