Natürliche Sprachverarbeitung und die digitale Transformation der Schadenbearbeitung

Von Adam Fisher, Chief Data Officer

Das ist nicht gerade ein Betriebsgeheimnis; jeder, der schon einmal einen Versicherungsanspruch geltend gemacht hat – sei es bei der Krankenversicherung oder bei „ benefits “ –, weiß, dass damit eine Menge Formulare und Papierkram verbunden sind.

Der Inhalt dieser Dokumente bildet zusammen mit den Notizen des zuständigen Sachverständigen oder Schadensregulierers die Grundlage einer Schadensakte. FürDatenwissenschaftlerwie mich bedeuten diese Informationen das Potenzial für Tausende von Datenpunkten, die analysiert und genutzt werden können, um Trends zu erkennen und Berichte zu erstellen.

In den letzten Jahren haben Anbieter von Risikomanagement-Informationssystemen (RMIS) und andere Akteure in der Versicherungsbranche strukturierte Daten – die klar definiert, in der Regel quantitativ und leicht zu verarbeiten sind – genutzt, um automatisierte Dashboards zu füllen und Ergebnisse zu messen. Unstrukturierte Daten – wie gescannte Dokumente, E-Mail-Nachrichten und Freitextnotizen – sind jedoch größtenteils qualitativ und blieben aus Sicht der Schadenbearbeitung bislang eine weitgehend ungenutzte Ressource, da die Extraktion von Informationen aus ihnen viel Zeit und Aufwand erfordert. Das war zumindest bisher so.

NLP: die neue Grenze

Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) ist ein Anwendungsbereich der künstlichen Intelligenz, bei dem Computer digitale Informationen „lesen“ und interpretieren, ähnlich wie es ein Mensch tun würde. Der Einsatz von NLP reicht von der einfachen Textverarbeitung bis hinzum maschinellen Lernen, das es Computern ermöglicht, aus menschlicher Sprache Bedeutungen abzuleiten.

Die NLP-Technologie birgt ein enormes Potenzial, um in verschiedenen Bereichen des Schadenmanagements für mehr Effizienz und tiefere Einblicke zu sorgen. Ich möchte einige NLP-Anwendungen als Beispiele hervorheben, die verdeutlichen, wie diese Technologie unsere operative Effektivität sowie die Betreuung unserer Kunden, deren Mitarbeiter und deren Kunden verbessern kann.

Automatisierung der Schadenannahme

Sedgwick hat einige US-Kunden, die neue Arbeitsunfallversicherung Schadensfälle über eine spezielle E-Mail-Adresse melden. Wir verfügen über ein Team von Mitarbeitern, das dieses Postfach überwacht und alle Schadensdetails manuell in unser Erfassungssystem eingibt. Je nachdem, wie viele Anfragen an einem bestimmten Tag in diesem Postfach eingehen, können die Schadensfälle mehrere Stunden in der Warteschlange stehen.

Wir haben mit der Umsetzung eines Programms begonnen, das mithilfe von NLP diesen Prozess grundlegend verändert. Für unseren Pilotkunden haben wirRobotic Process Automation (RPA)eingesetzt, um den Posteingang auf eingehende Nachrichten zu überwachen. Wenn eine neue Nachricht eintrifft, speichert ein „Bot“ die angehängten Dateien und lädt sie auf unseresmart.ly-Plattform hoch. Der Bot nutzt NLP, um die Dokumente zu lesen, und extrahiert automatisch 93 Informationen, die zur Einleitung des Schadenbearbeitungsprozesses erforderlich sind. Dies geht weit über einfache Digitalisierung und optische Zeichenerkennung (OCR) hinaus; wir haben unser System so trainiert, dass es eine Vielzahl von Dokumentformaten verarbeitet und eingebettete Informationen mit außergewöhnlicher Genauigkeit den entsprechenden Feldern in Label-Wert-Paaren zuordnet.

Sobald das System die extrahierten Daten validiert hat, wird ein neuer Schadensfall angelegt – und das alles in weniger als einer Minute und ohne menschliches Eingreifen! Der Einsatz von NLP in diesem Pilotprojekt hat die Bearbeitungszeiten bei der Erfassung drastisch verkürzt, sodass wir nun schneller Gutachter einsetzen können, um verletzte und erkrankte Arbeitnehmer nach Arbeitsunfällen zu unterstützen. Wir streben an, diese Lösung in den kommenden Monaten bei weiteren Kunden einzuführen.

Regressmöglichkeiten

Bei Sedgwick besteht ein Teil unserer Aufgabe darin, die Umstände eines Schadensfalls zu untersuchen und festzustellen, wer für die Deckung des Schadens verantwortlich ist. Oftmals ist dies unser Kunde, in anderen Fällen handelt es sich um einen Dritten. In Fällen, in denen unser Kunde eine Entschädigung gezahlt hat und wir feststellen, dass eine andere Partei verantwortlich ist, bemühen wir uns, den Betrag im Wegeder Regressforderung zurückzuerhalten.

Mandanten freuen sich natürlich immer, wenn diese Kosten zu Recht erstattet werden können; allerdings kann es schwierig sein, Schadensfälle zu identifizieren, bei denen ein Regressanspruch besteht. Wir verfügen über ein hervorragendes und erfahrenes Team von Spezialisten, die Schadensfälle sorgfältig prüfen, um mögliche Erstattungsmöglichkeiten zu ermitteln, doch die Haftung Dritter wird oft nicht ausdrücklich angegeben.

Um unsere Kunden besser dabei zu unterstützen, Ansprüche zu identifizieren, bei denen ein Regressanspruch besteht, entwickeln wir ein computergestütztes Modell, das mithilfe von NLP und maschinellem Lernen Schadensberichte und Dokumente auf sprachliche Hinweise auf die Haftung Dritter überprüft. Wir haben das Modell so konzipiert, dass es nach Hinweisen sucht, die auf eine andere haftbare Partei hindeuten könnten, wie beispielsweise Produktfehler, Hundebisse und Auffahrunfälle. Es handelt sich dabei um dieselben Hinweise, nach denen auch unsere Fachspezialisten suchen – nur dass ein Computer in wesentlich kürzerer Zeit viel mehr Text lesen kann. Vorläufige Tests zeigen, dass das Modell bei der Identifizierung von Schadensfällen, die eine weitere Prüfung im Hinblick auf einen Regressanspruch rechtfertigen, zu mehr als 70 % so effektiv ist wie ein Mensch.

Was die Zukunft bringt

Dies sind nur zwei von vielen Möglichkeiten, wie NLP-Technologie einen Mehrwert für das Schadenmanagement schaffen und dieses verbessern kann. Wir loten kontinuierlich neue Möglichkeiten aus, unsere unstrukturierten Daten (darunter mehr als 4 Milliarden Notizen in unserem Hauptsystem für US-Schadenfälle im Bereich Unfallversicherung und Arbeitsausfälle!) zu nutzen, um Konsistenz und Effizienz zu fördern.

Wie diese Beispiele verdeutlichen, besteht das Ziel der Technologie nicht darin, menschliches Handeln zu ersetzen, sondern vielmehr darin, routinemäßige Aspekte des Prozesses zu automatisieren, damit talentierte und einfühlsame Fachkräfte sich besser auf das konzentrieren können, was sie am besten können. Der Einsatz von NLP bei der Erfassung ermöglicht es unseren Kollegen, ihre Energie auf strategische und einfühlsame Aspekte des Kundenservice zu konzentrieren. Ebenso wird unser NLP-Regressmodell niemals unsere Rückforderungsspezialisten ersetzen. Es ist als weiteres Instrument konzipiert, das unseren Kunden hilft, Regressmöglichkeiten optimal zu nutzen und die Haftung für Schäden fair zuzuweisen. Durch den Einsatz von NLP zum schnellen Durchsuchen von Tausenden von Dokumenten und Notizen können wir die Ermittlungsfähigkeiten unserer Regressspezialisten besser nutzen und vielversprechendere Möglichkeiten verfolgen.

Die Technologie entwickelt sich ständig weiter, und Datenwissenschaftler sprechen zunehmend eher vomVerstehennatürlicher Sprache als von deren Verarbeitung; doch der menschliche Faktor bei Schadensfällen wird auch weiterhin eine Rolle spielen. Bei Sedgwick bedeutet unsere Überzeugung, dass „caring counts“ bedeutet, dass wir immer kompetente, einfühlsame Kollegen haben werden, die bereit sind zu helfen, wenn das Unerwartete eintritt.“

> Erfahren Sie mehr — Erfahren Sie mehr über Sedgwicks „People First“-Ansatz, die technologische Vorreiterrolle unddie datengestütztedigitale Erfahrung.