Die Automatisierung der Schadenbearbeitung kann repetitive Arbeitsschritte überflüssig machen, Bearbeitungszeiten verkürzen und die Kundenzufriedenheit steigern. Die besten Ergebnisse lassen sich jedoch erst erzielen, wenn man genau versteht, wie ein Versicherungsfall durch das Unternehmen läuft, bevor entschieden wird, welche Schritte automatisiert werden sollen.
Warum muss der Workflow zur Zuordnung von Schadensfällen an erster Stelle stehen?
Ein schnellerer, aber mangelhaft durchdachter Prozess führt dennoch zu schlechten Ergebnissen. Im Schadenbearbeitungsprozess kommt es häufig zu doppelten Prüfungen, manueller Dateneingabe, nicht miteinander vernetzten Systemen und informellen Übergaben, die in Standardprozessdokumenten nicht sichtbar sind.
Eine Untersuchung von Deloitte zum Thema Robotik ergab, dass zwar 53 % von über 400 Unternehmen Robotic Process Automation (RPA) einsetzten, jedoch im Jahr 2017 nur 3 % mehr als 50 Roboter im Einsatz hatten – ein Anteil, der im folgenden Jahr auf gerade einmal 4 % stieg. Diese Lücke unterstreicht, wie wichtig neben der Technologie auch die Prozessgestaltung und die Steuerung sind.
Bevor Sie sich für eine Plattform zur Automatisierung der Schadenbearbeitung entscheiden, sollten Sie den tatsächlichen Arbeitsablauf von der ersten Meldung bis zum Abschluss abbilden, einschließlich Ausnahmen und Umgehungslösungen. Erfassen Sie jedes System, jede Entscheidung, jede Warteschlange, jedes Dokument und jede Übergabe, wobei Sie besonders auf doppelte Dateneingaben, Wartezeiten und den Datenaustausch zwischen Kern- und Satellitensystemen achten sollten.
Diese Reibungspunkte bieten oft die größten Chancen für die Automatisierung von Schadenbearbeitungsprozessen.
Wie sieht der Lebenszyklus eines Schadensfalls Schritt für Schritt aus?
Ein typischer Arbeitsablauf bei der Bearbeitung von Versicherungsansprüchen umfasst weit mehr als nur die erstmalige Einreichung des Anspruchs. Durch die Darstellung des gesamten Lebenszyklus lässt sich leichter erkennen, wo Automatisierung helfen kann und wo menschliches Urteilsvermögen nach wie vor wichtig ist.
1. Erstmeldung und Erfassung
Die erste Schadensmeldung (FNOL) kann über ein Callcenter, ein Webformular, per E-Mail, über eine mobile App, einen Makler oder einen anderen Kanal eingehen. Die Informationen können strukturiert, unvollständig oder völlig unstrukturiert sein.
Dies ist ein üblicher Ausgangspunkt für intelligente Dokumentenverarbeitung, natürliche Sprachverarbeitung und automatisierte Datenerfassung. Anstatt einen Mitarbeiter zu beauftragen, ein Dokument zu lesen und dessen Inhalt manuell einzugeben, kann ein automatisiertes System relevante Informationen extrahieren und die entsprechenden Felder ausfüllen.
2. Validierung und Überprüfung der Erfassung
Der Schadenfall wird anhand der Versicherungsdaten, des Versicherungsumfangs, der Ausschlüsse, der Daten und anderer Bedingungen geprüft. In dieser Phase ist häufig ein Wechsel zwischen der Schadenbearbeitungsplattform, dem Policenverwaltungssystem und externen relevanten Datenquellen erforderlich.
Erfassen Sie jeden Schritt, bei dem Daten in Systemen abgefragt oder manuell erneut eingegeben werden. Ein Prozess, bei dem ein Schadensregulierer Informationen zwischen bestehenden Systemen kopieren muss, eignet sich möglicherweise besser für RPA als ein komplexerer Anwendungsfall für KI.
3. Segmentierung, Triage und Komplexitätsbewertung
Schadensfälle werden anhand von Faktoren wie Wert, Schweregrad, Komplexität und potenziellem Betrugsrisiko bewertet und weitergeleitet.
Maschinelles Lernen kann die Segmentierung und Priorisierung unterstützen, indem es Muster in historischen Schadensfällen identifiziert. Die Übersicht sollte genau zeigen, wo eine Bewertung generiert wird, wer sie überprüft und was geschieht, wenn die Bewertung außerhalb eines akzeptierten Bereichs liegt.
4. Reservierung
Der Versicherer ermittelt und aktualisiert die voraussichtlichen Kosten des Schadensfalls. Je nach Versicherungszweig können dabei Regeln, historische Daten, das Ermessen des Schadensregulierers und versicherungsmathematische Berechnungen eine Rolle spielen.
Durch die Abbildung des Prozesses lassen sich Berechnungsschritte, die automatisiert werden könnten, von Entscheidungen trennen, die einer fachlichen Überprüfung bedürfen.
5. Ermittlungen und Meldung von Betrugsfällen
Komplexere Fälle können intern untersucht oder an eine Sonderermittlungseinheit (SIU) weitergeleitet werden. Bei der Betrugsaufdeckung können künstliche Intelligenz und maschinelles Lernen eingesetzt werden, um ungewöhnliche Muster zu erkennen, doch der Arbeitsablauf muss weiterhin deutlich machen, wer einen Hinweis untersucht, welche Beweise gesammelt werden und wer die endgültige Entscheidung trifft.
6. Schadensregulierung und Anweisungen an den Lieferanten
Schadensregulierer können den Schaden begutachten, Begutachtungen veranlassen und Reparaturbetriebe, Ingenieure, medizinische Dienstleister oder andere Anbieter beauftragen. Diese Übergaben können zu Warteschlangen und Verzögerungen führen, insbesondere wenn Informationen manuell zwischen den Organisationen weitergegeben werden müssen.
7. Entscheidungsfindung und Beurteilung
Der Versicherer entscheidet, ob der Schadenfall versichert ist, welche Summe zu zahlen ist und ob weitere Untersuchungen erforderlich sind. Dies ist ein entscheidender Kontrollpunkt für jede Initiative zur automatisierten Schadenbearbeitung, da diese Entscheidungen erhebliche Folgen für die Kunden haben können.
8. Haftungsfreistellung und Zahlungsabwicklung
Sobald die Abrechnung genehmigt ist, beginnt die Zahlungsabwicklung. Automatisierte Systeme können Zahlungsdetails prüfen, genehmigte Zahlungen auslösen und die entsprechenden Datensätze aktualisieren, während für Ausnahmefälle weiterhin Kontrollmechanismen bestehen bleiben.
9. Rückforderung, Forderungsübergang und Bergung
Der Versicherer kann Kosten von einer anderen Partei zurückfordern, Regressansprüche geltend machen oder die Bergung abwickeln. An diesen Tätigkeiten sind häufig separate Teams und externe Parteien beteiligt, weshalb es sinnvoll ist, diese Bereiche im Hinblick auf Übergaben und Nacharbeiten zu erfassen.
10. Schließung, Wiedereröffnung, Beschwerden und Einsprüche
Ein Antrag kann abgeschlossen, wieder aufgenommen oder durch eine Beschwerde oder einen Einspruch angefochten werden. Diese späteren Phasen werden leicht übersehen, wenn der Fokus auf dem anfänglichen Antragsverfahren liegt, doch sie zeigen, ob frühere Entscheidungen zusätzlichen Arbeitsaufwand verursacht haben.
Markieren Sie über den gesamten Lebenszyklus hinweg jede Übergabe, jede Warteschlange, jeden Nachbearbeitungszyklus und jeden Schritt der erneuten Dateneingabe. Die hartnäckigsten Probleme treten oft an den Schnittstellen zwischen Systemen und Teams auf und nicht innerhalb einzelner Aufgaben.
Der erste Schritt besteht darin, den Prozess abzubilden. So sieht der zweite Schritt aus.
Wie Future Processing Hiscox dabei half, 58.000 Policen zu migrieren und monatelange Preisanalysen auf wenige Minuten zu verkürzen.
Welche Darstellungsmethode eignet sich für welche Fragestellung: BPMN, SIPOC, Wertstromdiagramm oder Swimlane?
Verschiedene Mapping-Techniken beantworten unterschiedliche Fragen, sodass die Wahl einer einzigen Methode für jede Phase zu unnötiger Komplexität führen kann.
SIPOC – Lieferanten, Eingaben, Prozess, Ergebnisse und Kunden – eignet sich gut für den Beginn eines Projekts. Es verschafft Teams einen schnellen Überblick über die Prozessgrenzen und hilft dabei, sich darauf zu einigen, was zum Projektumfang gehört. Seine Schwäche besteht darin, dass es ein falsches Verständnis vermitteln kann: Die allgemeine Struktur mag zwar klar sein, doch die operativen Details bleiben unsichtbar.
Swimlane- oder funktionsübergreifende Diagramme sind nützlicher, wenn Übergaben das Problem darstellen. Durch die Trennung von Aktivitäten nach Team, Rolle oder System zeigen sie genau, wo ein Schadenfall von einem Verantwortlichen an einen anderen weitergeleitet wird. Dies ist besonders wertvoll für die Schadenbearbeitung, da jede Übergabe Wartezeiten, Nacharbeiten oder doppelte Dateneingaben zur Folge haben kann.
Die Wertstromanalyse fügt eine wirtschaftliche Perspektive hinzu. Sie hilft dabei, Durchlaufzeiten, Wartezeiten und andere Formen von Verschwendung zu quantifizieren. Dies ist nützlich, wenn das Ziel darin besteht, einen Business Case für die Automatisierung der Schadenbearbeitung zu erstellen und zu ermitteln, wo eine Verkürzung der Durchlaufzeit die größte Wirkung hätte.
BPMN 2.0 bietet die am besten strukturierte Option. Es handelt sich um eine standardbasierte Notation, die Ereignisse, Aktivitäten, Gateways, Nachrichten, Ausnahmen und Teilnehmer so darstellen kann, dass sie eine detaillierte Prozessgestaltung und in manchen Umgebungen auch die Ausführung unterstützt.
Für die meisten Programme zur Automatisierung der Schadenbearbeitung eignet sich eine hierarchische Vorgehensweise am besten. Beginnen Sie mit einer übergeordneten SIPOC- oder Wertstromdarstellung, nutzen Sie Schwimmbahnen, um Übergaben sichtbar zu machen, und entwickeln Sie anschließend detaillierte BPMN-Modelle, wo Automatisierung oder Neugestaltung Präzision erfordern.
Am wichtigsten ist es, zunächst den Ist-Zustand abzubilden. Erfassen Sie neben dem optimierten Ablauf auch die Ausnahmen, Umgehungslösungen und umständlichen Schritte. Die Version „mit allen Ecken und Kanten“ ist in der Regel diejenige, die aufzeigt, wo die Automatisierung die größte Wirkung erzielen wird.
Prozess-Mining oder Workshops: Wie lässt sich der ablaufende Prozess ermitteln?
Workshops zeigen, wie Mitarbeiter sich den Ablauf der Schadenbearbeitung vorstellen; Process Mining zeigt, wie er tatsächlich abläuft. Interviews sind nach wie vor wertvoll, um zu verstehen, warum Schadenfälle zwischen Warteschlangen verschoben werden, warum es Umgehungslösungen gibt und wo Mitarbeiter vom offiziellen Prozess abweichen.
Die Einschränkung besteht darin, dass Workshop-Darstellungen oft den beabsichtigten oder am besten bekannten Ablauf widerspiegeln. Seltene Ausnahmen, lange Warteschlangen und wiederholte Nacharbeiten können dabei leicht unter den Tisch fallen.
Process Mining rekonstruiert die Bearbeitungswege von Schadensfällen anhand von Ereignisprotokollen. Diese benötigen mindestens eine Fall-ID, eine Aktivität und einen Zeitstempel: Die Fall-ID verknüpft Ereignisse mit einem Schadensfall, die Aktivität hält fest, was geschehen ist, und der Zeitstempel legt die Reihenfolge fest. Zusätzliche Daten wie Team, Schadensfalltyp, Wert und Kanal liefern tiefere Einblicke.
Bei der Konformitätsprüfung wird dann der tatsächliche Prozess mit dem erwarteten Modell verglichen, wobei übersprungene Genehmigungen, unerwartete Wege, Aktivitäten außerhalb der Reihenfolge und wiederholte Nachbearbeitungen hervorgehoben werden.
Die größte Einschränkung ist die Qualität der Ereignisprotokolle. Fehlende Zeitstempel, inkonsistente Fallkennungen und Lücken zwischen den Systemen können zu einem unvollständigen Bild führen. Aus diesem Grund kombiniert der effektivste Ansatz Workshops zur Kontextgewinnung mit Process Mining, um diese Annahmen anhand realer Daten aus der Schadenbearbeitung zu validieren.
Sind Ihre Daten und Ihre Architektur bereit für die Automatisierung des Schadenbearbeitungsworkflows?
Bevor Sie einen Schadenbearbeitungsprozess automatisieren, sollten Sie prüfen, ob die zugrunde liegende Architektur dies unterstützt.
Beginnen Sie mit der zentralen Schadenbearbeitungsplattform. Ermitteln Sie, auf welche Daten über APIs zugegriffen werden kann, welche Vorgänge eine Benutzeroberfläche erfordern und welche Aktivitäten noch von Tabellenkalkulationen, E-Mails oder manuellen Uploads abhängen.
Dies ist wichtig, da robotergestützte Prozessautomatisierung zwar Lücken zwischen Anwendungen überbrücken kann, der Einsatz von RPA als dauerhafter Ersatz für die Systemintegration jedoch zu einer anfälligen Automatisierung führen kann. Screen-Scraping mag funktionieren, wenn keine Schnittstelle vorhanden ist, doch Änderungen am Bildschirmlayout, an der Authentifizierungsmethode oder am Anwendungsworkflow können den Roboter außer Betrieb setzen.
Eine langfristig bessere Architektur trennt in der Regel die Orchestrierung von den einzelnen Anwendungen. Eine Workflow-Schicht kann den Schadensfall koordinieren, wo möglich über APIs auf bestehende Systeme zugreifen und Ausnahmen an Mitarbeiter weiterleiten. Dokumentenverarbeitung, Betrugserkennung, Zahlungsabwicklung und andere spezialisierte Funktionen lassen sich dann in den übergeordneten Workflow einbinden.
Bei älteren Systemlandschaften können SPA-Lösungen (Robotic Process Automation) nach wie vor eine Rolle spielen, wenn der Austausch oder die Integration eines Altsystems unverhältnismäßig aufwendig wäre. Entscheidend ist, zu verstehen, warum RPA eingesetzt wird und wo die Abhängigkeit innerhalb der übergeordneten Architektur liegt.
Die Datenqualität verdient ebenso große Aufmerksamkeit. Die Automatisierung der Schadenbearbeitung hängt von korrekten Versicherungsdatensätzen, konsistenten Kundeninformationen, zuverlässigen Zeitstempeln und zugänglichen Dokumenten ab. Künstliche Intelligenz kann bei der Interpretation unstrukturierter Informationen helfen, doch mangelhafte Quelldaten führen nach wie vor zu fehlerhaften Entscheidungen in den nachfolgenden Prozessschritten.
Welche Kennzahlen müssen Sie erfassen, bevor Sie die Automatisierung vornehmen?
Automatisierung benötigt eine Ausgangsbasis. Ohne diese lässt sich nur schwer nachweisen, ob ein neues System die Bearbeitung von Anträgen verbessert hat oder lediglich Arbeit an einen anderen Ort verlagert hat.
Beginnen Sie damit, die Zykluszeit von der Bearbeitungszeit zu unterscheiden. Die Zykluszeit ist die verstrichene Zeit von einem definierten Punkt zum anderen; die Bearbeitungszeit misst die von Mitarbeitern geleistete praktische Arbeit. Ein Schadenfall kann eine kurze Bearbeitungszeit, aber eine lange Zykluszeit haben, weil er tagelang in Warteschlangen steht.
Nützliche Kennzahlen sind unter anderem:
- Bearbeitungsrate: Wie viele Schadensfälle erfordern manuelles Eingreifen?
- STP-Quote (Straight-Through-Processing): Welcher Anteil wird ohne menschliches Eingreifen abgewickelt?
- Zeit von der ersten Meldung bis zur Abwicklung: Wie lange dauert der gesamte Prozess?
- Nachbearbeitungs- und Ausnahmerate: Wie oft kehrt ein Schadenfall in eine frühere Phase zurück?
- Verluste: Wo treten vermeidbare Zahlungen oder Prozessverluste auf?
- Schadenausgaben: Wie viel wird zur Regulierung von Schadenfällen gezahlt?
- LAE-Quote: Wie hoch sind die Schadenregulierungskosten im Zusammenhang mit dem Schadenportfolio?
- Kundenaufwand und NPS: Wie einfach ist die Abwicklung von Schadensfällen?
- Beschwerdeaufkommen: Wie häufig beanstanden Kunden den Prozess oder das Ergebnis?
Diese Kennzahlen helfen auch dabei, das richtige Automatisierungsziel zu identifizieren. Wenn ein Prozess hohe Bearbeitungshäufigkeiten, aber eine kurze Durchlaufzeit aufweist, liegt die Chance möglicherweise in der Arbeitseffizienz. Ist die Bearbeitungszeit moderat, die Schadensfälle jedoch tagelang zwischen den Teams hin- und hergeschickt werden, ist eine Neugestaltung der Arbeitsabläufe möglicherweise wichtiger als die Automatisierung einzelner Aufgaben.
Die Messlücke in der Branche ist nach wie vor erheblich. Der „World Property and Casualty Insurance Report 2026“ von Capgemini, der auf einer Befragung von 344 Führungskräften aus der Versicherungsbranche, 809 Mitarbeitern und 1.113 Versicherungsnehmern, ergab, dass 42 % der Versicherer die Ergebnisse von KI nicht messen, während sich rund 60 % noch in der Erkundungs- oder Proof-of-Concept-Phase befinden und nur etwa 10 % erfolgreich skalieren.
Daher ist die Basisbewertung eine praktische Voraussetzung für die Automatisierung der Schadenbearbeitung und nicht nur eine reine Berichterstattungsmaßnahme.
Haben Sie Ihren Schadenbearbeitungsprozess bereits abgebildet? Dann lassen Sie uns die entsprechenden Teile automatisieren.
futureClaims™ – modulare Schadenbearbeitungstechnologie für komplexe gewerbliche und Spezialschäden: intelligente Fallzuordnung, automatisierte Dokumentenverfolgung, Echtzeit-Dashboards und Betrugsüberwachung.
Welche Anforderungen stellen die FCA, die DSGVO, das EU-KI-Gesetz und DORA an eine automatisierte Schadensmeldung?
Die Automatisierung verändert das Kontrollumfeld, sobald ein automatisiertes System Einfluss auf den Anspruch eines Kunden nimmt.
Gemäß den FCA-Vorschriften verlangt ICOBS 8.1, dass Ansprüche zügig und fair bearbeitet werden. Artikel 22 der DSGVO gilt ebenfalls, wenn personenbezogene Daten für rein automatisierte Entscheidungen mit rechtlichen oder ähnlich schwerwiegenden Auswirkungen verwendet werden, wobei das Urteil des EuGH in der Rechtssache C-634/21 (SCHUFA) die Schutzvorkehrungen im Zusammenhang mit solchen Entscheidungen verstärkt.
Für EU-Versicherer stuft das EU-KI-Gesetz bestimmte KI-Systeme, die zur Risikobewertung und Preisgestaltung in der Lebens- und Krankenversicherung eingesetzt werden, als risikoreich ein und führt damit Anforderungen in Bezug auf Risikomanagement, Transparenz und Rechenschaftspflicht ein. DORA ergänzt diese durch operative Resilienz und die Überwachung durch Dritte, wenn externe Technologieanbieter kritische Funktionen unterstützen.
Die Prozesskarte sollte daher aufzeigen, wo KI eingesetzt wird, welche Daten sie erhält, wie Entscheidungen getroffen werden, wo eine menschliche Überprüfung stattfindet und wie Ausnahmen behandelt werden. Durch die Aufzeichnung von Eingaben, Ausgaben, Modellversionen, Genehmigungen, Übersteuerungen und Zeitstempeln werden Entscheidungen zudem überprüfbar.
Die gleichen Kontrollmaßnahmen gelten für die Betrugsaufdeckung, bei der KI und maschinelles Lernen verdächtige Schadensfälle zur Untersuchung kennzeichnen können. Intelligente Automatisierung funktioniert am besten, wenn Arbeitsabläufe, Daten, Entscheidungen und Kontrollmaßnahmen während des gesamten Schadensbearbeitungsprozesses transparent bleiben.
