Nutzung von Daten und KI in Unternehmen

„Die Projekte müssen schnell umsetzbar sein“

Die Nutzung von Daten ist heutzutage für den Geschäftserfolg eines Unternehmens von großer Bedeutung. Das gilt erst recht für Versicherungsunternehmen wie die Allianz. Susan Wegner ist bei dem Konzern Head of Group Data and AI. Im Interview spricht sie über die wichtigsten Voraussetzungen für einen erfolgreichen Einsatz von Datenanalysen, wo die Allianz künstliche Intelligenz einsetzt und warum die Veröffentlichung von ChatGPT so wichtig gewesen ist.

Frau Wegner, „Daten sind das neue Öl”, heißt es oft. Ganz generell gefragt: Sind Daten wirklich so wichtig für den Geschäftserfolg von Unternehmen, wie allgemein angenommen wird?

Ja, absolut. Wobei wichtig ist, beides zu betrachten: die Produktion von Daten und ihre Verwendung. Das heißt: Bevor man als Unternehmen mit Data Analytics oder künstlicher Intelligenz anfängt, braucht man Daten. Wenn man auf diese nicht zugreifen kann, dann braucht man über alles andere nicht zu reden – auch nicht über den Einsatz von künstlicher Intelligenz.

Daten allein sind also noch kein „neues Öl“, wenn damit nichts gemacht wird.

Ja, nur Daten in einer Datenbank sind nicht wertvoll. Zum einen braucht es Technologien, um Erkenntnisse aus den Daten zu generieren. Und zum anderen braucht es das Know-how aus dem Business. Nur der Einsatz von Technologien reicht nicht.

Was würden Sie sagen, sind die wichtigsten Voraussetzungen, damit Daten in einem Unternehmen erfolgreich genutzt werden können?

Meiner Erfahrung nach ist der wichtigste Faktor, dass das Thema vom oberen Management getrieben wird. Denn es ist klar ein Change-Thema. Der zweite wichtige Punkt ist die Datenqualität, und die Daten gut zugreifbar zu machen. Als drittes würde ich die Applikationen nennen. Es muss ein einheitliches Verständnis darüber herrschen, welche Applikationen für das Business wertvoll sind. Und dafür ist eine gute Zusammenarbeit mit den Fachbereichen notwendig. Sie wissen, was benötigt wird, um das Geschäft voranzutreiben.

Und schließlich spielt die Kultur eine wesentliche Rolle. Es muss ein Mindset und eine Unternehmenskultur der Offenheit für das Thema bestehen. Es braucht die Bereitschaft, mit Daten zu arbeiten und die Bedeutung von Data Analytics für den Geschäftserfolg muss allen klar sein.

Die Technologie selbst ist für mich gar nicht mal eine entscheidende Voraussetzung. Daran scheitert in der Regel kein Data-Analytics-Vorhaben.

Und vermutlich muss Data Analytics dem Business auch einen echten Mehrwert bieten, damit die Fachbereiche überhaupt bereit sind, sich darauf einzulassen.

Mit Sicherheit. Deshalb ist es auch keine gute Strategie, gleich eine riesige Datenplattform zu bauen – am besten noch im stillen Kämmerlein.

Es ist keine gute Idee, gleich mit dem komplexesten Anwendungsfall zu beginnen.

Erfolgversprechender ist es, von Beginn an mit dem Business im Austausch zu sein und mit den Datenexperten zusammenzuarbeiten. Gemeinsam evaluiert man ein oder zwei Lösungen, die die Business-Anforderungen unterstützen. Und die Projekte müssen schnell umsetzbar sein und nicht mehrere Jahre dauern.

Ich könnte mir vorstellen, dass es in den Fachbereichen bezüglich des Datenthemas oft Berührungsängste gibt, weil es zu komplex erscheint und zum Beispiel Plattformen nicht intuitiv sind, zu kompliziert in der Anwendung. Nutzerinnen und Nutzer verlieren dann schnell die Lust, sich mit Datenauswertungen auseinanderzusetzen. Wie ist Ihre Erfahrung?

Ich kann sagen, dass wir zum Beispiel gute Erfahrungen gemacht haben mit einem Format, das wir „AI Maker Place“ nennen. Dabei bringen wir jeweils einen Daten-Laien aus dem Business mit einem Data Scientist zusammen und beide tauschen sich zu einem konkreten Thema aus. Es werden Anforderungen aufgenommen und der Data Scientist fängt beim Treffen schon mit der Programmierung einer konkreten Anwendung an, während der Kollege oder die Kollegin ihm über die Schulter schaut. So wird Data Analytics erlebbar.

Häufiger zum Einsatz kommt auch, dass Laien im Rahmen von Lernprogrammen einfache Daten-Werkzeuge selbst ausprobieren, damit sie eventuelle Berührungsängste verlieren.

Können Sie etwas mit dem Begriff „Data Driven Organization“ anfangen? Was heißt das für Sie?

Ich verstehe darunter eine bestimmte Ausrichtung im Unternehmen, nämlich dass man Entscheidungen und die Auswahl von Applikationen auf der Basis von Datenauswertungen trifft. Diese Daten werden sowohl intern als auch extern generiert.

Und würden Sie sagen, die Allianz ist eine datengetriebene Organisation?

Eine Versicherung hat grundsätzlich sehr viele Daten. Nehmen Sie das Beispiel Schadensbereich: Die Einschätzung von Schäden basiert auch auf der Auswertung zahlreicher Daten. Und die Allianz ist da sicherlich sehr gut aufgestellt. Wir können auf sehr viele Daten zurückgreifen und damit ist zumindest ein wichtiger Schritt gemacht. Aber klar ist auch: Es ist noch manches zu tun.

Neben Data Analytics ist der Einsatz von künstlicher Intelligenz ein großes Thema in der Unternehmenswelt. Können Sie ein Beispiel nennen, wie die Technologie bei Ihnen zum Einsatz kommt?

Die KI ist beispielsweise wichtig für die Mitarbeitenden, die bei uns Risiken bewerten müssen.

Die Technologie hilft, die sehr vielen Informationen, die in den Daten bei der Allianz stecken und die für einen speziellen Fall relevant sind, zu generieren und zusammenzufassen.

Ein anderes gutes Beispiel ist die Gestaltung der Customer Experience. Ich musste einmal eine Versicherung für mein Haus abschließen – da war ich noch nicht bei der Allianz – und das war wahnsinnig aufwendig, weil sehr viele Informationen einzugeben
waren. Bei der Allianz sind wir dabei, mithilfe von KI diesen Prozess zu vereinfachen. Die KI-Technologie sucht beispielsweise auf der Basis einer Antwort von mir die nächste relevante Frage raus und lässt automatisch alle nicht relevanten Fragen weg.

Und ein drittes Beispiel vielleicht noch aus dem Bereich Schaden: Jemand hat einen Autounfall, macht vom Schaden an seinem Wagen ein Foto und sendet das Bild an die Allianz. Die KI gibt daraufhin eine Einschätzung ab, ob es sich lohnt, in die Werkstatt zu fahren – und das Bild kann automatisch an die entsprechende Werkstatt weitergeleitet werden.

Mich würde interessieren, wie Sie arbeiten. Werden in der Regel interdisziplinäre Projektteams gebildet, in denen sowohl Leute aus ihrem Team als auch aus dem Business vertreten sind? Oder agieren Sie vor allem als eine Art Beratung?

Das ist unterschiedlich. Es gibt das klassische Projekt, das beispielsweise mehrere Monate läuft. Dabei ist es generell so, dass ein Datenexperte oder eine Datenexpertin immer mit einem Experten aus dem Fachbereich zusammenarbeitet. Aber ebenso werden auch die Kolleginnen und Kollegen, die hinterher den Betrieb für die Lösung betreuen, von Anfang an integriert. Die Entwicklung dauert vielleicht mehrere Monate, die Lösung soll aber fünf oder zehn Jahre laufen. Deshalb ist das frühzeitige Einbinden der Anwender und des Betriebes so wichtig.

Zusätzlich sind wir bei unseren Ländergesellschaften in den Business Units ebenfalls als Berater unterwegs.

Gibt es die Vision, dass Sie als Data-Analytics- Team irgendwann überflüssig werden, weil die Mitarbeitenden in den Fachbereichen alle Datenexperten sind?

(lacht) Ziel ist natürlich, die Fachbereiche zu befähigen und dafür zu sorgen, dass mehr Datenexpertise dort Einzug hält. Allerdings:

Ich kann gar nicht so viele Datenfachkräfte einstellen, wie es nötig wäre, um alle Anfragen aus dem Business zu bearbeiten.

Da gibt es schon eine große Lücke.

Aber wahr ist auch: Je mehr technologische Werkzeuge es gibt, die das Arbeiten vereinfachen, desto mehr kann durch die Fachbereiche entwickelt werden. Die Technologien entwickeln sich weiter. Bis wir jedoch überflüssig werden, ist es noch ein weiter Weg.

Es gibt den Trend bei den Technologien, dass sie auch für Laien immer einfacher nutzbar sind?

Ja, Technologien werden auch für Nicht-Experten und -Expertinnen einfacher handhabbar. Das ist eine Entwicklung, die wir sehen können, auch was künstliche Intelligenz angeht.

Wir bewegen uns in die Richtung einer Demokratisierung der KI.

Und bezogen auf Data Analytics heißt das Schlagwort „Citizen Data Scientist“. Das sind Fachkräfte aus dem Business, die auch eine gewisse Expertise im Bereich Data Science mitbringen, ohne dabei tiefere mathematische oder statistische Kenntnisse aufzuweisen.

Und für die Nutzung der Tools ist es auch immer weniger notwendig, programmieren zu können, oder?

Ja, absolut. Man spricht von No- und Low-Code- Tools bzw. -Plattformen. Trotzdem würde ich schon sagen, dass man eine Affinität zu Technologie und Statistik braucht. Und ohne jegliche Schulung geht es meist auch nicht.

Und gibt es bei der Allianz groß angelegte Schulungen, um Kompetenzen in Bezug auf Data-Analytics bei Nicht-Experten zu fördern?

Ja, aus meinem Bereich ist ein entsprechendes Lernprogramm entstanden, das mittlerweile von HR betreut wird. Die Bandbreite der Inhalte ist groß – bis hin zur Möglichkeit, ein Zertifikat als Data Scientist zu erwerben. Es gibt auch spezielle Schulungen für das Senior Management. Dadurch wird es Führungskräften erleichtert, stärker eine Treiberrolle bei dem Thema einzunehmen. Insgesamt haben wir bereits ungefähr 8000 Mitarbeitende geschult.

Bevor Sie zur Allianz gewechselt sind, waren Sie unter anderem bei der Lufthansa, also in einer anderen Branche tätig. Spielt Branchen- Know-how keine große Rolle im Bereich Datenanalyse und KI?

Ich war genau genommen bei einer IT-Unternehmensberatung tätig, die zur Lufthansa gehört. Und 50 Prozent unserer Kunden waren externe, also andere Unternehmen. Wir haben beraten und implementiert.

Natürlich hilft es, wenn man die Branche kennt. Nichtsdestotrotz sind viele Themen unabhängig von der Branche: der Aufbau einer Daten- und KI-Plattform zum Beispiel, Daten-Governance oder Datenmanagement.

„Generative KI“ ist mit der Veröffentlichung von ChatGPT sehr populär geworden. Sehen Sie es auch so, dass das Thema hinsichtlich des Einsatzes in der Arbeitswelt einen enormen Schub bekommen hat?

Definitiv. Ich habe vorhin gesagt, dass KI und Data Analytics Change-Themen sind, für die es das Commitment der Unternehmensleitung braucht. Und ich sehe, dass mit ChatGPT das Thema künstliche Intelligenz endgültig in den Vorständen und den Senior Managements angekommen ist. Man kann sagen, ChatGPT hat insbesondere als Marketing-Instrument sehr geholfen.

In die Unternehmen kommt Tempo rein in Sachen KI – und in den Change.

Das heißt, das Thema wird nicht nur irgendwo operativ angegangen, sondern es gibt eine Strategie, es bekommt Priorität und entsprechende Lernprogramme werden unterstützt.

Können Sie mir als Laien noch mal den Unterschied erklären zwischen Data Analytics und KI? Ist Data Analytics immer die Basis für den Einsatz von KI?

Data Analytics bezieht sich meist auf die Anwendung von statistischen Methoden, um bestimmte Erkenntnisse aus einer Menge an Daten zu generieren. Und mit KI, sagen wir: generativer KI, können Muster und Beziehungen in Daten bzw. Inhalten erkannt und auf dieser Basis neue Inhalte erstellt oder Vorhersagen getroffen werden. Der Übergang ist natürlich fließend, aber es sind zwei unterschiedliche Bereiche.

Worauf schauen Sie hinsichtlich des Einsatzes von künstlicher Intelligenz bei der Allianz zurzeit vor allem? Wo erhoffen Sie sich einen großen Mehrwert durch die Technologie?

Wir schauen vor allem auf die Schnittstelle zu unseren Kunden und auf die Customer Experience. Ziel ist beispielsweise, unsere Customer Agents mit KI bestmöglich zu unterstützen. Da gibt es eine Menge Potenzial. Wir haben beispielsweise eine Applikation entwickelt, die für die Agents aus zahlreichen Kundendokumenten schnell die wichtigsten Informationen transparent macht. Der oder die Agent kann dann im Gespräch mit dem Kunden oder der Kundin genau sagen, welche Information sich in welchem Dokument befindet. Und es gibt zum jeweiligen Sachverhalt automatisch eine Zusammenfassung der relevanten Dokumente. Mit der Unterstützung der KI kann der Agent also schneller auf Kundenanfragen reagieren.

Die KI wird die Arbeit der Customer Agents in Zukunft sicherlich noch weiter verändern. Wie adressieren Sie eventuelle Ängste und Unsicherheiten der Mitarbeitenden?

Auch deswegen gibt es die großen Schulungsprogramme, um auch wirklich alle Mitarbeitenden bei der Transformation mitzunehmen. Es geht darum, ein Bewusstsein für die Bedeutung der Technologie zu entwickeln, zu verstehen, wie die Applikationen eingesetzt werden und wie sie funktionieren. Und natürlich ist rechtzeitiges Training wichtig, gerade wenn ein Prozess sich für den Agent ändert. Auch das hilft, Unsicherheiten zu reduzieren.

Würden Sie sagen, es gibt bei der Allianz eine Offenheit für das Thema KI?

Auf jeden Fall. Wir bieten auch regelmäßige Sessions und Communitys an, um in den Austausch zu kommen und über neue Projekte zu informieren. Und:

Ich nehme eine große Neugierde bei den Mitarbeitenden zu dem Thema KI wahr.

Welche Herausforderung sehen Sie vor allem rund um den Einsatz von KI im Unternehmen?

Die Herausforderung ist vor allem, mit den schnellen Entwicklungen Schritt halten zu können – sowohl allgemein in Europa als auch im Unternehmen. Das ist eine große Challenge.

Vielen Dank für das Gespräch.
Das Interview führte Jan C. Weilbacher.

 

 

 

Autorin

Susan Wegner
ist Head of Group Data & AI bei der Allianz. Vor ihrem Wechsel zur Allianz war sie als Geschäftsführerin bei Deloitte Digital tätig, wo sie für die Förderung branchenübergreifender Anwendungen für künstliche Intelligenz und Daten verantwortlich war. Davor arbeitete sie als Vice President of Artificial Intelligence and Data Analytics bei Lufthansa Industry Solutions, wo sie die Entwicklung und Implementierung innovativer KI- und Plattformlösungen leitete.
»Susan bei LinkedIn