Agentic AI in Finanzdienstleistungen und Versicherungen

Viele Finanzdienstleistungsunternehmen experimentieren mit KI durch Pilotprogramme, doch einige Herausforderungen stehen noch bevor. Wichtige Anliegen sind die Datensicherheit, die Genauigkeit von Large Language Models (LLMs) sowie die rigorose Kontrolle der Rolle der KI bei finanziellen Entscheidungen durch Behörden. Aktuelle Anwendungsfälle sind größtenteils intern, einige kundenorientierte Chatbot-Lösungen richten sich an unkritische Serviceanfragen. 

In letzter Zeit ist das Interesse an GenAI-gestützten Agenten – oft als „agentische KI“ (Agentic AI) bezeichnet – in sämtlichen Branchen, einschließlich Finanzdienstleistungen, gestiegen. Agentic AI nutzt LLMs, um Aufgaben autonom auszuführen, indem sie die Funktionen der Modelle für das Verständnis natürlicher Sprache, die Generierung und die Interaktion nutzt. Grundlegende LLMs wie Llama, Anthropic Claude, Mistral, GPT und Gemini werden mit riesigen Mengen an Textdaten trainiert (sofern ihnen die Textdaten für das weitere Training ausgehen) und können eine Vielzahl sprachbezogener Aufgaben ausführen. Wenn diese Modelle in agentische KI-Systeme auf einer Plattform wie Snowflake integriert sind, bieten sie die Grundlage, um Kontexte zu verstehen, Antworten zu generieren, mehr Automatisierung und Effizienz zu fördern und ausgewogenere Echtzeitentscheidungen auf der Grundlage der erhaltenen Inputs zu treffen. 

Agentische Systeme

In agentischen Systemen ist ein koordinierender Agent eine zentrale Komponente, die die Aktivitäten anderer Agenten (oder Subsysteme) verwaltet und leitet, um übergeordnete Ziele zu erreichen. Dieser Koordinationsagent fungiert in der Regel als Dirigent, orchestriert Aktionen, weist Ressourcen zu und trifft Entscheidungen auf hoher Ebene. Zur effektiven Erfüllung ihrer Aufgaben kann die koordinierende Stelle Tools, Modelle oder andere Akteure einsetzen, die entweder domänenorientiert oder aufgabenorientiert sind und sicherstellen, dass das System sowohl den Kontext versteht als auch spezifische Maßnahmen ausführt, um die gewünschten Ergebnisse zu erzielen.

Domänenorientiert 

Domänenorientierte Dienste sind darauf spezialisiert, Sprache zu verstehen und zu verarbeiten, die sich auf eine bestimmte Branche, einen bestimmten Bereich oder einen bestimmten Wissensbereich bezieht. So können sie Antworten oder Entscheidungen generieren, die in diesem Bereich genauer, relevanter und kontextbewusster sind. 

Bei agentischer KI können domänenorientierte Modelle dem System helfen, bestimmte Aufgaben effektiver zu verstehen und zu erfüllen. In der Versicherungsbranche könnten solche Modelle beispielsweise eine genauere Versicherungssprache generieren, Risikofaktoren bewerten oder Schadendaten entsprechend Branchenstandards auswerten.

Aufgabenorientiert 

Aufgabenorientierte Dienste hingegen konzentrieren sich auf das Erreichen spezifischer Ziele. Diese Modelle werden darin trainiert, die Abfolge der Schritte zu verstehen, die zur Ausführung einer bestimmten Aufgabe erforderlich sind, und sie lassen sich in breitere Systeme integrieren, um Aktionen selbstständig auszuführen. Aufgabenorientierte Modelle sind nicht nur darauf ausgerichtet, Sprache zu verstehen, sondern auch mit Tools zu interagieren, Daten abzurufen und Maßnahmen zu ergreifen, um ein klar definiertes Ziel zu verfolgen. 

Cortex Analyst: hochpräzise SQL-Erstellung

Snowflake Cortex Analyst kann als aufgabenorientierter agentischer Dienst angesehen werden, da er für ein bestimmtes Ziel optimiert ist, nämlich die genaue Generierung von SQL zum Abrufen von Daten aus einer Snowflake-Tabelle. Cortex Analyst führt hierzu folgende Aufgaben durch:

• Interpretierung der Nutzerabsicht: Das Modell verarbeitet Natural Language Inputs oder Kontextinformationen (zum Beispiel welche Art von Daten der Benutzer sucht) und prüft, ob die Daten vorhanden sind, um die Frage zu beantworten oder sich an den Benutzer zu wenden, um um Klarheit zu bitten.

• Generierung verwertbarer SQL-Abfragen: Basierend auf dieser Interpretation erstellt es SQL-Code, der ausgeführt werden kann, um relevante Daten in einer Datenbank abzurufen oder zu manipulieren. Seine Genauigkeit bei der SQL-Erstellung ergibt sich aus dem Verständnis des Kontexts dessen, was in jeder Tabelle gespeichert ist. 

• Aufgabenerfüllung: Das Endziel dieses Prozesses besteht darin, hochpräzises SQL zu generieren, das spezifische Abfrage- oder Datenextraktionsanforderungen erfüllt – eine klare, definierte Aufgabe.

Agentische Systeme in der Versicherung

Um verwertbare Einblicke zu gewinnen, müssen Unternehmen – insbesondere in komplexen Branchen wie der Versicherungsbranche – nicht nur auf Datenbanken zugreifen, sondern auch auf Verträge, Dokumente und andere unstrukturierte Daten zugreifen, die mit einer anderen Art von aufgabenorientiertem Dienst durchsucht werden können: einem Vektorspeicher. 

Durch die Darstellung von Dokumenten als numerische Vektoren können KI-Agenten Schadendokumente schnell durchsuchen und automatisch lesen, relevante Details extrahieren (wie Vorfalltyp, Schadenbewertung, Versicherungsdeckung usw.) und SQL-Abfragen generieren, um zusätzliche Daten aus einer Schadendatenbank oder einem Versicherungssystem abzurufen.

Ein LLM könnte dann verwendet werden, um Empfehlungen auszusprechen, den Schadenstatus zu aktualisieren oder weitere Maßnahmen auszulösen – alles angetrieben durch die Koordination zwischen dem Verständnis der Dokumente (unstrukturierte Daten) und der Interaktion mit der Datenbank (strukturierte).

Die Rolle von Accenture und Snowflake bei der Unterstützung von agentischer KI

Accenture und Snowflake arbeiten an vorderster Front daran, agentische KI für Unternehmen zu ermöglichen, die sowohl technologische als auch strategische Anforderungen erfüllt. Unser Ansatz konzentriert sich auf:

• Bereitstellung einer einheitlichen Daten- und KI-Plattform mit modernsten Tools und Funktionen, die es Entwickler:innen, Data Scientists und Datenteams ermöglicht, mit der einfachen verwalteten Infrastruktur von Snowflake KI-Modelle und -Anwendungen mit Sicherheit und Governance auf Unternehmensniveau schnell zu entwickeln und bereitzustellen

• Durchgängige einheitliche Governance, von der Erfassung bis zur Anwendung, ermöglicht es Teams, eine neue Welle von Datenagenten bereitzustellen, die einen hochpräzisen sofortigen Abruf für strukturierte und unstrukturierte Daten nutzen

• Betreuung von Kunden bei der Auswahl hochwertiger Anwendungsfälle, Nutzung des Know-hows von Accenture zur Beratung von C-Suite-Führungskräften und Wertschöpfung für Kunden durch Snowflakes einheitliche KI-Datenplattform zur Vereinfachung des Prozesses

Eine All-in-One AI Data Cloud-Plattform

Snowflake und Accenture bieten eine umfassende Lösung für Unternehmens-KI, die Anwendungsfälle für agentische KI effektiv unterstützt:

• All Ihre Daten an einem Ort: Snowflake bietet eine skalierbare, einheitliche Plattform, um all Ihre Datenanforderungen – seien es Snowflake-Tabellen oder PDF-Dateien im Objektspeicher – an einem Ort zu verwalten, Datensilos zu reduzieren, die Datenqualität zu verbessern und eine nahtlose Integration zu fördern. 

• Starke Governance: Unsere kontrollierte Plattform ermöglicht Datensicherheit und Compliance von der Datenerfassung bis hin zur KI-Anwendung, sodass keine Ihrer Daten für das Training externer Modelle verwendet werden (außer bei der direkten Optimierung). Damit ist Snowflake eine ausgezeichnete Wahl für die Pilotierung und Implementierung neuer Anwendungsfälle für agentische KI.

• Für Unternehmen entwickelte KI-Tools

  • Snowflake Cortex Search und Snowflake Cortex Analyst: Interagieren Sie über dialogorientierte Schnittstellen mit Unternehmensdaten und bieten Sie sicheren Zugriff auf grundlegende LLMs.

  • Document AI: Automatisiert die Verarbeitung verschiedener Dokumententypen, von Standardformularen bis hin zu handschriftlichen Notizen.

  • Snowflake ML: Data Scientists können Modelle für maschinelles Lernen erstellen, trainieren und bereitstellen oder Einbettungsmodelle direkt in Snowflake mit vertrauten Programmiersprachen wie Python anpassen. Gleichzeitig werden die leistungsstarken Datenverarbeitungsfunktionen von Snowflake für skalierbare, effiziente Workflows genutzt.

• Branchenkenntnisse: Accenture versteht die Bedürfnisse seiner Kundschaft und wie sich Probleme mithilfe von agentischer KI lösen lassen.

Durch die Kombination dieser Funktionen ermöglichen Snowflake und Accenture Unternehmen die Anpassung ihrer KI-Lösungen bei gleichzeitiger Flexibilität und Kontrolle. 

Ein strategisches Framework für den Einsatz von KI

Die Implementierung von agentischer KI erfordert einen strukturierten Ansatz. Hier ist, was wir Unternehmen empfehlen, um ihre Adoptionsreise zu bewältigen:

• Beginnen Sie mit Anwendungsfällen, die einen hohen unternehmerischen Mehrwert ermöglichen: Konzentrieren Sie sich auf Anwendungsfälle, bei denen ungefähre Genauigkeit akzeptabel ist. Priorisieren Sie Bereiche, in denen eine schnellere Entscheidungsfindung oder Prozessbeschleunigung mehr Vorteile bietet als sorgfältige Präzision. Finden Sie das richtige Gleichgewicht zwischen Risikomanagement und schneller Wertschöpfung.

• Konzentrieren Sie sich zunächst auf Bereiche mit geringer Regulierung: In stark regulierten Branchen wie der Finanzdienstleistungsbranche kann der Einsatz von KI in Compliance-intensiven Bereichen aufgrund strenger Sorgfaltspflichten und Genehmigungsverfahren langsamer vonstattengehen. Fangen Sie mit weniger regulierten Bereichen an, um schneller Ergebnisse zu erzielen, und kümmern Sie sich schrittweise um regulierte Anwendungsfälle, wenn sich die KI-Zuverlässigkeit verbessert.

• Beziehen Sie (vorerst) einen Menschen mit ein: Um Risiken im Zusammenhang mit Erklärbarkeit, Kundenservice und Genauigkeit zu minimieren, sollten Sie bei KI-gestützten Prozessen die menschliche Übersicht behalten. Mit zunehmender Weiterentwicklung der Technologie und gesteigerter Zuverlässigkeit können Sie menschliche Eingriffe schrittweise reduzieren. Bei regulierten oder hochintensiven Anwendungsfällen sollte die menschliche Überprüfung jedoch eine Schlüsselkomponente bleiben, bis die Vertrauenswürdigkeit der KI vollständig erwiesen ist.

Anwendungsfall: GenAI Claims Agent von Accenture

Accenture hat mithilfe der Plattform von Snowflake einen bahnbrechenden KI-Agent für Versicherungsfälle geschaffen, der die Tools von Snowflake zur Automatisierung wichtiger Teile des Schadenprozesses mit dem Know-how von Accenture im Bereich der agentischen KI kombiniert. Dieser KI-Assistent kann Dokumente prüfen, Informationen zusammenfassen, Schadenentscheidungen treffen und personalisierte Schadenbriefe an Kund:innen erstellen, in denen er die Gründe für eine Genehmigung oder Ablehnung erklärt.

Mike Lao, ein Leiter des Daten- und KI-Teams von Accenture, erklärt: „Dem GenAI Claims Agent liegt die Snowflake AI Data Cloud zugrunde, die Funktionen wie Document AI umfasst, die verschiedene Dokumente wie Führerscheine, Quittungen und Formulare verarbeiten können. Außerdem nutzen wir den Cortex Analyst von Snowflake, mit dem der AI Claims Agent Daten und Policendokumente analysieren und fundierte Entscheidungen treffen kann.“

Accenture konzentriert sich auf Schadenfälle aufgrund von Einblicken in die Finanzdienstleistungsbranche, in der die Genehmigung von Schadenfällen nicht immer eine 100%ige Genauigkeit erfordert. Interessanterweise sind Kund:innen oft bereit, Teilzahlungen im Austausch für eine schnellere Verarbeitung zu akzeptieren. Accenture hat festgestellt, dass bei Schadenzahlungen viel Flexibilität besteht – Entscheidungen können intern angefochten werden, ohne dass gesetzliche Eingriffe erforderlich sind. Dem gegenüber stehen die strengeren Genauigkeitsanforderungen in Bereichen wie der Finanzberatung, die treuhänderische Verantwortung erfordert. Schadenfälle sind hingegen weniger reguliert und bieten Versicherungsunternehmen mehr Spielraum, ihre Auszahlungen innerhalb ihrer Margen anzupassen. Die Möglichkeit, Zahlungen zu beschleunigen, kann sowohl die Gewinne des Versicherers als auch die Kundenzufriedenheit erheblich steigern.

Um Zuverlässigkeit und Kundenzufriedenheit zu gewährleisten, hat Accenture menschlichen Einfallsreichtum in den AI Claims Agent aufgenommen. Mike Lao betonte: „Es ist wichtig, einen Menschen auf dem Laufenden zu halten. Wir nutzen KI, um Arbeitsprozesse neu zu erfinden, um den Einsatz von KI in Unternehmen zu skalieren und Kundenerwartungen zu erfüllen.“

Das Accenture-Team in Manila, Philippinen, bringt umfassendes Fachwissen im Bereich der Schadenzahlungen zur Unterstützung globaler Versicherungsunternehmen mit. Dieses Projekt markiert den ersten Schritt hin zu einem breiteren Einsatz von KI-Assistenten in verschiedenen Finanzdienstleistungssektoren. Kaushik GD, Head of Financial Services bei Snowflake APJ, merkt hierzu an: „In Zukunft erwarten wir, dass KI-Assistenten die Finanzplanung und persönliche Anlageberatung unterstützen werden. Dies wird jedoch einige Zeit in Anspruch nehmen, da sich sowohl technische Lösungen als auch die Akzeptanz durch die Gesetzgebung weiterentwickeln.“