Im Vortrag werden verschiedene Einsatzszenarien für das Maschinenlernen im Marketing und Vertrieb einer Regionalbank vorgestellt. Beispiele sind die Vertriebsunterstützung von Kundenberatern, die personalisierte Kundenansprache im Onlinebereich sowie die Preisoptimierung. Neben der Umsetzung wird das Ertragspotenzial skizziert. Im zweiten Schritt werden verschiedene Herausforderungen diskutiert: aufsichtsrechtliche, datenschutzrechtliche, informationssicherheitsbezogene und organisationsbezogene Herausforderungen.

Zielpublikum: Sowohl Nutzer als auch Entwickler von ML, insbesondere Data Scientisten, Manager von ML/Advanced Analytics und Manager im datengetriebenen Marketing/Vertrieb
Voraussetzungen: Keine (Ich werde auf die eingesetzten Technologien eingehen, jedoch steht der betriebswirtschaftliche / transformatorische Aspekt im Vordergrund)
Schwierigkeitsgrad: Einsteiger

Die Digitalisierung der Schadenprozesse schreitet in der Versicherungsbranche immer weiter voran, vor allem die Automatisierung durch Workflow-Management-Systeme ist mittlerweile ein etabliertes Standardwerkzeug in den Unternehmen.

In diesem Vortrag werden wir am Beispiel eines Schadenregulierungsprozesses unterschiedliche Optimierungsmöglichkeiten der Automatisierungen, deren Vorteile und Voraussetzungen diskutieren und konkrete Praxisbeispiele präsentieren.

Zielpublikum: Data Scientist, decision makers, Project Leader, Process Owners
Voraussetzungen: Basic knowledge, claims experience recommended
Schwierigkeitsgrad: Einsteiger

Extended Abstract:
Die Digitalisierung der Schadenprozesse schreitet in der Versicherungsbranche immer weiter voran. Die Automatisierung solcher Verarbeitungsschritte durch Workflow-Management-Systeme ist mittlerweile ein etabliertes Standardwerkzeug in den Unternehmen. Diese technischen Fortschritte ermöglichen es, die Prozesse datengetrieben exponentiell weiter zu optimieren.

Hier ermöglichen der intelligente Einsatz von Daten und der Einsatz Künstlicher Intelligenz verschiedene Varianten der Unterstützung der Prozessbearbeitung: Augmented Intelligence, Assisted Intelligence, Autonome Systeme oder (regelbasierte) Automatisierung. Die Methoden zahlen entsprechend ihrer Fokusse auf die Zielgrößen Standardisierung und Komplexitätsreduktion ein. Dabei ist die richtige Auswahl der zu nutzenden Methode abhängig von der Fragestellung selbst und den vorhandenen technischen Infrastrukturen und Datenverfügbarkeiten.

In diesem Vortrag werden wir am Beispiel eines Schadenregulierungsprozesses die unterschiedlichen Anwendungsmöglichkeiten der obigen Methoden (Datenabgleich mit Materialpreisdatenbanken, Ermittlung von Referenzpreisen, KI-Vorhersage von OK-Belegen bzw. Freigaben, ...), deren Vorteile und Voraussetzungen diskutieren und konkrete Praxisbeispiele präsentieren.