Mit KI und Machine Learning Kundenanliegen end-to-end digital bearbeiten
Immer mehr Versicherer schaffen für ihre Kunden ein digitales, zeit- und ortsunabhängiges Service-Erlebnis: Sie bieten den Versicherten verschiedene digitale Kanäle an und stellen Kontaktmöglichkeiten an vielfältigen Touchpoints bereit. Kontaktformulare auf der Website, Chats, Messenger-Dienste und Apps ergänzen E-Mail und die nach wie vor bestehenden Kontaktmöglichkeiten über Telefon, Fax oder Briefpost. Das führt in Summe allerdings auch zu einem Flickenteppich aus Inputkanälen, der auf den ersten Blick oft schwierig in Einklang zu bringen ist. Versicherungen stehen vor der Herausforderung, all diese Nachrichten umgehend den richtigen Bereichen, Sachbearbeiter:innen und Geschäftsvorgängen zuzuordnen. Wenn dies zu lange dauert oder fehlerhaft ist, bleibt das Kundenerlebnis schnell auf der Strecke – und Versicherte wandern im schlimmsten Fall zum Wettbewerb ab. Um das zu verhindern, setzten die meisten Versicherungsunternehmen bereits auf Inputmanagement-Systeme, mit denen sie Kundenanliegen von Anfang bis Ende digital und damit schneller und effizienter bearbeiten wollen. Dennoch tritt der erhoffte Erfolg dadurch nicht immer ein.
Beispiel: Korrekte GeVo-Zuordnung verkürzt Wartezeiten für Versicherte
Beim Erfassen, Erkennen und Zuordnen von eingehenden Nachrichten kommen schlagwortbasierte Verfahren schnell an ihre Grenzen: Die Fehlerquote ist hoch, aneinandergereihte, gescannte Dokumente werden nicht automatisch getrennt. Dadurch steigt der manuelle Aufwand beim Nachsortieren der Dokumente, es vergeht Zeit und Versicherte müssen länger auf Auskunft warten. Bessere Ergebnisse – und damit schnellere Prozesse – lassen sich mit einem intelligenten Inputmanagement erzielen, welches über integrierte KI- & Machine Learning-Komponenten verfügt. Dieses Inputmanagement erkennt und klassifiziert hunderte von Dokumentenarten oder Geschäftsvorgängen mit nahezu perfekter Treffsicherheit. Die Basis dafür sind die historischen sowie die kontinuierlich neu hinzukommenden Inputdaten, mit denen ein KI-Modell trainiert wird. Solche auf Deep Learning basierenden Sprachmodelle klassifizieren eingehende Nachrichten anhand von Daten wie Versicherten- oder Policenummer, Adresse, Name etc. Im Gegensatz zu Schlagwort-Verfahren lassen sich damit aber auch natürlichsprachliche, unstrukturierte Daten erkennen, z. B. bestimmte Wortkombinationen, die auf die Stimmung des Absenders, die Art und die Dringlichkeit des Anliegens u. v. m. schließen lassen. So werden Kundenanfragen weitaus spezifischer erfasst, können priorisiert und gezielt den richtigen Sachbearbeiter:innen und Geschäftsvorgängen zugeordnet werden.
Zielbild: Maximale Automatisierung und Assistenz beim Bearbeiten von Kundenanliegen
Mithilfe von Künstlicher Intelligenz lassen sich zahlreiche Teilprozesse der Posteingangsverarbeitung verbessern und beschleunigen. Dies beginnt bereits bei der Verbesserung der Erkennungsqualität von OCR/ICR-Komponenten in der Scanstraße und reicht über die Seiten- und Dokumententrennung bis hin zur effizienten Extraktion von Fachdaten zur weiteren Nutzung in Folgeprozessen. Wurde etwa im Eingang erkannt, dass es sich bei einem Kundenanliegen um einen Antrag auf Änderung der Bankverbindungsdaten handelt, kann im nächsten Schritt die neue IBAN automatisiert extrahiert und in den Stammdaten aktualisiert werden. Damit ist sogar eine vollautomatisierte Dunkelverarbeitung für viele Kundenanliegen möglich. Das entlastet Sachbearbeiter:innen von manuellen, repetitiven Aufgaben, die kein fachliches Wissen erfordern. Zahlreiche Produktanbieter für Inputmanagement-Lösungen bieten mittlerweile geeignete Schnittstellen an, um derartige KI-Module anzubinden. Damit Synergieeffekte eintreten, ist eine ganzheitliche Sicht über den Posteingang hinaus sinnvoll, bei der alle relevanten Folgeprozesse berücksichtigt werden. Entsprechend lohnt es sich, alle Anforderungen an das Inputmanagement-System zu konsolidieren und mit der übrigen IT-Strategie zu harmonisieren, um Mehraufwänden und Brüchen in Prozessen entgegenzuwirken.
Synergien schaffen: Wie wirkt effizientes Inputmanagement bis in die Folgeprozesse?
Zielgerichtet extrahierte Informationen helfen bei der weiteren Bearbeitung von Kundenanliegen in zahlreichen Folgeprozessen. Typische Beispiele hierfür sind:
- Vollautomatisiertes Verarbeiten eingehender Rechnungen (Dunkelverarbeitung)
- Erhöhung der Dunkelverarbeitung in Schadenprüfung und Schadenregulierung
- Verbesserung in der Betrugserkennung
- Automatisierung und smarte Assistenten im Bereich Risikoprüfung und Underwriting
- Automatisiertes Entfernen von personenbezogenen Daten gemäß DSGVO
- Automatisiertes Einhalten von gesetzlichen Aufbewahrungs- und Löschfristen
Damit wirkt ein durch KI optimiertes Inputmanagementsystem bis tief in die Folgeprozesse der Versicherer und trägt dazu bei, die Automatisierungs- und Dunkelverarbeitungsquote signifikant zu erhöhen. Dies trägt unmittelbar dazu bei, Verarbeitungszeiten und Betriebskosten zu reduzieren und wirkt sich auch auf die Zufriedenheit der entlasteten Mitarbeiter:innen aus – was sich wiederum im Service bemerkbar macht.
Next Step: So optimieren Sie Ihr Inputmanagement
Die Integration in bestehende Prozesse und der Modus Operandi sind bei jedem Versicherer individuell. Hinzu kommen die unterschiedlichen Ausgangslagen: Soll ein bestehendes Inputmanagement-System optimiert, ein neues eingeführt oder eine eigene Lösung entwickelt werden? Wir helfen Ihnen bei all diesen Szenarien gerne weiter. Ob Optimierung oder Neueinführung: Vorab empfehlen wir in jedem Fall eine Bestandaufnahme, die wir mit Ihnen durchführen, bevor wir gemeinsam mit der passgenauen Umsetzung starten. Dabei beantworten wir gemeinsam u. a. folgende Fragen:
- Zielbild und Vision: Wie soll die omnikanale Kundenkommunikation in Zukunft aussehen?
- Wie sehen Anforderungen und Zielbild für das fachliche und technische Design aus?
- Wird ein externer Anbieter für Scan-Strecke und OCR-Software benötigt?
- Sollen Microsoft Exchange oder andere E-Mail-Server angebunden werden?
- In welche weiteren Verwaltungssysteme sollen die Ergebnisse eingespielt werden?
- Welche Prozesse und Workflows werden nach dem Inputmanagement angestoßen?
- Wie fließen Kapazitäten & Skills von Mitarbeiter:innen in die GeVo-Bearbeitung ein?
- Wie ist die Qualität der vorhandenen Trainingsdaten für potenzielle KI-Komponenten?
Anschließend folgt die Konzeption und Implementierung der Lösung, die Ihre identifizierten Anforderungen bestmöglich abdeckt. Immer mit Blick auf Ihre Unternehmensstrategie sowie auf aktuelle und kommende Herausforderungen.
Wenn Sie sich darüber austauschen möchten, wie Sie Ihren Posteingang zukunftssicher modernisieren und die Datenqualität in Folgeprozessen erhöhen können, sprechen Sie gerne mit Dr. Valentin Kemper: Hier können Sie Kontakt mit ihm aufnehmen.
