Erklärbare Künstliche Intelligenz am Beispiel von Ratings deutscher Lebensversicherungsunternehmen

Künstliche Intelligenz (KI) wird in der Praxis zur Entscheidungsfindung eingesetzt (Lossos, Geschwill und Morelli 2021), zunehmend auch in der Versicherungsbranche. Dies erfordert jedoch Vertrauen in die verschiedenen KI-Methoden, speziell auch bei der Bewertung von Unternehmen ("Ratings"). Solches Vertrauen bildet sich, wenn Entscheidungsträger und Nutzer mentale Modelle des Systems bilden können und sie die Ausgabe des Systems verstehen. KI muss also erklärbar sein, eine reine Black Box ist selbst bei hoher Qualität eines Systems unzureichend. Die "erklärbare KI" (engl. "eXplainable Artificial Intelligence", XAI) befasst sich mit der Entwicklung von KI-Modellen, die durch Menschen nachvollziehbar sind (Adadi und Berrada 2018; Europäische Kommission 2020). In diesem Beitrag werden wünschenswerte Eigenschaften industrieller KISysteme untersucht - speziell hinsichtlich der Erklärbarkeit - und am Anwendungsbeispiel von Ratings (deutscher) Lebensversicherungsunternehmen vorgestellt und auch visualisiert. Neben XAI als Aspekt der technischen Akzeptanz wird die Interaktion zwischen Geschäftsmodell und der kundenseitigen Akzeptanz bei Ratings von deutschen Lebensversicherungsunternehmen beleuchtet. Geschäftszahlen deutscher Lebensversicherungsunternehmen werden oft als intransparent erachtet. Dies gilt auch, wenn die HGB-Rechnungslegung um die Solvency II-Berichte zur Solvenz- und Finanzlage (SFCR) ergänzt betrachtet werden. Insofern ist die Auseinandersetzung mit erklärbaren KI-Methoden in diesem Kontext ein sinnvoller Beitrag für die Bewertungspraxis.