Zu Beginn des Jahres 2024 hat KI weiterhin einen erheblichen Einfluss auf die komplexen Zusammenhänge von Effizienz und Wettbewerbsfähigkeit von Unternehmen. Insbesondere die Versicherungsbranche hat eine tiefgreifende Integration von KI in ihre Betriebsabläufe erlebt: von der Optimierung bestehender Prozesse bis hin zur Entwicklung völlig neuer Angebote.

‍

Mit dem näher rückenden Inkrafttreten des EU AI Act (EUAIA) wächst für Unternehmen die Notwendigkeit, sich auf die Compliance-Anforderungen vorzubereiten – insbesondere für Branchen wie die Versicherungswirtschaft, in denen KI einen direkten Einfluss auf das Leben von Menschen hat. Angesichts der spezifischen Anforderungen, die je nach Risikoklasse und Eigenschaften an jedes eingesetzte Modell gestellt werden: Welche konkreten Auswirkungen ergeben sich für Versicherer und welche Maßnahmen sollten sie ergreifen?

‍

Versicherung und KI-Stimmung

KI liefert für die Versicherungswirtschaft bisher äußerst positive Ergebnisse, was im vergangenen Jahr zu einer massiven Skalierung geführt hat. Wie von Forbesberichtet, konnten Versicherungsunternehmen, die KI in ihre Systeme integriert haben, eine „Verbesserung der Schadenpräzision um bis zu 99,99 %“ sowie Steigerungen der betrieblichen Effizienz und der Kundenzufriedenheit um 60 % bzw. 95 % verzeichnen.

‍

Darüber hinaus haben IoT-Sensoren und die Einführung von LLM-Funktionen den Einsatz von KI im Versicherungsbereich vorangetrieben. Angesichts der Tatsache, dass laut Schätzungen von McKinseybis 2025 voraussichtlich über 1 Billion Geräte vernetzt sein werden, wird KI durch ihre erweiterten Möglichkeiten letztlich neue Produktangebote erschließen. Solche neuen Produkte, wie die Flugverspätungsentschädigung von Swiss Re oder, wie McKinsey anmerkt, die neuen Risikobewertungen für 3D-gedruckte Gebäude bzw. additive Fertigung, werden für Versicherer zu einem zentralen Punkt, während sie sich auf neue Anforderungen einstellen und ihren Kunden zunehmend wettbewerbsfähige Angebote unterbreiten.

‍

Wie können wir also trotz der vielfältigen Einsatzmöglichkeiten die Einhaltung des Gesetzes durch die Versicherungsbranche sicherstellen?

‍

Die häufigsten KI-Anwendungsfälle in der Versicherung: Der Aufstieg der generativen KI

Es ist wichtig zu beachten, welche Anwendungsfälle in den meisten Versicherungsnetzwerken primär übernommen werden, da der Sektor eine Vielzahl von sowohl einzigartigen als auch gemeinsamen Fällen aufweist:

‍

- Schadenmanagement (neue Produkte): ML kann bei der Verarbeitung großer Datenmengen genutzt werden, um neue Produkte voranzutreiben. Ein Beispiel ist die Flugverspätungsentschädigung von Swiss Re, deren Pricing-Engine Tarife auf Basis von Daten aus über 90.000 Flügen pro Tag anpassen kann.

- Schadenmanagement (individuelle Bewertung): Umfasst IoT- und Computer-Vision-Analysen, wie etwa die Auswertung des Fahrstils und der Fahrzeugdynamik rund um einen Unfall, um die Haftung zu klären und Schadensregulierungen vorzunehmen.

- Preiskalkulation und Underwriting: Von der Digitalisierung bestehender Kontaktpunkte bis hin zu neuen Assets mit digitalen Partnern (Telematik, Fernsensoren, Satellitenbilder oder digitale Gesundheitsdaten), um Daten zeitnaher zu erfassen. Zudem kann überwachtes Lernen (Supervised Learning) Underwriting-Prozesse ergänzen, beispielsweise bei der intelligenten Priorisierung und Weiterleitung.

- Konversationelle KI: NLP-Chatbots und Sprachassistenten, die Kunden rund um die Uhr zur Verfügung stehen und dabei eine gleichbleibende Servicequalität gewährleisten.

- Betrugserkennung: Einsatz von ML und Computer Vision zur Analyse von schadenbezogenen Dokumenten und Bildern, um potenzielle Betrugsfälle zu identifizieren. Neben der Fähigkeit, computergenerierte Bilder und Dokumente zu erkennen, können Online-Fotos geprüft werden, um festzustellen, ob ein Anspruch erst nach dem Verkauf der entsprechenden Gegenstände geltend gemacht wurde.

- Inhaltskategorisierung: Basiert auf optischer Zeichenerkennung (OCR) und der Fähigkeit der KI, unstrukturierte Daten aus eingehenden Briefen, E-Mails, Formularen und Excel-Tabellen zu lesen, zu interpretieren und zu kategorisieren.

‍

Die Relevanz des EU AI Act für Anwendungsfälle in der Versicherungswirtschaft

Um die Auswirkungen des EU AI Act zu bewerten, müssen die im Gesetz vorgeschlagenen Kategorien mit den Funktionen und Fähigkeiten des eigenen KI-Portfolios abgeglichen werden. Abbildung 1 zeigt die aktuelle übergeordnete Bewertung:

‍

‍

Die Gewährleistung der Konformität von Modellen mit hohem Risiko wird für Versicherer von zentraler Bedeutung sein, insbesondere da die jüngsten Trilog-Verhandlungen bestätigt haben, dass Modelle, die finanzielle Aspekte im Leben von Einzelpersonen beeinflussen – wie Kredit-Scoring und Algorithmen zur Versicherungsbewertung –, unter der neuen Verordnung voraussichtlich als Hochrisiko-Systeme eingestuft werden.

‍

Infolgedessen müssen viele KI-Modelle im Versicherungsbereich die folgenden ergänzenden Anforderungen erfüllen: Allgemeine Anforderungen (gelten für alle Akteure), Anforderungen an Anbietersowie Anforderungen an Betreiber/Importeure (abhängig vom Nutzertyp). In unserem vorherigen Blogbeitraghaben wir die allgemeinen Erwartungen sowie den Bewertungsprozess während der Phase der KI-Risikoeinstufung im Rahmen der Compliance erläutert.

‍

In Bezug auf die Besonderheiten der Versicherungsbranche, wie sie von Dr. Laura Caroli, Senior Policy Advisor des EU-Parlaments, veröffentlicht wurden, sieht die letzte Stufe des EU AI Act Folgendes vor:

‍

1. Zur Wahrung der Grundrechte sind Versicherungsunternehmen dazu verpflichtet, eine Folgenabschätzung für Grundrechte vor der Inbetriebnahme.

2. KI-Risikobewertungen und Preismodelle für Kranken- und Lebensversicherungen wurden besonders hervorgehoben, um sicherzustellen, dass finanzielle Ausgrenzung und Diskriminierung vermieden werden.

3. KI-Systeme, die zur Betrugserkennung und für aufsichtsrechtliche Zwecke (Kapitalanforderungen von Kreditinstituten und Versicherungsunternehmen) eingesetzt werden, gelten jedoch nicht als Hochrisikosysteme.

4. Die Anforderungen des EU-KI-Gesetzes für KI-Systeme in der Versicherungswirtschaft werden in die bestehenden Aufsichtsmechanismenwie Solvency II integriert; Unternehmen müssen die dargelegten Regeln zur internen Governance und zum Risikomanagement einhalten.

5. Um Überschneidungen zu vermeiden, sieht der Entwurf jedoch vor, dass „begrenzte Ausnahmeregelungen auch in Bezug auf das Qualitätsmanagementsystem der Anbieter und die Überwachungspflicht der Betreiber von Hochrisiko-KI-Systemen vorgesehen werden sollten“, was sich überschneidende Vorschriften entlastet.

‍

Da viele Modelle in einem „Graubereich“ zwischen den im EU-KI-Gesetz definierten Anwendungsfällen liegen, sollten die angemessene Risikobewertung und die erforderlichen Analysen von einem Unternehmen für KI-Risiko-Governance wie Calvin Risk durchgeführt werden.

‍

Bei Calvin unterstützen wir Unternehmen dabei, technische, ethische und regulatorische Exzellenz im Bereich KI zu erreichen. Um Compliance, die Gewährleistung vorurteilsfreier Algorithmen, die Effizienz Ihrer KI-Portfolios und vieles mehr sicherzustellen, verfolgen wir einen quantitativen Ansatz beim KI-Risikomanagement. So garantieren wir, dass Ihre Modelle über ihren gesamten Lebenszyklus hinweg sowohl regelkonform als auch optimiert sind.

‍

Möchten Sie mehr erfahren? Wir begleiten Versicherer weiterhin dabei, die Anforderungen des EU AI Act zu erfüllen – vereinbaren Sie noch heute einen Demo-Termin mit uns!

‍