Beim Einsatz von Künstlicher Intelligenz spielt die Datenethik eine große Rolle, wie wir in diesem Artikel erklären. Deshalb arbeiten wir eng mit unserer Schwesterfirma Brush-AI zusammen, dem ersten Unternehmen in den Niederlanden, das sich speziell der verantwortungsvollen KI widmet.

Diese Zusammenarbeit stellt sicher, dass die von uns entwickelten Algorithmen von vornherein den ethischen Rahmenbedingungen für Datenanwendungen entsprechen, die vom niederländischen Versicherungsverband festgelegt wurden.

Wir sehen es jeden Tag im Büro: Moderne Computertechnologie lässt den Berg an ‚Big Data‘ exponentiell wachsen. Aber was können wir mit diesen derzeit bedeutungslosen Daten anfangen? Wie verwandeln wir sie in nutzbare Informationen, die uns bildlich gesprochen in Formation bringen, sodass wir bessere Entscheidungen treffen und den Kundenservice verbessern können? Und wie können wir sicherstellen, dass diese datengetriebenen Entscheidungen ethisch und verantwortungsvoll getroffen werden?

Autoren: Jack Vos (Onesurance.nl) und Max Roeters (Brush-ai.nl)

Das DIKW-Modell

Weisheit ist die Kunst, in allen Umständen die richtigen Urteile zu fällen und korrekt zu handeln. Eines ist klar: Zyklen immer neuer Technologien mit immer mehr verfügbaren Informationen verwirren uns mehr, als dass sie zu Wissen und Weisheit beitragen. Dies stellte bereits der Schriftsteller T.S. Eliot im Jahr 1934 fest. In einem inspirierenden Gedicht schreibt er: „Where is the Life we have lost in living? Where is the wisdom we have lost in knowledge? Where is the knowledge we have lost in information? The cycles of heaven in twenty centuries Bring us further from God and nearer to the Dust.“

Eliots Text wird von vielen als Grundlage des bekannten DIKW-Modells in der ICT-Welt betrachtet. Das Modell beantwortet die Frage, warum wir Daten und Informationen nutzen wollen: um Menschen zu besseren Entscheidungen zu verhelfen.

Wir unterscheiden vier Ebenen:

• Daten: Einfache Fakten und Zahlen. Dies ist der riesige Berg an Big Data, wie alle gespeicherten Vertragsänderungen. Ohne Analyse können wir nichts damit anfangen.
• Information: Daten, die gebündelt, organisiert und vorzugsweise visualisiert werden. Dies ermöglicht es uns zu sehen, was passiert ist und es beispielsweise als Benchmark zu nutzen. Wie viele Policen wurden 2022 im Vergleich zu 2021 gekündigt?
• Wissen: Informationen, aus denen unter Berücksichtigung des Kontexts zugrunde liegende Muster abgeleitet werden können. Dies beantwortet die Frage, warum etwas passiert ist. Warum haben Kunden ihre Policen gekündigt? Warum waren sie unzufrieden? Lag es an Prämienerhöhungen? Schlechter Schadensbearbeitung?
• Weisheit: Idealerweise nutzen wir das gesammelte Wissen, um jetzt und in Zukunft bessere Entscheidungen zu treffen, die allen zugutekommen. Vielleicht können wir vorhersagen, wer eine Police kündigen wird, basierend auf vergangenen Mustern? Und noch wichtiger: Können wir vorhersagen, wie wir Unzufriedenheit bei den Kunden verhindern können?

Die vier Ebenen im DIKW-Modell korrelieren mit den vier Reifegraden der Datenreife, in denen sich eine Organisation befinden kann, nämlich:

• Deskriptives Niveau (Daten in Informationen organisieren)
• Diagnostisches Niveau (Wissen durch Extraktion von Mustern aus Informationen gewinnen)
• Prädiktives Niveau (Wissen nutzen, um vorherzusagen, was passieren wird)
• Verschreibendes Niveau (vorschreiben, wie es geschehen oder verhindert werden kann)

Datenreife gibt an, inwieweit ein Unternehmen seine Datenquellen effektiv nutzt, um die Produktivität zu steigern. Auf den höchsten Ebenen kommt man um den Einsatz von Künstlicher Intelligenz (KI) nicht herum. Wenn wir nach Weisheit streben, wollen wir diese Technologie richtig einsetzen, und dabei spielt die Ethik eine wichtige Rolle.

Wie Berater KI nutzen können

Viele Versicherer, Underwriter und Vermittler stehen vor der Frage, wie sie Zehntausende von Kunden weiterhin optimal betreuen können. Dies kann nur skalierbar durch den intelligenten Einsatz von Daten und KI-Technologie geschehen, da der Einsatz von mehr Beratern einfach zu teuer ist. KI verwendet selbstlernende Algorithmen – im Wesentlichen mathematische Formeln –, die Millionen von Datenpunkten auf Korrelationen analysieren können. Komplexe Software leitet dann prädiktive Muster ab, die anzeigen, ob etwas gut funktioniert oder nicht. Für jeden Kunden kann beispielsweise eine fundierte Vorhersage getroffen werden, welche Maßnahmen in der Customer Journey zur höchsten Kundenzufriedenheit und zum höchsten Ertrag für das Büro führen. Dieses Wissen ermöglicht es Beratern, effektiver zu arbeiten und ihre wertvolle Zeit so effizient wie möglich zu nutzen.

Einige Menschen misstrauen der KI-Technologie, weil sie glauben, dass sie in einer „Black Box“ arbeitet. Das bedeutet, dass zwar die eingehenden und ausgehenden Informationsströme des Algorithmus sichtbar sind, die Mechanismen, die diese beiden Ströme verbinden, jedoch nicht. Aus dem Bestreben nach Weisheit wollen wir die Eigenschaften dieser Mechanismen kennen, um die Interpretierbarkeit der KI sicherzustellen. Dies ist besonders wichtig beim Umgang mit personenbezogenen Daten.

Verantwortungsvolle KI und der ethische Rahmen

Die Idee hinter der Methodik namens „verantwortungsvolle KI“ besteht darin, den Algorithmus von Grund auf so zu entwickeln und einzurichten, dass der Nutzer immer eine fundierte Entscheidung darüber treffen kann, ob sein Einsatz im jeweiligen Kontext ethisch vertretbar ist. Der ethische Rahmen für datengetriebene Entscheidungsfindung, der vom niederländischen Versicherungsverband aufgestellt wurde, stimmt gut damit überein. Dieser Rahmen legt fest, dass sieben Anforderungen für den ethischen Einsatz von KI beachtet werden müssen. Die genauen Standards finden sich im ethischen Rahmen, und hier ist eine kurze Erklärung:

• Menschliche Autonomie und Kontrolle: KI sollte ein Mittel zu einer bestimmten Lösung sein, nicht das Ziel selbst. Das bedeutet, dass weniger komplizierte Technologien bevorzugt werden sollten, wenn sie dasselbe Ergebnis erzielen können. Auch Risiken und potenzielle Interessenkonflikte müssen ausreichend berücksichtigt werden.
• Technische Robustheit und Sicherheit: Kundendaten müssen logischerweise geschützt und die Qualität der Daten sichergestellt werden. Veraltete Kundendaten können unbeabsichtigt zu falschen Erkenntnissen führen.
• Privatsphäre und Datenverwaltung: Die Wahrung der Privatsphäre hat bei der Arbeit mit Daten oberste Priorität. Menschliche Aufsicht ist entscheidend, da bestimmte Verzerrungen (Vorurteile) unvermeidlich in das Modell einfließen können. Die aufmerksame und präventive Auseinandersetzung damit hilft, unnötige Fehler zu vermeiden.
• Transparenz: Besonders bei Entscheidungen, die das Leben einer Person erheblich beeinflussen können – wie die Ablehnung eines Anspruchs –, ist es wichtig, das KI-Modell so zu strukturieren, dass es immer möglich ist, den Kunden zu erklären, wie eine Entscheidung getroffen wurde.
• Diversität, Nichtdiskriminierung und Fairness: Es ist wichtig anzuerkennen, dass es fast unmöglich ist, ein völlig vorurteilsfreies KI-Modell zu erstellen. Durch besondere Aufmerksamkeit für unterrepräsentierte oder verletzliche Gruppen können wir verhindern, dass das Modell sie bewusst oder unbewusst diskriminiert.
• Gesellschaftliches Wohlergehen: KI sollte dazu beitragen, dass möglichst viele Kunden versicherbar bleiben, und diejenigen, die schwer zu versichern sind oder das Risiko haben, unversicherbar zu werden, sollten über Möglichkeiten zur Risikominderung oder -deckung informiert werden. Interpretierbare und transparente Modelle können Kunden präziser informieren, indem sie beispielsweise die Kundenattribute angeben, auf denen eine Entscheidung basiert.
• Verantwortlichkeit: Sichere und aufnahmefähige Interaktion über die potenziellen Risiken der KI zwischen dem Versicherer, seinen Mitarbeitern und seinen Kunden ist unerlässlich. Daher sollten Mechanismen, die eine kontinuierliche Bewertung der Technologie ermöglichen, bei der Entwicklung berücksichtigt werden.

Technologie und Ethik: Der Mensch in der Schleife

Was ein Mensch nicht kann, kann die KI-Technologie: enorme Datenmengen in nutzbare Informationen umwandeln und darin prädiktive Muster erkennen. Dies ermöglicht es Versicherungsunternehmen, Berater effektiver einzusetzen, insbesondere wenn sie zehntausende oder gar hunderttausende Kunden skalierbar betreuen wollen. Im Streben nach Weisheit wollen wir den „Menschen in der Schleife“ behalten. Der ethische Rahmen bietet Richtlinien, die helfen, die Qualität eines KI-Modells sicherzustellen. Dies ist keine Bedrohung für die KI, im Gegenteil, sie wird viel eher genutzt und akzeptiert, insbesondere wenn die verantwortungsvolle KI-Methode angewendet wird. Der Berater spielt immer eine wichtige Rolle, solange er seine zwischenmenschlichen Qualitäten wie Empathie, Freundlichkeit und Vertrauen zum richtigen Zeitpunkt einbringt.

Interview mit Indra Frishert, Marketing & Sales Director / Miteigentümerin von Dazure

Für diejenigen, die Sie noch nicht kennen, was ist Dazure?
Dazure ist ein Underwriting-Agentur, die innovative Versicherungsprodukte erstellt, die in die heutige Welt passen: ehrliche Produkte, die wir auch unseren Lieben anbieten möchten.

Warum haben Sie mit KI begonnen?
Wir waren neugierig darauf, wie wir unseren Service für Kunden verbessern können, indem wir mehr von all den Daten nutzen, die wir in den letzten 14 Jahren gesammelt haben. Die Daten stellten sich als von guter Qualität heraus. In kurzer Zeit erhielten wir viele großartige Erkenntnisse und nutzbare Möglichkeiten. Dies hat uns positiv überrascht!

Welche Vorteile sehen Sie in der KI?
Der große Vorteil ist der selbstlernende Effekt der KI. Dadurch können wir in der Customer Journey große Fortschritte machen, während wir den „Menschen in der Schleife“ behalten, um sicherzustellen, dass diese Fortschritte sorgfältig gemacht werden. Auf diese Weise können wir unsere Prozesse für den Kunden verbessern, beschleunigen und vereinfachen. Beispielsweise wird beim Akzeptanzprozess für Lebensversicherungen stark auf medizinische Fachkräfte (wie Hausärzte) zurückgegriffen. Dies entspricht nicht den Wünschen der Kunden, die eine Police sofort haben möchten, und es belastet auch die medizinische Welt, die Besseres zu tun hat, als Versicherungsrisiken zu bewerten. Mit KI können wir vorhersagen, welche kleinen medizinischen Untersuchungen (SMEs) unnötig sind. KI ist ein effektives Werkzeug, vorausgesetzt, es wird richtig eingesetzt.

Warum ist verantwortungsvolle KI so wichtig?
Verantwortungsvolle KI ist für uns wichtig, weil Big Data an sich nicht die Gefahr ist, sondern wie wir als Menschen (Unternehmer) mit Daten umgehen. Wir wenden den „Familienmaßstab“ auf all unsere Produkte an. Dies ist der Standard, den wir in allen Bereichen umsetzen und den wir sehr wichtig finden. Wenn man etwas nicht seiner eigenen Familie anbieten würde, sollte man es einfach nicht tun. Wenn man diesen Maßstab auch auf den KI-Aspekt anwendet, glauben wir, dass man ein Unternehmen schafft, das wirklich an einer langfristigen Beziehung zu seinen Kunden arbeitet.