Die Rolle des Prompt Engineering für Pricing und Underwriting im Versicherungs- und Bankwesen

Einführung

Generative künstliche Intelligenz (GenAI) revolutioniert die Welt der Finanzdienstleistungen. Ihre rasante Entwicklung ermöglicht es Versicherern und Kreditgebern, die betriebliche Effizienz und Genauigkeit zu steigern, ihre Interaktionen mit Kunden und Interessenten stark zu personalisieren und ihren Teams zu erlauben, den Fokus von routinemäßigen Aufgaben auf strategischere und wirkungsvollere Tätigkeiten zu verlagern.

Die Werkzeuge, die GenAI unterstützen, entwickeln sich ebenfalls rasant weiter. So versprechen beispielsweise Copiloten und die ihnen zugrunde liegenden Large Language Models (LLMs), GenAI-Funktionen einem breiteren Spektrum von Teams im Finanzdienstleistungssektor zugänglich zu machen und so neue GenAI-Möglichkeiten für technische wie nichttechnische Anwender gleichermaßen zu eröffnen.

Diese durch GenAI unterstützten virtuellen Agenten können mit menschlichen Experten zusammenarbeiten, um den Einsatz und den Nutzen von GenAI bei der Lösung realer Probleme in einem Bruchteil der Zeit zu beschleunigen. Copiloten können die Entscheidungsfindung verbessern, um das Unternehmenswachstum zu steigern und die Arbeit von Teams zu vervielfachen, die mit solch grundlegenden Aufgaben wie Tarifierung, Pricing, Underwriting, Produktformulierung und Kundengewinnung betraut sind.

Natürlich erfordert die effektive Zusammenarbeit mit Copiloten auch, dass Nutzer im Prompt Engineering versiert werden.

Was ist Prompt Engineering? 

"Beurteile einen Menschen eher nach seinen Fragen als nach seinen Antworten."

-Voltaire

Obwohl Voltaire vor über 250 Jahren lebte, verstand er bereits die Bedeutung, die richtigen Fragen zu stellen, wenn man die richtigen Antworten erhalten möchte. Genau hier kommt Prompt Engineering im Kontext von GenAI ins Spiel.

Prompt Engineering ist die Praxis, Prompts (Eingaben) für KI-Modelle – insbesondere große Sprachmodelle (LLMs) – zu entwerfen, zu formulieren und einzugeben, um deren Effektivität zu maximieren. Das Ziel besteht darin, solche Prompts einzugeben, die Ausgaben hervorbringen, die für den jeweiligen Geschäftszweck konkret, präzise und nützlich sind. Prompt Engineering umfasst das gezielte Strukturieren von Fragen, Anweisungen und/oder die Angabe von Kontext, um das KI‑Modell bei der richtigen Interpretation der Nutzerintention zu unterstützen und so optimale Ergebnisse zu erzielen.

Schlüsselelemente des Prompt Engineerings

Es gibt mehrere zentrale Prinzipien für gutes Prompt Engineering:

• Klarheit: Geben Sie klar an, was Sie vom Modell erwarten

• Kontext: Stellen Sie bei Bedarf relevante Hintergrundinformationen bereit.

• Anweisungen: Verwenden Sie eindeutige Anweisungen wie „liste auf“, „erkläre“ oder „vergleiche“

• Einschränkungen: Legen Sie Rahmenbedingungen fest, innerhalb derer die Antwort stehen muss

• Iteration: Testen und verfeinern Sie Prompts für bessere Antworten

Praktiker des Prompt Engineerings bemühen sich, diese Ziele im Blick zu behalten, wenn sie die Fragen formulieren, die sie ihren Copiloten stellen. Die Belohnung besteht darin, die Effektivität der großen Sprachmodelle (LLMs), die die Copiloten antreiben, zu maximieren und den kürzesten Weg zwischen Punkt A (den eingegebenen Fragen) und Punkt B (den ausgegebenen Antworten bzw. geschäftlichen Handlungsempfehlungen) zu finden.

Zum Beispiel könnte eine sehr einfache Art, einen Prompt zu Klimarisiken in der Sach- und Unfallversicherung zu formulieren, so aussehen:

„Erzähle mir etwas über den Klimawandel und seine Auswirkungen auf die Haftung für Versicherer.“

Obwohl diese Methode durch ihre Einfachheit Vorteile bietet, besteht die Gefahr, dass die Antwort zu allgemein, weniger fokussiert und weniger hilfreich für das ist, was der Nutzer eigentlich lernen wollte. Unter Anwendung von Prompt‑Engineering‑Prinzipien könnte ein gut durchdachter Prompt eher wie folgt aussehen:

„Erläutern Sie die wichtigsten Folgen des Klimawandels und seine Auswirkungen auf die erwarteten Verluste durch Hurrikane in den Golfstaaten der USA in weniger als 250 Wörtern.“

Diese Frage führt mit größerer Wahrscheinlichkeit zu einer prägnanten und informativen Antwort. (Vielen Dank, Voltaire.)

Prompt-Engineering – wichtigste Vorteile

Prompt Engineering ist entscheidend, um die richtigen Antworten auf die Fragen der Nutzer zu erhalten. Der übergeordnete Nutzen besteht natürlich in einer höheren betrieblichen Wirksamkeit und der Möglichkeit, Ressourcen stärker auf strategischere Initiativen zu fokussieren. Dazu tragen insbesondere folgende Faktoren bei:

• Größere Kontrolle der Entwickler über das Modelldesign

  Prompt Engineering ermöglicht mehr Kontrolle darüber, wie Nutzer mit der KI interagieren. Gut formulierte Prompts liefern Kontext für große Sprachmodelle (LLMs) und sorgen dafür, dass die Ausgaben und deren Darstellung für die Nutzer klar, prägnant und konsistent sind.

• Verbesserte Nutzererfahrung

  Einer der größten Faktoren für ineffiziente Modellentwicklung ist der damit verbundene aufwendige Trial-and-Error-Prozess. Durch gutes Prompt Engineering verkürzt sich die Zeit bis zur Modellfertigstellung, die Ergebnisse werden konsistenter, und der Nutzen lässt sich deutlich schneller realisieren.

• Verbesserte Teamzusammenarbeit und unternehmensweite Nutzung

  Prompt Engineering kann zu Prompts führen, die nicht an ein bestimmtes System gebunden sind und daher im gesamten Unternehmen geteilt werden können. Dadurch werden doppelte Arbeiten reduziert und der Aufwand unternehmensweit effektiver genutzt.

• Gezielter Einsatz geeigneter Ressourcen

  Prompt Engineering demokratisiert den Zugang zu Funktionalitäten für weniger technische Nutzer. Dadurch können sie ihr Fachwissen in Bereichen wie Pricing und Underwriting einbringen, ohne alle technischen Feinheiten der zugrunde liegenden fortschrittlichen Systeme kennen und verstehen zu müssen.

  Gleichzeitig können technische Nutzer sich stärker auf die Entwicklung immer effektiverer Pricing- und Underwriting-Strategien konzentrieren, ohne sich in den Details zu verlieren, die sonst erforderlich wären, um Wissen an diese Fachexperten zu übertragen.

Anwendungsfälle im Versicherungs- und Kreditwesen

Die Anwendungsfälle für Copiloten und Prompt Engineering in der Versicherungs- und Bankenbranche sind praktisch unbegrenzt. Während sie für Geschäftsprozesse wie die Automatisierung des Kundensupports, die Unterstützung bei Kreditanträgen und bei der Schadenbearbeitung nützlich sind, konzentrieren wir uns hier auf ihre Anwendung im Pricing und Underwriting.

Einige dieser Anwendungsfälle werden in unseren E-Books zu Copiloten für Versicherungen und Banken behandelt, die einen umfassenderen und detaillierteren Überblick über ihre Vorteile sowie mehrere Beispiele für ihren Einsatz bieten.

Hier sind nur einige der Möglichkeiten, die sich aus der Kombination von Copiloten und Prompt Engineering ergeben:

• Anwendungsfall: Nutzung interner Dokumentation zur Schulung neuer Nutzer

  Beispielprompt:

  „Wie führe ich eine Pricing-Simulation für eine Wohngebäudeversicherung durch?“

• Anwendungsfall: Neuen Mitarbeitenden ermöglichen, interne Daten effizienter zu nutzen

  Beispielprompt:

  „Welche möglichen Datentypen gibt es für demografische Variablen in meinem System?“

• Anwendungsfall: Mit einem Copiloten Python‑Code generieren, ohne umfangreiche Programmierkenntnisse

  Beispielprompt:

  „Generiere Code, um ein GLM-Nachfragemodell für Bayern zu erstellen, wobei Fahrzeugalter, Reparaturhistorie und Fahrzeugmodelltyp als Prädiktoren verwendet werden.“

• Anwendungsfall: Weniger erfahrene Mitarbeitende können Code für repetitive Aufgaben leichter erzeugen

  Beispielprompt:

  „Generiere Code, um Daten jede Stunde in unsere Modelle zu importieren und weitere Aufgaben alle halbe Stunde im Batch-Modus zu planen.“

Fazit  

Generative KI steigert das Unternehmenswachstum und die Profitabilität im Versicherungs- und Bankwesen, indem sie die Neukundengewinnung fördert, Geschäftsprozesse verschlankt und Kosten senkt sowie durch schnellere und umfassendere Risikobewertung und Datenanalyse fundierte Entscheidungen ermöglicht.

Diese Effekte werden zusätzlich verstärkt, indem Copiloten und Prompt Engineering in die Werkzeugkisten der zukunftsorientierten Teams in diesen Segmenten der Finanzdienstleistungen integriert werden. In einer sich rasant wandelnden und hoch wettbewerbsintensiven Welt sind Sie es sich selbst und Ihrem Unternehmen schuldig, diese Werkzeuge kennenzulernen und zu nutzen – und Ihre Mitarbeiter jetzt gezielt im Prompt Engineering weiterzubilden.

Erfahren Sie, wie Earnix Copilot Ihr Unternehmen transformieren kann