Weniger Arbeitsaufwand, bessere Ergebnisse

Digitalisierung, KI und Automatisierung finden sich seit einigen Jahren in allerlei Absichtserklärungen. Im Unternehmensalltag klingt das oft so: Wir wollen digitaler werden! Schön, sagen viele, aber wie lässt sich das von der Theorie in die Praxis umsetzen? Und wie können diese Buzzwords echten Mehrwert stiften? Das Beispiel eines Fortune 500 Versicherungsunternehmens demonstriert genau das: Es hat den Angebotsprozess mit Hilfe eines Vertragsintelligenztools automatisiert und so 30 Prozent des manuellen Arbeitsaufwands eingespart.

Ein Beitrag von Francisco Webber, CEO und Gründer von Cortical.io

Vertragsintelligenz ist vielen Menschen in der Versicherungsbranche ein Begriff, schließlich wird hier tagtäglich mit einer Fülle an Verträgen und Policen gearbeitet. Dabei immer den Überblick zu behalten, ist gar nicht so leicht. Ein gutes Vertragsintelligenztool kann hier echte Abhilfe leisten: Es kann nicht nur helfen, Verträge und Policen in großem Stil zu durchsuchen, sondern diese auch analysieren und zum Beispiel Änderungen auf alle relevanten Stellen übertragen. Wer diese Tools sinngemäß einsetzt, kann so interne Prozesse verbessern und dadurch für einen echten Wettbewerbsvorteil sorgen.

Ein konkretes Beispiel für analytische Aufgaben ist der Angebotsprozess, auch “Policy Review” genannt. Dieser spielt besonders im Zusammenhang mit Großaufträgen eine wichtige Rolle, um das bestmögliche Angebot zu schnüren und den Auftrag zu gewinnen. Hunderte oder sogar tausende von Policen nicht nur zu durchsuchen, sondern sinnvoll zu vergleichen, ist jedoch eine immens aufwändige Aufgabe und deshalb viel Zeit in Anspruch nehmen kann. Mit Hilfe eines Tools lassen sich die Verträge von Wettbewerbern hingegen in einem Bruchteil der Zeit vergleichen und Kernaspekte extrahieren. Wie das funktioniert, wird in dieser Case Study erklärt.

Manueller Policy Review ist langwierig, fehleranfällig und teuer

Für die Erstellung neuer Versicherungsangebote mussten Unternehmen bisher Schlüsselinformationen aus bestehenden Versicherungspolicen der Konkurrenz manuell extrahieren und diese Informationen in ihr eigenes System übertragen. Dafür war es an den Fachexpert*innen, zehntausende Versicherungsverträge pro Jahr zu überprüfen. Daher ist es nicht verwunderlich, dass diese Aufgabe mit ihren komplexen Anforderungen sehr langwierig, teuer und für die Expert*innen zermürbend war.

Bei einer manuellen Bearbeitung werden außerdem häufig wichtige Bestimmungen übersehen. Das kann daran liegen, dass alle Versicherungsanbieter einen eigenen Fachjargon und ein eigenes Policenformat haben. Diese Formulierungen müssen nicht nur gefunden sondern auch interpretiert werden – so müssen sich die Mitarbeitenden immer wieder auf neues Vokabular einstellen und umdenken. Sind mehrere Versicherungsprodukte in einer Police kombiniert oder in komplexen Tabellen mit mehreren Einträgen pro Zeile dargestellt, ist der Überblick noch einmal deutlich schwerer. Außerdem kann es mehrere Versicherungsklassen geben, was die Aufgabe zusätzlich erschwert.

All dies sind Stolpersteine, die die Chancen für Fehler erhöhen. Was wiederum zu ungenauen Angebotsberechnungen und Gewinneinbußen für das Unternehmen führen kann. Aufgrund dieses komplexen Sachverhalts war es dem Unternehmen nicht möglich, die nötigen Informationen mit herkömmlichen Tools zuverlässig aus den Dokumenten zu extrahieren. Das Unternehmen war daher gezwungen, eine manuelle und kostenintensive Bearbeitungsmethode zu nutzen.

Effizienz dank Vertragsintelligenztool

Die Fachexpert*innen des Unternehmens stellten fest, dass sie mit Hilfe von SemanticPro Extract & Analyze schnell alle notwendigen Bestimmungen finden und genauere Angebote erstellen können. Anstatt bestehende Versicherungspolicen manuell zu durchsuchen und dabei das Risiko einzugehen, wichtige Bedingungen für die Angebotsberechnung zu übersehen, erhalten sie durch die Anwendung von SemanticPro die richtigen Antworten nun auf Knopfdruck.

Das funktioniert so: Die gewünschten Informationen werden in den zu prüfenden Dokumenten hervorgehoben, wodurch der Kontext für die Fachexperten erkennbar ist. Cortical.io SemanticPro führte nicht nur zu einer Reduzierung des manuellen Arbeitsaufwandes um 30 Prozent, sondern war außerdem in der Lage, Vertragsbestimmungen zu finden, die von Fachexpert*innen oft übersehen werden. Letztlich führte dies zu einer Arbeitszeitersparnis von 7.500 Stunden pro Jahr.

Künstliche Intelligenz speziell für den eigenen Use Case

Durch den Einsatz des Tools war das Unternehmen so in der Lage, automatisch Schlüsselinformationen aus fünf Versicherungstypen anderer Anbieter zu extrahieren und diese Informationen in den Fachjargon ihres Unternehmens zu übersetzen. Außerdem kann das Tool Vertragsklauseln auch dann richtig klassifizieren, wenn sie einen unterschiedlichen Wortlaut haben.

Es werden also keine wichtigen Informationen übersehen oder doppelt aufgeführt. Eine weitere Erleichterung ergibt sich durch die Fähigkeit des Tools, komplexe Tabellen mit mehreren Einträgen pro Zeile präzise zu extrahieren, die Versicherungsklassen zu erkennen und die Extraktionen den Klassenbeschreibungen zuzuordnen.

Das alles ist möglich, weil das Tool ein hochentwickeltes Verständnis von natürlicher Sprache hat, oft auch als Natural Language Processing (NLP) bezeichnet. In diesem Fall wurde die KI auf fünf verschiedene Produkte trainiert: kurz- und langfristige Invaliditätsversicherung, Augen­-­ und Zahnzusatzversicherung und Lebensversicherung. Weil das alles im eigenen Unternehmen mit selbst ausgewählten Dokumenten passiert, behalten die Fachexpert*innen die volle Kontrolle über den gesamten Extraktionsprozess und die Möglichkeit, das System ohne Zutun eines KI­-Expert*innen selbst abzustimmen.

Zum Autor

Francisco Webber ist Mitbegründer und CEO des österreichischen KI-Unternehmens Cortical.io. In Anlehnung an aktuelle neurowissenschaftliche Erkenntnisse hat Francisco Webber seine Theorie der Semantischen Faltung entwickelt, die modelliert, wie das Gehirn natürliche Sprache verarbeitet. Cortical.io wendet diese Prinzipien auf maschinelles Lernen und Textverarbeitung an, um erfolgreiche kommerzielle KI-Lösungen für die effiziente Suche, Extraktion und Analyse von unstrukturiertem Text zu entwickeln.

Bild (2): © Cortical.io AG