Cyberrisiken: Informations-Gap hemmt Wachstum des Cyber-Versicherungsmarktes

Cybermarkt

Ausgangslange: Nachfrage an Cyber-Versicherungen steigt - doch steigen auch die intransparenten Ausprägungen von Cyber-Attacken!


Mit der globalen Vernetzung, der Digitalisierung von Produktion, Dienstleistung, Haushalten und Personen steigt auch das Risiko von Cyber-Angriffen – mit immensen Folgekosten für die Betroffenen. Nahezu alle Unternehmen sind potenziell bedroht. Es gibt zurzeit noch keine aktuellen Zahlen, wie viele Unternehmen in Deutschland eine solche Police abgeschlossen haben. Der Versicherer Hiscox schätzt den Anteil mit 33 Prozent vergleichsweise hoch ein. Weitere 25 Prozent planen in den nächsten zwölf Monaten einen solchen Abschluss. Tendenz steigend. Bis 2025, so die Prognose, hätten zwei Drittel der Unternehmen in Deutschland eine Cyber-Police.

In diesem Beitrag geben wir Ihnen einen exklusiven Einblick in unser neuestes umfassendes Whitepaper „Cyber-Risiken effizient bewerten“, das Ihnen auch hier kostenfrei zum Download bereitsteht. Wir – das Team cysmo® - haben den Anspruch Versicherer, auf das sich bietende Potential des Cybermarktes hinzuweisen und Transparenz sowie Nachvollziehbarkeit in die zu bewertenden Risiken zu bringen, um so einige Informationslücken zu schließen. Denn eines sollte klar sein – Cyberrisiken oder Cyber-Attacken können nicht gänzlich erfasst werden. Stündlich verändern sich Ausprägungen von Risiken und Attacken. Wie kann man so eine effiziente und dem Risiko entsprechend korrekte Cyber-Police zeichnen?

Die Fragen, die wir uns gestellt haben, waren folgende:  
  • Wieso findet bei einer Versicherung, die vor allem Risiken und Gefahren aus dem Internet versichern soll, die Risikobewertung nur offline statt?
  • Und wie kann ein Versicherer die Risikobewertung auch nach initialer Policierung nachhaltig messen – ohne großen Aufwand?  
Denn eines steht fest Cyber- bzw. Online-Risiken ändern sich rasant, variabel und unkontrollierbar.
Macht es nicht Sinn, wenn man genau in diesem Fall eine vollautomatisierte, online verfügbare Möglichkeit hätte, mit der man innerhalb von wenigen Minuten eine Außensicht auf die IT-Infrastruktur des zu bewertenden Unternehmens bekommt?
Und wäre es nicht innovativ, wenn man als Versicherungsunternehmen nicht immer erst von dem Kunden Daten verlangt, sondern schon direkt in der Kundeninteraktion zur Risikoerkennung und –minimierung beitragen könnte? Damit könnten Versicherungsunternehmen nicht nur innovativer dastehen sondern würden in der Wahrnehmung des Kunden die Rolle eines verlässlichen Risikopartners einnehmen, der echte Mehrwerte liefert.

Da dieser Blog vor allem von seiner unabhängigen und kritischen Sicht auf Themen lebt, möchte ich diese oben getroffenen Aussagen einfach mal so im Raum stehen lassen und verabschiede mich an dieser Stelle schon mal mit liebsten Grüßen von der Leserschaft.
Wer die oben stehenden Fragen für sich jedoch mit „JA“ beantwortet, darf gerne noch den folgenden Hinweis lesen:

Die PPI AG hat die oben stehenden Fragen vor knapp 2 Jahren ebenfalls mit „JA“ beantwortet und sich sogleich hingesetzt und überlegt, wie man den Bedarf decken könnte. Das Ergebnis, ist ein browserbasiertes Tool namens cysmo®welches als Online-Ratingtool Versicherern eine ganz neue Dimension der Cyberrisikobewertung bietet. Seit Anfang dieses Jahres wird es bereits Live von Versicherern verwendet. Hier finden Sie weiter Informationen: www.cysmo.de

Bis bald
Jonas Schwade



Jonas Schwade ist Diplom-Kaufmann und arbeitet bei der PPI AG als Consultant im Bereich Versicherungen. Seine Schwerpunkte liegen im Bereich der Kommunalversicherungen sowie in allen gesundheitlich relevanten Fragen rund um das Thema Versicherung. Jonas ist Produkt-Manager des PPI Cyber Thinktanks und generiert Use Cases in diesem Kontext.

#Cyber #Cyber-Rating #Cyber-Security #Cyberrisks #Digitalisierung #Finanzindustrie #Risikoberatung #Risikobewertung #Risikolage #Versicherungen #Cyberattacke #Kumulbildung #Kumulfindung #Industrie 4.0




Einsatz von Chatbots in der Versicherungswirtschaft (Teil 1)

„Sag mal, mit wem oder was rede ich da eigentlich?“

Gefühlt nimmt die Zahl der intelligenten Sprachassistenten – ob gesprochene oder geschriebene Sprache rasant zu. Beispiele wie Alexa und Siri sind sicherlich die bekanntesten, doch ist die Zahl der „kleineren“ Chatbots enorm gestiegen. Große Firmen sind auf den Zug aufgesprungen und revolutionieren mit Roboter-Assistenten ihren Kundenservice. Wer mag, kann sich relativ schnell im Netz auch einen eigenen Chatbot bauen – die technischen Angebote sind vielfältig, teilweise kostenlos und geeignete YouTube-Tutorials gibt es ebenfalls. Das ist auch gut und nötig: In Branchen die einem zunehmenden Kostendruck und sich verändernden Kundenerwartungen an den Service gegenübergestellt sehen, sind neue, innovative und vor allem leicht skalierbare Lösungen gefordert. All dies ist mit KI und Chatbots möglich. Anlass genug, uns die aktuellen Einsatzgebiete und aktiven Chatbots der deutschen Versicherer mal näher anzusehen (Teil 1) sowie die Technik dahinter und User Experience (Teil 2). Natürlich drängeln sich in der Branche auch noch Vermittler und Startups, welche teilweise schon Chatbots einsetzen bzw. anbieten. Unser Fokus liegt auf den Versicherern.

Die vielleicht überraschendste Nachricht direkt zu Beginn: Wirklich viele Chatbots sind in der Branche noch nicht im Einsatz und den „Einen“, gänzlich überzeugenden Bot konnten wir noch nicht ausmachen. Woran liegt das?

Um diese Frage wirklich sinnvoll beantworten zu können, möchten wir kurz die (fachliche) Landschaft aktueller Chatbots skizzieren. Dies gelingt am verständlichsten über die Einsortierung in drei Dimensionen der Einsatzgebiete:
  1. Verwendeter Kanal
  2. Einsatz entlang der Versicherungskernprozesskette
  3. Fokus auf bestimmte Themen und Produkte
Hierbei sind sowohl mittelständige Versicherer als auch Branchenriesen vertreten.

1. Die verwendeten Kanäle

Die meisten Chatbots, die derzeit aktiv von Versicherungen in Deutschland betrieben und beworben werden, nutzen den Facebook Messenger. Als Kommunikationsplattform, die sich vielfältig einbinden lässt, wird derzeit in erster Linie das dazugehörige soziale Netzwerk als Kanal verwendet. Hierüber sollen der Kundenkontakt erzeugt und Teile des Kundenservices erfolgreich übernommen werden. Alternativ gibt es bereits einige Ansätze, die Bots auch direkt über den Facebook Messenger auf der eigenen Homepage einzubinden.

2. Einsatzgebiete entlang der Wertschöpfungskette
Um den Grad der Komplexität nicht unnötig hochzuhalten, beschränken wir uns an dieser Stelle auf die vereinfachten drei Kernprozesse Vertrieb, Betrieb und Schaden/Leistung. Unser kurzer Marktüberblick zeigte in erster Linie die Verwendung von Chatbots im Vertrieb.




3. Themenfokus
Die genannten Vertriebsaktivitäten beschränken sich noch auf kleinere, eher überschaubare Themen und Produkte: Zahnzusatzversicherung, Reiseversicherung und Kfz-Policen. So kann man sich z. B. bei der Auswahl einer geeigneten Zahnzusatzpolice unterstützen lassen und wird automatisch zum Online-Abschluss oder, wenn gewünscht, zu einer persönlichen Beratung geführt.

Fazit: Die Branche befindet sich im digitalen Wandel. Das spürt man an den verschiedensten Stellen. Die Geschwindigkeit dieser Veränderungen und der aktuelle Stand zeigen sich im Vergleich zu anderen Branchen eher zurückhaltend. So auch im kleinen Themengebiet der Chatbots: Das Angebot der deutschen Versicherer beschränkt sich auf implementierte Pilotprojekte mit einem klar abgegrenzten Produkt- und Prozessfokus sowie ausgewählten, einzelnen Kanälen.

Warum ist das so? Ohne die Technik/KI genauer zu beleuchten und das Kundenerlebnis zu betrachten, lassen sich aus fachlicher/betriebswirtschaftlicher Sicht ein paar griffige Argumente, respektive Unsicherheiten finden:
  • Lohnt sich die Investition? Die Konzeption und Implementierung eines Chatbots verlangt einen entsprechenden Invest. Im Kontext der Vertriebsprozesse ließe sich dieser Invest einem entsprechenden Neugeschäft gegenüberstellen. Im Bereich der Verwaltung wird es schwieriger, passende Kennzahlen zu definieren – echte monetäre Vorteile lassen sich entweder schwer ausmachen oder können erst durch Rationalisierung an anderer Stelle realisiert werden.
  • Dies führt zu einem Knackpunkt der Digitalisierung, nicht nur hinsichtlich Chatbots: Gibt es einen Kulturwandel, und wird ein solcher Bot intern als Konkurrenz zur Belegschaft wahrgenommen?
  • Was können die Bots eigentlich? Eine wichtige Frage, denn einige Versicherungsprozesse sind sehr komplex und unterliegen rechtlichen Auflagen (IDD, EU-DSGVO etc.). Dies gilt auch für Chatbots mit künstlicher Intelligenz.
  • Wollen Kunden mit einem Bot reden? Letztlich muss jeder diese Frage für sich beantworten. Eines sollten Versicherer jedoch nie vergessen: Alexa- und Siri-Nutzer sind sehr wahrscheinlich auch Versicherungskunden.
An dieser Stelle verwundert es nicht, dass wir noch keinen Hype rund um Chatbots und künstliche Intelligenz unter deutschen Versicherern erleben. Die Taktik, mit kleinen, abgegrenzten Bot-Angeboten erste Erfahrungen zu sammeln und Know-how zu erzeugen, wird es diesen Versicherern definitiv erleichtern, richtungsweisende Entscheidungen im Kontext der Digitalisierung zu treffen, ihre Channel-Strategien zu justieren und weitere Möglichkeiten der Künstlichen Intelligenz zu erschließen.

Im zweiten Teil widmen wir uns dann der Technik, User Experience und der grundlegenden Erstellung eines Chatbots – es wird nochmal spannend.

Beste Grüße
Ronny, Borhan und Christopher

Wachstumsmarkt Asien: Innovationen und Trends in der Versicherungsbranche China (Teil 3)

In meinem letzten Artikel schrieb ich bereits darüber, was europäische Versicherer von dem digitalen Versicherungsmarkt in Asien lernen können.

Nun möchte ich die Gelegenheit aufgreifen und Ihnen einige weiterführende Einblicke in die Trends des asiatischen Marktes am Beispiel China geben.

Doch was macht China so interessant? Mein Eindruck ist, dass sich viele Versicherer in Asien und dem Rest der Welt nach wie vor in verschiedenen Phasen der Disruption und Digitalisierung befinden, China aber in den letzten Jahren der Wegbereiter für Innovation bei Versicherern und Insurtechs geworden ist.

Um zu verstehen, warum China so attraktiv für Insurtechs und der damit verbundenen Innovation ist, sollte ein Blick auf die Gegebenheiten des Marktes geworfen werden.

Zunächst bietet Asien aufgrund seiner bloßen Größe und der deutlich unterversicherten Bevölkerung einen attraktiven Markt für Versicherer und Insurtechs.

Traditionell wurden bisher viele Risiken in China durch familiäre und kommunale Netzwerke selbstversichert. Doch durch die schnelle Steigerung des Wohlstandes und die alternde Bevölkerung trägt dieses System nicht mehr. Der Bedarf nach alternativen Risikotransfermöglichkeiten, nämlich Versicherungen, steigt.

Diesen Bedarf können neben traditionellen Versicherern auch Insurtechs abdecken, die nebenbei noch ideale Bedingungen für die Gründung vorfinden. Denn neben der fortschrittlichen technischen Infrastruktur steigt in China stetig die Netzabdeckung und Konnektivität der Bevölkerung. Das weckt auf der Nachfrageseite traditionelle Versicherer, die zunehmend an innovativen Kooperationen interessiert sind, um potenzielle Kunden zu erreichen.

Was sind nun also die Trends, die ein solches digitales Ökosystem hervorbringt.

Der größte Trend in China, den ich in diesem Artikel näher beleuchten will, ist KI.

Zu Beginn möchte ich mit einem Vergleich zwischen klassischen CRM-Systemen und KI starten. CRM bietet hauptsächlich die Möglichkeit, aus den gespeicherten Daten lediglich ausgewählte Geschäftsfunktionen zu erweitern. KI hat hingegen das Potenzial, durch alle Organisationsbereiche zu skalieren. Um zu erklären, wie das KI gelingt, muss diese im Zusammenspiel mit Big Data betrachtet werden. Derzeit ist die operative Effizienz, die durch Big Data in Verbindung mit CRM erreichbar ist, begrenzt. Es ist eine Sache, Daten zu sammeln und zu speichern, eine andere, alle Informationen effektiv zu integrieren und in wertvolle Erkenntnisse umzuwandeln. Deshalb arbeiten Firmen wie ZhongAn daran, das Potenzial von Big Data durch KI und Blockchain zu optimieren.

Ein Beispiel für diese Optimierung ist der Firma bereits durch ihr Produkt „GoGo Chicken“ gelungen. Das Produkt nutzt eine Kombination von Technologien wie Big Data, Blockchain und IoT zur Steuerung und Überwachung von landwirtschaftlichen Aktivitäten.

Durch die gesammelten Daten haben Banken und Versicherer eine bessere Risikobewertung der Landwirtschaft, die es ihnen ermöglicht, den Landwirten geeignete Finanzprodukte anzubieten.

Blockchain, als weiterer großer Trend, schafft innerhalb dieses Produktes der Versicherungswirtschaft ein stabiles und insbesondere gegen Cyberangriffe geschütztes Netzwerk bei gleichzeitiger Reduktion der Betriebskosten für die Finanzinstitute.

Doch die Nutzung von KI hört in China nicht im Bereich maschinelles Lernen und Big Data auf. Vielmehr werden auch Gebiete wie der klassische Vertrieb revolutioniert. Denn auch in China setzen traditionelle Versicherer noch stark auf Agenten, um den Offlineverkauf voranzutreiben, wohingegen KI den Onlineverkauf vorantreiben soll. Die Rolle der KI besteht darin, die Kundenzufriedenheit und die traditionellen Produkte zu verbessern. Mit Big Data als Ergänzung kann KI schnell und genau die Bedürfnisse jedes Kunden ermitteln und erfüllen. Dadurch soll ein weiterer Schritt in Richtung personalisierte Versicherungsprodukte gegangen werden.

Das Problem vieler traditioneller Versicherer hierbei ist, dass sie versuchen, ihre Agenten mit verschiedenen digitalen Tools auszustatten, der Vertrieb jedoch agenturgesteuert bleibt. Dadurch werden die Bedürfnisse der Kunden nicht exakt und sofort erfüllt, sondern durch die Kapazität des Agenten begrenzt.

Deshalb arbeiten asiatische Versicherer daran, ihr Geschäft in die digitale Welt zu migrieren und eine Verbindung aus KI und Agentur zu schaffen, sozusagen einen KI-Agenten.

Doch selbst wenn traditionelle Versicherer sich dazu entschließen, weiter in ihren bisherigen Geschäftsmodellen zu arbeiten, müssen sie dennoch modernisieren und digitalisieren. Ein solches Beispiel ist die Ping An Versicherung, die Technologien wie KI und Blockchain diverser Insurtechs einsetzt, um die Effizienz an bestehenden Prozessen zu erhöhen.

Ich glaube, hieraus wird sich mit der Zeit eine Innovationskultur innerhalb chinesischer Versicherer bilden, die sich nicht nur auf die IT-Abteilungen der Organisationen beschränkt, sondern von jedem Mitarbeiter gelebt wird.


Bis bald

Ihr Benjamin Kraatz

Benjamin Kraatz ist Consultant bei der PPI AG im Bereich Versicherungen und erster Co-Autor von Gerrit Götze.

Data and Analytics (DnA) und Digitalisierung - Und am Anfang steht die Wertschöpfung (Teil 1 von 4)

Wenn Kunden mich im Zusammenhang mit Data and Analytics (DnA) auf Digitalisierung ansprechen, stehen meist technologische Fragestellungen im Vordergrund:
  • „Müssen wir unsere existierende dispositive Systemlandschaft jetzt auf Hadoop-Cluster umstellen?“

  • „Brauchen wir unser existierendes DWH überhaupt noch?“

  • „Können wir künftig alle Auswertungen mittels In-Memory-Technologien ausführen und auf eine redundante Speicherung unserer Daten verzichten?“ 
Die vollmundigen Aussagen, mit denen Hersteller von Big-Data-Technologien ihre Produkte anpreisen, verfehlen ihre Wirkung offensichtlich nicht. Und es wäre doch wirklich großartig, wenn man „ein bisschen Geld in die Hand nehmen“ könnte und die vielen lästigen Probleme, mit denen man sich beim Sammeln, Bereinigen und Aggregieren von Daten seit Jahren (um nicht zu sagen Jahrzehnten) herumschlägt, mit einem Schlag beseitigen würde. Mein leicht ironischer Unterton hat es wahrscheinlich schon verraten: So sehr ich den Wunsch nachvollziehen kann, so wenig bin ich davon überzeugt, dass neue Speicher- oder Analysetechnologien allein die vielschichtigen Aufgabenstellungen lösen, mit denen Unternehmen bei der Bereitstellung und Nutzung von Daten zu Auswertungszwecken konfrontiert sind. Ganz im Gegenteil – sie verschärfen die Situation noch, weil durch die neuen Technologien zusätzlicher Entscheidungs- und Handlungsdruck aufgebaut wird.
Wie komme ich zu dieser Einschätzung? Schaue ich mir die „lästigen Probleme“ bei unseren Kunden etwas näher an, stelle ich regelmäßig fest, dass ihre Ursachen fachlicher oder organisatorischer Natur sind: Kennzahlen sind gar nicht oder nicht eindeutig definiert. In den Fachbereichen fühlt sich niemand für diese fachlichen Definitionen zuständig, von festgelegten und gelebten Verantwortlichkeiten für die Korrektheit von Dateninhalten ganz zu schweigen. Abteilungen wachen mit Argusaugen über ihre Datensilos. Mitarbeiter verbringen Tage damit, Datenextrakte nach Excel zu importieren und dort mit Hilfe von Makros oder einem undurchschaubaren Netz von Formeln und Verknüpfungen in Management-taugliche PowerPoint-Präsentationen zu überführen. Auch wenn es vermutlich kein Kunde gerne hört: Durch die Digitalisierung wird die Lösung dieser Probleme noch wichtiger. Und neue Technologien spielen für deren Lösung - wenn überhaupt - höchstens eine nachgelagerte Rolle. Es ist wie bei so vielen anderen Themen dieser Tage: Wir hoffen auf einfache Lösungen für komplexe Probleme und sind – oftmals wider besseres Wissen – gerne bereit, entsprechenden Lösungsversprechen Glauben zu schenken.

Noch in einer anderen Hinsicht sind die neuen Big-Data-Technologien ein Spiegelbild derzeitiger gesellschaftlicher Entwicklungen: Sie sorgen für Verunsicherung. Niemand kann heute seriös sagen, welche Technologien sich auf Sicht durchsetzen werden. Es gleicht dem Blick in die berühmte Glaskugel. Und die Gefahr von Fehlentscheidungen ist bekanntermaßen hoch, wenn man der Glaskugel vertraut. Hinzu kommt, dass gerade Technologie- und Architekturentscheidungen nicht mal eben wieder rückgängig gemacht werden können. Dennoch nehme ich in Kundensituationen wahr, dass sich ein Handlungsdruck wegen genau solcher Entscheidungen aufbaut, die einen langfristigen Zeithorizont haben und mit hohen Investitionen verbunden sind.

Menschen, die mich ein bisschen besser kennen, bezeichnen mich als kopfgesteuert und strukturiert. Und so ist es vielleicht nicht verwunderlich, dass mich zwei Fragen in diesem Zusammenhang beschäftigen: „Auf welcher Basis sollten Unternehmen solche Entscheidungen treffen?“ und „Müssen sie diese Entscheidungen wirklich kurzfristig treffen?“

Zur ersten Frage: In der Digitalisierung liegt für Data and Analytics meines Erachtens die Chance, (endlich) den Fokus verstärkt auf die Datenverwendung zu legen. Eine zentrale Fragestellung könnte also lauten: Wie können wir in unserem Unternehmen Daten so nutzen, dass eine möglichst hohe Wertschöpfung entsteht? Die Frage ist nicht neu. Allerdings zeigt meine Erfahrung, dass die wenigsten Unternehmen sie aktuell – auch ohne Blick auf die Digitalisierung - hinreichend beantworten können. Vielleicht liegt das unter anderem daran, dass nicht nur ich den Begriff Wertschöpfung sperrig finde und mich schwer tue, mir darunter etwas Konkretes und Greifbares vorzustellen. Die englische Sprache ist da oft prägnanter unterwegs. So findet man in der Data and Analytics Community immer häufiger den Begriff Data Monetization. Mit Daten Geld verdienen bzw. mit Hilfe von Daten Geld sparen – ja, das klingt schon besser. Und dass sich durch die Digitalisierung hier neue, bisher nicht gekannte Möglichkeiten ergeben, liegt auf der Hand. Denn für DnA bedeutet Digitalisierung kurz gesagt: mehr Daten, neuartige Datentypen und innovative Auswertungsfunktionalitäten sowie deren universelle Verfügbarkeit. Mehr Geld verdienen könnte man z. B. durch neue Produkte oder Services, die auf der Verwendung dieser Daten basieren. Geld sparen könnte man etwa durch die Automatisierung von Prozessen, in denen Daten zur Entscheidungsfindung genutzt werden.

Diese Potenziale sind für jedes Unternehmen unterschiedlich. Sie hängen von der jeweiligen Strategie, dem zugehörigen Geschäftsmodell und nicht zuletzt von den unternehmensspezifischen Rahmenbedingungen ab. Auf welche dieser Potenziale sich ein Unternehmen fokussieren will, ist eine geschäftspolitische Entscheidung des Managements. Hat sich ein Unternehmen mit diesen Fragen beschäftigt und Antworten darauf gefunden, hat es auch die Basis geschaffen, um die dafür notwendigen technologischen Entscheidungen zu treffen. Data Monetization muss selbstverständlich mit angemessenen Technologien unterstützt bzw. ermöglicht werden. Technologien bleiben auch in Zeiten der Digitalisierung „Möglichmacher“ (oder neudeutsch „Enabler“): nicht weniger, aber auch nicht mehr.

Die zweite Frage habe ich damit indirekt mit beantwortet. Mir fällt dazu das japanische Sprichwort ein: „Wenn du es eilig hast, geh langsam. Wenn du es noch eiliger hast, mach einen Umweg.“ Unsere Kunden müssen sich selbstverständlich auf den Weg machen. Langsam gehen, heißt ja gerade nicht stehen bleiben. Sie müssen rund um Big Data Dinge ausprobieren, Erfahrungen sammeln, Kompetenzen aufbauen. Hierbei scheint mir im Übrigen eine der größten Herausforderungen zu sein, in Zeiten von obligatorischen Business Cases und langwierigen Planungsprozessen kurzfristig das notwendige Budget und Personal für solche experimentellen Aktivitäten zu bekommen. Die Chance solcher Experimente liegt darin, mit überschaubarem finanziellen und personellen Einsatz sowohl auf geschäftlicher als auch technischer Seite Erkenntnisse zu gewinnen, die anschließend dazu genutzt werden, sich neue Handlungsoptionen zu erschließen, um zu einem späteren Zeitpunkt fundierte Entscheidungen treffen zu können.

Wie sollte man sich dem Thema Data Monetization nun aber konkret nähern? Eine typische Beraterantwort wäre „In einem ersten Schritt gilt es die Datenverwendung auf Data Monetization hin auszurichten.“ Was ich darunter konkret verstehe, erfahren Sie in meinem nächsten Blogbeitrag zum Thema „DnA und Digitalisierung“. Mit diesem Cliffhanger verabschiede ich mich für dieses Mal.

Nachfolgend eine Übersicht aller geplanten Beiträge zum Thema "Data and Analytics (DnA) und Digitalisierung"

  1. Und am Anfang steht die Wertschöpfung (Teil 1)
  2. Benenne Deine informatorischen Spielfelder (Teil 2)
  3. Mustererkennung der etwas anderen Art(Teil 3)
  4. Taipei 101: Was wir von Wolkenkratzern lernen können (Teil 4)
 Ihre Ursula Besbak


Ursula Besbak berät PPI-Kunden bei Aufgaben rund um „Data and Analytics“. Sie bringt ihre langjährige Projekt- und Linien-Erfahrung bei Versicherungen und Banken immer dort ein, wo Datennutzer und -versorger sich organisatorisch oder architektonisch begegnen. Ihr Anliegen ist es, Kunden zu helfen, Daten wertschöpfend einzusetzen und die sich bietenden Chancen der Digitalisierung zu nutzen.

Collaborative Business Modells (3/3)

Zu Beginn dieser Reihe zum Thema Collaborative Business Models haben wir uns den Themen „Was ist eigentlich ein Ökosystem, und welche Arten von Ökosystemen existieren heute?“ und „Welche Ansätze zur Entwicklung erfolgreicher kollaborativer Geschäftsmodelle sind in der Digitalisierung erfolgversprechend?“ gewidmet. Darauf aufbauend habe ich sehr spannende Diskussionen führen dürfen, die insbesondere auf eine Kernfrage abzielten: „Welche Ausprägungen von Geschäftsmodellen wird es zukünftig in der Versicherungsbranche geben?“

Für die Entwicklung einer Hypothese für diese Fragestellung fokussiere ich mich auf vier Kernbereiche:
  • Kunden
  • Organisation und Prozesse
  • Daten
  • Wertschöpfung
Kunden: Die Verschiebung der Kundenbetreuung vor Ort hin zur ansteigenden Nutzung digitaler Kanäle führt bei Versicherern dazu, dass neue Customer Journeys und neue Kundenprozesse definiert werden, um den Kontakt zu eigenen oder neuen Kunden zu erhalten. Zukünftige Versicherer werden ein hybrides Modell anbieten müssen, welches sowohl persönliche als auch vollständig digitale Interaktionen ermöglicht. Von Apps, die über günstigere Policen oder mögliche Versicherungslücken informieren, Chatbots zur Bearbeitung von Massenanfragen bis hin zum CoBrowsing mit einem realen Kundenberater.

Organisation und Prozesse: Versicherungen verfolgen heute im Kern weiterhin klassische vertikale Modelle von Kern- und Supportprozessen sowie hierarchische Führungsstrukturen. Im Bereich Sourcing werden heute insbesondere neue Produkte und Geschäftsfelder wie Cybercrime einsortiert. Insbesondere in Bezug auf die klassischen Vermittlerstrukturen erhöhen sich die Anforderungen in Bezug auf Standardisierung und nach außen geöffnete APIs. Am Markt etablieren sich verstärkt digitale Vermittler, die entweder auf vollautomatisierte Massenprodukte oder ein digitales Kundenerlebnis setzen.

Daten: Der Fokus auf die Sammlung, Analyse und Ableitung von Handlungsoptionen mittels Big Data führt langfristig zu kundenorientierten Produkten, Dienstleistungen und Prozessen. Dabei werden Daten über alle Kanäle und in allen Phasen der Customer Journey gesammelt und verdichtet, um ein immer besser werdendes Bild der (potenziellen) Versicherungsnehmer zu erhalten.

Wertschöpfung: In den vergangenen Monaten haben eine Reihe von Insurtechs ihre Ambitionen verdeutlicht, als digitaler Versicherer in den Markt einzutreten. Die Insurtechs übernehmen dabei unterschiedliche Rollen: P2P-Versicherung, Vergleichs- und Vermittlungsplattformen, Vertragsüberwachung, Risikoanalyse, Telematik, Insurance as a Service bis hin zu Blockchain. Dies führt einer Neuordnung bestehender Wertschöpfungsketten.

Die Veränderungen in den vier genannten Themenfeldern führen zu umfangreichen Anpassungen der Geschäftsmodelle. Die Anpassungen der Geschäftsmodelle lassen sich in zwei Perspektiven betrachten: horizontal (intern vs. kollaborativ) und vertikal (etabliert vs. disruptiv).

1. Versicherer bieten einen sicheren Hafen für Kundendaten und Daten. Sie genießen insbesondere bei den Kunden ein hohes Vertrauen. Versicherer können diese Kompetenzen ausbauen und schrittweise z. B. Insurtechs einsetzen, um die einzelnen Zielgruppen an der Kundenschnittstelle zu besetzen. Dafür müssen insbesondere eine hohe interne Automatisierungsquote und APIs nach außen etabliert werden – die Digital Transaction Insurance.

2. Obwohl Versicherer komplexe Produkte und IT-Infrastrukturen betreiben, zeigt der Markt, dass auch (neue) Versicherer mit schlanken Produkten und modernen IT-Infrastrukturen aufgebaut werden können. Diese Art von Versicherer profitieren von ihrer langen Erfahrung und umfangreichen Expertise im Markt sowie regulatorischen Anforderungen. Dabei handelt es sich um ein sehr klassisches Geschäftsmodell auf Basis moderner Technologie und schlanker Prozesse – die Digitized All-In-One Insurance.

3. Sowohl Versicherer als auch Insurtechs fokussieren sich auf ein digitales Kundenerlebnis. Zukünftig könnten die digitalen Dienstleistungen der Versicherer weiter ausgebaut werden und weiter von den eigentlichen Produkten, internen Prozessen und IT-Infrastrukturen abgegrenzt werden – der Digital Insurance Broker.

4. Versicherer haben eine hohe Expertise in Bezug auf Produkte, bestehende Prozesse und IT-Infrastrukturen. APIs und neue Sourcing Modelle führen zur zielgruppenspezifischen Nutzung und Einbindung von innovativen Lösungen von Insurtechs und weiteren etablierten Partnern. Versicherer werden damit zum Fixpunkt von Kooperationen in digitalen Ökosystemen.

Ich hoffe, Ihnen hat meine Beitragsserie gefallen. Bis bald

Ihr Julian Schmidt

#Versicherungen #Digitalisierung #CollaborativeBusinessModells #FintechÖkosystem #Fintechs

Identitätsdiebstahl und Datenmissbrauch #Cybercrime

Schon einige meiner Kollegen haben über ihre eigenen Erfahrungen im Bereich Digitalisierung und IOT geschrieben; etwa Robert in seinem Beitrag zu seinem neuen Saug-Roboter. Im Kontext Cyber sind diese Erfahrungen im Vergleich meist weniger erfreulich.
So wurde mir in meinem Urlaub meine Online-Identität gestohlen. Zum denkbar ungünstigsten Zeitpunkt, auf einem Campingplatz mit sporadischer Netzabdeckung und nur mit einem Handy bewaffnet, bekam ich nach einigen Tagen ohne Internet plötzlich mehrere Nachrichten, warum ich ein neues Facebook-Profil hätte und so seltsame Fragen stelle. Dank der Hilfe eines Freundes stellte sich schnell heraus: Fremde hatten ein zweites Profil mit meinem Namen, meinem Foto und sonstigen Beschreibungen erstellt. Zusätzlich wurden meine Kontakte angeschrieben und nach ihren Telefonnummern gefragt.

In meinem Fall auf Facebook war die Situation recht einfach zu lösen, da es verschiedene Sicherheitssysteme gibt, die in so einem Fall helfen. Der gefälschte Account wurde gemeldet und innerhalb weniger Stunden gesperrt. Nach einer zusätzlichen Warnung an meine Kontakte ist sonst nichts weiter passiert.

Solche Identitätsdiebstähle sind kein Einzelfall und in meinem Fall war der Schaden gering. Dass es selbst im privaten Bereich zu höheren Schadensummen kommen kann, zeigt dieser Erfahrungsbericht einer Journalistin. Für Unternehmen wird es insbesondere dann gefährlich, wenn Angreifer sich gezielt vorbereiten und mehrstufige Angriffe planen, wie in unserem Artikel zu Social-Engineering beschrieben.

Unternehmen können sich mit diversen Präventionsmaßnahmen auf vielen Wegen gegen solche Diebstähle schützen. Zu den technischen Schutzmaßnahmen zählen dabei etwa Spoofing-Protection gegen falsche Mails oder 2-Faktor-Authentifizierung gegen Zugriffe unbefugter. Auch die Schulung der Mitarbeiter ist hier wichtig, damit diese angemessen auf Vorfälle reagieren und diese melden.

Für die Versicherer sind diese Regelungen nur schwer zu prüfen, jedoch trotzdem wichtig, da viele Versicherungsfälle im Cyberbereich sich durch die richtige Reaktion der eigenen Mitarbeiter verhindern lassen.

Der Vorfall hat mir nochmals gezeigt, wie wichtig Cybersicherheit auch für mich selbst ist. Ich habe nochmals meine Privatsphäre-Einstellungen überprüft und das Passwort geändert. Nur zu einer Schulung wollten sich meine Kontakte nicht überreden lassen.



Viele Grüße
Felix