Wie Daten und KI/ML die Zukunft des Schadenmanagements prägen

Von Adam Fisher, Chief Data Officer

Das Volumen der täglich bearbeiteten Schadensfälle und die damit verbundene Datenmenge nehmen zu.

Doch die Art und Weise, wie wir Daten im Bereich der Schadenbearbeitung nutzen, verändert sich ständig. Und obwohl Risikofaktoren berücksichtigt werden müssen, haben wir gerade erst begonnen, die Chancen für die Zukunft zu erschließen. Daten können in Verbindung mitkünstlicher Intelligenz genutzt werden, um Schadenskosten und Bearbeitungszeiten zu senken und Schadenregulierern, medizinischen Fachkräften und Kunden eine intelligentere Grundlage für Entscheidungen bei der Schadenbearbeitung zu bieten.

Meine Rolle als Chief Data Officer hat mir einzigartige Einblicke in die Möglichkeiten von Daten in unserer Branche verschafft. Ich habe diese Position im Jahr 2021 übernommen, und in den knapp 1,5 Jahren seit meinem Eintritt bei Sedgwick hat sich für unser Data-Science-Team so vieles verändert. Wir haben strategisch in den Ausbau dieses Teams investiert und gleichzeitig Silos abgebaut, damit Analysten unternehmensweit effektiver zusammenarbeiten können, um die Entscheidungsfindung unserer Geschäftsbereiche zu optimieren. Unser Fokus liegt auf der Schulung, Weiterbildung und Qualifizierung unserer Datenanalysten. Und um all dies zu ermöglichen, haben wir neue KI-orientierte Plattformen und Tools integriert, die es sowohl technisch versierten Anwendern als auch Geschäftsanwendern mit wertvollem Kontextwissen ermöglichen, auf neue Weise zusammenzuarbeiten.

Aber warum diese Investition und dieser Fokus? Meiner Meinung nach gibt es dafür zwei Gründe: Effizienz, natürlich, aber auch Chancen. Bei Sedgwick sagen wir gerne, dass die Fürsorge für Menschen im Mittelpunkt unseres Handelns steht, und das gilt auch, wenn wir darüber nachdenken, warum wir neue technologische Initiativen in Angriff nehmen.

Effizienz ist entscheidend für die Weiterentwicklung des Schadenbearbeitungsprozesses – und für die Art und Weise, wie wir uns um die Menschen kümmern

Das Schadenmanagement war schon immer bis zu einem gewissen Grad ein datengesteuertes Unterfangen. In Zukunft geht es darum, unserer großen Zahl an Sachbearbeitern, Schadensregulierern und medizinischen Gutachtern dabei zu helfen, bei den sich häufig wiederholenden Aufgaben Zeit zu sparen, damit sie noch mehr Zeit darauf verwenden können, über die komplexeren Aspekte der Schadenbearbeitung – wie beispielsweise die Bildung von Rückstellungen oder die Einigung auf einen Vergleich – nachzudenken und Strategien dafür zu entwickeln. Die Vereinfachung desSchadenprozesseshilft uns dabei, uns um unsere Kunden und die Menschen zu kümmern, die sie unterstützen – von Mitarbeitern über Versicherungsnehmer bis hin zu Kunden. Dies ist entscheidend für die Benutzererfahrung, die Qualität der Ergebnisse und die Geschwindigkeit der Bearbeitung. Das Ziel ist es, die Ergebnisse durch die Senkung der Schadenkosten oder die Verkürzung der Bearbeitungszeiten zu verbessern, und wir nehmen Projekte in Angriff, von denen wir glauben, dass sie die größte Wirkung erzielen werden.

Wie Data Science und KI etwas bewirken:

1. Einfacher Zugriff: Durch die Vernetzung unseres Teams und unserer Daten über eine neue Plattform, die sowohl robust als auch für einen Großteil unserer Nutzer benutzerfreundlich ist, können Analysten und Datenwissenschaftler problemlos auf Datenelemente zugreifen, die zuvor nur sehr schwer zugänglich waren. Allgemeine Daten zu den gängigen Elementen, die für die Analyse und Modellierung von Schadensausfällen benötigt werden, fließen nun problemlos in das System ein, und Modelle, die sich als nützlich erweisen, lassen sich leicht replizieren, sodass weitere Kunden fast sofort davon profitieren können.
2. Lassen Sie uns zusammenarbeiten: Dank neuer Hilfsmittel und leistungsfähigerer Berichtsfunktionen sind wir nun besser in der Lage, innerhalb unserer IT-Organisation zusammenzuarbeiten und die Zusammenarbeit mit den Geschäftsbereichen zu verbessern. Unser Team für Entscheidungsoptimierung sowie Analysten und Stakeholder in unseren Geschäftsbereichen identifizieren gemeinsam Möglichkeiten, wie sie Effizienzpotenziale in den bestehenden Systemen ausschöpfen oder wertvolle Erkenntnisse aus Daten gewinnen können, um die Prozesse zu verbessern.
3. Teilen ist die Norm: Durch die Verknüpfung von Menschen, Technologie undDatenauf neue Weise kann unser Data-Science-Team nun schnell Scorecards, Benchmarking-Tools und Modelle entwickeln, teilen und einsetzen, um kundenübergreifend von „ benefits “ und Mehrwert zu profitieren. Da alle Werkzeuge für den Fortschritt zur Verfügung stehen, ist die Reproduktion von Projekten nun ein Leichtes. Wenn wir ein Kundenmodell entwickeln, das für einen unserer Kunden erfolgreich ist, können wir das Modell einfach kopieren, den Kunden austauschen und es dann genau auf den individuellen Anwendungsfall und die historischen Daten des jeweiligen Kunden abstimmen. Wir haben eine neue Ebene der globalen Zusammenarbeit erreicht, die weit über die Technologie hinausgeht.

Branchenweite Auswirkungen und Chancen für den Wandel

Wir tragen die Verantwortung, Risiken zu minimieren und unsere Mandanten mithilfe von Data Science vorzubereiten und zu schützen. Eine häufige Herausforderung für Unternehmen und Versicherer besteht darin, einen Anwalt oder eine Kanzlei zu finden, dem bzw. der sie vertrauen können, um die Ergebnisse von Schadensfällen zu verbessern. Zudem sind sie bestrebt, sich vor finanziellen und Reputationsrisiken sowie vor spezifischen Herausforderungen wie Betrug und „Nuclear Verdicts“ zu schützen. Wir sind der Ansicht, dass vergleichbare Leistungskennzahlen herangezogen werden sollten, um diesen Anliegen gerecht zu werden. Genauso wie sich das Benchmarking von Leistungserbringern auf Daten stützt, um vorherzusagen, welche Anbieter die besten Ergebnisse für einen Schadensfall erzielen, glauben wir, dass eine Anwalts-Scorecard, die auf der Historie von Schadensfällen und Gerichtsurteilen basiert, einen ähnlichen Nutzen bieten kann.

Wenn es darum geht, den Einsatz von Daten und KI zu systematisieren und mehr Rollen und Profile in den Entscheidungsprozess einzubeziehen, bietet sich in der Tat die Möglichkeit, neue und bestehende Modelle in den gesamtenSchadenbearbeitungsprozesszu integrieren. Alle Beteiligten – wie Schadenprüfer, Kundendienstleiter und Manager – würden die bereitgestellten Daten und Erkenntnisse nutzen, um ihre Entscheidungsfindung zu verbessern.

Eine Möglichkeit wäre, eine globale Bewertung auf alle Schadensfälle anzuwenden. Auf diese Weise könnten die auf Schadensfall-Ebene tätigen Mitarbeiter diese Bewertungen nutzen, um Schadensfälle einheitlich zu priorisieren und zu vergleichen, und der Branche damit ein Bewertungssystem als Benchmarking-Standard bieten. Derzeit existiert dies lediglich in Form von Zeiträumen, beispielsweise für Richtlinien zur Wiederaufnahme der Arbeit oder Schweregrade. Die Anwendung von Bewertungen oder Modellen auf verschiedene Bereiche des Schadensfalls kann sicherlich dazu beitragen, die Arbeitsabläufe zu optimieren, doch erst wenn KI oder maschinelles Lernen selbst diese Aufgaben der Sachbearbeiter übernehmen, wird das Team KI in großem Maßstab umgesetzt haben.

Für uns bedeutet Erfolg im Bereich Daten und KI, über einen Prozess zu verfügen, der von Anfang bis Ende ein nutzbares Produkt liefert, vollständig in die Systeme von Sedgwick integriert ist und dabei nur minimalen Wartungsaufwand oder manuelle Eingriffe erfordert. Dank der Kompetenz unserer globalen Datenteams, der von uns eingesetzten Tools und der Leistungsfähigkeit unserer Daten ist unser Unternehmen bestens aufgestellt, um einzigartige Chancen zu erschließen, die anderswo möglicherweise nicht realisierbar wären. Wir können unsere Daten nicht nur nutzen, um unseren eigenen Schadenbearbeitungsprozess zu verbessern, sondern auch, um neue Methoden oder Erkenntnisse zu entwickeln, die der gesamten Branche einen Mehrwert bieten.