Automatisierte Fallbearbeitung in der PKV – durch Highspeed zu mehr Kundenzufriedenheit

Die Ampel steht auf Grün

Im Idealfall schafft man ein intelligentes System, das mit den eingereichten Rechnungen der Versicherten gespeist wird und an dessen Ausgang eine Art Ampel steht, die nahezu in Echtzeit signalisiert:

• Grün für Rechnungen, die unmittelbar und auf Basis der jeweiligen Versicherungsbedingungen des Kunden (Stichwort: Leistungsabdeckung und Eigenanteil) übernommen werden
• Rot für Rechnungen und Leistungen, deren Erstattung aus nachvollziehbaren Gründen zurückgewiesen werden muss
• Gelb für Leistungen, die einen manuellen Eingriff und eine entsprechende Bewertung erfordern und deshalb einem Sachbearbeiter zur Prüfung vorgelegt werden

Das alles erfolgt am besten mit automatischer, aussagekräftiger Rückmeldung an den Kunden auf dessen präferierten Kanälen (Briefpost, E-Mail, Online) und mit gleichzeitiger Zahlungsanweisung für die internen Buchhaltungssysteme, falls eine Erstattung vorgenommen werden soll.

Doch wie schafft man eine solche Intelligenz, die sich in möglichst vielen Fällen mit dem Entscheidungsvermögen eines Sachbearbeiters messen kann? Und sogar für die Zukunft aus den manuell getroffenen Entscheidungen lernt, damit der Grad der Automatisierung beständig wächst?

Klare Regeln plus maschinelles Lernen bei der Automatisierung von Prozessen

In der Praxis haben sich Systeme bewährt, bei denen regelbasierte Entscheidungen und Maschinelles Lernen auf Basis künstlicher Intelligenz Hand in Hand gehen. Regelbasierte Systeme bilden die Entscheidungswege und -kriterien ab, wie sie bei jedem Versicherungsanbieter niedergelegt sind.

Denn auf solchen Regelwerken beruht die Arbeitsweise der (menschlichen) Sachbearbeiter. Diese Regeln gilt es in ein computergestütztes System zu überführen. So können individuelle Fallentscheidungen verlässlich getroffen und Änderungen bei den Leistungen und Versicherungsbedingungen schnell abgebildet werden.

Die KI-Komponente bezieht sich dagegen weniger auf individuelle Versichertenvorgänge, sondern auf die Summe der bereits erfassten und entschiedenen Fälle. Hier geht es darum, durch Machine Learning Muster in der Gesamtmenge aller Daten zu erkennen und Erfahrungen zu sammeln. Einfach gesagt: Was ist die Regel und was eher nicht? Was kann automatisch entschieden werden und was sollte besser einem Sachbearbeiter vorgelegt werden, um Auffälligkeiten oder besonders komplexe Fälle zu berücksichtigen?

Ein solches System trainiert sich selbst und lernt mit der wachsenden Menge an Daten beständig hinzu. Es bedarf in der Regel nur vergleichsweise geringer menschlicher Intervention („Supervised Learning“) und entdeckt Muster, die man häufig gar nicht im Voraus abschätzen kann. Beispielsweise regionale Häufungen bestimmter Leistungen oder Leistungserbringer, die in ihrer Abrechnung massiv und wiederholt von ihren Kollegen abweichen. Das liefert wertvolle Einblicke, die sonst in der Masse der Fälle untergehen.

Automatisierte Entscheidungssysteme

Wir bei ACTICO sind Experten für solche automatisierten Entscheidungssysteme. Die international erfolgreiche ACTICO Platform hilft Unternehmen, Echtzeit-Entscheidungen auf Basis von Geschäftsregeln plus Machine Learning zu treffen. Sie legt damit den Grundstein für die Automatisierung komplexer Geschäftsprozesse in Echtzeit.

Die Plattform besteht aus mehreren Komponenten: Mit dem ACTICO Modeler definieren und modellieren Unternehmen Geschäftsregeln auf Basis von Entscheidungstabellen und Regelflüssen ganz bequem grafisch am Bildschirm. Ein Test-Editor für Testläufe anhand realer Daten inklusive Debugging-Funktion unterstützt die Modellierer bei der Qualitätssicherung. Die Auswirkungen von Regeländerungen lassen sich dadurch bereits im Vorfeld jederzeit exakt nachvollziehen.

Bestehende Modelle können im Modeler jederzeit verändert, aktualisiert und durch zusätzliche Regelwerke ergänzt werden. Die integrierte Versionskontrolle hilft bei der Modularisierung und Wiederverwendung von Regeln und Modellen.

Parallel dazu extrahieren Data Scientists mit Hilfe von Machine Learning-Funktionen weiteres Wissen auf Basis bereits vorhandener Daten. So werden bislang unbekannte Muster sichtbar und für zukünftige Entscheidungen nutzbar.

In der Verknüpfung von Regeln und Mustern generiert die Plattform ein ausführbares Entscheidungsmodell, das als selbständiger Entscheidungsdienst bereitgestellt oder in bestehende IT-Systeme integriert werden kann. Dafür sorgen offene und interoperable Schnittstellen sowohl für den Online-Betrieb als auch für die Batch-Ausführung.

Jeder bearbeitete Fall generiert dabei neue Daten für das Machine Learning und neue Erkenntnisse für Experten, sodass ein kontinuierliches Lernen möglich wird. All dies geschieht selbst bei komplexen Entscheidungsprozessen extrem schnell.
Dabei trifft die Plattform nicht nur Entscheidungen, sondern erklärt sie auch und macht sie in ihren Details nachvollziehbar, damit alle Schritte transparent und revisionssicher sind.

Ausblick

Tatsächlich kommen in diesem Beispiel mehrere Megatrends zusammen, die das Kundenerlebnis in der Versicherungswirtschaft zukünftig maßgeblich bestimmen werden: Der Trend zu mehr Konnektivität, der Trend zu einer höheren Prozessautomatisierung und der Trend zur wachsenden Individualisierung der Kundenkommunikation. Als privater Krankenversicherer können Sie diesen Anforderungen in Bezug auf Ihr Erstattungswesen schon heute gerecht werden mit der ACTICO Platform.