GKV 4.0 - Trend-Monitor · Versicherungspflicht und ein Geschäftsmodell, das zur Kostendeckung,...

1

GKV 4.0 - Trend-Monitor

November 2017

GKV 4.0 - TREND-MONITOR 32

„ … wird es nicht geben“, „das Geschäftsmodell ist aufgrund der Regulierungen äußerst stabil“. Viele Führungskräfte gesetzlicher Krankenver- sicherungen (GKVen) argumentieren so, wenn es um disruptive Geschäftsmodelle geht. Amazon, Zalando, Netflix, Uber, mytaxi, car2go oder DriveNow sind prominente Beispiele, die zeigen, wie radikal die Digitalisierung Geschäfts-modelle, Branchen und sogar ganze Märkte verändern kann.

Gesetzliche Regulierungen, das Solidarprinzip, Versicherungspflicht und ein Geschäftsmodell, das zur Kostendeckung, aber nicht zur Gewinn- erzielung verpflichtet – die Rahmenbedingungen der GKV bieten Stabilität und schützen die Organisation vor Marktbewegungen.

Dennoch: Der Markt befindet sich seit Jahren in Konsolidierung, die Zahl der GKVen wird suk-zessive geringer. Die Wahlfreiheit der Mitglieder erzeugt Wettbewerbsdruck.

Dass auch in Deutschland eine rein digitale Krankenversicherung existieren kann, will aktuell ottonova beweisen. Vorbild ist das US-Unternehmen Oscar Health. Die digitale Krankenkasse entstand im Zuge von Obama-care und gilt als Erfolgsmodell. Einfache, trans-parente Tarife, Self-Services, digitale operative Prozesse, Kommunikation mit Versicherten und Incentivierung über das Smartphone – Oscar ist eine digitale Krankenversicherung für die Generation Y.

Im Sommer 2017 hat die Debeka, Deutschlands größte private Krankenversicherung (PKV), zehn Prozent von ottonova übernommen. Der Einstieg der PKV zeigt, dass sie das digitale Geschäfts-modell ernst nimmt.

Vorstellung und Einschätzung aktueller Trends und ihrer Anwendungsmöglichkeiten für die GKV

Detaillierte Analysen von besonders relevanten Trends

Schaffen einer gemeinsamen Diskussionsbasis für die Weiterentwicklung Ihrer Unternehmen

Ziele

Die gesetzlichen und finanziellen Hürden in der GKV reduzieren vielleicht das Disruptions-risiko, sie verhindern es aber nicht. Einzelne Versicherungen können sich durchaus zu digi-talen Leitunternehmen in der GKV entwickeln – beispielsweise, weil eine Organisation als Accelerator die digitale Innovation treibt oder aber weil das Ausscheiden vieler Mitarbeiter in den nächsten Jahren zur Automatisierung zwingt. Bei diesen GKVen wird dann die Pro-duktivität und Qualität der Sachbearbeitung und des Kundenkontakts hoch sein, bei gleich-zeitig niedrigen Beitragssätzen. Daraus resul-tieren eine hohe Kundenzufriedenheit und ein gutes Image, was letztlich einen dauerhaften großen Wettbewerbsvorteil darstellt.

Im „GKV 4.0 - Trend-Monitor“ werden die neun wesentlichen Technologietrends der Digitalisie-rung vorgestellt und hinsichtlich ihrer strategischen Relevanz für GKVen in vier Kategorien unterteilt: Beobachten, Vorstudie, Pilotierung und Implementierung.

In dieser ersten Ausgabe des Trend-Monitors sind zwei Technologietrends (Mobile und Künstliche Intelligenz) mit weiteren Vertiefun-gen dargestellt. Künftig wollen wir regelmäßig diese Technologieübersicht aktualisieren, weitere Technologietrends vertiefend behandeln und neue Trends vorstellen.

Der „GKV 4.0 - Trend-Monitor“ existiert auch als interaktive Microsite, mit weiteren Praxis-beispielen, erläuternden Videos und Experten-übersichten. Bitte wenden Sie sich bei Interesse an unsere BCG-Experten.

Disruption in der gesetzlichen Krankenversicherung …

GKV 4.0 TREND KOMPASS 54

Künstliche Intelligenz (siehe auch Deep Dive) Möglicher Einsatz zur automatisierten Verbesserung komplexer Regelwerke, beispielsweise zur Erkennung von Betrugsmustern oder von Auffälligkeiten in der Rechnungsprüfung oder zur Festlegung von Interventionszeitpunkten oder -maßnahmen in der Fallsteuerung

Im Zuge der GKV-Digitalisierung zu pilotieren, um Verwaltungskosten, Leistungskosten und Versichertenbindung zu optimieren

BlockchainGegebenenfalls im Bereich der allgemeinen Leistungsgewährung relevant

Bis jetzt nicht vollständig ausgereift und entsprechend noch nicht für die GKV anwendbar

Augmented & Virtual Reality Einsatz für situationsgerechte Darstellung und Weiterverarbeitung von Daten, beispielsweise die Einblendung aller relevanten Kundeninformationen in Echtzeit während eines Kundengesprächs, oder als digitale Mehrwertleistung für Mitglieder beispielsweise bei der Ernährungsberatung

Vorstudien sind im Bereich Kundenservice und digitale Mehrwertleistungen sinnvoll

Internet of Things Maßgeschneiderte Hinweise und Gesundheitsempfehlungen für Versicherte via Smartphone auf Basis von Gesundheitsdaten z. B. von Wearables/Fitnessgeräten oder medizinischen Messgeräten z. B. für Blutzucker oder Fieber

Hohe Relevanz insbesondere für Leistungserbringer beispielsweise in der Diagnostik und Versorgung. Anwendungsmöglichkeiten in der GKV derzeit vor allem bei Ausweitung des Kundenservice

Big Data & Advanced AnalyticsUmfassende und (teil-)automatisierte Analysen von Daten, insbesondere aus dem Leistungs- und Beitragswesen sowie dem Marketing Grundlagen sind bereits weit verbreitet. In weiterentwickelter Form können sie als Schlüssel zur Marktdifferenzierung und zum optimierten Leistungsmanagement eingesetzt werden

Cloud Computing & ConnectivityNutzung von Hardware oder Standardsoftware(-Services) von Drittanbietern, um unterschiedliche Datenquellen für Versicherte zu vernetzen (z. B. eine elektronische Gesundheitsakte). Zudem Möglichkeit, unternehmensinterne Leistungsspitzen ohne Zukauf von Hardware ausgleichen zu können

Durch neuerdings verfügbare deutsche Cloud-Anbieter auch für bisher datenschutzkritische Anwendungen einsetzbar

Mobile (siehe auch Deep Dive)

Ausgeprägtes mobiles Angebot zur Kundengewinnung sowie für die Lösung von Anliegen und die Bereitstellung von Mehrwertleistungen vorhanden

Im Zuge der GKV-Digitalisierung zwingend notwendig; wird von etlichen GKVen bereits ausgebaut

RoboticsProzessautomatisierung für große „Einmalaufwände“ sowie kleine und mittlere Regelaufwände bei hohem alternativen Implementierungsaufwand im Kernsystem

Wichtiger Hebel, um Prozesse in entsprechenden Situationen effizient zu bearbeiten; wird zur Bewältigung von Sonderfällen/-situationen bereits von einigen GKVen eingesetzt

Neun technologische Trends als Grundlage der Digitalisierung

Affective ComputingBei der Schrifterkennung und der Digitalisierung analoger Daten bereits weit verbreitet. Sprachcomputersysteme könnten als Ersatz für einfache Interactive-Voice-Response-(IVR-)Systeme genutzt werden

Einsatz bei der Erkennung von Schrift und der Digitalisierung analoger Daten sowie der Gesprächsdokumentation, empfiehlt sich für die Pilotierung. Als Ersatz für ein einfaches IVR-System in der GKV dagegen noch keine Alternative zum 1st Level in der Telefonie oder in der Beantwortung von Nachrichten via Chat oder E-Mail


9 TRENDS

BEOBACHTUNG

Die Entwicklung sollte beobachtet werden. Zurzeit besteht jedoch noch keine akute GKV-Relevanz.

Blockchain

VORSTUDIE

Erste Vorabunter- suchungen sollen das Verständnis der potenziellen Auswirkungen schärfen. Es gibt konkrete Anzeichen für GKV-Relevanz.

Internet of Things

Augmented & Virtual Reality

PILOTIERUNG

Die GKV-Relevanz ist hoch. GKVen sollten Expertise aufbauen und die Umsetzbarkeit prüfen.

Künstliche Intelligenz(siehe auch Deep Dive)

Affective Computing

Mobile(siehe auch Deep Dive)

Big Data & Advanced Analytics

Cloud Computing & Connectivity

Robotics

IMPLEMENTIERUNG

Eine zeitnahe Um- setzung zur Sicherung der Marktposition ist notwendig, da der Trend aktuell bereits großen Einfluss auf GKVen hat.

Neun Technologietrends nach strategischer Relevanz unterteilt – Implementierung von vier Trends bereits heute erfolgskritisch


Identifikation von potenziellen Kündigern durch Erkennung von Mustern in Daten zu Kundenmerkmalen und vorhergehenden Beschwerden

Vertrieb/ Mitgliedschaft

Mobile(siehe auch Deep Dive)

Nutzung von mobilen Endgeräten zur stärkeren Personalisierung und zur mobilen Unterstützung der Gesundheitsvorsorge und -behandlung

Unterstützung und Optimierung der Entscheidungsfindung auf Basis von Echtzeitdaten-Erfassung, -Analyse und -Interpretation

Verbesserung des Beschwerdemanagements durch optimierte Textauswertung und Beschwerdekategorisierung

Kundenservice/ Qualitäts-

management

Zahlungsausfallrating der Arbeitgeber durch Auswertung des Zahlungsverhaltens für die Arbeitnehmer, kombiniert mit öffentlich verfügbaren Datenquellen Beitrag

Situative Nutzung, etwa die Navigation zur nächstgelegenen Servicestelle über die in der Service-App integrierte Ortungs- und Navigationsfunktion; personalisierte Ansprache und Empfehlungen

Kundenservice

App-gestützte Kundeninteraktion auf Smartphones zur Klärung von Anliegen, Rückfragen oder Beschwerden; Unterstützung durch virtuelle Assistenten; vollkommen integrierte Kundeninteraktion über alle Kanäle, die es den Kunden erlaubt, am Smartphone das Ausfüllen eines Antrags zu beginnen und dann online am Laptop fortzusetzen

Kundenservice

Gesundheitsmanager auf App mit Fitnessdatenspeicherung und individuellen Empfehlungen der Krankenkasse für Präventionsmaßnahmen

Versorgungs- management

Optimierung der Regelwerke für Abrechnungsprüfung und Fallmanagement durch Auswertung und Vergleich von ähnlichen Fällen von Leistungserbringern, Versichertenhistorie und Gutachten, unter anderem in den Bereichen Krankenhaus und Krankengeld

Leistungs- management

Sentiment-Analyse bzw. Identifikation von Kundenwünschen auf Basis vononline verfügbaren Daten wie Social-Media-Nutzung oder Forenbeiträgen

Bereichs- übergreifend

GKV-Anwendungsfälle* GKV-Anwendungsfälle*

Vollständig mobiles Banking von der Kontoeinrichtung mittels Videotelefonie über Anmeldung mittels Fingerabdruckscan bis zu Überweisungen direkt vom Handy, wie etwa bei der Direktbank N26

Bankwesen

Diagnose von Krankheiten über Smartphone – Beschwerden werden eingegeben und eine Diagnose erstellt bzw. ein telefonisches Gespräch vereinbart, wie beispielsweise beim National Health Service

Medizinische Versorgung

Allgemeine Anwendungsfälle

„Auf den Apps liegen, insbesondere in der Versorgung von Menschen mit chronischen Erkrankungen, große Hoffnungen, weil in der Regel viele Impulse notwendig sind, um Verhalten anzustoßen und dauerhaft zu verändern.“

Ursula Kramer, Chefredakteurin von HealthOn, in: Handelsblatt (Print-Ausgabe) Nr. 142 vom 26.07.2017

„Zwar ist die gesetzliche Krankenkasse noch ganz am Anfang, sich mit prädiktiven Modellen auseinanderzusetzen, allerdings sind wir hier gerade beim Umdenken. Wir hatten bisher nur eine isolierte Betrachtung der Daten. Aus den vielen Datenpfützen würden wir gerne einen Datensee erschaffen.“

Christian Klose, CDO, AOK Nordost, in: Connected Industry vom 14.03.2017

* Jeweils unter Berücksichtigung der rechtlichen Rahmenbedingungen zur Datenverwendung. * Jeweils unter Berücksichtigung der rechtlichen Rahmenbedingungen zur Datenverwendung.

Big Data & Advanced Analytics

Versorgungsmanagement und -steuerung z. B. durch qualitätsinduzierte Assistenz- leistungen (z. B. Navigation zum Arzt inkl. Qualitätsindikatoren und Terminservice); Erinnerungen, Vorsorgemanager und Datenfreigabe gegenüber Ärzten

Versorgungs- management

GKV 4.0 - TREND-MONITOR10 11

Robotics

„Hinter Robotic Process Automation verbirgt sich ein neuer Ansatz zur Prozessautomatisierung. Mit RPA können Unternehmen Routineaufgaben automatisiert ausführen und so verfügbare Ressourcen für wertschöpfende Prozesse nutzen.“

Prof. August-Wilhelm Scheer, CEO, Scheer Holding, Unternehmenswebsite (Aufruf am 28.08.2017)

„RPA verschiebt den Fokus der Automatisierung hin zu den höherwertigen Aufgaben. Gleichzeitig aber besteht nach wie vor ein sehr hoher Bedarf an gut ausgebildeten ITlern, weil die Unternehmen sie benötigen, um technisch immer auf dem neuesten Stand zu sein. Für diese Leute ist RPA ein Segen.“

Chris Boos, CEO, arago, in: Computerwoche Online vom 15.04.2015

* Datenschutz und rechtliche Rahmenbedingungen sind hierbei zu prüfen.

Autonome oder semi-autonome virtuelle Prozessbearbeitung, die von Computerprogrammen gesteuert wird

Rückstandsabarbeitung bei gesetzlichen oder unternehmensinternen Fristen, etwa bei Reorganisation oder Kernsystemmigration, durch den selektiven Einsatz von Robotics und Beschleunigung der Sachbearbeitung

Sach- bearbeitung

Überführung von Daten bei Systemmigration durch den Einsatz eines Roboters statt der extrem aufwendigen manuellen Überführung der Daten


Prozessautomatisierung durch den selektiven Einsatz von Robotern im Gesamtprozess, insbesondere bei Übertragung von Daten von unterschiedlichen Anwendungen

Sach- bearbeitung

Umsetzung kurzfristiger, gesetzlich vorgegebener Ablaufänderungen durch die schnelle Implementierung und Testung auf Basis von Robotics und nachgelagerte Umsetzung im Kernsystem

Sach- bearbeitung

GKV-Anwendungsfälle*

Connectivity unterschiedlicher Datenquellen für Versicherte, externe Bereitstellung skalierbarer IT-Ressourcen wie Computingpower oder Storage, Entwicklungsplattformen oder Anwendungen über das Internet

„In weniger als zehn Jahren wird sich die GKV-Branche anderen Wirtschaftszweigen immer stärker angenähert haben und sich kaum mehr von diesen unterscheiden. Gesetzliche Krankenversicherungen (GKVen) werden Cloud- und Big-Data-Technologien nutzen; Krankenkassendaten werden – so unvorstellbar das heute scheinen mag – in einem großen Netz digital verarbeitet.“

„Krankenversicherungen im digitalen Zeitalter“, in: eGovernment Computing vom 04.05.2016

„Die Krankenversicherung Barmer GEK entschied sich für das File-Sharing-Angebot des australischen Sicherheitsspezialisten aus der Telekom-Cloud, um ihre sensiblen Daten zu schützen.“

„Hoch sicherer Datenaustausch“, auf Telekom.com (Aufruf am 20.08.2017)

Einsatz von extern gehosteten Software-as-a-Service-Lösungen – sowohl im Leistungsbereich, beispielsweise für Hilfsmittel, als auch im Bereich der Unterstützungsfunktionen, etwa im Personalwesen oder Asset-Management


Echtzeitanalyse von Daten bei Regressfällen Leistungs- management


Verlagerung von Anwendungen aus dem Kernbereich, etwa dem Meldewesen und der Patientenakte, auf eine Cloud-basierte Infrastruktur


Nutzung von Hardware oder Standardsoftware(-Services) von Drittanbietern, um unterschiedliche Datenquellen für Versicherte zu vernetzen (z. B. eine elektronische Gesundheitsakte)

Kundenservice


Cloud Computing & Connectivity


Künstliche Intelligenz(siehe auch Deep Dive)

Simulation des menschlichen Denkprozesses und Selbstlernens durch Prozess- automatisierung in der Erkennung von Mustern und Ableitung von Implikationen

Einsatz von mit Self-Service-Funktionalität verbundenen lernenden Chatbots und Visual IVR in der Kundenkommunikation, die beispielsweise Änderungen von Kundendaten in natürliche Sprache umsetzen, auch neue Fragen beantworten, Muster identifizieren und Regelwerke selbständig anpassen können

Kunden- kommunikation

Einsatz im Disease-Management zur Identifikation neuer Indizien zur Verbesserung der Prädiktion von chronischen Krankheitsverläufen und zur Ableitung von Präventionsmaßnahmen, Zweitmeinungsempfehlungen

Versorgung

Identifikation von Regressfällen und Auswahl von lohnenden FällenLeistungs-,

Betrugs-management

Optimierung der Regelwerke im Leistungsmanagement durch Rückmeldung der Ergebnisse unter Berücksichtigung aller verfügbaren Inputfaktoren,z. B. im Bereich Krankengeld

Insbesondere Leistungs-,

Kunden-, Versorgungs-management

Automatisierung manueller Prozesse durch „virtuellen Sachbearbeiter“, der Freigaben von Behandlungen/Heilplänen übernimmt oder Korrespondenz klassifiziert, priorisiert und dem richtigen Sachbearbeiter zuleiten kann

Sachbearbeitung/ Leistungs-

management

Abschätzen der Kontaktcenterauslastung und des Ressourcenbedarfs Kundenbetreuung

„‚Alles, was Du kannst, kann künstliche Intelligenz besser‘, lautet der Titel eines Business Cases, das Statements von AIG und der Zurich zum Thema Machine Learning zusammenfasst.“

„Künstliche Intelligenz für die Versicherungswirtschaft“, in: Versicherungswirtschaft heute vom 12.07.2016

„Was irgendwie nach Routine aussieht, wird in den nächsten Jahren automatisiert, und zwar auch im direkten Kontakt mit den Kunden.“

Christian Rieck, Lehrstuhlinhaber an der FH Frankfurt,in: Versicherungswirtschaft heute vom 29.06.2016


* Rechtliche Rahmenbedingungen sind hierbei zu prüfen.

Echtzeitinterpretation von Gehirnaktivitäten und -strömen zur Steuerung von Computern, beispielsweise um Menschen mit Behinderungen zu unterstützen

Retail/ Wissenschaft


Affective Computing

Ersatz eines Interactive-Voice-Response-(IVR-)Systems durch einen Sprachcomputer zur Identifikation des Anliegens während der Wartezeit; auf Basis der erfassten Informationen und/oder Emotionen automatisierte Klärung des Anliegens oder Weiterleitung an geeigneten Ansprechpartner


Identifizierung von kritischen Kunden durch Monitoring des Stresslevels von Mitarbeitern und/oder Kunden im Callcenter während der Kundengespräche; Optimierungsansätze von Gesprächsverläufen und Senkung der Belastung von Mitarbeitern


Weniger Nachbearbeitungsaufwand und Erhöhung der Qualität durch Einordnung und parallele Erfassung der Emotionen des Kunden während des Kundenkontakts


Identifikation von Betrugsversuchen auf Basis der im Telefonat messbaren Emotionen, z. B. bei Krankengeldanliegen

Leistungs- management

Videobasierte Emotionsmessung: Erkennung von Lächeln, Feixen, Stirnrunzeln sowie Veränderungen der Herzfrequenz über die Gesichtsfarbe

Marketing/ Pricing

„Welcher Kunde in Rage ist, entscheidet ein Computer- programm, das die Stimme der Anrufer analysiert: Pausen, Geschwindigkeit, Lautstärke, Betonung, Frequenz. Laut dem Hersteller genügen dem Programm 20 Sekunden, um die Gefühlslage eines Anrufers zu erkennen. Die Treffergenauigkeit liege bei mehr als 80 Prozent.“

„Der Computer lernt fühlen“, in: Die WeltOnline Reportage Zukunftsvision 2015

„Ruft ein Kunde bei der Versicherung an und will einen Schadensfall melden, analysiert ein Programm die Stimme auf Anzeichen für eine Lüge. Laut Nemesysco entlarvt die Software 30 bis 40 Prozent der Anrufer als Versicherungsbetrüger.“

„Der Computer lernt fühlen“, in: Die Welt Online Reportage Zukunftsvision 2015


System- und gerätebasierte Erkennung, Interpretation, Verarbeitung, Nachahmung und gezielte Beeinflussung von menschlichen Emotionen




Internet of Things

Virtuelle Präsenz physischer Gegenstände sowie deren Vernetzung untereinander und mit dem Internet, sodass eine gesamthafte Kommunikation ermöglicht wird

Maßgeschneiderte Gesundheitsempfehlungen für den Versicherten via Smartphone auf Basis von Gesundheitsdaten, die durch Wearables oder Fitnessgeräte mit Sendefunktion erfasst wurden

Prävention/Marketing

Frühzeitige Warnung und Maßnahmeneinleitung bei Therapie und Prävention auf Basis der Kommunikation von Messgeräten beispielsweise für Blutzucker oder Fieber mit dem Arzt sowie dem Versicherten

Versorgung/Marketing

Vernetzung am Arbeitsplatz zur individuellen automatischen Einstellung beispielsweise von Raumtemperatur, Licht, Schreibtisch- und Stuhlhöhe

Sach- bearbeitung

„Es können Kostenreduktionen vorgenommen werden, es können individualisierte Produkte auf den Markt gebracht werden, es können ganz neue Beziehungen zwischen Kunden und Unternehmen aufgebaut werden. Es können neue Services entstehen.“

Matthias Machnig, Staatssekretär im Wirtschaftsministerium, im Deutschlandfunk, „Gefahren und Chancen der Digitalisierung“ vom 28.12.2015



Vernetzung sämtlicher Geräte in Kliniken, Erfassung der Daten in einer Software, um Problemfällen proaktiv gegenzusteuern, etwa durch den direkten Versand von EKG- und Blutzuckerdaten an das Tablet eines Arztes


Ausstattung aller beweglichen Objekte im Krankenhaus mit Sendern zur raumgenauen Echtzeitlokalisierung, beispielsweise Lokalisierung von Betten und Information über deren Aufbereitungszustand




Augmented & Virtual Reality

Computergestützte Erweiterung bzw. Generierung der Realitätswahrnehmung in Form von computergenerierten Zusatzinformationen oder virtuellen Objekten

„Augmented Reality lässt sich als Hilfsmittel auf den Gebieten Vorbeugung, Risikoscans und Schadensersatzforderungen nutzen. Auch wenn die Technologie noch nicht ausgereift ist, ist es doch sehr realistisch, dass ein Haus in Zukunft mit einer solchen AR-App gescannt wird, um auf dieser Basis die Versicherungsprämie zu bestimmen.“

„Trends in der Versicherungsbranche – Augmented Reality“, in: AV Finance vom 16.11.2015

„[Durch VR] wird [es] eine ähnlich große Revolution geben wie durch die Smartphones. Es wird die Art und Weise, wie wir kommunizieren und konsumieren, stark verändern. Dabei wird das immersive Erlebnis, das Eintauchen in das Medium, stark im Vordergrund stehen.“

Frank Steinicke, Professor für Mensch, Computer und Interaktion an der Universität Hamburg, in: Die Welt vom 28.06.2016

Integrierte Realitätserweiterungs-Features zur Darstellung aller für das jeweilige Gespräch relevanten Daten in der Kundenkommunikation, beispielsweise Leistungskataloge oder Versichertendaten

Kundenservice

Virtual Reality zur Steigerung der Effizienz in der Kundenversorgung, beispielsweise durch VR-Brillen, die notwendige Informationen an Sachbearbeiter oder Kundenbetreuer geben

Kundenservice/ Versorgung

Kundenservice/ Versorgung

Integrierte Realitätserweiterungs-Features in der Krankenkassen-App, etwa Einblendung von gesundheits- oder lebensstilbedingter Ernährungsberatung, Support bei Arzneimitteleinnahme oder Arztbewertungen



Optimierung der Arbeit von Chirurgen durch Visualisierung des Operationsziels und der umliegenden Strukturen


Virtual Reality zur Planung von Operationen vor der wirklichen Operation, um etwa Komplikationen zu üben


Apps, mit denen sich beispielsweise Möbel an die Wand in der eigenen Wohnung beamen lassen Handel

Reparatur und Wartung von Maschinen und Geräten Wartung und Reparatur

Unterstützung des Lehrbetriebs durch 3D-Modelle, mit denen Lernende live interagieren können

Aus- und Weiterbildung


GKV 4.0 - TREND-MONITOR 1918 1919

End-to-End-Dokumentation und Tracken des Transports von Schiffscontainern (beispielsweise bei Maersk) Logistik

Versicherung kleinerer Geldtransaktionen bis zu einer Summe von 100 Dollar, beispielsweise für den Kauf von Konzertkarten(vgl. Kevinsured.com)

Versicherungen

Automatisierung von Zahlungsprozessen für Katastrophenanleihen (beispielsweise bei der Allianz) Sachbearbeitung

Erstellung von nachvollziehbaren Unterlagen mithilfe von Apps, um die Zugriffsrechte auf private Informationen zu managen(z. B. bei Blockchain Health)

Sachbearbeitung

Sichere Datenübertragung zwischen allen in die Patientenversorgung involvierten Stakeholdern über ein sicheres Netzwerk (vgl. DokChain)

Versorgungs- services


Blockchain

„Wir erwarten so schnell noch keine direkten Einflüsse auf die Wertschöpfungskette der Versicherer durch die Blockchain-Technologie.“

Christian Noelle, Geschäftsführer Digitale Agenda, IT und Services beim Gesamtverband der Deutschen Versicherungswirtschaft (GDV), in: POSITIONEN – Das Magazin der deutschen Versicherer, Ausgabe 3/2016

Dezentrale und unveränderbare Datenbank, die durch Krypto-Verfahren sichere und transparente Transaktionen zwischen Nutzern ohne Intermediär und Trust-Infrastruktur über das Internet ermöglicht

„Was das Internet für die Kommunikation ist, wird die Blockchain für die Transaktion sein.“

Karin Frick, Research-Leiterin des Gottlieb Duttweiler Instituts, in: Trend One vom 13.07.2016


Automatisiertes Erfassen und Tracking von Versicherungsansprüchen auf Basis von Echtzeitdaten (Claims-Tracking)

Sach- bearbeitung

„Verschreibungs-Ausschreibung“: Elektronische Verschreibungen werden via Blockchain an mehrere Apotheken gesendet, die darauf bieten können

Allgemeine Leistungs- gewährung

Automatisierung bei Routine-Updates der Kundendaten, beispielsweise Adressänderungen, mittels automatisiertem Datenabgleich

Sach- bearbeitung



Digitale Gadgets sind allgegenwärtig, fast 80 Prozent der Bevölkerung in Deutschland nutzen Smartphones. Auch in der Altersgruppe ab 65 Jahren liegt der Anteil mittlerweile bei 39 Prozent. Entsprechend erwarten auch die Mitglieder der GKV digitale Services – von Online-Geschäftsstellen bis zur Service-App. Diese digitalen Angebote verbessern nicht nur den Kundenservice und steigern damit die Zufriedenheit, sondern sind auch im Versor-gungsbereich relevant. Sie wirken sich auf interne Prozesse aus und erhöhen die Effizienz.

Die Digitalisierung bringt viele Vorteile: Online- Medien ermöglichen einen schnellen und unmittelbaren Kontakt zu Kunden und Mitgliedern, digitale Prozesse sind in der Regel schneller, fehlerfreier und kostengünstiger – Vorteile, die auch GKVen für sich nutzen können.

Die Verwendung mobiler Funktionen in der Kundenkommunikation eröffnet GKVen neue Service- und Steuerungsmöglichkeiten, die sowohl für die Kunden als auch für die Versicherer Nutzenvorteile bringen.

Mehr Service für den Kunden

Mit einem mobilen Device kann der Kunde immer und jederzeit mit seiner Krankenver- sicherung kommunizieren, ohne zusätzlichen Aufwand oder Beschränkungen durch fest- gelegte Servicezeiten. Durch einen direkten Zugang zu seinem Kunden-Account besteht ein Höchstmaß an Transparenz.

Deep Dive – Mobile

Nichts geht ohne

So kann der User beispielsweise den Status von Beantragungsprozessen verfolgen oder laufende und auch abgeschlossene Leistungsanliegen und Genehmigungen einsehen.

Auch die Versorgungsleistung lässt sich für den Kunden verbessern, da über digitale Kanäle eine personalisierte und userindividuelle An- sprache, beispielsweise ein Erinnerungsservice für Arzttermine, möglich ist. Darüber hinaus können spezielle Präventionsangebote, deren Bedarf anhand von Nutzerdaten ermittelt wurde, kundenindividuell und bedarfsgerecht angeboten werden, etwa ein Fitnesskurs für Versicherte mit Krankheiten, die auf ein Bewegungsdefizit zurückzuführen sein könnten.

Für die Krankenversicherungen bedeutet die Kommunikation über den mobilen Kanal eine ressourcenschonende und günstige Kontaktform. Auch in Regionen ohne Geschäftsstellen lässt sich dadurch ein gleichbleibend hohes Service-angebot und damit digitale Nähe zum Kunden realisieren.

Durch die direkte Anbindung an interne Prozesse können GKVen erhebliche Einsparpotenziale heben. Langfristig ist eine effizientere und effektivere Steuerung der Prozesse möglich.

Service im Fokus

GKVen, die mobile Funktionen implementieren wollen, sollten sich im ersten Schritt auf den Kundenservice fokussieren.

Dafür bietet sich eine Kundenservice-App an, die alle wichtigen Funktionen vereint. Hier-durch kann die Kommunikation zwischen GKV und Kunden deutlich verbessert und damit die Kundenzufriedenheit erhöht werden. Prozesse werden schlanker, effizienter und infolgedessen auch kostengünstiger. Die Umsetzung eines sogenannten Minimum Viable Product (MVP), das heißt eines Produkts mit begrenztem Funk-tionsumfang, welches die Kunden dennoch als sinnvoll erachten und annehmen, ist kurzfristig möglich. Weiterentwicklungen lassen sich suk-zessive vornehmen.

Auch im Versorgungsbereich können mobile Funktionen Wettbewerbsvorteile generieren. So können die Versicherten über digitale Kanäle individuell unterstützt und aktiv versorgt werden. Grundvoraussetzung hierfür ist allerdings die Einführung der elektronischen Patientenakte sowie von fortschrittlichen Datenanalysen (Schlagwort Big Data oder Advanced Analytics). Insofern ist die Umsetzung im Versorgungs- bereich eher als mittel- bis langfristiges Projekt einzustufen.

Vorgehen bei der Umsetzung von Service-funktionen

Welche Angebote sind für eine Online-Geschäfts- stelle (OGST) geeignet? Welche davon lassen sich sinnvollerweise in einer App integrieren? Was ist erfolgversprechend? Was bringt Kunden und Versicherern gleichermaßen Vorteile?

Die Aufnahme von klassischen GKV-Prozessen in die Online-Geschäftsstelle und in eine App sollte anhand ausgewählter Kriterien erfolgen.

1. Kriterien zur Identifikation von Prozessen, die für OGST geeignet sind

• Hohe Attraktivität für den Kunden, da für ihn die Interaktion mit der Krankenkasse vereinfacht wird. Ansprechende Interfaces und eine hohe Usability sind hier Grundvoraussetzungen für die Akzeptanz

• Nutzungshäufigkeit, die sich anhand von möglichen Fallzahlen ermitteln lässt

• Wirtschaftlichkeit durch die Konzentration auf Anwendungen, die sich für Self-Service eignen

2. Kriterien zur Identifikation von Prozessen, die für eine App geeignet sind

• Relevanz für eine große Anzahl von Nutzungs- momenten, wie beispielsweise das Einreichen von Aktivbonus-Aktivitäten mehrmals im Jahr

• Eine situationsbezogene mobile Nutzung ist sinnvoll, etwa der Upload von AU-Bescheinigungen direkt nach Erhalt durch den Arzt

• Geringe Bearbeitungsdauer und -komplexität, weil nur wenige Angaben durch den Nutzer erforderlich sind, wie beispielsweise bei der Stammdatenänderung

• Spezifische Vorteile durch Verfügbarkeit von Smartphone-Funktionen, etwa weil die Nutzung der Smartphone-Kamerafunktion das Einreichen von Nachweisen erleichtert oder beschleunigt


Der Handy-Wecker klingelt

Vor dem Aufstehen liest sie die Morgennachrichten

auf der BBC-App

07:00

Während sie fernsieht,liest sie Twitter-Nachrichten

Sie lädt sich Musik auf ihr Handy, die sie am nächsten Nachmittag hören möchte

Sie nutzt einen Groupon- Gutschein, um ein

Wellnessprogramm für das Wochenende zu buchen

21:00 – 22:00

Während sie im Auto darauf wartet, dass die Kinder aus der Schule kommen, macht sie die Spesenabrechnung

Mit dem Blutzucker-spiegel-Plug-in für das Handy hat sie ihre Diabetes jederzeit im Griff

15:30 – 16:00

Sie lässt die Kinder vor dem Abendessen „Angry Birds“ spielen, damit sie beschäftigt sind

16:30

Sie sucht in der All-Recipes-Appnach einem Rezept, das billig,

gesund und einfach ist

17:30

Sie ruft die Navigationssoftware auf, um Staus auf dem Weg zur Arbeit zu umgehen

Auf dem Weg vom Parkhaus zum Büro liest sie private E-Mails, um später Zeit zu sparen

08:30 – 09:00Sie nutzt den Barcode-Reader, um nachzuschauen, in welchem Geschäft das Kleid am günstigsten ist

Nach dem Mittagessen nutzt sie den QR-Reader auf der Sandwich-Verpackung, um nachzusehen, wie viele Kalorien sie heute zu sich genommen hat

12:30 – 13:30

LISA IST EINE 36 JAHRE ALTE MUTTER VON ZWEI KINDERN AUS

ENGLAND

… und werden so zu einem festen Bestandteil des täglichen Lebens

Smartphones bieten für Verbraucher verschiedeneneue Anwendungen …


Eine Kundenservice-App für GKVen muss also Funktionen enthalten, die dem Kunden einen direkten Mehrwert bringen, entweder indem sie bisherige Aufwände reduzieren oder aber einen zusätzlichen Nutzen generieren. So sind beispielsweise Gesundheits-Bonusprogramme für den Kunden online sehr viel einfacher nutzbar als analog. Aktivitäten, für die es Punkte gibt, können direkt online eingegeben werden, die aufwendige Einreichung per Brief oder Fax entfällt damit. Gleichzeitig ist der aktuelle Punktestand jederzeit einsehbar, Auszahlungen oder Gutschreibungen können per Klick veranlasst werden.

Auch bei der Arbeitsunfähigkeitsbescheinigung kann die App sehr nützlich sein, etwa indem der Kunde die AU-Bescheinigung mit dem Smart- phone abfotografiert und direkt über die App einreicht. Zudem eignen sich Vorgänge, die wenig komplex sind und sich schnell im Self- Service erledigen lassen, wie etwa die Änderung von Stammdaten. Es gibt zahlreiche weitere Features, die durchaus sinnvoll sein können – vom digitalen Impfpass mit integrierter Erinne-rungsfunktion bis hin zur Dokumentation von Vorsorgeterminen.

App ist nicht gleich App

Traffic auf der App gibt es nur, wenn die Kunden die App auch kennen. Der Launch muss also entsprechend kommunikativ begleitet werden – aktive Hinweise auf der Website, in Anschreiben und Mailings oder die Bewerbung der App in der

Telefon-Warteschleife helfen bei der Bekannt-machung und Etablierung.

Ein wesentliches Erfolgskriterium für eine App ist die nutzerfreundliche Basisinfrastruktur. Dem Kunden muss der Zugang zur App so einfach wie möglich gemacht werden. Dazu gehören die Sicherstellung eines einfachen und fehlerfreien Registrierungsprozesses und die Verfügbarkeit über die für die Versicherten relevanten Systeme Android und iOS. Da die meisten Menschen Multichannel-Hopper sind, das heißt mal das Smartphone, mal das iPad und mal den PC nutzen, muss das Schnittstellen- management zwischen Online-Geschäftsstelle und App für den Nutzer reibungslos und unmerklich verlaufen.

Die einzelnen Features sollten einfach und intuitiv zu bedienen sein. Dazu gehören Formulare mit entsprechenden Ausfüllhilfen und idealerweise dynamische FAQs. Auch Kontaktmöglichkeiten für noch offene Fragen sollten integriert sein.

Das kontinuierliche Monitoring des Nutzer- verhaltens und regelmäßige Feedbackschleifen zur Prozessgestaltung sowie Anregungen für weitere Funktionen ermöglichen zudem eine kontinuierliche Verbesserung der App.

Best Practices

Konkrete Erfahrungen bei der Konzeptionierung und Umsetzung von Mobile im GKV-Bereich existieren bereits: The Boston Consulting Group (BCG) und BCG Digital Ventures haben hierbei große Krankenversicherungen begleitet.

In Bezug auf den mobilen Kanal sind Ausgangslage und Zielsetzung der einzelnen Krankenversiche-rungen durchaus unterschiedlich. Während die eine GKV das Zielbild weiter detaillieren möchte, wollen andere die Umsetzung optimieren. Das BCG-Konzept zur mobilen Strategie greift die individuelle Situation des jeweiligen Unter-nehmens auf und unterstützt bei der Definition des Zielbilds und der Implementierung des mo-bilen Ökosystems, bei Zusatzleistungen, Marke-ting und Kundenbindung sowie dem digitalen Kundenmanagement.

Nicht nur digitale Technologien und Fähigkeiten, sondern auch die richtige Organisation sind Grundvoraussetzungen für eine erfolgreiche mobile Strategie. Nicht selten stellen sie für die GKVen Herausforderungen dar. Auch hier bringt BCG mit Digital Ventures und Platinion relevante Expertise ein. Für die Einbettung des mobilen Kanals in die Organisation hat BCG gemeinsam mit einem Kunden zum Beispiel die zukünftigen Strukturen und Rollen definiert. Bei einem anderen Projekt hat Platinion zusammen mit einer GKV agile Methoden angewendet, um den Versicherten einzelne Prozesse über den mobilen Kanal zur Verfügung zu stellen.

Deep Dive – Mobile

Nichts geht ohne


MOBILES ÖKOSYSTEM

Technologiepartner

Content-Partner

Partner im digitalen Marketing

STR

ATEG

ISC

HE

PAR

TNER

SCH

AFT

ZUSATZLEISTUNGEN

KU

ND

EN Digitale Mehrwertleistungen

Kundenpräferenzen

Datennutzung/-verarbeitung

Content

User-Experience

SEIT

E &

AP

P

Produkt- und Serviceportfolio

Ausschließlich mobileProdukte & Services

PR

OD

UK

T

MARKETING & KUNDENBINDUNG

ERFO

LG &

NU

TZU

NG

Appdownloads & Bewertung

SEO & Marketing

Social-Media-Marketing

Standortbasierte Werbung

KU

ND

ENK

ON

TAK

T

Kanalstrategie

Kundenengagement entlang des Lebenszyklus

Soziales Engagement

DIGITALES KUNDENMANAGEMENT

VER

TRIE

B Zusatzbeiträge

Zusatzangebote

Wettbewerbsdifferenzierung

PR

OZE

SS-

DIG

ITA

LISI

ERU

NG Suche & Metadaten

Persönliche Daten

Mobile Seiten und Apps

Social Media

Kundenbetreuung

Personalisierte Angebote

KA

NA

L-M

IX Chat-Beratung

Mobile /Smartphone& Tablet

Online

Wettbewerb im mobilen Umfeld

Technologische Trends im mobilen Umfeld

ORGANISATION

ENTWICKLUNGDOKUMENTATION & REPORTING

Kenn- zahlen

Daten- analyse

Trend- identifikation Mobil WebSocial

RESSOURCEN

Talent- manage-

ment

Training &Personal- entwickl.

ORGANISATIONSSTRUKTUR

Entwick-lungs-team

AndereFunktionen

Rollen & Berechti- gungen

KULTUR

Testenund

lernen

Antwortin

Echtzeit

DIGITALETECHNOLOGIEN UND FÄHIGKEITEN

Ganzheitliche Kundensicht (Multichannel-CRM) Produktumsetzung Data-Warehouse, Finanzsystem IT-Anbieter & Agenturmanagement

MOBILE STRATEGIE

Das BCG-System bietet ein Raster für die Entwicklung einer individuellen Mobilstrategie


Digitalisierung und Big Data ermöglichen schon seit Jahren das Erzeugen, Sammeln und statisti-sche Auswerten von Daten und schaffen darüber hinaus die Grundlage für den breitflächigen Einsatz machtvoller KI-Methoden.

Doch was bedeutet künstliche Intelligenz (KI) genau? Der Begriff beschreibt den Einsatz ma-schinellen Lernens, um bestehende manuelle Prozesse zu unterstützen oder zu automatisieren. Maschinelles Lernen erlaubt es computerge- stützten Systemen, ohne explizite menschliche Regelprogrammierung in Massen von Daten Muster zu erkennen und daraus präzise Schlüsse zu ziehen und Vorhersagen zu treffen. Diese dienen dem System als Grundlage für eigen- ständiges, menschenähnliches Verhalten.

KI ermöglicht völlig neue Produkte und Arbeits-weisen in allen Branchen und Lebensbereichen.

Grundsätzlich lassen sich mögliche Anwen-dungsfälle für KI in drei Kategorien unterteilen:

• Daten

Analyse und Erfassung von strukturierten und unstrukturierten Daten, beispielsweise durch Bild- oder Spracherkennung

• Verarbeitung

Problemspezifische Nutzung von KI in bestehenden Prozessen, etwa zur Extraktion von kritischen Informationen aus unstrukturierten Daten oder Automatisierung komplexer Entscheidungsprozesse

Deep Dive – Künstliche Intelligenz (KI)

Unbegrenzte Möglichkeiten

Bereits heute sind KI-Bausteine Grundlage von marktreifen Produkten: Das Amazon-Pro-dukt Alexa erkennt Sprache und kann so auf Fragen antworten oder Geräte im eigenen Heim steuern; die Videoplattform Netflix erstellt aufgrund der Sehgewohnheiten des Nutzers individuelle Programmvorschläge. Auch die im Teststadium befindlichen selbst-fahrenden Google-Autos nutzen KI, um Hinder-nisse zu erkennen, eigene Karten zu entwickeln und „Erfahrungen“ anderer Google-Cars für die eigene Tour zu nutzen. Starke Kommodifi-zierungsbewegungen im KI-Markt erlauben es heutzutage bereits, viele diese KI-Bausteine mit hohem Reifegrad zu nutzen und zu verknüp-fen. Entsprechend ermöglicht die Nutzung von KI im eigenen Unternehmen die Entwicklung marktdifferenzierender Produkte und Dienst-leistungen.

• Aktion

Autonomes Handeln in physischer und digitaler Form

Auch in der Krankenversicherung wird KI bereits für verschiedene Anwendungen eingesetzt: So lassen sich regelbasierte Datenanalysen und Prozesse in der Ziel- kundenerkennung oder Kündigungsprädiktion mithilfe diverser, fast schon alltäglicher Anwendungen, etwa Texterkennung und -analyse im Posteingang, spürbar optimieren.

DATEN VERARBEITUNG AKTION

Erkennung strukturierter und unstrukturierter Daten (Bilder, Sprache, Texte, etc.)

ANGEBOT: Produkte & DienstePROZESSE: Vertikal & horizontal

Physische AgentenDigitale AgentenKommunikation

KI-BAUSTEINE

KI-PLATTFORMEN & -DIENSTE

KI-INFRASTRUKTUR & ALGORITHMEN</>

DATEN ERFAHRUNGEN

WISSENVORHERSAGEN

Erzeugt

MASCHINELLES LERNEN

Algorithmen zur Umwandlung von Daten

und Erfahrungen zu Wissen/Vorhersagen

WERKZEUG

Benötigt Ermöglicht

PROZESS-UNTERSTÜTZUNG

AUTOMATISIERUNG

KÜNSTLICHEINTELLIGENZ

Angewandte KI-Mittel zur Imitation menschlicher

Intelligenzleistungen

ANWENDUNG

Benötigt

KI – die Weiterentwicklung von Daten zu Aktionen durch die Anwendung von maschinellem Lernen (ML)


KI-Anwendungsfälle bedienen sich meist mehrerer durch KI ermöglichter technischer Bausteine

DATEN VERARBEITUNG AKTION

BilderkennungBeispielsweise

Erkennen von Gesichtern und Objekten in Bildern

Suchalgorithmen, Generierung von Wissen

BeispielsweiseAnalogieschlüsse basierend auf verwandten Konzepten

Sprachausgabe,Textgenerierung

Beispielsweise virtueller Assistent

Sprach- / Tonerkennung

Beispielsweise Umwandlung von

gesprochenen Worten in Text

Lernen von DatenBeispielsweise

Autofahren durch aufgenommene Fahrten

lernen

Generierung von BildernBeispielsweise Bearbeitung

von Gesichtern

Sprach-/Textverarbeitung

Beispielsweise Erkennen der Intention

eines textbasierten Befehls

PlanungsagentenBeispielsweise

Erstellen einer Landkarte, während man sich die

Umgebung ansieht

Navigation/ BewegungBeispielsweise Vermeidung

von Hindernissen

KI-BAUSTEINE


KI-Bausteine sind schon heute Grundlage einer Vielzahl innovativer Produkte

DATEN

VER

AR

BEITU

NG

AK

TION

Bilderkennung

Sprach-/Tonerkennung

Sprach-/Textverarbeitung


(Selbst-)Lernen von Daten

Planungsagenten

Sprachausgabe,Textgenerierung

Generierung von Bildern

Steuerung, Verarbeitung

Navigation / Bewegung

KI-BAUSTEINE

Selbstfahrendes Auto

Nutzt Bilderkennung, um Hindernisse zu identifizieren und Karten zu erstellen

Lernt vom Fahr- verhalten anderer Wagen

Personal Assistant

Nutzt Sprache als Schnittstelle zwischen Nutzer und Services

Passt sich an Präferenzenund Verhalten des Nutzers an

Videoplattform

Empfiehlt den nächsten Film anhand des Seh-verhaltens der Kunden


Neue und bestehende KI-Bausteine basieren immer auf maschinellem Lernen (ML)

Drei Lernansätze

Zusätzlich schaffen die nun verfügbaren Daten eine essenzielle Grundlage für die Entwicklung völlig neuer Ansätze. So prüfen erste Kranken-versicherer bereits jetzt Arztrechnungen nicht mehr vollständig regelbasiert und manuell. Die KI lernt aufgrund problem- und kundenspezi-fischer Daten hinzu und erkennt selbständig, wo eine manuelle Prüfung notwendig ist. Dabei wird die Leistung regelbasierter Systeme teils deutlich übertroffen.

Um eine KI „anzulernen“, nutzen Data Scien-tists in der Regel drei unterschiedliche Ansätze:

• Supervised Learning (überwachtes Lernen)

Die Maschine erhält vom „Lehrer“ Paare von Input- und gewünschten Output-Daten – etwa Eingangspost und deren Klassifizierung in Kate- gorien wie Rechnung, Beschwerde, Adressänderung etc. Die Maschine lernt, bestimmte Indikatoren wie Textanordnung oder Schlagworte zu interpretieren und die Schreiben fortan richtig zu klassifizieren sowie an die zuständigen Abteilungen zu verteilen.

• Reinforcement Learning (Verstärkungslernen)

Die Maschine muss eine Reihe von Handlungs-möglichkeiten so auswählen und miteinander verknüpfen, dass sie eine für sie definierte Beloh-nung maximiert. Ein solches Lernmuster kann beispielsweise eingesetzt werden, um automatisiert einen optimalen Mix von Aktivitäten zur Rückho-lung eines Kündigers anzustoßen – etwa einfaches Anschreiben, Auslösen eines Telefonats oder Gewährung von Zusatzleistungen.

• Unsupervised Learning (unüberwachtes Lernen)

Bei dieser Lernmethode gibt es keine „Lehrer“- Vorgaben. Die KI erhält Daten, erkennt selbständig Muster und Strukturen und führt Analysen durch oder trifft Vorhersagen. So kann der Maschine eine Reihe von Daten zur Medikation von Patienten bei bestimmten Diagnosen gegeben werden. Die Maschine kann dann selbständig ermitteln, ob ein verschriebenes Medikament prinzipiell nicht zur Diagnose oder zum Krankheitsbild passt.

Bausteine basieren auf:

MASCHINELLEMLERNEN

Maschinelles Lernen basiert auf

Überwachtem Lernen Verstärkungslernen Unüberwachtem Lernen

Neuronale Netze (z. B. Deep Learning 1)

ML mit großem Anteil

ML mit geringem Anteil

(Selbst-)Lernen von

Daten

Bild-erkennung

Sprach-/Ton-erkennung

1. Deep Learning ist eine spezielle Methode, die bei überwachtem/unüberwachtem Verstärkungslernen angewandt wird – wegen guter Ergebnisse bei führenden Anwendungen ausgewählt.

Sprach-/ Text-

verarbeitung


Planungs-agenten

Sprachausgabe, Textgenerierung


Navigation/Bewegung



Key Learning und unsere USP: Es gibt kein KI- Allheilmittel – aber wir können bei Auswahl und Entwicklung des richtigen Ansatzes helfen

„INTELLIGENZ“ ERFORDERLICH …

NUTZUNG VON MASCHINELLEM LERNEN… FÜR …

Ansatz: KI lernt, wie ein

Mensch zu „sehen“, um Rechnungen zu vergleichen

Generische Schadensbearbeitung

Ermittlung doppelt zugestellter Rechnungen

Neuronale Netze/Deep Learning

inputlayer

hiddenlayer

outputlayer

inputs outputs

VORHERSAGEN/ ABSCHÄTZUNGEN

Vorhersage eines hohen Korrekturpotenzials bei Leistungsabrechnungen,

um die Bearbeitungszeit/-kosten zu reduzieren und die Kundenzufriedenheit

zu erhöhen

Ansatz: Nutzung von

Prognosealgorithmen, um die Beziehungen

zwischen einer großen Zahl von Kennzahlen

zu ermitteln

Regressionsalgorithmen

Ansatz: Nutzung von

KI-Entscheidungs- bäumen, um komplexe

Kundencluster zu erkennen

Prüfung medizinischer Behandlungen (z. B. um

Übermedikation von Patienten zu ermitteln)

Datenclustering-Algorithmen

Neben dem Lernansatz ist die richtige Strategie zur Lösung eines Problems von entscheidender Bedeutung. Oft ist es zielführend, den gewünschten Prozess in Teilprobleme zu zerlegen und für diese jeweils einen eigenen KI-Lernansatz auszuwählen. Bei der Einschätzung von Kür-zungswahrscheinlichkeiten für Rechnungen im Leistungswesen könnte beispielsweise die Anwendung von Regressionsalgorithmen zur Vorhersage von Eintrittswahrscheinlichkeiten Sinn machen. Für die Identifikation zu hoher Medikamentendosen bei bestimmten Dia-

gnosen bieten sich Clustering-Algorithmen mit dynamisch erstellten Entscheidungsbäumen an. Insbesondere für Fälle, in denen menschenähn-liche Intelligenz oder Sensorik benötigt wird, etwa bei Bild- und Schrifterkennung, nutzt man Deep-Learning-Algorithmen. Die Auswahl der Ansätze stellt vor allem bei den ersten Schritten mit künstlicher Intelligenz eine große Herausforderung dar. Hier sollte der Fachbereich schon bei der Identifikation von KI-Potenzialen durch erfahrene Analysten und Data Scientists unterstützt werden.

GRUPPIERUNG/KLASSIFIZIERUNG

ANOMALIE-DETEKTION


Deep Dive – Künstliche IntelligenzUnbegrenzte Möglichkeiten

Paradigmenwechsel in der Systementwicklung

Der Einsatz von KI im Unternehmen bedeutet auch einen Paradigmenwechsel hinsichtlich der Systementwicklung. Bislang beschreiben Exper-ten in den Fachabteilungen die gewünschten Prozesse und die IT setzt die Wünsche dann in laufende Systeme um. Die auf diese Weise entstehenden Regelwerke sind teilweise hoch komplex und fehleranfällig. Neue Erkenntnisse (beispielsweise aufgrund veränderter externer Einflüsse) und Funktionen müssen zudem aktiv von den Fachbereichen und der IT aufge-nommen und in das Gesamtregelwerk einge-baut werden. Sind Prozesse schwer beschreibbar und erscheint die Entwicklung zu komplex, wird oftmals ganz auf eine digitale Umsetzung verzichtet.

Bei der Entwicklung von KI hingegen nutzen Data Scientists verfügbare Quelldaten (beispielsweise aus den Versicherungskern- systemen) sowie Musterergebnisse für die Entwicklung selbstlernender Algorithmen. Die so angelernten Modelle werden dann im Echtbetrieb eingesetzt und der generierte Output wird wiederum genutzt, um die Modelle zusätzlich zu tunen.

Dabei sind die für die KI verwendeten mathe-matischen Grundlagen nicht neu. Erfolgsent-scheidend für die heutigen Einsatzmöglichkei-ten sind vielmehr die rasante Entwicklung der Rechenleistung sowie die hohe Datenver-fügbarkeit. Natürlich sind die heutigen KI-An-sätze noch nicht so flexibel und leistungsfähig wie menschliche Intelligenzen. Insbesondere in stark spezialisierten Bereichen übersteigen KI-Algorithmen aber die menschliche Leistungs-fähigkeit bereits bei Weitem – und das längst nicht nur beim Schach. Bei der Erkennung von „Next Best Offers“ beispielsweise identifizieren künstliche Intelligenzen Zusammenhänge zwischen Produkten und Umständen, die Menschen nicht unmittelbar bewusst werden oder die in ihrer Vielzahl niemals vollständig in klassischen Regeln nachgebildet werden können. Beispielsweise werden in Großbäckereien mithilfe von KI die Auswahl der Tagesproduktion und die Filialbelieferung nicht mehr nur auf Basis historischer Daten, sondern unter Einbezug von Wetterlage, Marketingaktivitäten und Aktionen der Konkurrenz definiert. Bei gutem Wetter im Sommer werden etwa mehr Croissants für das Frühstück auf der Terrasse hergestellt – bei schlechtem Wetter werden insbesondere Filialen in Einkaufszentren stärker beliefert, da Kunden ihren Einkauf auf diese beschränken.

BIS

HER

MA

SCH

INEL

LES

LER

NEN

PRODUKTIV-SERVERDATEN OUTPUT

TRAININGS-MASCHINE MODELL

DATEN

OUTPUT

Maschinelles Lernen wandelt Daten in Entscheidungsmodelle um und bedeutet einen Paradigmenwechsel in der Systementwicklung

· Erstellung durch interdisziplinäre Arbeit von Fachexperten und IT notwendig

· Regeln an sich ggf. komplex· Abhängigkeiten schwer zu managen· Etc.

ERSTELLUNG UND WARTUNG KOMPLEX

DATEN

MODELL

OUTPUTSERVER

GKV 4.0 - TREND-MONITOR40

Fortschritte in der Entwicklung von Hard- und Software machen effektive Nutzung von KI erst möglich

Potenzial für GKVen

Konkrete Einsatzmöglichkeiten für KI-Systeme finden sich im GKV-Sektor entlang der gesamten Wertschöpfungskette. Grundsätzlich empfiehlt sich KI insbesondere bei solchen Prozessen, die aufgrund der Entscheidungs- und Daten-komplexität bislang hauptsächlich manuell durchgeführt werden.

• Marketing

Bei der Kundeninteraktion kann die KI aufgrund von Historie und aktueller Stimmungslage – abgeleitet aus Textnuancen in der schriftlichen Korrespondenz oder aus der Stimmfarbe bei Telefonaten – den Sachbearbeitern konkrete Handlungsempfehlungen zum Umgang mit einzelnen Versicherten geben.

• Marketing/Mitgliederverwaltung

Die KI kann mögliche Kündigungen vorhersagen und automatisch Gegenmaßnahmen wie etwa eine Ansprache durch das Servicecenter auslösen. Die KI lernt dabei aktiv mit, welche Maßnahmen bei welcher Kundengruppe und welchen Kündi-gungsgründen am effektivsten funktionieren.

• Bestand/Beitrag

Die KI kann formlose Kundenschreiben auf bestandswirksame Inhalte wie etwa eine Adress- änderung überprüfen. Erkennt das System die Intention des Anschreibens, extrahiert es die relevanten Informationen und ändert selbständig die Adresse in den Bestandsdaten.

• Leistung/Abrechnung

Große Effizienzeffekte können durch KI in Berei-chen mit komplexen Regelwerken erzielt werden. Hierzu zählen insbesondere die Prüfung von Leistungen und deren Abrechnung. KI kann für die Sachbearbeitung beispielsweise Rechnungen identifizieren, die ein hohes Kürzungspotenzial und gleichzeitig eine hohe Erfolgswahrscheinlich-keit für die Kürzung aufweisen. In weiteren Aus-baustufen kann auch der restliche Kürzungsprozess mit KI automatisiert werden. Darüber hinaus kann die Stärke von KI im Bereich der Mustererken-nung ausgenutzt werden, um Behandlungs- und Codierungsfehler, Regressfälle oder systematische Betrugsfälle zu identifizieren.

• Querschnittsbereiche

In Dokumentenmanagementsystemen und im Versorgungsmanagement kann KI selbständig Risikokundengruppen identifizieren, die für Gesundheitspräventionsmaßnahmen infrage kommen. Zudem kann das System Muster in der Verbreitung von Krankheiten aus den Leistungsdaten nutzen, um deren Ausbreitung zu antizipieren. Darüber hinaus wäre es möglich, Kunden alternative Behandlungsmethoden vorzu-schlagen, die bei anderen Versicherten gute Wirkung gezeigt haben.

41

De factoüberall etabliert

Weit verbreitet –„Big Data“

Vereinzelt vorhanden, aberstark im Aufschwung – der „Hype“

Nahezunicht vorhanden

DeterministischeRegel:

„Wenn … dann“

Statistik,Predictive Analytics

MachineLearning

Deep Learning,Smart Robotics

ReinforcedLearning

Transfer/SparseData Learning

TENDENZ

MenschengleicheKI

Um

setz

ungs

kom

plex

ität

Intelligenz


Einsatzmöglichkeiten für KI finden sich entlang der gesamten KV-Wertschöpfungskette

MARKETING/ VERTRIEB

BESTAND/ BEITRAG

MITGLIEDER- VERWALTUNG

LEISTUNGS-MANAGEMENT

· CRM-Empfehlungslogik zur Kundensituation optimiert auf Historie und Stimmung

· Chatbot als Navigationsassistent oder zur Arzt(termin)findung

· Bonifizierung gesunder Lebensstile (z. B. kombiniert mit Fitnesstrackern)

· Vorhersage von Kündigungen mit Einleitung von Gegenmaßnahmen

· Automatisierte Anlage/Bearbeitung von Personendaten (z. B. auf Basis von Spracheingabe)

· Intelligente Multiparametersuche

Korrespondenz/Multichannel-Management

Disease- & Versorgungsmanagement

Controlling/Unternehmensentwicklung/Strategie

Dokumentenverwaltung

Datenaustausch-/Meldeverfahren/Statistiken

Workflowsteuerung/Arbeitsgutverteilung

Finanzmanagement

Personalmanagement

Einkauf, Recht etc.

IT/Infrastruktur

Beschleunigung der Kontakt-/Anliegenerfassung durch vorgeschaltete Sprachanalyse

Individuelle Ermittlung von Präventivmaßnahmen und Behandlungsempfehlungen

Proaktive Identifikation von Trends

Automatische Auswahl und Bereitstellung relevanter Dokumente zu Bearbeitungsfall

Dunkelverarbeitung und/oder PKM-Vorbereitung durch erweiterte Dokumentanalyse

Inhaltliche Analyse von Vorgängen mit autom. Zuleitung zu bestqualifizierten Mitarbeitern

Erhöhung Cybersecurity durch proaktive Identifikation von Hacker-/Schadcodeangriffen

· Automatisierung von Regelprozessen (z. B. Adressänderungen)

· Identifikation von Rechnungen mit Kürzungsnotwendigkeit (und deren Potenzial)

· Erkennung von Behandlungs-/Codierungsfehlern· Betrugsdetektion· Erkennung von Regressfällen· Optimierung von Behandlungs-/ Medikamentierungsplänen

Kern

funk

tion

enQ

uers

chni

ttsf

unkt

ione

n

Phy

sisc

he A

gen

ten

/Dig

ital

e A

gen

ten

/Kom

mun

ikat

ion

Stru

ktur

iert

e D

aten

/Spr

ache

/Vis

uali

sier

ung

Bild-erkennung

Sprach-/Tonerkennung

Sprach-/Text-verarbeitung


KI-Plattformen und -Services

KI-Infrastruktur und Algorithmen

(Selbst-)Lernen von Daten

Planungs-agenten

Sprachausgabe, Textgenerierung



Navigation/Bewegung

VERARBEITUNGDATEN AKTION



Best Practices

Konkrete Erfahrungen bei der Umsetzung von KI-Systemen im GKV-Bereich existieren bereits: Platinion, die als Tochter der Boston Consulting Group (BCG) Unternehmen in der Industrie- und im Dienstleistungssektor bei der Bewältigung erfolgskritischer IT-Herausforde- rungen unterstützt, begleitete hierbei einegroße Krankenversicherung.

Das Kundenunternehmen war im Bereich der Prozessdigitalisierung schon auf einem guten Weg: Das komplette Inputmanagement und bereits 30 Prozent des Forderungsmanage-ments liefen papierlos ab. Dennoch erreichte das Unternehmen noch nicht die selbst gesteckten Ziele in Bezug auf den Automatisierungsgrad und insbesondere auf die Kosteneffizienz. Kernherausforderung – auch für den Beratungs-partner – war es nun, konkrete Einsatzmög- lichkeiten für KI zu identifizieren und diese auch im Betrieb umzusetzen. Platinion erstellte hierfür eine agile Roadmap, die unter Machbar-keitsgesichtspunkten zeitnah konkrete Effizienz- ergebnisse einplante.

Statt der klassischen Wasserfallmethode für Softwareprojekte implementierte Platinion ein agiles, exploratives Vorgehen mit frühzeitigem Prototypisieren, um KI beispielsweise in den Kernprozessen der Krankenversicherung an-wenden zu können. Im ersten Schritt wurden Prozesse mit hohem Effizienzpotenzial durch KI bei gleichzeitig möglichst hoher Umsetz- barkeit identifiziert.

Die Auswahl erfolgversprechender Piloten hatte zentrale Bedeutung für das gesamte Projekt. Wichtige Entscheidungskriterien sind unter anderem die Anzahl der betroffenen Geschäfts-vorfälle, Anzahl und Qualität der verfügbaren Daten – etwa aus dem Posteingang – sowie die in den Unternehmensbereichen verfügbaren Skills, sowohl auf der Fachseite als auch in der IT.

Ist die Wahl getroffen, folgt auf Basis einer kurzen Zielbeschreibung der schnelle Einstieg in die Experimentier- und Prototypenphase: Analysten sammeln Testdaten und wenden explorativ Algorithmen und KI-Verfahren an, um Prototypen zu entwickeln, die nach erfolg-reicher technischer Integration im Produktiv-betrieb eingesetzt werden können. Auf diesem Weg zeigt sich extrem schnell, ob die getroffene Auswahl für die Umsetzung erfolgversprechend ist oder nicht.

Da die Entwicklung komplexer Regelwerke bei KI entfällt, reicht üblicherweise eine Skizzierung des Prozesses und der notwendigen Datenquel-len aus. Idealerweise wird zu diesem Zeitpunkt schon das Potenzial der Idee abgeschätzt.

PROTOTYPEntwicklung eines ersten

Prototyps und erste Prüfung des Potenzials im Zielsystem

EXPERIMENTExploratorive Verprobung in „KI-Sandbox“

KI-EINSATZIterative Entwicklungund Wartung

KONTINUIERLICHE VERBESSERUNGLaufende Optimierung

1

32

67

IDEENFINDUNGErmittlung der

vielversprechendsten KI-Initiativen

Parallelisierbar

Frühe produktive Prototypen stärken auch das Engagement im operativen Geschäft und in den IT-Bereichen, weiter in KI zu investieren und die erforderlichen Veränderungen zu unterstützen

4FACHLICHEINFRASTRUKTURSchaffung einergeeigneten fachlichenInfrastruktur

5TECHNISCHE

INFRASTRUKTURSchaffung einer geeigneten

technischen Infrastruktur (z. B. Optimierung des

Datenzugriffs, Aufbau erweiterter Automatisierungsfähigkeiten)

Agiler Ansatz zur Operationalisierung und kontinuierlichen Optimierung der KI-Unterstützung

GKV 4.0 - TREND-MONITOR46


Aufgaben für Data Scientists

Der Schwerpunkt der Arbeit bei der Nutzung von KI liegt in der fachlichen Analyse der Daten und der Entwicklung der Modelle. Statt eines Spezifikateurs wird auf Basis der Skizze ein spe-zialisierter Data Scientist aktiv. Er identifiziert die für den Fall notwendigen Daten. Diese be-reinigt er und trainiert und testet das KI-Modell. Ob diese Arbeit im Fachbereich oder in der IT erfolgt, ist – solange eine Nähe zur Fachlichkeit gewährleistet ist, die eine Fehlinterpretation der Daten verhindert – eine rein organisatorische Fragestellung und kann sich am Status quo orientieren. Die Bereitstellung der Betriebs- infrastruktur für die KI sowie die laufzeit- und ressourcenoptimierte Integration der konkre-ten Algorithmen in die bestehenden IT-Systeme fallen wie im klassischen Entwicklungsmodell dann typischerweise in den Bereich der IT.

Ist eine KI im Einsatz, kann diese über regel- mäßige Feedbackschleifen kontinuierlich – und selbstlernend – verbessert werden. Während der erste KI-Prototyp durchaus noch über gesonderte, eigene Schnittstellen in die Prozesse eingebunden werden kann, sollte für nachfolgende Prozesse nach und nach ein ent-sprechendes Rahmenwerk geschaffen werden. Das bezieht sich sowohl auf funktionale Aspekte, etwa die Etablierung von Experten-Reviews zur Sicherstellung der Qualität der selbstler-nenden Komponenten, als auch auf technische Bereiche, beispielsweise Maßnahmen zur Lauf-zeitoptimierung.

Neben der technischen Realisierung sind aber auch hier der Aufbau von Vertrauen in die neue Arbeitsweise und das Erlernen neuer Denk- muster in Fachbereich und IT entscheidend.

47


Anwendung von KI erlaubt und erfordert frühe Einbindung des Fachbereichs

GESCHÄFT

GESCHÄFT

Kein Code erforderlich Code erforderlich

IT

IT

KLASSISCHE ENTWICKLUNG

KI-ENTWICKLUNG

Design

Entwicklung KI-Modell

Analyse

Design

Codierung

Test

Produktion

Produktion

Spezifikation

Analyse

Test

Modell-anpassung

100100011010

100100011010

Kein Code erforderlich Code erforderlich


Keine Frage des Ob,sondern des Wie

Die im „GKV 4.0 - Trend-Monitor“ vorgestellten Technologien, die aufgezeigten Anwendungs-möglichkeiten und Praxisbeispiele geben einen Überblick über die aktuellen Entwicklungen und skizzieren deren Potenzial für die Kranken-versicherungen in Deutschland. Aufgrund der großen Dynamik erfolgen in regelmäßigen Abständen Trendupdates, in denen Neuent- wicklungen und weitere Detailanalysen vorge-stellt werden.

Die Erfahrungen der Versicherten mit diesen Technologien in anderen Bereichen ihres Lebens, die Möglichkeiten zur Verbesserung von Vorsorge, Früherkennung und Versorgung sowie die Ausgabenentwicklung im Gesund-heitswesen üben einen zunehmenden Druck auf die Krankenkassen aus, diese Technolo- gien proaktiv zum Wohle ihrer Versicherten zu nutzen. Aktuell sind auf Kassenseite zahlreiche Initiativen zu beobachten, die sich mit den Chancen und Risiken der Technologien und deren sinnvoller Implementierung in die fachlichen Prozesse und die technische Infrastruktur beschäftigen. So werden beispielsweise bei der Optimierung von Prozessen nicht nur Lean und die Kundensicht in Form der Customer- Journey-Analyse als zentrale Bausteine betrachtet, sondern auch die sinnvolle Integra-tion von Mobile, Big Data & Advanced Analytics, Robotics, Affective Computing, Cognitive Computing und Cloud Computing in Abhän-gigkeit von den Anforderungen des jeweiligen Prozesses.

Diese Initiativen sind idealerweise Teil eines ganzheitlichen digitalen Fahrplans hin zu digitalen Produkten, Prozessen und zum digitalen Geschäftsmodell.

Nach einer erfolgreichen Implementierung stehen dann die Pflege und die kontinuierliche Weiterentwicklung an, die idealerweise – wie bereits die Entwicklung – über agile Arbeits-methoden in eigener Verantwortung erfolgen. Grundvoraussetzung hierfür ist, dass die not-wendigen Kompetenzen hausintern aufgebaut und weiterentwickelt werden. Die Personal- planung für die digitale Zukunft spielt hier eine wesentliche Rolle, um die Abhängigkeit von externen Ressourcen und Dienstleistern zu reduzieren.

Die Digitalisierung der GKVen ist keine Frage des Ob, sondern eine Frage des Wann und Wie, die jedes einzelne Unternehmen für sich beantworten muss. Die Boston Consulting Group bietet zusammen mit ihren Tochter- unternehmen Platinion und BCG Digital Ventures sowie mit ihren Spezialanbietern GAMMA und Mu Sigma genau die Unterstützung an, die GKVen benötigen: vom strategischen Fahrplan oder dem mobilen Auftritt der Extraklasse bis zur digitalen Transformation aus einer Hand.


BCG-Experten

Matthias BeckerLeiter Payer Sektor CEMA-Region

Senior Partner and Managing Director Frankfurt

[email protected]

Michael Gebhard

Partner and Managing Director München

[email protected]

Robert Daniel

Associate Director Platinion München

[email protected]

Jakob Gliwa

Chief IT ArchitectPlatinion Berlin

[email protected]

Rolf Mäurers

Managing DirectorPlatinion Köln

[email protected]

Beratung bei BCG ist heute mehr als traditionelles Consulting. Strategieberater arbeiten Hand in Hand mit Datenanalysten, Systementwicklern oder Experten für künstliche Intelligenz. Durch das starke Netzwerk mit unseren Spezialeinheiten wie Gamma und Mu Sigma sowie den Tochterfirmen Digital Ventures oder Platinion bieten wir vielfältige Services aus einer Hand – von der Entwicklung umfassender Unternehmensstrategien über IT-Architektur, Datenauswertung und -analyse, Programmie-ren von Apps oder Softwarerobotern bis hin zur Projektumsetzung. Die digitale Transformation verändert heute jeden Bereich von Un-ternehmen – unsere Beratungsteams bieten daher digitale Lösun-gen für die gesamte Wertschöpfungskette.

Über BCG

Verena Arendt

Project LeaderMünchen

[email protected]

Benjamin Grosch

Partner and Managing DirectorBerlin

[email protected]

GKV 4.0 - Trend-Monitor · Versicherungspflicht und ein Geschäftsmodell, das zur Kostendeckung,...

Documents

Transcript of GKV 4.0 - Trend-Monitor · Versicherungspflicht und ein Geschäftsmodell, das zur Kostendeckung,...