Studie: KI und Advanced Analytics steigern Bedeutung von Daten

Die traditionell hohe Bedeutung von Daten für das Versicherungsgeschäft nimmt aufgrund technologischer Entwicklungen in den Bereichen KI, Advanced Analytics und LLM weiter zu. Das Wertschöpfungspotenzial datenbasierter Methoden dehnt sich auf Bereiche außerhalb der aktuariellen Kernfunktionen aus. Im Rahmen einer Studie gingen die ZHAW, Cognizant und AWS der Frage nach, welche Datenkompetenzen Versicherungsunternehmen künftig benötigen und was die neuen Technologien für die Mitarbeitenden im Alltagsgeschäft bedeuten.

Zentrale Ergebnisse in Studie von ZHAW, AWS und Cognizant

Um mehr über den aktuellen Stand der digitalen Transformation und die weitere Entwicklung in den Bereichen generative KI und Datenanalytik zu erfahren, hat die ZHAW (Züricher Hochschule für Angewandte Wissenschaften) in Zusammenarbeit mit Cognizant und AWS (Amazon Web Services) eine Studie durchgeführt und fünf Handlungsempfehlungen formuliert.

Die Studie zeigt, dass sich der Fokus der Datenanalytik von der reinen Auswertung hin zu Vorhersage (Prädiktion) sowie zu Handlungs- und Entscheidungsorientierung (Präskription) verschiebt. Im Zentrum der Veränderung stehen die zunehmenden Möglichkeiten, aus analysierten Daten geschäftsrelevante Informationen zu gewinnen. Hierfür investiert die Versicherungsbranche in Methodik, Werkzeuge und Systeme. Das Ziel der zunehmenden Technologisierung soll keine vollständige Automatisierung sein, sondern die Verbesserung von Arbeitsprozessen entlang der Wertschöpfungskette. Mit der Integration der neuen Technologien in operative Prozesse streben die Versicherungsunternehmen ein umfassendes Verständnis und genaueres Bewerten der Risiken und eine durchgehende Kundenorientierung mit verbesserten Interaktionen an, außerdem Kosteneffizienz, ein datenbasiertes, auf objektiven Einsichten basierendes Entscheiden und Handeln sowie die Entwicklung innovativer Versicherungsprodukte. Die in der Studie Befragten wünschen sich eine 360-Grad-Kundensicht und End-to-End-Prozesse sowie effizientere, regelkonforme Prozesse.

Fünf konkrete Handlungsfelder

Die Studie ergab fünf Handlungsfelder, die Versicherungsunternehmen unterstützen, das volle Potential der Daten und die methodisch-technischen Möglichkeiten auszuschöpfen, Risiken effektiv zu managen und Innovationen zu fördern:

1. Vision mit geschäftlichen Zielen und Prioritäten in Einklang bringen: Angesichts der dynamischen Entwicklungen in Datenanalytik und KI ist es essenziell, eine auf geschäftlichen Zielen basierende Vision zu entwickeln, diese regelmäßig zu überprüfen und Projekte entsprechend zu priorisieren.

1. Modelle der Zusammenarbeit und entsprechende Kompetenzen fördern:Eine innovations- und datengetriebene Kultur mit Experimentierfreude und Fehlertoleranz sowie aktiver Risikokontrolle erfordert gezielte Sensibilisierung und Weiterbildung der Mitarbeitenden.

1. Organisatorische und technische Voraussetzungen für Analytik und KI schaffen: Versicherer stehen nicht auf einer grünen Wiese. Es ist wesentlich, die notwendigen Voraussetzungen für datengetriebene Arbeitsweisen und den Einsatz von KI zu schaffen.

1. Datenanalytik, KI und Generative AI als Unternehmensfähigkeit wertschöpfend implementieren: Während die Wichtigkeit von Daten für den Versicherungsbetrieb allgemein anerkannt wird, müssen Umgang und Nutzen konkret aufgezeigt werden. Dabei ist der Nutzen für die verschiedenen Anwendungsbereiche, sei es für das Aktuariat oder den Vertrieb, differenziert herauszuarbeiten.

1. Awareness schaffen, um Arbeitsweisen neu zu gestalten, und «Tone from the Top»: Außer dem Festlegen für Richtlinien und Strukturen für Datenmanagement, -qualität, -sicherheit und Compliance müssen Vorgesetzte und Mitarbeitende diese mit Leben füllen, indem sie sich der geschäftlichen Bedeutung dieser Themen bewusst sind.

Fazit

Hinsichtlich der Bedeutung von Daten für das Versicherungsgeschäft ist keine Überzeugungsarbeit zu leisten. Die Versicherungsunternehmen müssen vielmehr auf der Grundlage einer klaren Vision und daraus abgeleiteten strategischen Prioritäten den Nutzen technischer und methodischer Innovationen in konkreten Anwendungsfällen aufzeigen. Damit die Transformation hin zu interdisziplinären Teams und zur Integration von Datenanalytik in alle Geschäftsfunktionen gelingt, stehen Führungskräfte und Entscheidende in der Verantwortung, ihre Unternehmen in Bezug auf Kompetenzen, technische und organisatorische Herausforderungen sowie Kultur fit für die Zukunft zu machen. (mho)