Wie wir GenAI nutzen, um Datenprozesse für einen Versicherer zu optimieren.
GenAI wird das Datenmanagement revolutionieren – ähnlich stark wie Autopiloten den Flugverkehr verändert haben. Zu dieser Einschätzung kamen wir im Rahmen eines wegweisenden Projekts mit einem globalen Versicherungsunternehmen.
In den Händen eines erfahrenen Piloten steigern moderne Systeme die Effizienz von Flugzeugen. Ebenso kann GenAI, unter der Ägide von Datenspezialisten, das Management von Informationen erheblich voranbringen.
Wachsende Herausforderungen bei den Daten
Dies zeigt unser Projekt mit einem führenden Versicherer. Unser Kunde sah sich mit typischen Herausforderungen konfrontiert:
- andere Unternehmen wurden übernommen
- Betriebsabläufe mussten aktualisiert werden
- neue Datenquellen wurden in die Systeme integriert
- die Technologie entwickelte sich kontinuierlich weiter
Diese Faktoren machten die ETL-Prozesse zunehmend kompliziert. Das Extrahieren von Daten aus neuen Quellen, ihre Transformation und das Laden in Zielsysteme wurden zugleich:
- komplexer
- weniger transparent
- durch ineffiziente Freigabeprozesse verlangsamt
Hier kamen wir als langjähriger Partner ins Spiel, um neue Technologien wie GenAI gezielt einzusetzen.
Da frühere Ansätze erfolglos geblieben waren, bezweifelte unser Kunde zunächst, ob KI beim Aufbau einer skalierbaren, flexiblen und geschäftsorientierten Datenplattform tatsächlich helfen könne. Aufgrund unserer bisherigen Erfolgsbilanz wurden wir jedoch gebeten, einen Proof of Concept zu entwickeln.
Das Ziel bestand darin, die Time-to-Market datengetriebener Produkte zu verkürzen. Dadurch sollten nicht nur qualifizierte Fachkräfte von repetitiven Aufgaben entlastet und für kreativere Tätigkeiten befreit werden. Auch die Fachbereiche selbst sollten befähigt werden, Datenanalysen eigenständig zu erstellen und zu nutzen.
Um dieses Ziel zu erreichen, gingen wir in drei Schritten vor:
I. Ganzheitliche Analyse
Wir bewerteten die Herausforderung auf Basis der Enterprise-Architektur unseres Kunden mit ihren vier Ebenen:
- Geschäftsfähigkeiten
- Datenstrukturen
- Lösungen & Anwendungen
- Technische Architektur mit Software und Hardware
II. Strategische Auswahl des LLM
Wir benchmarkten mehrere Large Language Models und identifizierten Claude als optimale Lösung für unsere Anforderungen in der Codegenerierung.
III. Automatisierte Source-to-Target-Mappings
Wir nutzten Claude, um komplexe ETL-Transformationslogiken und Datenmuster zu analysieren, Daten zu klassifizieren und Business-Glossare zu generieren. Mit der richtigen Anleitung verstand Claude den Kontext historischer Mappings, schlug intelligente Transformationen vor und unterstützte die Migration von Legacy-Systemen auf moderne Datenplattformen.
Die Ergebnisse sprechen für sich:
- 20–30 % Effizienzsteigerung bei der ersten Systemintegration
- bis zu 50 % Effizienzsteigerung bei nachfolgenden Systemen
Darüber hinaus implementierten wir eine neue Self-Service-Architektur, die es Mitarbeitenden ohne Hintergrund im Datenmanagement ermöglicht, komplexe Daten zu analysieren und Innovationen voranzutreiben.
Das Projekt zeigt eindrucksvoll, wie erfahrene Fachleute GenAI mit enormer Wirkung im Datenmanagement einsetzen können. Das gilt nicht nur für Versicherungsunternehmen, sondern für jede datengetriebene Organisation.
