Anzeige

Versicherungsbote: Viele Versicherer setzen KI bereits aktiv ein oder denken darüber nach. Gibt es hier schon Pioniere?

Maxim Pertl: Viele Versicherungen haben bereits Programme zur Digitalisierung, somit ist KI häufig zumindest auf dem Radar bzw der Roadmap vorhanden. Aber: dort, wo KI eingesetzt wird, sind meist „lediglich“ OpenAI basierte intern eingesetzt ChatGPT Funktionalitäten, sofern extern auch meist als Chatbot.

Clearwater hingegen hat viele Versicherungen zu KI-Pionieren gemacht, das jährliche 100+ Millionen Dollar R&D Programm hat CW und bereits hunderte Versicherungskunden ermöglicht, zur Speerspitze zu gehören entlang des gesamten Kapitalanlageprozesses, des Risikomanagement und des Reportings. Über 450 Kunden setzen unsere Copiloten ein, welche Fachkräfte tatkräftig unterstützen, Insights in Echtzeit generieren oder Reports über gigantische Datenmengen auf Wunsch in Sekunden erstellen.

Haben große Versicherer mehr Probleme mit Legacy-Systemen als Kleine? Wenn ja, können sich kleinere Versicherer dadurch Wettbewerbsvorteile verschaffen?

Es kommt darauf an: große insbesondere über Landesgrenzen hinweg operierende Versicherer haben zusätzliche Komplexität durch Sprachen, Regulation und Konsoliderung des Reportings in das Headquarter. Dafür steht ihnen mehr Investitionskapital zur Verfügung. Kleinere Mitbewerber haben es schwerer: sie müssen mit weniger Kapital die gleichen regulatorischen Hürden meistern. Egal, ob Tier 1, 2 oder 3, ob Tätigkeit in einem oder in 70 Ländern: alle kämpfen mit den gleichen Windmühlenflügeln aus Jahrzehntealter historisch gewachsener Architektur (im Kern durchaus auch fast 30 Jahre alt!) , einem sich dramatisch verschärfendem Fachkräftemangel, einer Rentenwelle, Kostendruck und Wachstumszielen in einer älter werdenden Gesellschaft: jeder, der auf eine Modernisierung und digitale Transformation setzt, wird zu den Gewinnern gehören und sich bedeutende Wettbewerbsvorteile schaffen.

Inwieweit hat die Zinspolitik der vergangenen Jahre das Anlageverhalten der Versicherer beeinflusst?

Enorm! Insbesondere Lebensversicherungen haben über Jahrzehnte Garantieprodukte verkauft, diese müssen erfüllt werden. Wir haben einen enormen Shift in Richtung alternative Anlageklassen erlebt, welcher weiter Zulauf erlebt, auch wenn nicht mehr so stark. Alternatives kommen mit einer stetig wachsenden Komplexität, welche es erfordert, die Systeme entsprechend anzupassen. Auch dies bietet Chancen, denn mit Systemen, die alle Alternatives-Anlageklassen unterstützen, haben die CIOs mehr Anlagemöglichkeiten.

Wie haben sich die Portfoliostrukturen der Versicherer verändert?

In Deutschland bleiben Schuldscheindarlehen ein sehr wichtiger Hauptbestandteil der Kapitalanlage. Der Fokus bleibt auf Investmentgrade. ESG- relevantere Anlagen haben im Volumen zugenommen.

Warum verlassen sich viele Versicherer immer noch auf Excel-Tabellen, um ihre Kapitalanlagen zu steuern?

Spreadsheets sind der Erste-Hilfe-Kasten der Finanzindustrie – eigentlich sind sie immer nur als Notlösung geplant, in Realität bleiben diese Workarounds über Jahre oder Jahrzehnte, da wieder eine andere Baustelle mit höherer Priorität die Experten benötigt.

Welche Hürden stehen hier einer effektiven Datenverwaltung entgegen?

Die täglich zunehmende Komplexität, die Datenmenge nimmt täglich zu, der Datenhunger wächst ebenso, neue Anlageklassen, insbesondere Alternatives und Regulatoren bringen auch stetig neue Anforderungen wie ESG-relevante Reports. Auch Endkunden, Retail- und Institutionelle Kunden erwarten ein Reporting in Echtzeit, auf allen Kanälen.

Ist moderne Portfoliodiversifikation überhaupt noch mittels Excel darstellbar?

Ja, aber diese ist dann nicht mehr modern, denn generative KI bietet dem Front Office unglaubliche Insights & Copiloten, basierend auf gigantischen globalen Datenhaushalten. Ein einzelnes Unternehmen kann dies selbst nicht mehr bewerkstelligen.

Inwieweit haben die gestiegenen ESG-Anforderungen das Anlageverhalten der Versicherer beeinflusst?

In vielerlei Hinsicht: eigene Anlagen, Anlageprodukte für Kunden wie ESG-nahe Fondsgebundene Lebensversicherungen und natürlich das Reporting rund um ESG verändert Perspektiven und Möglichkeiten.

Auf welche Art von Daten darf und muss ein Anlageverwalter heute zugreifen?

Unmengen an Stammdaten, Preisdaten, Indexdaten, Ratings, Daten für Benchmarking, ESG relevante Datenkomponenten. Auf diese werden dann hunderte Analytics berechnet: Risikosichten, Stresstests, Performance, ESG-Kennzahlen, internes & externes Reporting.

Wie lassen sich diese Daten verarbeiten und wie lassen sich Datenfehler vermeiden?

Datenqualität ist das A&O. Technologie ist ein großer qualitativ hochwerter Helfer, u.a. Machine Learning. Wir haben Tausende Schnittstellen gebaut, fast 5000! Das zeigt, dass es hier um eine tägliche Datenflut geht. Technologie allein reicht aber nicht, deshalb haben wir ein unglaubliches Datenmanagement und Recon Team von über 800 erfahrenen Experten, welche sich um die Exceptions kümmern, und dies in der Zeitzone des Kunden. Machine Learning und generative KI lernen aus Fehlern, d.h. wir werden jeden Tag besser und dies seit Jahren. Die STP-Rate steigt kontinuierlich.

Wie stark hat die Bedeutung von Datenverarbeitung insgesamt zugenommen?

“Data is the new oil”. Diese Aussage stimmt nach wie vor und ist die Basis für generative KI.

Zuletzt wurden die Solvency-II-Regeln gelockert. Welche Möglichkeiten eröffnen sich dadurch und wie sollte man mit den neu gewonnen Freiheiten umgehen?

Versicherungen sind nicht diejenigen am Kapitalmarkt, welche Gewinnmaximierung im Rahmen der Kapitalanlage zum Ziel ausgerufen haben. Qualität und Liquidität bleiben im Fokus in Kombination mit ESG relevanten Kriterien. Die Bewertungsvorschriften hinsichtlich Vermögenswerte wurden angepasst, es gibt eher wieder einmal eine Verschiebung der Regulatorik auf der Zeitachse, aber man sollte stets davon ausgehen, dass mittelfristig alle Anforderungen eingefordert werden.

Wie schnell können Versicherer solche (und andere) Änderungen regulatorischer Vorgaben umsetzen? Hat sich die Umsetzungsgeschwindigkeit erhöht?

Es kommt drauf an, aber auch hier gilt es immer ein riesiges Datenmanagement-Monster in den Griff zu bekommen. Für uns als Dienstleister, welcher über 700 Versicherungskunden hat, hat sich die Umsetzungsgeschwindigkeit enorm erhöht. Wir haben aber auch 2000 Experten auf diesem Thema und investieren über 100 Millionen jährlich in R&D. Wir erreichen dadurch unglaubliche Skaleneffekte, von denen jeder unserer Kunden täglich profitiert.

Anzeige

Datenmanagement und regulatorische Herausforderungen

Warum verlassen sich viele Versicherer immer noch auf Excel-Tabellen, um ihre Kapitalanlagen zu steuern?

Spreadsheets sind der Erste-Hilfe-Kasten der Finanzindustrie – eigentlich sind sie immer nur als Notlösung geplant, in Realität bleiben diese Workarounds über Jahre oder Jahrzehnte, da wieder eine andere Baustelle mit höherer Priorität die Experten benötigt.

Anzeige

Welche Hürden stehen hier einer effektiven Datenverwaltung entgegen?

Die täglich zunehmende Komplexität, die Datenmenge nimmt täglich zu, der Datenhunger wächst ebenso, neue Anlageklassen, insbesondere Alternatives und Regulatoren bringen auch stetig neue Anforderungen wie ESG-relevante Reports. Auch Endkunden, Retail- und Institutionelle Kunden erwarten ein Reporting in Echtzeit, auf allen Kanälen.

Ist moderne Portfoliodiversifikation überhaupt noch mittels Excel darstellbar?

Ja, aber diese ist dann nicht mehr modern, denn generative KI bietet dem Front Office unglaubliche Insights & Copiloten, basierend auf gigantischen globalen Datenhaushalten. Ein einzelnes Unternehmen kann dies selbst nicht mehr bewerkstelligen.

Inwieweit haben die gestiegenen ESG-Anforderungen das Anlageverhalten der Versicherer beeinflusst?

In vielerlei Hinsicht: eigene Anlagen, Anlageprodukte für Kunden wie ESG-nahe Fondsgebundene Lebensversicherungen und natürlich das Reporting rund um ESG verändert Perspektiven und Möglichkeiten.

Auf welche Art von Daten darf und muss ein Anlageverwalter heute zugreifen?

Unmengen an Stammdaten, Preisdaten, Indexdaten, Ratings, Daten für Benchmarking, ESG relevante Datenkomponenten. Auf diese werden dann hunderte Analytics berechnet: Risikosichten, Stresstests, Performance, ESG-Kennzahlen, internes & externes Reporting.

Wie lassen sich diese Daten verarbeiten und wie lassen sich Datenfehler vermeiden?

Datenqualität ist das A&O. Technologie ist ein großer qualitativ hochwerter Helfer, u.a. Machine Learning. Wir haben Tausende Schnittstellen gebaut, fast 5000! Das zeigt, dass es hier um eine tägliche Datenflut geht. Technologie allein reicht aber nicht, deshalb haben wir ein unglaubliches Datenmanagement und Recon Team von über 800 erfahrenen Experten, welche sich um die Exceptions kümmern, und dies in der Zeitzone des Kunden. Machine Learning und generative KI lernen aus Fehlern, d.h. wir werden jeden Tag besser und dies seit Jahren. Die STP-Rate steigt kontinuierlich.

Wie stark hat die Bedeutung von Datenverarbeitung insgesamt zugenommen?

“Data is the new oil”. Diese Aussage stimmt nach wie vor und ist die Basis für generative KI.

Zuletzt wurden die Solvency-II-Regeln gelockert. Welche Möglichkeiten eröffnen sich dadurch und wie sollte man mit den neu gewonnen Freiheiten umgehen?

Versicherungen sind nicht diejenigen am Kapitalmarkt, welche Gewinnmaximierung im Rahmen der Kapitalanlage zum Ziel ausgerufen haben. Qualität und Liquidität bleiben im Fokus in Kombination mit ESG relevanten Kriterien. Die Bewertungsvorschriften hinsichtlich Vermögenswerte wurden angepasst, es gibt eher wieder einmal eine Verschiebung der Regulatorik auf der Zeitachse, aber man sollte stets davon ausgehen, dass mittelfristig alle Anforderungen eingefordert werden.

Wie schnell können Versicherer solche (und andere) Änderungen regulatorischer Vorgaben umsetzen? Hat sich die Umsetzungsgeschwindigkeit erhöht?

Es kommt drauf an, aber auch hier gilt es immer ein riesiges Datenmanagement-Monster in den Griff zu bekommen. Für uns als Dienstleister, welcher über 700 Versicherungskunden hat, hat sich die Umsetzungsgeschwindigkeit enorm erhöht. Wir haben aber auch 2000 Experten auf diesem Thema und investieren über 100 Millionen jährlich in R&D. Wir erreichen dadurch unglaubliche Skaleneffekte, von denen jeder unserer Kunden täglich profitiert.

Anzeige

Seite 1/2/