Andreas Becks leads a team of insurance experts, data governance professionals and data scientists advising insurance clients on how to use analytics to generate value and drive transformation in a changing market. His main focus is on data-based innovation and industrialization of analytics. His expertise in artificial intelligence, and deep knowledge of business intelligence and analytics mean that he is well-placed to help insurers to reimagine their business models and drive cultural change.
Digitalization, big data and AI are changing the role of insurance and, therefore, the role of actuaries. A lot of reports – like McKinsey’s Insurance 2030, Deloitte’s “The Exponential Actuary," or the Big Data and Insurance report by the Geneva Association (a leading think tank of insurance CEOs) depict aspects
Um es mit Stephen Hawking zu sagen: „Intelligence is the ability to adapt to change". Das wissen vor allem auch die Digitalisierungsverantwortlichen von Versicherungen. Und wenn wir über den Einsatz von künstlicher Intelligenz in einer eher risikoaversen und sich langsam ändernden Branche nachdenken, dann gilt dieser Satz umso mehr. Denn
Im vorangegangenen Blog habe ich die „vier Säulen des Vertrauens“ für automatisierte Entscheidungen vorgestellt. Dieser hat gezeigt: Erklärbarkeit und Transparenz beziehen sich auf den gesamten analytischen Prozess. Wie sieht es aber mit der „Blackbox“ der maschinellen Lernalgorithmen aus? Auch dort muss Transparenz durch eine analytische Plattform gewährleistet sein. Die gute
Im ersten Teil meines Blogs habe ich argumentiert, dass die Beschäftigung mit künstlicher Intelligenz (KI) und Ethik keine rein philosophische oder gesellschaftspolitische Fragestellung ist. Eines ist klar: Die Ethik-Debatten werden in diesem Jahr weitergehen und sich stärker an den realistischen Möglichkeiten und Risiken von KI orientieren. Unternehmen und Organisationen, die
„Hallo, Herr Kaiser!“ Kennen Sie ihn noch? Von den 1970er-Jahren bis in die frühen 2000er kam er vor jeder Tagesschau in unser Wohnzimmer. Als Versicherungsvertreter verkörperte er Vertrauen, Nähe und Fairness. Egal ob Unfall-, Sach-, Haftpflicht- oder Kfz-Versicherung: Günter Kaiser wusste, was Sache ist. Er war das bekannteste Werbegesicht Deutschlands.
Wenn wir über künstliche Intelligenz (KI) und Ethik sprechen, dann beziehen wir uns nicht in erster Linie auf dystopische Anwendungen, in denen ein autonomer Roboter stur und ohne menschliche Kontrolle in Terminator-Manier Entscheidungen über Leben und Tod trifft. Das soll natürlich nicht heißen, dass ein kritischer Diskurs zum Beispiel über
Wird KI die Spaltung unserer Gesellschaft in die „Elite“ und den „besorgten, abgehängten Rest“ dramatisch beschleunigen? Zum Beispiel durch hocheffektive personalisierte Medizin, die sich nur wenige leisten können? Oder den Wegfall von automatisierbaren Jobs im Mittelstand, während die hochqualifizierte Elite ihre Machtpositionen beibehält oder gar ausbaut? Oder bietet sich nicht
Im Kölner Stadtteil Mülheim und unweit der Keupstraße mit ihrem orientalischen Charme aus Dönerrestaurants, Baklava, Cafés und Moscheen, neben alten Backsteinhallen mit Konzertsälen und Fernsehstudios liegt mit dem Carlswerk eine große ehemalige Industriefläche, die mittlerweile zum Gewerbegebiet mit vielen jungen und etablierten Unternehmen, Restaurants und Freizeitmöglichkeiten geworden ist. Im sogenannten
Gartner geht davon aus, dass dank künstlicher Intelligenz (KI) bis 2025 zwei Millionen neue Arbeitsplätze geschaffen werden. KI und Machine Learning sind in vielen Unternehmen bereits heute wichtiger Bestandteil von Geschäftsprozessen und Unternehmensbereichen. Sie erleichtern den Arbeitsalltag, optimieren die Interaktion mit Kunden, sagen den Ausfall einer Maschine zuverlässig vorher oder
Die Demokratisierung von Analytics ist daran zu erkennen, wer sich damit beschäftigt. SAS macht seit 40 Jahren statistische Analysen (wenn auch am Anfang noch ohne „Big Data“) und hatte schon Algorithmen für Machine Learning im Portfolio, lange bevor dies zum Buzzword wurde. Haben wir noch vor einigen Jahren vorwiegend mit
In meinem vorherigen Blog bin ich darauf eingegangen, was künstliche Intelligenz (KI) bereits kann – und dass der Hype längst noch nicht in der operativen Realität bei Unternehmen angekommen ist. Letzteres ist eine Erkenntnis der aktuellen SAS Studie „The Enterprise AI Promise: Path to Value“. Was die Umfrage darüber hinaus
Artificial Intelligence (AI), Machine Learning und Deep Learning zählen zu den heißesten Themen, die im Markt diskutiert werden. Und dafür gibt es gute Gründe. Zum einen erleben wir, dass Apps und Software generell, Maschinen und Fahrzeuge immer smarter werden. Wir sprechen mit unseren Smartphones. Autos fahren bald selbst. Die automatische
Wo steht eigentlich die europäische Versicherungswirtschaft in puncto Advanced Analytics, KI und Automatisierung? Erleben wir, dass gerade auch in der Assekuranz traditionelle Verfahren der Datenanalyse mit dem Begriff „maschinelles Lernen" überklebt werden? Oder ist die Branche hier schon deutlich weiter? Sind beispielsweise echte Chatbots wirklich schon allgegenwärtig? Aktuelle Einblicke gibt
Wollten Sie schon immer mal an einem Ort leben, wo es kostenlosen öffentlichen Nahverkehr gibt, die höchste Dichte an Self-Made-Millionären herrscht, wo jedem Einwohner umgerechnet ca. fünf Golfplätze an Grünflächen zur Verfügung stehen oder es 84.274,6 km Fußgängerwege gibt? Willkommen in West Perth! Zumindest analytisch gesehen ist der kleine Stadtteil
In meinem vorherigen Beitrag ging es darum, wie sich das Internet of Things (IoT) über den aktuellen Hype hinaus geschäftsfähig machen, also operationalisieren, lässt. Und um die Hürden, die Unternehmen in Sachen Analytics dafür überwinden müssen. Immer wieder spreche ich in diesem Zusammenhang mit Kunden über ein Thema, das nicht
Kennen Sie Kevin Ashton? Der britische Technologie-Pionier hat am Massachusetts Institute of Technology (MIT) einen internationalen Standard für RFID mitbegründet. Was aber vielleicht noch wichtiger ist: Vor fast 20 Jahren hatte er eine Vision von Computern, die Informationen über Gegenstände des Alltags und der Fabrikation sammeln und mit diesen Daten
Ein Buzzword jagt das andere: Während der Hype um Big Data abklingt (zumindest hat Gartner den Begriff aus seinem Hype Cycle genommen), ist Internet of Things (IoT) gerade voll in Fahrt. Doch die Frage ist: Wie bekomme ich dieses Internet der Dinge aus der Hype-Ecke heraus? Eine Frage, über die
Data Science, Self-Service, Machine Learning, Internet of Things … All diese Begriffe rund um die Digitalisierung geistern schon seit einiger Zeit durch die IT-Welt – und nicht nur durch diese. Spätestens die letzte Fußball-EM hat mit dem Phänomen „Packing“ auch dem Nicht-ITler unter den Fans des Breitensports die Augen geöffnet,
In meinem vorherigen Blogbeitrag zum Thema Künstliche Intelligenz (KI) und Cognitive Computing ging es zunächst darum, den begrifflichen Nebel zu lichten, der sich – wie so oft – um solche Hype-Themen bildet. Am Schluss des Beitrags drängte sich bereits die Frage auf, wie technologische Möglichkeiten und gesellschaftliche Verträglichkeit in Einklang
Das Thema Künstliche Intelligenz (intelligente Maschinen) sorgt nach wie vor für Verwirrung und Unsicherheit. Ängstliche Fragen wie „Sind Roboter bald intelligenter als Menschen?“ und „Werden sie uns die Arbeitsplätze wegnehmen?“ bestimmen die Schlagzeilen – auch bei gut informierten Fachmedien. Selbst Stephen Hawking warnt vor künstlicher Intelligenz und der Tesla-Chef gar
Gerade lese ich mit großem Interesse die neue BARC-Studie "Advanced & Predictive Analytics 2016". Und ich bin sehr froh, dass der Nutzen von Analytics nahezu unbestritten ist. Egal, ob erfahrene "Best-in-Class"-Unternehmen oder analytische Nachzügler:
Aussagefähige, geschäftsrelevante Datenanalysen auf Knopfdruck – davon träumen viele Unternehmen. Leider sieht die Realität gegenwärtig oft anders aus. Um aus der Flut Ihrer Unternehmensdaten nutzbare Ergebnisse zu ziehen, brauchen Sie zweierlei: gute Analysewerkzeuge und kompetente Mitarbeiter.
Das Big Data Lab ist der beste Weg hin zum innovativen und profitablen Umgang mit Big Data. Aber welche organisatorischen Weichenstellungen führen eigentlich zum Erfolg? In meinem letzten Blog habe ich die wichtigsten Erfolgsfaktoren eines Innovationslabors für datenbasierte Use Cases skizziert: Experimentieren erlauben, Agilität ermöglichen und schnelles Scheitern (als Chance!)
Die veränderten Marktanforderungen zwingen viele Organisationen zur digitalen Transformation bestehender Geschäftsprozesse und Geschäftsfelder. Einzelhandel, Medien, Versicherungs-, Reise- und Logistikbranche sind sicherlich Vorreiter. Aktuelle Studien, zum Beispiel von Roland Berger, zeigen aber auch sehr eindrucksvoll die dramatischen Implikationen der digitalen Transformation auf die Industrie, das Retail-Banking oder Versicherungen.
Das Big Data Lab von SAS - Big Data Strategie 1995 - World Wide Web. Erinnern Sie sich, wie komplex und kompliziert es für ein Unternehmen war, eine eigene Website aufzubauen, Anwendungen zu definieren, diese redaktionell zu betreuen und die nötige Infrastruktur zu betreiben – heute unvorstellbar! Und sogar das Surfen
Es macht sich ein neues Berufsbild breit: Das des Data Scientisten. Auf dem weiten Feld von Big Data Analytics sind sie die Übersetzer zwischen den Fachanwendern und den Statistikern. Wo aber steht das Multitalent innerhalb eines Unternehmens und wie kommuniziert dieses mit seinen Kollegen - Feind oder Freund?
Big Data ist wie ein Fass ohne Boden. Fängt man einmal an, sich damit zu beschäftigen, zieht sich ein nicht enden wollender Rattenschwanz hinterher. Im positiven Sinne! Ich möchte das Zusammenspiel mit der Open-Source-Technologie Hadoop beleuchten. Big Data braucht, wie jeder weiß, auch Big Speicherplatz. Das ist die Voraussetzung für
BI ist Auslöser für heftige Diskussionen. War es immer, wird es noch lange sein. Aktuell stehen zwei Lager im Ring. Die beiden debattieren aber nicht darüber, ob das Glas Wasser halb voll oder halb leer ist. Nein, sie reden darüber, wie schwer die jeweilige Variante ist. Und das hängt,
So und nichts anders: Datenanalyse zur Vorbereitung der Entscheidungsfindung ist ein Spezialistenthema. Das muss ausschließlich den Profis überlassen werden. Daten in den Händen unbedarfter Fachanwender – vielleicht noch ohne IT- und Statistikwissen – sind gefährlich. Wenn Sie auch dieser Meinung sind, dann lesen Sie bitte nicht weiter!
"And the winner is…" Ob der Branchen-Oskar für wirksame Marktkommunikationen, der "GWA Effie", oder die "Löwen von Cannes" für inspirierende Kreativität: Im Frühsommer ist es traditionell wieder an der Zeit, Preise zu verleihen* in der Marketing- und Werbebranche! Sicher: Kreative Leistungen und erfolgreiche Zielgruppenansprachen in klassischen Medien, im Online-Bereich oder im
