Im Zeitalter von Digitalisierung, KI und wachsendem Wettbewerb stehen Versicherungsunternehmen zunehmend vor der Herausforderung, ihre Daten effizienter zu nutzen. Logisches Datenmanagement hilft ihnen dabei, schnellere Entscheidungen zu treffen, regulatorische Anforderungen sicher zu erfüllen und das volle Potenzial von KI-Anwendungen auszuschöpfen.
Von Jörg Hesske, Regional Vice President and General Manager Central & Eastern Europe bei Denodo.
Mit der zunehmenden Verbreitung digital-orientierter Wettbewerber sieht sich der traditionelle Versicherungsmarkt einer disruptiven Entwicklung gegenüber. Diese zwingt etablierte Versicherer dazu, sich anzupassen und zu modernen Technologien zu greifen. Immerhin ist eine vielversprechende Grundlage hierfür bereits gegeben – dank umfangreichen und vielfältigen Daten.
Allerdings arbeiten Versicherer oftmals mit fragmentierten Datenlandschaften, in denen sich Kunden-, Produkt-, Risiko- und Compliance-Daten in voneinander getrennten Systemen befinden. Zudem speichern viele von ihnen ihre Geschäftsdaten in Data Lakes oder (Cloud) Data Warehouses. Zwangsläufig bedeutet das, dass sich zum Beispiel wichtige Entscheidungen verzögern, da die Daten von der IT erst gesucht, kombiniert und transformiert werden müssen.
Logisches Datenmanagement hilft Versicherungsunternehmen dabei, sowohl das Silo- als auch das Datenspeicherungsproblem in den Griff zu bekommen. In diesem Kontext bedeutet „logisch“, dass das Datenmanagement nicht an ein einziges System gebunden ist.
Im Grunde wird dabei ein auf Datenvirtualisierung aufbauender Daten-Layer geschaffen, der sämtliche Unternehmensdaten jeden Typs in Echtzeit aus allen Winkeln des gesamten Unternehmens nutzbar macht – einschließlich Legacy-, On-Prem- und Cloud-Systemen. Dieser ganzheitliche Ansatz bietet Vorteile auf mehreren Ebenen:
1. Datendemokratisierung: Informationen für alle zugänglich machen
Ein zentralisierter Zugang zu verstreuten Daten schafft eine fundierte Basis für strategische Entscheidungen. Er ermöglicht eine direkte Einsicht in relevante, hochaktuelle Informationen und Insights. Zudem ist er maßgeblich für die uneingeschränkte Zusammenarbeit zwischen verschiedenen Geschäftsbereichen – etwa zwischen Broker und Underwriter.
Während der Broker auf zeitig verfügbare, detaillierte Informationen angewiesen ist, um seine Unternehmenskunden zielführend zu beraten, muss sich der Underwriter auf die Vollständigkeit und Genauigkeit der Datengrundlage verlassen können.
Können beide Seiten relevante Daten zentral, sicher und in Echtzeit untereinander austauschen, entfallen redundante und manuelle Prozesse. Dadurch lassen sich unter anderem passende Policen schneller ausstellen, Risiken präziser bewerten und Versicherungsansprüche effizienter abwickeln.
Da eine Lösung für logisches Datenmanagement Informationen via Datenvirtualisierung zentral bereitstellt, braucht es weniger Unterstützung durch IT-Experten und Data Scientists. Denn dadurch müssen Daten weder repliziert noch bewegt werden. Auf diesem Weg können alle Mitarbeitenden direkt auf die für sie relevanten Daten zugreifen und sofort für ihre Arbeit nutzen – wann immer sie sie brauchen und im für sie passenden Format.
2. Data Governance und Compliance: Zugriffe managen, Regularien einhalten
Als streng regulierte Branche muss das Versicherungswesen unter anderem sicherstellen, dass IT-Infrastrukturen und sensible Informationen ausreichend geschützt sind. Für den Fall einer Prüfung müssen Versicherer zudem bestimmte Aktivitäten, Daten und Metriken tracken – zum Beispiel um der Frage nach dem ökologischen Fußabdruck nachzukommen.
Erschwerend kommt hinzu, dass sich die regulatorische Landschaft laufend weiterentwickelt. Umso wichtiger ist es, eine starke Data Governance Strategie zu etablieren, die umfängliche Gesetze und Standards abdeckt, Datensicherheit gewährleistet sowie Qualität, Genauigkeit und Konsistenz fördert.
Mithilfe einer Datenmanagement-Lösung, die über Data Governance Tools verfügt, lassen sich rollenbasierte Sicherheitskontrollen einbinden. Diese verhindern, dass unautorisierte Nutzer willkürlich auf Informationen zugreifen können. Gleichzeitig ermöglicht die Lösung das Tracking aller Datenzugriffe und die weitere Nutzung mittels Audit Trails.
Außerdem erweisen sich moderne Datenmanagement-Lösungen in puncto Compliance und Reporting als besonders hilfreich, da relevante Informationen wie Emissionsdaten, die unternehmensweit verstreut sind, zentral gesammelt und bereitgestellt werden.
Versicherungsunternehmen können zusätzlich externe Datensätze wie Klima- oder Lieferkettendaten integrieren. All das trägt dazu bei, regulatorische Deadlines einzuhalten und alle für einen Audit notwendigen Inhalte parat zu haben.
3. KI-Implementierungen: Garbage in, garbage out
Im Versicherungswesen eröffnen sich derzeit zahlreiche Einsatzmöglichkeiten und Use Cases für Künstliche Intelligenz und Generative AI. Einige Beispiele umfassen die intelligente Zusammenfassung von Policen, Risikoanalyse und -bewertung, den automatisierten Informationsaustausch zwischen Broker und Underwriter, Echtzeit-Marktanalysen und -vorhersagen, personalisierte Kundenempfehlungen sowie die Identifizierung von Betrugsversuchen.
Dank Automatisierung lassen sich also viele (Routine-) Prozesse effizienter durchführen, während sowohl die Anzahl zeitintensiver manueller Eingriffe als auch das Fehlerrisiko sinkt. Allerdings hängt der Erfolg von KI-Anwendungen wesentlich von der Datengrundlage ab. Je qualitativ hochwertiger und akkurater die Informationen sind, die die Modelle nutzen, desto besser fallen die Ergebnisse aus.
Eine Lösung für logisches Datenmanagement aggregiert unternehmensweit verstreute Informationen, die sich perfekt für das Modell-Training eignen, bereitet diese gezielt auf und stellt sie KI-Anwendungen in strukturierter, leicht konsumierbarer Form bereit.
In Kombination mit Retrieval-Augmented Generation (RAG) werden KI-Modelle kontinuierlich mit aktuellen Daten versorgt, ohne sie neu zu trainieren. Das verbessert die Ergebnisse und stellt sicher, dass sie sich flexibel an verändernde Geschäftsbedürfnisse anpassen.