Künstliche Intelligenz in der Schaden- und Unfallversicherung: Wo bitte geht’s zur Revolution?

Digitalisierung. Jetzt sofort. Alles. Mit Analytics, Big Data und selbstredend künstlicher Intelligenz. Sonst ist das Ende nahe. Wegen der Bedrohung. Google, Amazon, Facebook, …. Sie wissen schon. Künstliche Intelligenz ist der neue Hype am Himmel von Strategie- und IT-Beratung. Eine wahre Gelddruckmaschine. Spannend: Kaum jemand weiß, wie man wirklich damit arbeitet und was das bedeutet. Trotzdem wird eine Revolution angezettelt, die in kürzester Zeit alles verändern soll. Die viele Emotionen weckt. Damit entsteht ein Gegeneinander statt ein Miteinander. Eine differenzierte Einordnung

von Dr. Daniel John, Leiter Aktuariat Schaden/-Unfall bei der HUK-COBURG. Data Scientist und Aktuar

Alles völlig überflüssig. Denn: Evolution statt Revolution. Das ist der richtige Weg für künstliche Intelligenz, den man gemeinsam gehen sollte. Mit Mitarbeitern und Kunden. Warum? Weil KI an sehr vielen Stellen im Versicherungsunternehmen gewinnbringend eingesetzt werden kann. Jeder Anwendungsfall aber ist vor allem eins: Viel Arbeit, damit er wirklich gut wird. Dabei gilt es, alle Beteiligten einzubeziehen und gezielt und kontinuierlich vorzugehen. Im Sinne einer Evolution.

Grundlage von Versicherung war schon immer: Mathematik und Statistik.

Was also liegt näher, als die Aufgaben eines Versicherers zu standardisieren, mit mathematischen Modellen abzubilden und die täglichen Routinen mit Algorithmen zu unterstützen?”

Diese Idee ist alt. Schon seit langem werden komplexe Modelle zur Prämienberechnung eingesetzt, zum Beispiel in der Kraftfahrtversicherung. Verallgemeinerte lineare Modelle (GLM) in der Regel. Man kann hier übrigens auch Modelle aus der künstlichen Intelligenz anwenden. Die sind aber nicht besser. Viel wichtiger als der Einsatz von gehypten Methoden ist nämlich in der Realität:

Eine ordentliche Modellierung und das tiefgehende fachliche Verständnis des zugrundeliegenden und zu lösenden Problems. Das wird von den Glücksrittern der Digitalisierung leider oft vergessen.”

Fakt ist also: Bei der Berechnung von Versicherungsprämien interagieren Vertrieb und Kundenbetreuer schon viele Jahre mit Algorithmen. Das ist geübte Praxis. Ob es sich dabei um statistische Modelle oder KI-Algorithmen handelt ist vollkommen irrelevant. Für die Mitarbeiter heißt das: Kundendaten erfassen. Die Maschine liefert den Preis. Mensch und Maschine unterstützen sich so gegenseitig. Für das Unternehmen: Eine sehr erfolgreiche Kombination. Für die Kunden: Ein fairer Preis.

Folgen des Hypes

Künstliche Intelligenz. Jetzt sofort. Alles.”

Die Stilblüten kann man allerorts bewundern: Labs und Think Tanks sprießen aus dem Boden. Hyperagile Innovations-Units auf der grünen Wiese. Möglichst weit abgetrennt vom Versicherungsunternehmen, um die dringend erforderliche Erneuerung auch ja nicht durch die altbackene Unternehmenskultur schon im Keim zu ersticken. Schließlich soll es ganz schnell gehen.

Später wird man dann feststellen, dass das Neue leider doch nicht in die Unternehmensrealität integrierbar ist. Zum Glück wird es noch etwas dauern, bis wir zu dieser Erkenntnis gelangen. Bis dahin können wir uns selber für unsere Innovationskraft rühmen. Und uns dem Kampf der Kulturen widmen, der völlig unbemerkt und für viele unerwartet entbrannt ist. Alt gegen neu. Wen interessiert da schon die Stimmung im Unternehmen? Die Revolution läuft auf Hochtouren.

Künstliche Intelligenz: Und die andere Seite der Medaille?

Dort wo wir mit gierigem Blick der Spur des Goldes hinterherhecheln, bekommen andere Angst. Kein Wunder also, dass sich der Verbraucherschutz formiert. Dass Forderungen nach Regulierung, Verboten und Algorithmengesetzen in der Luft liegen. Dass Betriebsräte alle Hände voll zu tun haben.

Damit haben wir dann wirklich alles getan, um uns selbst zu behindern, wo es auch geht.

Was lernen wir daraus? Revolution hört sich zwar toll an. Aber Evolution ist weit effizienter.

Weitreichende Prozessunterstützung durch Algorithmen

Das Vorgehen der Prämienberechnung ist übertragbar.

Eine Vielzahl von wichtigen Fragestellungen im Versicherungskontext lassen sich vollständig analog mathematisch darstellen. Beispiele:

1. Affinitäten von Kunden für bestimmte Produkte -> Einsatz in Marketing und Kundengespräch
2. Abgangswahrscheinlichkeiten -> Aufbau von Prozessen zur Stornoprophylaxe
3. Erkennung von Beratungsbedarf -> Kundenansprache- und Beratungsprozesse
4. Auffälligkeiten in Schäden -> Betrugserkennung
5. Erkennung schwerer Personenschäden -> Schnelle und gute Behandlung für die Betroffenen
6. Vorhersage Schadenhöhe eines Schadens -> Unterstützung der Schadensachbearbeitung bei der Rückstellungsbildung, Vereinfachung Jahres- und Quartalsabschlussprozesse, Steuerung der Schäden zu spezialisierten Sachbearbeitern

Zielrichtung dabei ist immer: Steuerung und Unterstützung von Prozessen durch Algorithmen. Genau wie bei der Prämienberechnung arbeiten Sachbearbeiter und Maschine Hand in Hand. Denn gemeinsam können erstaunliche Nutzenpotenziale gehoben werden: Steigerung des Wachstums und Verbesserung der Schadenquote sind damit sehr gut machbar. Vor allem aber auch: eine deutliche Qualitätsverbesserung aus Sicht des Kunden.

Was verändert sich für uns als Mathematiker und Data Scientisten, wenn wir solche Themen erschließen?

Methodisch erst einmal nicht viel. Die klassischen statistischen Methoden und Data-Mining-Ansätze lassen sich genau wie in der Tarifierung anwenden. Inklusive Datenqualitätssicherung, Testen, Controlling, Monitoring und fortlaufender Rekalibrierung.

Wirklich neu ist, dass wir tief in die Fachlichkeit der Prozesse eintauchen, um zum einen zu verstehen, wie man die Aufgaben adäquat modellieren kann. Zum anderen aber auch, um den Prozess so zu gestalten, dass die Interaktion zwischen Sachbearbeitern und Algorithmen effizient und ergonomisch funktioniert. Es soll schließlich Spaß machen und die Arbeit bereichern.

Damit wird die Zusammenarbeit von Mathematik und Fachbereichen auf eine ganz neue Ebene gehoben: So viel Austausch und gegenseitiges Verständnis gab es noch nie. Und genau darin liegt das Erfolgsrezept der „Evolution durch Algorithmen“! In der Zusammenarbeit!”

Künstliche Intelligenz? Braucht man für Prozesssteuerungsaufgaben nicht unbedingt

Kann man aber natürlich trotzdem verwenden. Nicht weil es besser ist, sondern einfach nur, weil es Spaß macht, seinen Methodenbaukasten zu erweitern. Und weil es aufgrund des ganzen Hypes viele schöne neue Tools rund um Python gibt, mit denen es sich sehr gut arbeiten lässt. Künstliche Intelligenz ist hier also nicht als Revolution zu sehen, sondern als eine „Methodenevolution“, die einfach Freude macht. Keine Zauberei. Obwohl das genau der Mythos ist: KI von der Kette gelassen ist schlauer als jeder Mensch. Aber inhärent böse. Macht alles allein. Entmachtet uns. Fesselt uns vor den Fernseher. Der selbstredend KI-gesteuert ist.

Die Wahrheit ist: Künstliche Intelligenz ist nicht besonders schlau. Es ist lediglich eine Methodensammlung.”

Algorithmen, die in einem genau spezifizierten Anwendungsfall das machen, was man ihnen sagt. Nicht anders als wir das von statistischen Verfahren schon lange kennen. Kreativität und Emotion: Das sind weiterhin rein menschliche Fähigkeiten.

Da passen die aktuellen Verbraucherschutzforderungen nach Algorithmengesetzen nicht wirklich. Aber woher kommen die Ängste, die hinter dem Ruf nach Kontrolle und Überwachung stehen? Schließlich handelt es sich bei dem, was wir Mathematiker tun, um lang erprobte und bewährte Vorgehensweisen, die wir als Versicherung dringend brauchen, um besser zu werden und endlich im 21. Jahrhundert anzukommen. Im Interesse aller Beteiligten. Denn wer möchte schon ernsthaft eine nicht wettbewerbsfähige Versicherung, die immer noch in der Steinzeit lebt.

Algorithmengesetze gehen im Übrigen an der Sache vorbei. Denn eigentlich geht es um die Forderung nach ethischem Verhalten.”

Menschen ärgern sich, wenn sie unfair behandelt werden. Zum Beispiel, wenn Amazon dem Kunden einen anderen Preis anbietet, je nachdem welches Tablet er bei seiner Einkaufstour verwendet. Weil dann eine andere Zahlungsbereitschaft besteht. Eine solche Preispolitik zu betreiben, ist aber eine einfache Managemententscheidung. Das hat nichts mit künstlicher Intelligenz zu tun, denn es ist eine simple Regel im Preisberechnungsprozess. Mit dem Algorithmusgesetz kann ich nun zwar den Einsatz von Algorithmen aus dem Bereich der KI in der Finanzbranche verhindern und erschweren. Aber: Die Preispolitik von Amazon kann fröhlich weiter bestehen bleiben. Und sogar ungehindert KI einsetzen. Denn wer würde schon wagen, Amazon einem Algorithmengesetz zu unterwerfen?

Telematik in der Kraftfahrtversicherung

Es gibt ihn dann doch. Den Bereich, in dem künstliche Intelligenz eine deutliche Bereicherung ergänzend zu den klassischen statistischen Methoden darstellt …

… und das ist die Kraftfahrttarifierung mit Telematikdaten. Möglicherweise gibt es auch noch weitere Anwendungsfälle … aber das ist ein anderes Kapitel.

Die Idee ist einfach: Fahrdaten (Ort, Zeit, Geschwindigkeit, Beschleunigung) aufzeichnen. Und anhand der in diesem Datenstrom zu beobachtenden Ereignisse und Muster das Unfallrisiko bestimmen. Um darauf aufbauend eine für das Fahrverhalten angemessene und faire Prämie bestimmen zu können. Fair ist das, weil durch die Zielvariable Schadenhäufigkeit bzw. Schadenbedarf genau auf die Korrelation zwischen unmittelbarem Fahrverhalten und Schadengeschehen abgestellt wird.

Fahrdaten sind etwas ganz anderes als die klassischen strukturierten Daten eines Versicherers. Sie sind Big Data. Aber was viel wichtiger ist: Sie ähneln sehr stark Bilddaten oder Tondaten. Genau deshalb sind Verfahren aus der künstlichen Intelligenz hier so vielversprechend: Mustererkennung in Fahrdaten funktioniert fast genauso wie Bilderkennung. Und Bilderkennung ist ein Bereich, in dem in letzter Zeit mittels künstlicher Intelligenz außerordentliche Fortschritte erzielt wurden.

Damit bewegen wir uns mit unserer Arbeit an der vordersten Front der Forschung. Ein außerordentlich spannendes Gebiet, in dem sich mit hinreichend Daten ganz außergewöhnliche Ergebnisse erzielen lassen.

Dabei sind unglaublich viele Herausforderungen zu bewältigen:

1. Datenqualität ist ein sehr großes Thema: Was, wenn die Tempolimits des Kartendatenanbieters nicht stimmen? Wenn das Mapping von GPS-Positionen auf Straßen Fehler hat? Beschleunigungskurven und Geschwindigkeitskurven nicht zusammen passen?
Hier ist außerordentliche Sorgfalt erforderlich. Denn letztlich gilt es, eine faire und angemessene Telematiktarifierung aufzubauen.
Dies erfordert einen sehr großen Aufwand, der leicht unterschätzt wird.
2. Nachvollziehbare und risikoadäquate Beurteilung des Fahrverhaltens aufbauen. Denn: Wenn die Nachtschwester zusätzliche Prämie zahlen müsste – also bestraft würde, weil sie nachts Auto fahren muss, dann liefe etwas massiv falsch. Hier sind viele Analysen, Testen, Verproben und ein permanentes Monitoring Pflicht, um wirklich zu verstehen, was Fahrverhalten ist und welche Auswirkungen es hat. Ein Score der Art „einfach irgendwie zusammengeschraubt“ ist ein No-Go. Fairness das oberste Gebot.
3. Kundenbeschwerden sind allgegenwärtig, wenn etwas nicht funktioniert.
4. Ganz zu schweigen von technischen Aspekten wie IT-Sicherheit und Funktionsfähigkeit der Hard- und Software.
5. Und nicht zu vergessen Datenschutz, Recht und ethisches Verständnis.

Ein gesundes Qualitätsbewusstsein und interdisziplinäre Zusammenarbeit ist daher unerlässlich. Auch deshalb engagiert sich die HUK-COBURG in vielen Organisationen. Beispielsweise beim Gesamtverband der deutschen Versicherungswirtschaft und bei der Plattform Lernende Systeme, die 2017 vom Bundesministerium für Bildung und Forschung gegründet wurde und Fachleute für künstliche Intelligenz aus Wirtschaft, Wissenschaft, Politik und Gesellschaft zusammenbringt.

Die Investition in umfangreiche Mechanismen zur Sicherstellung der Qualität, adäquaten Umgang mit den Daten, ein echtes Verständnis für das Thema, treffende Modellierung, intensives Testen, Verproben und sehr gute Data Scientisten ist Pflicht.

In dem Sinne: Die ein oder andere Angst der Verbraucherschützer ist durchaus verständlich. Wir teilen sie. Aus einem ganz einfachen Grund: Wir sind uns der Herausforderungen bewusst. Und der Tatsache, dass ein Telematiktarif sehr transparent ist. Die Kunden können direkt sehen, welche Auswirkungen ihr Fahrverhalten auf ihren Score hat. Und wenn da etwas nicht stimmt, dann wird daraus ganz schnell eine Kundenbeschwerde. Fehler werden vom Verbraucher direkt abgestraft. Das gilt es definitiv zu vermeiden.

Was machen wir vor diesem Hintergrund nun mit dem (Vor-)urteil, dass Versicherer KI nur einsetzen wollen, um endlich ungehindert diskriminieren zu können? Weil Versicherer sowieso keinerlei Bewusstsein für Ethik und Recht haben?

Am besten wir führen Algorithmengesetze ein. Überprüfungen und Genehmigungsverfahren durch Aufsichtsbehörden. Denn damit stellen wir sicher, dass Versicherer vollständig handlungsunfähig werden. Änderungen am Telematikalgorithmus müssten dann durch die Kontrollinstanzen genehmigt werden. Und die Erfahrungen aus Solvency II zeigen: Das dauert!

Weiterentwicklung wäre also ausgeschlossen. Und das bei einem Produkt, das unter ständiger Beobachtung durch die Kunden steht. Auf deren Feedback reagiert werden muss. Schnell und flexibel.

Anders ausgedrückt: Das Korrektiv in der Telematiktarifierung ist der Kunde. Nicht die Regulierungsbehörde.

Und wir tun gut daran, Sorgen und Ängste der Verbraucher ernst zu nehmen. Indem wir qualitativ hochwertige Algorithmen entwickeln und einsetzen. Und mit Recht und Ethik gegenlesen. Denn das ist es, was unsere Zukunft sichert und Nutzen für alle Beteiligten generiert. Evolution statt Revolution.”aj