Data Science & Machine Learning: Unsere Themen

Unsere Handlungsfelder

Wir setzen auf forschungsnahe und innovative Entwicklungen.

HUK24

Als rein digitales datengetriebenes Unternehmen sind Experimente und kausale Inferenz unsere Kerntreiber für den Geschäftserfolg.

Marketing

Mit Machine Learning-Modellen bewerten wir die Kundenaffinität und wählen eine individuelle Ansprache basierend auf diversen Kundenmerkmalen.

Schadenmanagement

Mit Hilfe von KI und Inferenzansätzen möchten wir das volle Potenzial von Data Analytics in allen Schritten der Schadenbearbeitung weiter ausschöpfen, um Schäden schneller und effizienter zu bearbeiten.

Prozessautomatisierung

Mit NLP, LLMs und anderen ML-basierten Verfahren ermöglichen wir die Automatisierung von Prozessen durch die Extraktion und Klassifikation von Daten aus Dokumenten und Gesprächen.

Krankenversicherung

Vermeidung von Abrechnungsbetrug und optimierte Leistungsabrechnung sind wichtige Themen. Hier unterstützen uns datengetriebene Klassifikationsalgorithmen bei der Rechnungsprüfung.

Tarifierung

Durch umfangreiche Analysen unserer Bestände beurteilen wir die Risiken kundengerecht und finden so den fairsten Tarif mit Hilfe von Machine Learning. Dadurch sichern wir unsere Marktführerschaft.

Assetmanagement

Um die Kapitalanlagen der HUK in Höhe von ca. 40 Mrd. € für unsere Kunden noch gewinnbringender zu verwalten, soll der bereits vor einigen Jahren angestoßene Übergang vom diskretionären zum quantitativen Portfoliomanagement unterstützt werden.

Bestandsmanagement

Wir identifizieren auffällige und unwirtschaftliche Kund:innen in den Komposit-Sparten unter Verwendung von ML-Methoden und Netzwerkanalysen so früh wie möglich und ergreifen geeignete Maßnahmen, um den Beitrag für alle Kund:innen günstig zu halten.

Unsere Organisationsstruktur

Data Science und Machine Learning sind übergreifende Themen in der HUK-COBURG. Daher verteilt sich unser Team auf:

Mehrere dezentrale Expert:innen-Teams verteilt auf verschiedene Fachbereiche. Denn dort liegen die Use Cases und der direkte Mehrwert. Daher werden die Anwendungen dort entwickelt und gestaltet – direkt am Prozess und unterstützt von Fachexpert:innen. So gibt es zum Beispiel ein Team im Pricing für die Kraftfahrtversicherung oder ein Team für Schadenthemen.

Eine zentrale Abteilung . Diese unterstützt die dezentralen Teams und schafft die optimalen Bedingungen, damit diese fokussiert arbeiten können. Dazu zählen die Themen: Deployment, DevSecOps und Engineering. Hier entstehen das Big Picture und die Vernetzung. Aspekte wie Best Practices und Communitybuilding bearbeiten die Kolleg:innen der zentralen Einheit.

Unsere Rollen

Schematische Darstellung eines Manns, der ein Hemd trägt

Unsere Product Owner (w/m/d) übersetzen die Anforderungen der Prozess- und Fachexpert:innen in Ziele für unsere Data Scientists. Sie haben eine klare Vision der Lösung und betrachten die organisatorischen und ökonomischen Aspekte.

Schematische Darstellung eines Mannes mit Bart

Unsere Data Scientists (w/m/d) bilden das Kernstück des Teams. Sie entwickeln datengetrieben Modelle, evaluieren verschiedene Lösungen und optimieren in Betrieb befindliche Lösungen. Ihr Fokus liegt auf den analytischen und explorativen Aspekten.

Schematische Darstellung einer jungen Frau mit langem Haar

Unsere Machine Learning Engineers (w/m/d) schaffen die technische Infrastruktur und sorgen für einen nachhaltigen Betrieb der Lösungen. Sie wirken als Enabler für unsere Data Scientists. Dabei beschäftigen sie sich mit den technischen und strukturellen Aspekten.

Schematische Darstellung eines Manns mit Brille

Unsere Prozess- und Fachexpert:innen liefern das Domänenwissen und wirken als Stakeholder. Sie kennen die Datenquellen, Anknüpfungspunkte und Regularien, die es zu beachten gilt. Im Kontext Data Science sind sie unsere Kund:innen.