Die digitale Transformation verändert die Versicherungsbranche in rasantem Tempo. Insbesondere in der Krankenversicherung eröffnen Data Analytics und Künstliche Intelligenz (KI) zunehmend neue Chancen, Prozesse zu optimieren, Kosten zu senken und Kunden individuell zu betreuen. Doch trotz erheblicher Investitionen bleiben viele dieser Potenziale unerschlossen. Wie können Versicherer diese Herausforderungen meistern und den Weg für eine datengetriebene Zukunft ebnen?

Ausgangslage: Hohe Investitionen, geringe Ausbeute

In den vergangenen Jahren haben Krankenversicherer massiv in ihr Datenmanagement und in moderne Analytics- und KI-Plattformen investiert. Zentrale Datenmanagement-Einheiten wurden etabliert, Spezialisten wie Data Scientists und Data Engineers eingestellt und leistungsfähige Technologien implementiert. Erste KI-Anwendungen wurden erprobt, doch der große Durchbruch steht noch aus.

Die Krankenversicherung bietet aufgrund ihrer hohen Transaktionshäufigkeit und hohen Leistungsausgaben enorme Potenziale für Data Analytics und KI. Durch datenbasierte Risikoselektion können Prämien im Neugeschäft risiko-adäquater gestaltet werden. Personalisierte Präventions- und Früherkennungsangebote verbessern die Kundenbindung und senken mittel- bis langfristig die Leistungsausgaben. Die Telematikinfrastruktur mit der Einführung der elektronischen Patientenakte (ePA) und des E-Rezepts ermöglicht zudem den Zugang zu strukturierten Gesundheitsdaten und eröffnet neue Anwendungsfelder.

Herausforderungen: Silos und fehlende Strukturen

Trotz dieser vielversprechenden Möglichkeiten verlaufen viele Data-Analytics- und KI-Initiativen schleppend. Die Gründe sind vielfältig:

• Mangelndes Fachwissen in zentralen Einheiten: Das spartenübergreifende Datenmanagement verfügt i.d.R. nicht über spezifisches Know-how in der Krankenversicherung.
• Fehlende Kompetenzen in den Fachbereichen: Den operativen Einheiten fehlt es an Expertise mit Analytics und KI, was die Identifikation und Umsetzung geeigneter Use Cases erschwert.
• Isolation der Projekte: Jeder Use Case wird separat vom jeweiligen Fachbereich mit dem zentralen Datenmanagement entwickelt, was zu redundanten Prozessen, Abstimmungsaufwand mit Datenschutz und IT sowie verzögerten Implementierungen führt.
• Keine zentrale Steuerung: Ohne eine übergreifende Treiberfunktion fehlt die Priorisierung und strategische Ausrichtung des Use Case Portfolios, was die effiziente Ressourcennutzung behindert.
• Eingeschränkte Testmöglichkeiten: Fachbereiche können Use Cases nicht eigenständig validieren, da es an geeigneten Umgebungen und Werkzeugen fehlt.
• Komplexe Kommunikationswege: Vorgehensweisen und Regularien müssen jedem Fachbereich individuell vermittelt werden, was den Wissenstransfer verlangsamt.

Unser Lösungsansatz: Struktur schaffen, Potenziale heben

Um diese Hürden zu überwinden und die Umsetzung von Data-Analytics- und KI-Initiativen zu beschleunigen, empfehlen wir einen ganzheitlichen Ansatz, der auf mehreren zentralen Prinzipien basiert:

1. Professionalisierung des Analytics- und KI-Know-hows

Durch die Zentralisierung bestehender Kompetenzen und den Aufbau fehlender Schlüsselqualifikationen in der Krankenversicherung wird ein fundiertes Wissensfundament geschaffen. Schulungen, Workshops und der Austausch mit externen Experten fördern ein datenorientiertes Mindset in der Organisation.

2. Schaffung einer zentralen Treiberfunktion

Eine dedizierte Einheit übernimmt die Verantwortung für Aufbau, Priorisierung und Steuerung des Analytics- und KI-Use-Case-Portfolios. Diese Funktion agiert als Schnittstelle zwischen Fachbereichen, Datenmanagement und IT und sorgt für eine kohärente strategische Ausrichtung.

3. Starke organisatorische Verankerung

Die Treiberfunktion sollte organisatorisch hoch angesiedelt sein, idealerweise als eigener Bereich oder Abteilung. Dies gewährleistet die notwendige Management-Attention und ermöglicht schnelle Entscheidungen in Bezug auf Strategie und Budget.

4. Integration relevanter Funktionen

Die Einbindung angrenzender Bereiche wie Innovationsmanagement, Digitalisierung, DV-Koordination und BI-Reporting fördert Synergien und reduziert Schnittstellenprobleme. So entsteht ein integriertes Ökosystem, das Innovationen begünstigt.

5. Einrichtung von Sandbox-Umgebungen

Durch die Möglichkeit zur eigenständigen Verprobung von Use Cases in sicheren Testumgebungen können Fachbereiche schneller validieren und iterieren. Dies beschleunigt den Entwicklungsprozess und fördert die Innovationskultur.

6. Klare Zusammenarbeitsmodelle

Definierte Schnittstellen, Rollen und Verantwortlichkeiten sorgen für transparente Prozesse und effiziente Kommunikation zwischen allen Beteiligten. Standardisierte Methoden und Werkzeuge erleichtern die Umsetzung und Skalierung von Projekten.

Umsetzung: Schritte zur digitalen Exzellenz

Die Operationalisierung dieses Ansatzes umfasst mehrere Schritte:

• Einheitlicher Rahmen für Use Cases: Entwicklung eines strukturierten Prozesses zur Identifikation, Bewertung und Priorisierung von Use Cases basierend auf strategischer Relevanz und Nutzenpotenzial.
• Stärkung der Fachbereiche: Schulungen und Wissensaustausch fördern ein datengetriebenes Denken und befähigen Mitarbeiter, aktiv an der digitalen Transformation mitzuwirken.
• Zentrale Steuerung und Kommunikation: Etablierung klarer Kommunikationswege und regelmäßiger Abstimmungen zwischen allen Ebenen und Funktionen.
• Langfristige Planung: Projekte werden nicht nur bis zum Go-Live begleitet, sondern auch in der Post-Implementierungsphase unterstützt, um nachhaltigen Erfolg zu sichern.

Fazit: Den Wandel aktiv gestalten

Die Krankenversicherung steht an einem Wendepunkt. Data Analytics und KI bieten immense Chancen, doch sie erfordern auch neue Strukturen und Denkweisen. Mit unserem Lösungsansatz können Versicherer die Umsetzungsgeschwindigkeit deutlich steigern, Synergien nutzen und die Potenziale moderner Technologien voll ausschöpfen.

Haben Sie Fragen? Sprechen Sie uns gerne an!

Matthias Nodop (Senior Consultant) und Roderich W. Lichter (Partner)

Zurück zur Übersicht Nächster Beitrag