Smarte KI-Lösungen für Versicherer: Alles ein Segen? 

Künstliche Intelligenz (KI) wird derzeit zunehmend auf ein Anwendungsgebiet reduziert: Generative KI. Damit sind Anwendungen wie ChatGPT von OpenAI, oder Bard von Google gemeint, mit denen Texte, Bilder oder Musik erstellt werden können. Darüber hinaus gibt es jedoch eine Vielzahl weiterer Anwendungsfelder, von denen insbesondere Versicherer erheblich profitieren können. Der GDV nennt in seinem Artikel „Künstliche Intelligenz: Wie Versicherer Kunden mit smarten Lösungen unterstützen können" in diesem Zusammenhang die Individualisierung des Versicherungsschutzes, die persönliche Beratung rund um die Uhr oder auch Möglichkeiten in der Dokumentenverarbeitung an. 

So hat der Sachversicherer Lemonade die Schadensabwicklung mittels KI automatisiert und kann so innerhalb von 2 Sekunden einen Schaden bearbeiten. Das heißt: Bilder und Informationen von Schadensfällen wurden analysiert, um das Ausmaß des Schadens zu bewerten. Automatisiert wurden Prozesse angestoßen, die im letzten Schritt eine Auszahlung veranlassten. Der technische Fortschritt ist beachtlich, allerdings ist an dieser Stelle anzumerken, dass fehlerhafte, unvollständige oder veraltete Daten zu finanziellen Verlusten bei der Schadensabwicklung führen können – ungeachtet datenschutzrechtlicher Bedenken bei der Analyse von Bild- und Informationsmaterial. 

Mithilfe von KI können Daten analysiert werden, um Muster potenziell betrügerischer Aktivitäten zu erkennen. Auf diese Weise kann KI eine wichtige Rolle bei der Aufdeckung von Versicherungsbetrug spielen und das Unternehmen mit zuverlässigen Daten unterstützen. Auch Cyber-Risiken können durch die Mustererkennung identifiziert, analysiert und bewertet werden. Der technische Fortschritt bei der Mustererkennung ist beeindruckend. Hier stellt sich jedoch die Frage nach der Haftung: Wer haftet, wenn eine KI „falsche" Muster erkennt? 

Darüber hinaus kann das Risikomanagement von Versicherern durch intelligente KI-Lösungen ergänzt werden. Beispielsweise wenn es darum geht, prädiktive Analysen durchzuführen, um auf Basis historischer Daten zukünftige Trends und Risiken zu identifizieren. Diese Trends könnten sich entweder auf die Tarifgestaltung auswirken oder zur Portfoliooptimierung genutzt werden. Mögliche Auswirkungen auf die Tarifgestaltung könnten eventuell durch verzerrte oder diskriminierende Daten verfälscht werden, so dass auch hier eine Risikoabschätzung vorgenommen werden sollte. 

Die vielen sinnvollen Anwendungsmöglichkeiten einer KI sollen nicht in ein negatives Licht gerückt werden. Die Möglichkeiten, die eine KI heute bietet, sind beeindruckend. KI ist jedoch nicht risikofrei. Es gibt spezifische und neuartige Risiken durch den Einsatz von KI, die es in der Vor-KI-Ära nicht gab: Als Beispiele können„Evasion/Adversial Attacks", „Data Poisoning Attacks", „Privacy Attacks" oder "Model Stealing Attacks" (BSI, 2021) genannt werden, die durch den Einsatz von KI entstanden sind. Das bedeutet, dass es zusätzliche qualitative Angriffsmöglichkeiten gibt, durch die Unternehmen und somit auch Kunden geschädigt werden können. Vor diesem Hintergrund ist es umso wichtiger, dass das KI-Risikomanagement in Unternehmen an Bedeutung gewinnt und bereits im Rahmen der Konzeption und Implementierung einer KI parallel mitgedacht wird. 

Quellen:
Bundesamt für Sicherheit in der Informationstechnik (2021): Sicherer, robuster und 

nachvollziehbarer Einsatz von KI. Probleme, Maßnahmen und Handlungsbedarfe. URL: https://www.bsi.bund.de/SharedDocs/Downloads/DE/BSI/KI/Herausforderungen_und_Massnahmen_KI.pdf?__blob=publicationFile&v=6 – Zugriff am 10.08.2023 

Autor: Patrick Zalda