MEINUNG27. Dezember 2021

Machine Learning & Künstliche Intelligenz: Europas Versicherer haben Aufholbedarf

Dirk Schmidt-Gallas, Simon-Kucher & PartnersSimon-Kucher

Wenn jeder Versicherer digitalisiert wäre, könnten Machine Learning und künstliche Intelligenz für neues organisches Wachstum in der Branche sorgen. Und wenn das Wörtchen wenn nicht wär … Eins steht fest: Europäische Versicherer haben so oder so noch viel Aufholbedarf.

von Dirk Schmidt-Gallas, Senior-Partner bei Simon-Kucher & Partners

Laut dem Beratungsunternehmen Simon-Kucher & Partners (Website) nutzen Versicherer in Südost- und Zentralasien Machine Learning (KI) und künstliche Intelligenz (KI) bereits seit langem. Sie digitalisieren die Touchpoints mit ihren Kunden, um Datenpunkte systematisch zu sammeln und zu verarbeiten. In Europa wiederum werde ML und KI bis jetzt nur als Werkzeug zur Kosteneinsparung eingesetzt.

Hierzulande stehen die Versicherer bei Machine Learning und KI oft noch am Anfang. Sie vergessen das Potenzial auf der Umsatzseite: Machine Learning lässt sich gewinnbringend etwa bei der Optimierung von Produktempfehlungen oder im Customer Lifecycle Management einsetzen.“

Machine Learning und KI seien ein zentraler Baustein des Versicherungsbetriebes der Zukunft. Es gehe vor allem um eins: Die personalisierte Kundenbetreuung. Schmidt-Gallas erklärt, dass die neuen Technologien eine Chance darstellen, um weg von starren Massenpolicen und hin zu einer maßgeschneiderten Angebotsstruktur zu kommen.

Keine Ausreden bei der Implementierung

Machine Learning
Thufir Bigstock

Machine Learning ins eigene Unternehmen zu integrieren, habe sich laut Schmidt-Gallas in den vergangenen fünf Jahren stark vereinfacht – auch wenn es um Legacy IT-Systeme geht. Programme wie Docker und das Zusammenspiel von Softwareentwicklung und IT würden dafür sorgen. Best-Practices sowie bereits entwickelte Lösungskomponenten ließen sich mit Container-Lösungen dynamisch kombinieren, um auch komplexe ML-Prozesse in vereinfachter Weise zu entwickeln und in bestehende Altsysteme zu integrieren.

Einziges Manko ist, dass das alles seine Zeit brauche: Die Projektentwicklung und Implementierung einer fortgeschrittenen Machine-Learning-Anwendung könne aktuell rund sechs Monate dauern. Laut Schmidt-Gallas sei das aber dennoch gut investierte Zeit.ft

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/132368
 
 

 

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.