Smart Data in Banken, Versicherungen und LegalTechs. Klaus Reichenberger Big-Data.AI-Summit 2018

Transkript

1 Smart Data in Banken, Versicherungen und LegalTechs Klaus Reichenberger Big-Data.AI-Summit

2 intelligent views gmbh Gründungsjahr: 1997 Ausgründung aus Fraunhofer Institut Führender Anbieter semantischer Technologie in Europa 35 Mitarbeiter, über 20 davon Software-Entwickler Smart data engine i-views, Module: i-views content, i-views privacytrack Über 150 erfolgreiche Installationen bei zahlreichen Kunden im Mittelstand, Großunternehmen und Konzernen 2

3 Beispiel Rechtsschutzversicherung Analyse unstrukturierter Dokumente und anschauliche Modellierung der Business- Logik schafft eine neue Datenbasis für Neue Analysefähigkeiten Automatisierung des Prozesses Ziele: Einsparung Arbeitszeit der Mitarbeiter Erkenntnisse für den kontinuierlichen Verbesserungsprozess Qualitätsgewinn Streitgegenstand X ist häufig und teuer Schadensfall X ist gedeckt Analytics Automatisierung Text- Mining 3

4 Automatisierung - Use case Schadensmeldung Ziel: Sachbearbeiter erhält Systemvorschlag Frau Sonja Schreiber Vertrag Leistungsarten 61 Allgemeiner Schadensersatz- Rechtsschutz 62 Arbeits-Rechtsschutz 81 Wohnungs- und Grundstücks- Rechtsschutz 4

5 Automatisierung - Use case Schadensmeldung Ziel: Sachbearbeiter erhält Systemvorschlag Frau Sonja Schreiber Schadensmeldung? Vertrag Hintergrundwissen Streitgegenstand? Vom Vertrag gedeckt? Text- Mining Leistungsarten 61 Allgemeiner Schadensersatz- Rechtsschutz 62 Arbeits-Rechtsschutz 81 Wohnungs- und Grundstücks- Rechtsschutz Möglicher Ausschluss? 5

6 Textanalyse im Detail 6

7 Aufgaben der Textanalyse Auf Grundformen zurückführen (Versicherungsnehmers, Versicherungsnehmerin) Phrasen identifizieren (unerlaubte bauliche Veränderung, außergerichtliche Anwaltstätigkeit) Wichtiges von Unwichtigem Trennen (Deckungszusage, Schadensabwicklung, unerlaubte bauliche Veränderung Tag, Damen und Herren, Kosten) Neue Entitäten, z.b. Personen, Organisationen oder Orte erkennen (Sonja Schreiber, Amtsgericht ) 7

8 Live-Demo Wie wird die Business-Logik eingebracht? Wie können Ergebnisse und Vorschläge nachvollzogen werden? Was sind die Eingriffsmöglichkeiten? Wie funktioniert die Text-Analyse? 8

9 Lernen 9

10 Lernen 10

11 Lernen 11

12 Lernen 12

13 Zwei Gesichter der KI Blackbox Wird trainiert mit sehr großen Mengen von Daten Kein (anschauliches) Modell Whitebox Anschauliches Modell, Nachvollziehbarkeit, echtes Wissen, muss dem System von Menschen beigebracht werden Unternehmens-Anwendungen Planungs- und Entscheidungsaufgaben Consumer-Anwendungen Erkennungs- und Klassifikationsaufgaben (Bilderkennung, Spracherkennung ) Bitkom Periodensystem der KI 13

14 Deep learning lernt ganz anders als der Mensch 14

15 Feindliche Beispiele Hackernoon adversarial-examples-deep-learning-bits c7 15

16 Sinnvolle Kombination Whitebox Gesamtsteuerung Heimat für smart data Punktueller Einsatz von Black- Box-Verfahren Know-How des Unternehmens ist wichtiger Bestandteil der Lösung und wird gemehrt Schneller Start, kein langes Training und keine riesigen Datenbestände nötig 16

17 Weitere Smart-Data Anwendungen 17

18 Beispiel Rechtsschutzversicherung Analyse Die Analysen identifizieren Streitgegenstände und decken Unregelmäßigkeiten auf. Sie werden genutzt zur: Tarifkalkulation und Prämienadjustierung nach spezifischen Merkmalen Definition von Risikoein- bzw. -ausschlüssen Bildung von Forecast-Szenarien zur Schadenentwicklung Identifikation von Zusammenhängen mit externen Entwicklungen und Trends Regressnahme 18 18

19 Wertorientierte Vertriebssteuerung Kundensicht Was ist der Nutzen? Leistung eines guten Beraters in die digitalen Kanäle übertragen Wie funktioniert es: Ein semantisches Netz bringt Kundenprofile, -situationen und - bedürfnisse mit Produkteigenschaften und Nutzenversprechen zusammen Vorteile: Produktvorschläge können erklärt/begründet werden Lernendes System Datenbasis für Recommendations, cross- und up-selling, Chatbots etc. 19

20 Compliance im Outsourcing von Leistungen in einem Unternehmensverbund Prüfung der Outsourcing- Verträge auf: Zyklen Lange Ketten Abhängigkeiten Persönliche Konflikte 20

21 Smart Data und Datenschutz Smart-Data-Anwendung Personenbezogene Daten Algorithmisch getroffene Entscheidungen Besonders schutzwürdige Kategorien iv-privacytrack Datenschutzregeln Speichergründe, Speicherfristen 21

22 Smart Data und Datenschutz iv-privacytrack Datenschutzregeln Speichergründe, Speicherfristen Automatische Erkennung von Hotspots in unstrukturierten Beständen 22