Ein Gastbeitrag von Gerald Martinetz, Head of PreSales beim IT-Unternehmen Mindbreeze
Die unterschiedlichen Arten von Verträgen, die in Haushalten typischerweise existieren, machen es oft schwierig, rasch alle Informationen für ein Kundengespräch vorzubereiten. Lebensversicherungen haben oft eine Vertragslaufzeit von mehreren Jahrzehnten und nur selten kommt es zu keinen Änderungen. Nachträge, Wechsel des Begünstigten oder Anpassungen der Versicherungssumme gehören zum Lebenszyklus dieser Vertragsart. Umso wichtiger ist hier ein klarer Blick auf die aktuell gültigen Eckdaten. Im Gegensatz dazu sind Kfz-Versicherungen eher kurzlebig, mit jährlich wechselnden Tarifen, großen Mengen an Kleinstverträgen, Schadenregulierungen und Bonus-Malus-Systemen.
Alles Wesentliche im Blick – auch bei unterschiedlichen Vertragsarten
Um auch in Zeiten von Personalknappheit und steigender Arbeitslast den Ansprüchen der Kunden gerecht zu werden bietet sich der Einsatz von künstlicher Intelligenz an. Wiederholende Abläufe oder Basisarbeiten wie das Eintippen von Informationen in die Fachanwendung können automatisiert erfolgen. Der Mensch übernimmt dabei als letzte Instanz die Kontrolle. Ebenso unterstützt die künstliche Intelligenz als „Assistent“ bei der Vorbereitung von Beratungsterminen, indem sie die relevanten Informationen in einer Gesamtsicht (360-Grad-Sicht) bereitstellt.
Um diese effiziente Darstellung zu erreichen, braucht es unterschiedliche Methoden der künstlichen Intelligenz (KI) kombiniert mit einer Insight Engine, die sich um die Bereitstellung der relevanten Informationen aus den unterschiedlichen Unternehmensdatenquellen kümmert. Dabei ist es irrelevant, in welcher Form (strukturiert oder unstrukturiert) die Daten vorhanden sind.
Natural Language Processing
Dank Natural Language Processing (NLP) versteht die Anwendung die menschliche Sprache und ist so in der Lage, auf eine Frage wie „Welche Versicherungsverträge uns welche Vertragspartner liegen für den Kunden XY vor?“, eine entsprechende Antwort in einer 360-Grad-Sicht aufzubereiten. Die Insight Engine liefert nur Informationen als Antwort, entsprechend den Zugriffsrechten der Nutzerin oder des Nutzers, da die Berechtigungen bei jeder Abfrage direkt an der Datenquelle geprüft werden.
LLM und RAG
Ergänzend kommen LLMs zum Einsatz. Sie verstehen die natürliche Sprache und generieren neue menschenähnliche Texte. Als Basis dienen hier die Trainingsdaten des Modells, dabei sind aber auch falsche Aussagen (Halluzinationen) nicht ausgeschlossen. Um dem entgegenzuwirken, kommt im Unternehmensumfeld Retrieval Augmented Generation (RAG) zum Einsatz. Beim RAG-Modell generiert das LLM die Antworten aus den vorhandenen Unternehmensinformationen, die die Insight Engine bereitstellt, und nicht aus den Trainingsdaten. Versicherungsunternehmen können das RAG-Modell nutzen, um Zusammenfassungen oder Handlungsempfehlungen erstellen zu lassen.
Auch bei regulatorischen Anforderungen kann KI einen wertvollen Beitrag leisten, wie bei der EU-Verordnung DORA (Digital Operational Resilience Act), die die digitale Widerstandsfähigkeit von Finanzunternehmen stärkt. Ein KI-basiertes System kann die Compliance optimieren, indem es Verträge laufend auf regulatorische Konformität prüft. Automatisierte Compliance-Prüfungen erkennen frühzeitig Risiken und ermöglichen es, notwendige Anpassungen schnell und effizient vorzunehmen.
Fazit
Künstliche Intelligenz ermöglicht heute schon ein breites Spektrum an Möglichkeiten, um Verträge nicht nur effizient zu verwalten, sondern auch die Mitarbeitenden bei ihrer täglichen Arbeit zu unterstützen. Zudem können sie unterstützen, regulatorische Vorgaben einzuhalten und die Servicequalität für Kunden zu verbessern.
- Anmelden, um Kommentare verfassen zu können
