Kann KI die Lkw-Versicherung genauer oder nur schneller machen?

Künstliche Intelligenz eröffnet Versicherern neue Möglichkeiten, die Prüfung von Dokumenten zu automatisieren, Informationen aus Anträgen zu extrahieren und historische Aufzeichnungen zu analysieren. Für Transportunternehmen könnten diese Funktionen dazu beitragen, administrative Verzögerungen zu verringern, die den Abschluss von Versicherungsschutz erschweren.

Diese Effizienz ist wichtig. Verzögerungen bei Versicherungen können verhindern, dass Transportunternehmen Lkw in Betrieb nehmen, neue Aufträge annehmen oder ihren Betrieb wie geplant fortführen.

Schnellere Entscheidungen sind jedoch nicht zwangsläufig bessere Entscheidungen.

Bei der Lkw-Versicherung bestand die Herausforderung nie in einem vollständigen Mangel an Daten. Versicherer können Inspektionsverläufe, Sicherheitsnachweise, Unfallberichte, Betriebsgenehmigungen und Compliance-Unterlagen berücksichtigen. Die Herausforderung besteht darin, festzustellen, was diese Unterlagen tatsächlich über ein Unternehmen aussagen – und was sie nicht erkennen lassen.

Wenn KI die Lkw-Versicherung verbessern soll, muss sie mehr leisten, als die Risikoprüfung zu beschleunigen. Sie muss Versicherern helfen, Risiken genauer einzuschätzen.

Ein Sicherheitsnachweis erzählt nicht die ganze Geschichte

Bevor ich in der Versicherungsbranche tätig wurde, arbeitete ich direkt mit Transportunternehmen in den Bereichen Sicherheit und Compliance. Dabei half ich ihnen, Betriebsgenehmigungen zu erhalten, Fahrerqualifikationsakten zu organisieren, Unterlagen zu pflegen und regulatorische Anforderungen zu erfüllen. Diese Erfahrung bestätigte eine wichtige Erkenntnis: Compliance-Unterlagen sind nützlich, spiegeln aber nicht unbedingt wider, wie eine Flotte im Alltag betrieben wird.

Man stelle sich zwei Transportunternehmen mit ähnlich großen Flotten, vergleichbarer Betriebserfahrung und ähnlichen Inspektionsberichten vor. Das eine könnte einen konsequenten Zeitplan für die vorbeugende Wartung einhalten, in die Fahrerschulung investieren und mögliche Sicherheitsbedenken angehen, bevor sie zu Verstößen führen. Das andere könnte eher reaktiv vorgehen und Probleme erst dann angehen, wenn sie auftreten. Auf dem Papier könnten diese Unternehmen ähnlich wirken, obwohl sie Risiken unterschiedlich handhaben.

Auch das Gegenteil kann vorkommen. Ein Transportunternehmen kann einen Verstoß oder Unfall in seiner Akte haben, ohne dass dieses Ereignis seine aktuellen Sicherheitspraktiken oder die Umstände des Vorfalls vollständig erklärt.

Das Sicherheitseinstufungssystem der Federal Motor Carrier Safety Administration (FMCSA) nutzt Daten aus Straßenkontrollen, Unfällen und Untersuchungen, um Transportunternehmen zu ermitteln, bei denen Sicherheitsmaßnahmen angebracht sein könnten. Diese Daten sind zwar für die behördliche Aufsicht wertvoll, sollen aber weder eine vollständige Beurteilung der allgemeinen Sicherheitslage eines Transportunternehmens noch seiner Versicherbarkeit ermöglichen.

Die FMCSA hat auch Einschränkungen bei den Daten des Sicherheitseinstufungssystems dokumentiert, darunter Fragen zur Datenlage und dazu, wie zuverlässig sich die Informationen für verschiedene Zwecke heranziehen lassen.

KI kann diese Unterlagen schnell analysieren, doch Geschwindigkeit allein behebt ihre Einschränkungen nicht.

Die Risiken der Automatisierung unvollständiger Informationen

Es gibt klare Möglichkeiten, KI einzusetzen, um den Verwaltungsaufwand in der gewerblichen Versicherung zu verringern. Automatisierte Systeme könnten helfen, fehlende Angaben in Anträgen zu erkennen, Informationen aus verschiedenen Dokumenten abzugleichen, Sicherheitsunterlagen zu ordnen und Unstimmigkeiten zur Prüfung zu kennzeichnen.

Diese Verbesserungen könnten im Transportgewerbe besonders wertvoll sein, da das Zusammentragen von Unterlagen oft mehrere Beteiligte und Systeme umfasst.

Das Risiko entsteht, wenn automatisierte Bewertungen als endgültige Schlussfolgerungen behandelt werden. Ein KI-System könnte beispielsweise ein Transportunternehmen wegen eines ungünstigen Sicherheitsindikators markieren. Das System erkennt den betreffenden Eintrag möglicherweise korrekt, berücksichtigt aber womöglich weder spätere betriebliche Verbesserungen noch zusätzliche Informationen, die die Bewertung des Vorfalls verändern.

Das Programm zur Feststellung der Vermeidbarkeit von Unfällen der FMCSA veranschaulicht, warum der Kontext eine Rolle spielt. Im Rahmen des Programms können Transportunternehmen für bestimmte infrage kommende Unfälle eine Überprüfung beantragen. Stellt die FMCSA fest, dass ein Unfall nicht vermeidbar war, nimmt sie dieses Ereignis aus der Berechnung der Kategorie „Unfallindikator“ ihres Sicherheitseinstufungssystems heraus; der Unfall bleibt jedoch weiterhin aufgeführt.

Das Programm trägt dem Umstand Rechnung, dass die Umstände eines Vorfalls wichtig sind und nicht allein die Tatsache, dass ein Unfall verzeichnet wurde.

Dieser Unterschied ist bei der Bewertung kleinerer Flotten besonders wichtig. Große Transportunternehmen verfügen möglicherweise über eigenes Sicherheitspersonal und integrierte Berichtssysteme, während kleinere Betriebe ihre Unterlagen unter Umständen in Tabellenkalkulationen, E-Mails und bei externen Dienstleistern verwalten.

Ein fehlendes Wartungsdokument könnte beispielsweise bedeuten, dass die Wartung nicht durchgeführt wurde. Es könnte aber auch heißen, dass der Nachweis an einem Ort liegt, auf den das System keinen Zugriff hat. Diese Fälle sollten nicht automatisch gleich bewertet werden.

Das Rahmenwerk für das KI-Risikomanagement des National Institute of Standards and Technology bietet freiwillige Leitlinien zur Bewertung der Zuverlässigkeit, Transparenz und Vertrauenswürdigkeit von KI-Systemen.

Für Versicherer im Transportgewerbe bieten diese Grundsätze eine hilfreiche Orientierung, um festzustellen, ob die einer automatisierten Bewertung zugrunde liegenden Informationen aktuell und hinreichend vollständig sind und sich für den vorgesehenen Zweck eignen.

KI muss erkennen, wann weitere Informationen erforderlich sind

Eine der nützlichsten Fähigkeiten eines KI-Systems könnte darin bestehen, zu erkennen, wann für eine Entscheidung zusätzlicher Kontext erforderlich ist.

Statt jeden Antrag als einfache Annahme oder Ablehnung zu behandeln, sollte ein leistungsfähiges System zwischen Situationen unterscheiden, in denen die Informationen ausreichen, und solchen, in denen Klärungsbedarf besteht.

Betrachten wir ein Transportunternehmen, dessen Betriebsprofil sich kürzlich verändert hat. Ein automatisiertes System könnte diese Veränderung erkennen. Durch zusätzliche Fragen ließe sich jedoch herausfinden, ob das Unternehmen in andere Frachtkategorien expandiert, weitere Fahrzeuge angeschafft oder neue Sicherheitsverfahren eingeführt hat.

Jeder dieser Faktoren kann beeinflussen, wie sein Risiko bewertet werden sollte.

Auch deshalb ist Erklärbarkeit wichtig. Wenn ein KI-System ein bestimmtes Ergebnis empfiehlt, sollten die für die Entscheidung Verantwortlichen nachvollziehen können, welche Informationen die Empfehlung beeinflusst haben und ob die Schlussfolgerung angemessen ist.

Die Leitlinien des NIST für vertrauenswürdige KI nennen Erklärbarkeit, Transparenz, Zuverlässigkeit und Rechenschaftspflicht als wichtige Merkmale vertrauenswürdiger Systeme. Außerdem erkennen sie die Rolle menschlichen Urteilsvermögens bei der Bewertung der KI-Leistung an.

In der Lkw-Versicherung sollte es nicht darum gehen, Fragen bei der Risikoprüfung abzuschaffen. Vielmehr gilt es, die richtigen Fragen früher im Prozess zu stellen.

Menschliche Fachkenntnis bleibt wichtig

Die Einführung von KI wird manchmal als Entscheidung zwischen Automatisierung und menschlicher Entscheidungsfindung dargestellt. In der Praxis ist es sinnvoller, zu bestimmen, welche Aufgaben von Technologie profitieren und welche professionelles Urteilsvermögen erfordern.

KI kann dabei helfen, Informationen zu ordnen, Muster zu erkennen und repetitive Verwaltungsarbeit zu reduzieren. Menschliche Fachkenntnis ist besonders wertvoll, wenn Unterlagen mehrdeutig sind oder die Umstände eines Transportunternehmens nicht ohne Weiteres in standardisierte Kategorien passen.

Wer mit dem Transportgewerbe vertraut ist, erkennt möglicherweise, warum ein bestimmtes Sicherheitsproblem wichtig ist, wie sich unterschiedliche Betriebsumgebungen auf das Risiko auswirken oder weshalb jüngste betriebliche Veränderungen genauer geprüft werden sollten.

Diese Fachkenntnis sollte nicht als Hindernis für die Automatisierung betrachtet werden. Sie kann automatisierte Bewertungen nützlicher machen.

Auch die Frage der Rechenschaftspflicht ist wichtig.

Im Dezember 2023 verabschiedete die National Association of Insurance Commissioners ein Muster-Rundschreiben zur Nutzung künstlicher Intelligenz durch Versicherer, das regulatorische Erwartungen an Governance, Risikomanagement und die Einhaltung geltender Versicherungsgesetze darlegt.

Die regulatorische Wirkung des Rundschreibens hängt davon ab, ob und wie einzelne Bundesstaaten es übernehmen und umsetzen. Es spiegelt jedoch die wachsende Aufmerksamkeit dafür wider, wie Versicherer KI-gestützte Entscheidungen beaufsichtigen.

Auch menschliches Urteilsvermögen ist nicht unfehlbar. Menschen können uneinheitliche Entscheidungen treffen oder relevante Informationen übersehen. Die Chance besteht darin, die Konsistenz und Verarbeitungskapazitäten von KI mit dem betrieblichen Wissen zu verbinden, das zur Einordnung komplexer Situationen erforderlich ist.

Genauigkeit messen, nicht nur Effizienz

Wenn Versicherer wissen wollen, ob KI die Risikoprüfung verbessert, müssen sie mehr als nur die Bearbeitungszeit bewerten.

Einen Antrag statt innerhalb von Tagen innerhalb weniger Minuten zu bearbeiten, wäre ein betrieblicher Erfolg. Das würde jedoch nicht zwangsläufig belegen, dass die daraus resultierende Bewertung genauer ist.

Eine aussagekräftigere Bewertung würde untersuchen, ob automatisierte Empfehlungen bei unterschiedlichen Arten von Transportunternehmen zuverlässig bleiben, wie oft Bewertungen korrigiert werden müssen und ob das System fehlende oder widersprüchliche Informationen angemessen erkennt.

Kleinere Fuhrparks verdienen besondere Aufmerksamkeit. Wenn ein Modell bei Transportunternehmen mit umfangreichen digitalen Unterlagen gut funktioniert, aber Schwierigkeiten mit Betrieben hat, deren Dokumentation weniger standardisiert ist, kann seine Wirksamkeit unterschiedlich ausfallen.

Die Tests sollten die Vielfalt der zu bewertenden Unternehmen widerspiegeln.

Die Bewertung muss auch nach der Einführung fortgesetzt werden. Veränderungen bei Vorschriften, Betriebsabläufen und verfügbaren Informationen können beeinflussen, ob ein System langfristig zuverlässig bleibt.

Versicherer sollten außerdem darauf vorbereitet sein, erneut zu prüfen, wie ihre Systeme unterschiedliche Arten von Informationen gewichten. Ein Modell, das beispielsweise einem einzelnen Sicherheitsindikator regelmäßig zu viel Bedeutung beimisst, könnte andere für den Betrieb eines Transportunternehmens relevante Faktoren übersehen.

Ziel sollte eine kontinuierliche Verbesserung sein, nicht einfach eine schnellere Bearbeitung.

Die eigentliche Chance liegt in einem besseren Verständnis von Risiken

KI kann dazu beitragen, die Lkw-Versicherung effizienter zu gestalten, Verwaltungsverzögerungen zu verringern und Versicherern dabei zu helfen, Informationen zu erkennen, die sonst möglicherweise übersehen würden.

Ihr größter Nutzen könnte jedoch darin liegen, der Branche zu fundierteren Entscheidungen zu verhelfen.

Ein Fuhrpark ist mehr als seine Inspektionshistorie, und eine Sicherheitsbilanz ist mehr als eine Sammlung von Verstößen. Um Risiken zu verstehen, muss berücksichtigt werden, wie ein Unternehmen arbeitet, wie es auf Probleme reagiert und ob die verfügbaren Informationen seine aktuelle Situation widerspiegeln.

Die nützlichsten KI-Systeme werden nicht unbedingt diejenigen sein, die die schnellsten Antworten liefern. Es werden vielmehr diejenigen sein, die Versicherern dabei helfen zu erkennen, wann die verfügbaren Informationen eine Entscheidung stützen und wann eine weitere Prüfung erforderlich ist.

Letztlich geht es nicht darum, ob KI die Lkw-Versicherung schneller machen kann. Entscheidend ist, ob sie die Entscheidungen der Branche genauer machen kann.

An diesem Maßstab sollte ihr Erfolg gemessen werden.