3 Erkenntnisse aus dieser Folge
- 01
Analytics, AI und Data Science überlappen — sind aber nicht dasselbe. Klare Trennung hilft bei Rollen-Design und Tool-Auswahl.
- 02
Versicherungen haben lange mit 'Actuarial Science' gearbeitet. AI ist für sie eine Erweiterung, nicht Revolution.
- 03
Begriffs-Klarheit ist kein Selbstzweck — sie verbessert Rekrutierung, Kommunikation und Entscheidungs-Qualität.
Worum es in dieser Folge geht
Benedikt leitet AI bei Generali. Wir sprechen über Begriffs-Abgrenzung — eine auf den ersten Blick akademische, praktisch aber wichtige Diskussion.
Die Storyline
Die drei Disziplinen
Analytics beschreibt, was passiert ist. Data Science erklärt, warum. AI trifft Entscheidungen. Die Überlappung ist real — aber die Schwerpunkte sind unterschiedlich.
Das ist eine praktikable Definition. Nicht puristisch, aber operativ nutzbar.
Versicherungs-Kontext
Versicherungen haben Actuarial Science seit Jahrhunderten — Risiko-Berechnung, Wahrscheinlichkeits-Modelle. AI ist für sie Erweiterung dieser Tradition, nicht Revolution. Das prägt, wie Versicherer AI integrieren.
Warum Begriffs-Klarheit wichtig ist
- Rekrutierung: "Data Scientist" vs. "AI Engineer" — unterschiedliche Profile.
- Tool-Auswahl: Analytics-Tools vs. AI-Plattformen.
- Business-Erwartungen: Was realistisch geliefert werden kann.
Was CDOs tun sollten
- Interne Taxonomie aufstellen. Wie nutzen wir die Begriffe?
- Konsistent kommunizieren. Nicht jedes Meeting neu definieren.
- Management abholen. Vorstände mit schlechten Begriffen verursachen schlechte Entscheidungen.
Warum mich das besonders umtreibt
Begriffs-Diskussionen wirken trocken, sind aber strategisch. Benedikts Folge ist eine gute Basis für CDOs, die interne Klarheit schaffen wollen.