Big Data geht produktiv

Den Start machte in diesem September ein KI-Modell zur automatisierten Risikoprüfung im Leben-Antragsprozess speziell bei Risikolebens- und Berufsunfähigkeitsversicherungen. Die SV stellt sich damit bei der Integration von Big Data Analytics Anwendungen in produktiven Geschäftsprozessen an die Spitze der öffentlichen Versicherer.

Big Data in der SV

"Der Einsatz von Big Data Analytics ist ein wichtiger Teil der Digitalisierung in der SV. Mit Hilfe der KI-Modelle können wir unseren Kunden und Vertriebspartnern schnellere, bessere und einfachere Prozesse ermöglichen", sagt Dr. Andreas Jahn, Vorstandsvorsitzender der SV SparkassenVersicherung. Der entscheidende Punkt dabei ist, dass und wie man es schafft, die guten Ideen und Prototypen zur Produktionsreife zu bringen und in die bestehenden Systeme und Prozesse zu integrieren. In der SV ist für den kompletten Big Data Analytics Prozess eine eigene Abteilung "Data Analytics" unter der Leitung von Dr. Fabian Harms zuständig. "Wir suchen gemeinsam mit Fachabteilungen nach erfolgversprechenden Use Cases, analysieren diese in unserem Big Data Lab und bauen dort die Prototypen. Wenn die erfolgreich sind, werden sie zur Produktionsreife weiterentwickelt und über die Big Data Factory in die Systeme der SV integriert. Dabei nutzen wir ein Plattformmodell, das es uns erlaubt, das Rad nicht jedes Mal wieder neu erfinden zu müssen." Der Use Case "Biometrie" ist dabei nur der Anfang. Weitere Anwendungsfälle sind bereits in der Umsetzung und gehen in den kommenden Monaten produktiv.

Anwendungsfall Biometrie

Der Leben-Antragsprozess ist komplex. Teile sind dunkelverarbeitet, aber es gibt noch immer viele Gründe, weshalb ein Antrag aus der Dunkelverarbeitung herausgesteuert und manuell bearbeitet werden muss. Einer der Hauptgründe ist hierbei die gesundheitliche Risikoprüfung. Bereits bei im Grunde irrelevanten Vorerkrankungen wie z.B. ‚Heuschnupfen‘ musste ein Antrag bislang manuell durch einen Risikoprüfer bearbeitet werden. "Der Anteil solcher Fälle, die problemlos hätten dunkelverarbeitet werden können und überflüssige Arbeit im Fachbereich gemacht haben, lag bei über einem Drittel", sagt Pirmin Dangelmaier, Hauptabteilungsleiter Unternehmenssteuerung und Prozesse und Initiator der Big Data Analytics Aktivitäten in der SV. "An dieser Stelle wollten wir testen, ob wir mit Big Data eine prozessuale Steuerung hinbekommen, die uns diese unnötige manuelle Arbeit erspart und uns erlaubt den Antragsprozess schneller und kundenfreundlicher zu gestalten." Im Big Data Lab wurden dazu maschinelle Modelle entwickelt, mit denen Prozesse in der gesundheitlichen Risikoprüfung, die bislang für eine Dunkelverarbeitung zu komplex waren, automatisiert werden können. Seit diesem September kommen die Modelle nun über die neu geschaffene Big Data Factory zur produktiven Anwendung. Die SV setzt dabei eine KI ein, die entsprechend trainiert wurde. "Wir sind damit effizienter, schneller und kundenfreundlicher. Wir haben einen zentralen Geschäftsprozess automatisiert – ohne dabei datenschutztechnisch kritische Gesundheitsdaten außer Haus zu geben", so Dangelmaier.