Mit intelligentem Einsatz von Big Data in der Versicherung zum Wettbewerbsvorteil

Die Versicherungsbranche sitzt auf einem riesigen Datenschatz. Dank intelligenter Analyseverfahren können diese enormen Datenmengen über Kunden, Produkte und Schadenentwicklung sinnvoll strukturiert und ausgewertet werden – auch in Echtzeit. Der konsequente Einsatz von Big Data und Data Analytics im Versicherungsalltag ist Voraussetzung für eine erfolgreiche digitale Transformation hin zum datengetriebenen Versicherer. In diesem Artikel beleuchten wirdas Potenzial von Big-Data-Ansätzen in der Assekuranz, gehen auf den Status quo ein, und zeigen, wie smarte Software hier unterstützend tätig werden kann.

Was versteht man unter Big Data?

Das Datenvolumen in Unternehmen aller Branchen – auch bei Versicherungen und Banken – ist dank des Einsatzes neuer Technologien in den vergangenen Jahren stetig gewachsen. Dabei ist deren Verarbeitung alles andere als trivial. Leistungsstarke Programme und Verfahren wie z. B. Machine Learning sollen bei der Analyse und Auswertung dieser Daten helfen, die als das „Gold des 21. Jahrhunderts“ bezeichnet werden. Doch was versteckt sich konkret hinter dem Begriff „Big Data“? Bei der Definition gilt es, Big Data im engeren und Big Data im weiteren Sinne zu unterscheiden:

• Unter Big Data im engeren Sinne versteht man Datenmassen, die zu groß, zu unstrukturiert, zu komplex oder zu schnelllebig sind, um mit klassischen Methoden der Datenverarbeitung untersucht und ausgewertet zu werden.

• Big Data im weiteren Sinne umfasst als Sammelbegriff die Gesamtheit der Technologien und Methoden, die die Sammlung, Speicherung, Zusammenführung und Verarbeitung großer Datenmengen ermöglichen.

Aktueller Stand von Big Data bei Versicherungen

Big Data, Predictive Analytics, steigende Regulatorik und die Gefahren durch Cyberkriminalität: Das sind laut Trendbarometer 2020, einer Umfrage der Versicherungsforen und des Digital Impact Labs Leipzig, die Top-Trends der Versicherungsbranche. Das Thema „Big Data“ stuften die befragten Versicherer und Dienstleister mit einem Mittelwert von 3,7 als wichtigste Entwicklung für das eigene Unternehmen und die Assekuranz in den kommenden fünf Jahren ein. Das überrascht nicht: Seit jeher besteht das Business von Versicherungen in der Sammlung und Auswertung von Zahlen, um Risiken und Prämien festzulegen und Entscheidungen im Beschwerdemanagement, in der Schadenregulierung oder in der Vertriebssteuerung zu treffen.

Doch die heutzutage verfügbaren Kunden- und Umweltdaten ermöglichen den Versicherungen zahlreiche neue Einsatzfelder für Big-Data-Anwendungen und bieten strategisches Potenzial. Dabei sollten Versicherungen auch kreative Kooperationen mit neuen Partnern (beispielsweise Netflix) nicht scheuen, um ihre eigenen Daten anzureichern und so das Potenzial für neue innovative Versicherungen zu bergen, wie Versicherungsexperten nahelegen.

Einsatz von Big Data in der Assekuranz

Wo liegen nun die Anwendungsgebiete für Big Data bei Versicherungen? Hier ein Überblick über die Bereiche, in denen bereits das Potenzial der Auswertung großer Datenmengen genutzt wird:

• Big Data ermöglicht Versicherungen die fundierte Bewertung von Risiken: Dank Telematik-Lösungen in Fahrzeugen können beispielsweise Daten zum Fahrverhalten des Autofahrers an die Versicherung beziehungsweise den Dienstleister der Versicherung übermittelt werden. Dadurch kann eine dynamische Anpassung der Versicherungsprämie, gekoppelt an das persönliche Fahrverhalten, erfolgen. Wer vorausschauend und sicher fährt und sich an die geltenden Geschwindigkeitsbegrenzungen hält, bekommt bei diesem nutzungsbasierten Produkt einen Rabatt beziehungsweise zahlt einen geringeren Versicherungsbeitrag.

• Ein aufwändiger Prozess in der Versicherungsbranche ist die Bewertung von Versicherungsansprüchen, da Informationen aus heterogenen Kundendokumenten zu analysieren sind. Mithilfe künstlicher Intelligenz beziehungsweise lernfähiger Algorithmen können Dokumenttypen automatisiert klassifiziert und relevante Abschnitte in Dokumenten identifiziert werden. KI-gestütztes Claim Management unterstützt damit die effiziente Gestaltung des Nachforderungsmanagements.

• Durch intelligente Smart-Home-Konzepte erhalten Versicherungen Eintritt in die Lebenswelt ihrer Kunden, indem sie die Echtzeitdaten der vernetzten Geräte im Haushalt analysieren und auswerten. Damit können sie ihnen im Alltag proaktiv zur Seite stehen und durch intelligente Algorithmen Schadenfälle verhindern noch bevor sie entstehen. Beispielsweise lässt sich durch Sensoren der Druck und Wasserdurchfluss in Wasserleitungen überwachen. Wenn aufgrund eines Lecks in der Leitung Wasser austreten sollte, wird dieses ungewöhnliche Ereignis durch eine plötzliche Änderung an den Daten identifiziert und es werden geeignete Gegenmaßnahmen eingeleitet (z. B. Warnung des Kunden mittels App). Denkbar sind auch Assistenzleistungen wie der automatische Anruf bei einem Handwerker. Dank Big Data-Lösungen wird so der Fokus bei Versicherungen vom reaktiven Schadenmanagement hin zu proaktivem Management von Risiken und zur Prävention verschoben. Die Versicherung fungiert also mehr als ein „Lebensbegleiter“ anstatt nur als Dienstleister, der im Schadenfall leistet.

• Eine aufwändige Arbeit vor dem Abschluss einer Versicherung stellt die Risikoprüfung dar, welche das Vorliegen exakter Informationen erfordert, die oft noch durch das Ausfüllen umfangreicher Fragebögen eingeholt werden. Mittels Big-Data-Verfahren lassen sich Kunden mit geringem Risiko anhand von Profil- und Verhaltensdaten erkennen, so dass diesen ein vereinfachtes Verfahren zur Risikoprüfung angeboten werden kann. Damit verbessert sich nicht nur die operative Effizienz, sondern auch die Customer Experience. Auch das Underwriting und die Evaluierung neuer Risiken durch Auswertung und Korrelation von externen Daten ist möglich.

• Big Data kommt bei Versicherungen darüber hinaus zum Einsatz, um mittels prädiktiver und quantitativer Verfahren potenzielle Betrugsfälle aufzudecken oder zweifelhafte Schadenfälle effizient aufzuklären. Da laut einer aktuellen Infas-Quo-Studie im Auftrag des Gesamtverbands der Deutschen Versicherungswirtschaft (GDV) bei bis zu jeder zehnten Versicherungsforderung Betrug im Spiel ist, können Versicherer so dank Anwendung von Big-Data-Methoden große Summen einsparen. Bei der Betrugserkennung werden verschiedenste interne und externe Daten verknüpft und analysiert und auf Betrugsmuster hin untersucht. Dies läuft vollkommen automatisiert in Dunkelverarbeitung ab. Erst wenn das System Hinweise in den Daten findet, die einen möglichen Versicherungsbetrug nahelegen, kommt der Fall auf den Tisch eines Sachbearbeiters, der sich den Vorgang im Detail ansieht.

Vorteile von Big-Data-Lösungen

Der Einsatz von Big-Data im Versicherungsalltag bringt zahlreiche Vorteile für Versicherungen:

• Big Data macht dank neuer Datenquellen das Zeichnen völlig neuartiger Risikokategorien wie Cyber möglich. So können Versicherungen ihr Geschäft steigern, aber auch profitabler Risiken einschätzen und zeichnen (Cyence).

• Die Analyse und Auswertung großer Datenmengen ermöglicht die Entwicklung innovativer Produkte und Services, beispielsweise einer individuellen Kfz-Versicherung sowie Assistenzleistungen.

• Durch die automatisierte, schnelle und fehlerfreie Bearbeitung von Versicherungsvorgängen steigt die allgemeine Kundenzufriedenheit.

• Dank Big Data haben Versicherungen mehr Informationen über ihre Kunden und können so eine bessere und schnellere Einstufung des Risikoprofils eines Kunden vornehmen. Informationsasymmetrien auf dem Versicherungsmarkt werden so abgebaut und Antiselektion reduziert.

• Im Schadenbereich kann schneller und gezielter speziell auf Kumulschäden reagiert werden, da Informationen über die auslösenden Ereignisse zur Verfügung stehen. Man kann rasch einen Überblick über seinen Vertragsbestand in dem betroffenen Gebiet erhalten und so schneller und gezielter reagieren und helfen.

• Big Data liefert Versicherungen Antworten auf relevante Fragen, auf die die klassischen Analyseverfahren bisher keine Antworten geben konnten (zum Beispiel automatisierte Betrugserkennung). Außerdem stellt Big Data wichtige Erkenntnisse effizienter als bisher zur Verfügung.

• Big Data bietet eine einfache Erkennung von Compliance-Problemen wie Betrugsversuchen.

• Durch Big-Data-Ansätze bei Versicherungen lassen sich die Kosten des operativen Geschäfts signifikant verringern, da viele Vorgänge mittels Dunkelverarbeitung in kürzerer Zeit und ohne manuelle Eingriffe bearbeitet werden können.

• Big Data ermöglicht es auch, in Echtzeit operationale Prozesse zu analysieren und eventuell Personal auf Basis der bestehenden Arbeitslast zu skalieren.

Herausforderungen durch Big-Data-Lösungen

Big-Data-Initiativen in Versicherungen haben trotz des eben aufgezeigten Potenzials mit Herausforderungen zu kämpfen.

• Versicherungsnehmer sind laut verschiedener Studien grundsätzlich dazu bereit, in bestimmten Situationen mit ihren Versicherungen Daten zu teilen, wenn sie dadurch einen deutlichen Vorteil erlangen. Versicherungen müssen ihrerseits aber transparent sein und eine Reihe von Fragen beantworten wie „Wer hat Zugriff auf die privaten Daten?“ und „Können bestimmte Menschen vom Versicherungsschutz ausgenommen werden?“.

• In vielen Versicherungen herrschen softwaretechnische Insellösungen vor. Dezentrale Datenhaltung und mangelnde Datenqualität verhindern allzu oft noch Big-Data-Initiativen in der Assekuranz. In dieser Situation können aus den verteilt vorhandenen Daten mittels Predictive Analytics keine neuen Erkenntnisse oder das zukünftige Kundenverhalten prognostiziert werden. Erst durch eine Zusammenführung und Synchronisation der Daten erfolgt die Wandlung von Big Data zu Smart Data.

• Das Potenzial von Big Data wird allzu oft noch durch in die Jahre gekommene Legacy-Systeme ausgebremst.

• Nicht zuletzt müssen die Daten von entsprechenden Fachkräften wie Data Scientists und Spezialisten in KI ausgewertet werden, die auf dem Arbeitsmarkt momentan rar gesät sind.

Guidewire Analytics: Plattform zur Umsetzung von Big Data

Treffen Sie als Versicherung Entscheidungen auf der Grundlage interner und externer Daten, um wirtschaftlich erfolgreich und dem Wettbewerb zwei Schritte voraus zu sein. Dabei unterstützt Sie die Guidewire Data Platform mit den Lösungen Predictive Analytics, Risk Insights und Business Intelligence. Erhalten Sie Informationen über Ihre Kunden genau in dem Moment, in dem Sie sie brauchen.

• Mit Predictive Analytics optimieren Sie die Schadenbearbeitung, verbessern die Rentabilität im Underwriting und fördern intelligente Entscheidungen in allen Kernprozessen.

• Mit Risk Insights können Versicherungen neue Wachstumschancen nutzen, indem sie ihre Fähigkeiten zur Evaluierung und Tarifierung neuer Risiken steigern und beispielsweise hochmoderne Cyber-Versicherungsprodukte entwickeln.

• Mit Business Intelligence lässt sich die Leistung des Unternehmens kontinuierlich messen, steuern und verbessern.

Die Guidewire Data Plattform ist die Grundlage für analysegestützte Innovation. Ihre Vorteile:

• Bessere Risikoselektion: Verbessern Sie die Qualität Ihres Geschäftsportfolios durch präzise Risikobewertung und fundierte Kapitalentscheidungen.

• Profitables Wachstum: Sprechen Sie vielversprechende Kunden an und binden Sie diese an sich.

• Operationelle Effizienz: Rationalisieren Sie Ihre Abläufe mit schnellerer Wertschöpfung. Bieten Sie Angebote in Minuten, neue Versicherungsprodukte in Stunden an. Testen Sie, lernen Sie und passen Sie an!

• Verbesserte Kundenerfahrung: Machen Sie Ihre Kunden glücklich, indem Sie ihnen leicht zu kaufende und nutzende Versicherungsprodukte anbieten.

Verbessern Sie Ihre operative Effizienz und Kundenzufriedenheit durch Big Data

Dank des Einzugs moderner Technologien in nahezu jeden Bereich unseres Lebens erhalten auch Versicherer Zugriff auf mehr und mehr Daten aus den unterschiedlichsten Quellen. Dabei kann der smarte Einsatz von „Big Data“ Versicherungen einen deutlichen Wettbewerbsvorteil verschaffen, indem er die operative Effizienz entlang der gesamten Wertschöpfungskette verbessert und die Kundenzufriedenheit steigert.

Wollen auch Sie mehr gewinnbringende Informationen aus Ihren Daten ziehen und damit innovative Produkte entwickeln, die Customer Experience verbessern und Kosten einsparen? Nehmen Sie Kontakt mit uns auf!

Kontakt