Selfie ja, aber sicher – Safie

Im Alltag finden sich vielfältige Beispiele für die Anwendung fortgeschrittener technologischer Konzepte: zum Beispiel Pkws, die selbststeuernd ein- und ausparken oder sprachsensible Funktionen, über die wir unser Smartphone per Stimme steuern. Wie aber sieht es im Versicherungsbereich aus? Macht der Einsatz moderner Technologien hier Sinn – und gibt es Anwendungsbeispiele für Künstliche Intelligenz? Unsere neue Social Media-Kampagne „Selfie ja, aber sicher“ gibt Einblicke in die visionäre Idee einer modernen Gesichtsanalyse-Technologie für das Versicherungswesen. Im Interview mit den wissenschaftlichen Entwicklern der Firma Lapetus beantworten wir weiterführende Fragen zum Thema.

Von der Idee zur Technologie der selbstlernenden Gesichtsanalyse-Anwendung

Welche Vision haben Sie mit der Idee verfolgt, selbstlernende Technologien zur Gesichtsanalyse und Erkennung von individuellen Gesundheits- und Langlebigkeitskriterien anzubieten?

Die Wissenschaft hat uns gelehrt, das menschliche Gesicht als maßgebliche Quelle für die Bestimmung von gesundheitsrelevanten Informationen heranzuziehen. Im Gesicht eines Menschen zeigt sich nicht nur sein biologisches Alter und die Schnelligkeit, in der derjenige voraussichtlich altern wird. Es lassen sich gleichzeitig Risikofaktoren mit Einfluss auf den Gesundheitszustand und damit auf die individuelle Lebenserwartung ablesen. Diese Risikofaktoren sind beispielsweise Körpergewicht oder Rauchergewohnheiten, aber auch bestimmte Krankheitsbilder zeigen sich hier. Unsere Vision war es, die individuellen Voraussetzungen eines Menschen möglichst präzise anhand unserer wissenschaftlich basierten Analysetools abzuleiten. Damit möchten wir letztlich der Versicherungswirtschaft hocheffiziente Methoden für die Ermittlung relevanter Kenngrößen an die Hand geben, die für die Kalkulation von Risiken erforderlich sind.

Um Gesundheitszustand und Langlebigkeitschancen einer Gesellschaft unter ihren jeweils spezifischen Bedingungen zu bestimmen, untersucht Ihre Technologie die individuellen Voraussetzungen der einzelnen Mitglieder. Warum ist diese Methode zielführender als die Sterbetafeln der Statistik?

Indem statistische Sterbetafeln einen zurückliegenden Zeitraum betrachten, leiten sie anhand dokumentierter Erfahrungen aus der Vergangenheit Durchschnittswerte ab, die sie auf die gesamte Bevölkerung beziehen. Das ist für manche Zwecke geeignet. Die Versicherungswirtschaft jedoch benötigt für ihre Risikokalkulation exaktere Angaben über die unterschiedlich hohe Lebenserwartung der einzelnen Mitglieder einer Gesellschaft. Diese Informationen werden bislang über die reine Gesundheitsabfrage generiert. Unsere Gesichtsanalyse führt aber einen maßgeblichen Schritt weiter und ermöglicht es anhand ihrer ausgereiften Technologie, Risikogruppen akkurater zu ermitteln und bedarfsgerechter einzuteilen.

Wie genau funktioniert die Gesichtsanalysetechnologie bzw. auf welche Kriterien hin wird das Gesicht einer Person untersucht?

Unsere Gesichtsanalyse ist ein Extrakt aus weiterentwickelten Algorithmen Künstlicher Intelligenz (KI), die auf maschinellen Lernmechanismen basieren. Diese sind speziell für die Versicherungswirtschaft geschaffen. Denn das Versicherungswesen ist eine hochregulierte Branche, die den Nachweis erbringen muss, dass Vertragsbedingungen mit den Versicherungsnehmern ausschließlich nach gerechtfertigten Kriterien gezeichnet werden. Die KI-Anwendungen unserer Gesichtsanalyse stellen dies sicher. Die Selfies der Anwender werden zu sogenannten „medizinischen Selfies“, also Aufnahmen, die für die Analyse von Gesundheits- und Wohlfühlstatus geeignet sind. Dabei werden die Gesichter auf Millionen von unterschiedlichen Signalen hin untersucht. Rauchen beispielsweise hat einen charakteristischen Einfluss; Der Begriff „Rauchergesicht“ ist medizinisch gebräuchlich für ein Gesicht, das typische Spuren in der Augen-, Mund- und Wangenpartie aufweist.

Wie komplex muss die Datensammlung hinter der Gesichtsanalyse sein, um Usern ein möglichst korrektes Ergebnis zu liefern?

Daten sind das Herzstück jeder KI-Anwendung. Dennoch ist nicht jede Dateninformation gleichwertig. Bei Lapetus haben wir viel in unsere Datenverarbeitungsprozesse investiert: Wesentliche Faktoren neben dem Erhalt der Daten ist ihre Bereinigung – also der Grad der Extrahierung von typologisierten Informationen – die Speicherung in einem hochleistungsfähigen IT-Umfeld sowie die Umwandlung in KI-taugliche Komponenten. Beim Einsammeln von Nutzerdaten setzen wir stets auf freiwillige Angaben. Unser „Goldstandard“ ist dabei der persönliche eins-zu-eins-Kontakt mit den Usern. Hier können wir alle Dateninformationen bis hin zu Körpergröße und Gewicht auswerten, um beispielsweise den tatsächlichen Body-Maß-Index (BMI) einer Person abzuleiten – eine wichtige Angabe für die Einschätzung gesundheitlicher Kennzahlen. Diese zeit- und kostenintensive Vorgehensweise unterscheidet Lapetus von allen anderen Anbietern, die sich mit den Themen Gesundheit und Lebenserwartung einer Gesellschaft auseinandersetzen

Wie kann die Genauigkeit der Gesichtsanalyse verbessert werden? Handelt es sich um eine selbstlernende Technologie, die akkuratere Ergebnisse liefert je mehr Dateninformationen sie von Usern erhält?

Unsere Gesichtsanalysetechnologie ist eine fortgeschrittene KI-Plattform, die darauf programmiert ist, spezielle Signale aus einem Gesicht auszulesen; zum Beispiel Geschlecht, Alter oder Body Maß Index (BMI), aber auch Informationen, die Rückschlüsse darauf zulassen, ob derjenige Raucher ist oder bestimmte Anzeichen für Krankheitsbilder aufweist. Dabei lernt sie fortlaufend anhand des Inputs und der Ergebnisse. Dateninformationen sind dabei ein wichtiger Bestandteil. Doch bei Lapetus betreiben wir einen noch größeren Aufwand für die Entwicklung unserer KI-Technologien, für die Optimierung von IT-gestützten Lernprozessen sowie für die Forschungsarbeit, um noch mehr Rückschlüsse aus konkreten Anzeichen für besondere Konditionen oder Krankheitsbilder auf dem Gesicht abzuleiten. Eine Verbesserung in Punkto Schnelligkeit im Bereich der fortgeschrittenen KI-Technologien lässt sich natürlich allein anhand zusätzlicher Datenmengen erzielen. Aber: Wer heute nicht im großen Stil in den Ausbau seiner KI-Architektur und der sogenannten Hyperparameteroptimierung investiert, wird vom Zukunftsmarkt abgehängt werden.