Meine Behauptung: Die meisten Versicherer haben ihre KI-Programme auf die Kostenquote ausgerichtet. Ich schlage vor, dass sie sich stattdessen auf die Schadenquote konzentrieren sollten.

Zwei Gespräche in den letzten zwei Wochen haben mich zu dieser Erkenntnis geführt. Am 17. September moderierte ich in London eine Frühstücksrunde zum Thema „Disruption durch KI in den Bereichen Risikoprüfung und Schadenabwicklung“, an der COOs, Leiter der Bereiche Customer Journey und Data sowie Verantwortliche für die KI-Transformation von mehreren der größten britischen Versicherer und Makler teilnahmen. Letzte Woche nahm ich an einer INSEAD-Podiumsdiskussion zum Thema Versicherungen teil, und eine völlig andere Gruppe führte mich zu einer ähnlichen Schlussfolgerung…

Fragen Sie einen Versicherer, was er mit KI macht, und die Antwort lautet: Schadenbearbeitung. Automatisierung der Erstmeldung (FNOL), Dokumentenerfassung, Triage, Schadensschätzung anhand von Fotos, Betrugsbewertung, Empfehlungen zur Schadenregulierung. Das lässt sich leicht begründen, da die Schadenbearbeitung über klare KPIs verfügt: Kosten pro Fall, Bearbeitungsdauer, Zufriedenheit, Verlustquote. Man automatisiert einen Schritt, eine Zahl verändert sich, und schon hat man den Business Case erstellt.

Das Claims-data-Modell ist klar strukturiert und an einem Ort zusammengefasst, die Kennzahlen sind einfach, und ein Claims-Modell durchläuft den internen Genehmigungsprozess innerhalb eines Jahres. Man entschied sich dafür, weil die Herausforderung verstanden wurde, die Vorteile messbar waren und die Finanzierung gesichert war.

Doch mittlerweile sind die Prioritäten falsch gesetzt, und die wirtschaftliche Tragfähigkeit war nie so überzeugend, wie es den Anschein hatte.

Die Einsparungen bei den Schadensfällen bestehen größtenteils nur auf dem Papier

In vielen Geschäftsanalysen zu Schadensfällen wird die Zeitersparnis innerhalb eines Prozesses dargestellt, nicht jedoch die Kosteneinsparung für das Unternehmen. Die Durchlaufzeiten sinken, die Kontaktpunkte nehmen ab, der Anteil der durchgängigen Verarbeitung steigt, und dieselben Mitarbeiter stehen weiterhin auf der Gehaltsliste. Pro Vorgang eingesparte Minuten führen nur dann zu jährlichen Einsparungen in Pfund, wenn die Mitarbeiterzahl tatsächlich reduziert oder auf gewinnbringende Tätigkeiten umgeschichtet wird. Ist dies nicht der Fall, haben Sie lediglich den Arbeitsablauf optimiert, während die wirtschaftliche Situation unverändert bleibt.

Es gibt zudem ein regulatorisches Problem bei einem Programm, das ausschließlich auf Kosten basiert. Die „Consumer Duty“ wird sehr konkret, wenn ein Triage-Modell entscheidet, welche Anträge von einem Mitarbeiter geprüft werden und welche direkt abgelehnt werden. Mehrere der auf die Kundenreise fokussierten Teilnehmer der Frühstücksrunde wiesen darauf hin, dass „schnell“ und „fair“ zwei verschiedene Dinge sind. Verständliche Erklärungen, Analysen zum Beschwerderisiko und ein ordnungsgemäßer Prüfpfad sind keine Elemente, die man nachträglich hinzufügen kann. Sie sind es, die die Kostenkalkulation stützen, wenn die FCA Einsicht verlangt.

Das Underwriting hat sich kaum verändert

Zehn Jahre mit Prognosemodellen und Preisanpassungen, und fast niemand hat den eigentlichen Arbeitsablauf neu gestaltet. Die Unterlagen der Makler gehen nach wie vor als E-Mails und Tabellenkalkulationen ein, Schadensverläufe werden weiterhin manuell neu eingegeben, und die Risikoprüfer verbringen ihre erste Stunde des Tages nach wie vor mit der Eingabe von data.

Das ist merkwürdig, denn eine Verbesserung um einen Punkt bei der Risikoselektion wirkt sich stärker auf die kombinierte Quote aus als eine Effizienzsteigerung von mehreren Punkten bei der Schadenbearbeitung. Wir haben die KI bei der geringeren Zahl berücksichtigt, da diese mit einer überzeugenderen Begründung einherging.

Warum das Underwriting nicht im Mittelpunkt steht

Es gibt drei Gründe, die immer wieder genannt werden, und keiner davon hat wirklich etwas mit Technologie zu tun.

Der erste Punkt ist die Identität. Die Schadenbearbeitung ist ein Prozess. Die Risikoprüfung ist ein Handwerk. Ein Leiter der Schadenbearbeitung spricht gerne über “Straight-Through”-Quoten. Ein Leiter der Risikoprüfung hört den Begriff „automatisierte Entscheidungsfindung“ und fragt – durchaus berechtigt – wessen Name auf dem Spiel steht, wenn das Modell einen Fehler macht. Das ist eine Frage der Unternehmensführung, und sie erfordert entsprechende Antworten: Erklärbarkeit, Entscheidungsprotokolle, menschliche Freigabe oberhalb vereinbarter Schwellenwerte. Doch diese Fragen müssen geklärt sein, bevor jemand einem Agenten auch nur annähernd die Befugnis erteilt, eine verbindliche Entscheidung zu treffen.

Die zweite ist data. Das Underwriting-System data umfasst E-Mails von Maklern, die Umfrage reports, Feeds von Drittanbietern, Preisberechnungstools sowie ein System zur Policenverwaltung, das bereits vor all diesen Komponenten existierte. Die meisten KI-Programme für das Underwriting sind lediglich technische Installationsprojekte, denen ein KI-Etikett angeheftet wurde – und Vorstände lassen sich von solchen technischen Installationen nicht begeistern.

Der dritte Punkt ist der Regelkreis, der fast überall unterbrochen ist. Das Nützlichste, was ein Underwriter wissen könnte, ist, was mit den von ihm gezeichneten Risiken geschehen ist: Welche Schadensfälle sind eingegangen, aus welchen Gründen und was sagt dies über die Annahmen zum Zeitpunkt des Vertragsabschlusses aus? Bei den meisten Versicherern durchlaufen diese Informationen zwei Abteilungen, drei Systeme und eine vierteljährliche Rückstellungssitzung, bevor sie überhaupt in die Nähe der Underwriter gelangen. KI auf beiden Seiten dieser Barriere arbeitet nur mit der Hälfte des Gesamtbildes.

Machen Sie die nächsten 12 Monate zu einer Zeit der Entscheidungen, nicht der Anwendungsfälle

Jeder Versicherer verfügt bereits über eine Folie mit vierzig Anwendungsfällen. Was noch fehlt, sind einige wenige Entscheidungen.

Verlagern Sie das Budget von der Schadenbearbeitung hin zur Risikoprüfung und gehen Sie dabei offen damit um. Wenn mehr als zwei Drittel Ihrer KI-Ausgaben in die Schadenbearbeitung und den operativen Bereich fließen, konzentrieren Sie sich zu stark auf den kleineren Bereich. Die Schadenbearbeitung ist zwar noch nicht abgeschlossen, doch die Grenzerträge haben sich verlagert. Die nächste Automatisierungsmaßnahme im Schadenbereich senkt die Kostenquote nur noch um einen Bruchteil eines Punktes. Die erste ernsthafte Automatisierung im Underwriting – in Verbindung mit angemessen strukturierten Anträgen – schafft Kapazitäten für Underwriter, ermöglicht schnellere Angebote, verschafft einen klareren Überblick über das Risikoappetit und versetzt Sie in die Lage, über die Schadenquote zu diskutieren.

Wählen Sie eine Zeile aus und führen Sie den gesamten Arbeitsablauf durch. Ein Sachbearbeiter, der data fehlerfrei extrahiert und an einen Kollegen weiterleitet, der die Daten in ein Preisberechnungstool eingibt, hat nichts verändert. Die Erfassung, Anreicherung, Risikoeinstufung und Entscheidungsunterstützung bei Standardrisiken – wobei die Zeit der Risikoprüfer nun für die komplexen Fälle genutzt wird – ist das Ausmaß der Veränderung, das sich in den Zahlen niederschlägt.

Machen Sie den CUO zum Sponsor, nicht den CIO. Wenn die Person, die für die Schadenquote verantwortlich ist, nicht auch die Verantwortung für das Programm trägt, wird daraus ein Technologieprojekt, das die Underwriter eher hinnehmen, als dass es zu einer Veränderung ihrer Arbeitsweise führt. Nehmen Sie Erklärbarkeit und Schwellenwerte für manuelle Eingriffe von Anfang an in das Projektbriefing auf. Das ist der Preis für deren Unterstützung.

Betrachten Sie den Feedback-Kreislauf zwischen Schadenbearbeitung und Risikoprüfung als ein Produkt. Es ist die einzige Investition, von der beide Seiten profitieren, und in den meisten Unternehmen ist niemand dafür verantwortlich.

Worauf konzentriert sich Ihr Programm?

Die Versicherer, die die KI im Underwriting als ein zu lösendes Governance-Problem betrachten und nicht als eine zu schützende Fachkompetenz, werden präzisere Preise festlegen, schneller Angebote erstellen und bessere Risiken auswählen. Diejenigen, die weiterhin den Backend-Bereich der Schadenbearbeitung automatisieren, während der Frontend-Bereich des Geschäfts manuell bleibt, werden letztendlich sehr effizient für das bessere Underwriting anderer zahlen.

Die Frage ist also ganz einfach: Worauf konzentriert sich Ihr KI-Programm, und stimmt dies mit dem Bereich überein, in dem Ihre Combined Ratio tatsächlich bestimmt wird? Es würde mich interessieren, wie andere diese Frage beantworten.