KI-Schadenaufnahme für Makler & Assekuradeure
KI strukturiert Schadenmeldungen aus E-Mail, Formular und Telefon, liest Dokumente und steuert Fälle – jede Entscheidung trifft der Sachbearbeiter.
Ein Beispiel dafür, wie wir das für ein Unternehmen in dieser Nische umsetzen würden: der Plan, die Architektur und die Zielwerte, mit denen wir starten würden. Keine Geschichte eines bestimmten Kunden.
- Zielwert
- –30%
- Zeitaufwand der Sachbearbeiter für eine vollständige Schadenakte, innerhalb von sechs Monaten nach dem Go-live
- Zielwert
- ≥ 95%
- Feldgenauigkeit bei Kerndaten (Datumsangaben, Beträge, Policennummern) auf dem Evaluationsdatensatz, vor dem Go-live
- Zielwert
- Taggleich
- von der Erstmeldung bis zum zugewiesenen Sachbearbeiter, ab dem Go-live
Für wen das gedacht ist
Stellen Sie sich einen Makler oder einen Assekuradeur mit Regulierungsvollmacht vor, der einige Tausend Schäden pro Jahr in den Sparten Kfz, Sach und Haftpflicht bearbeitet und bei dem Schadenmeldungen per E-Mail, Webformular und Telefon in jedem erdenklichen Format eintreffen. Zu Beginn jedes Schadenfalls tippen Sachbearbeiter Policennummern ab, lesen Anhänge und laufen fehlenden Unterlagen hinterher, bevor die eigentliche Prüfung überhaupt beginnt. Ziel ist eine Eingangsschicht, die jede Meldung erfasst und strukturiert, die Inhalte der Dokumente extrahiert und jeden Schaden an den richtigen Sachbearbeiter weiterleitet – wobei jede Entscheidung bei Menschen bleibt.
Was es schwierig macht
- Meldungen kommen als weitergeleitete E-Mail-Ketten, gescannte PDFs, Handyfotos und Sprachnachrichten, oft mit fehlender oder falscher Policennummer.
- Jeder Versicherer bzw. Risikoträger hat eigene Schadenformulare, Bordereaux und Meldefristen, und eine verspätete Meldung kann den Versicherungsschutz gefährden.
- Die Anhänge reichen von Kostenvoranschlägen und Rechnungen bis zu Polizeiberichten und ärztlichen Unterlagen, und jeder einzelne muss gelesen, abgelegt und mit der Police abgeglichen werden.
- Betrugsindikatoren helfen, aber ein automatisches „Betrugsverdacht“-Etikett bei einem ehrlichen Kunden wird zur Beschwerde und womöglich zum rechtlichen Problem.
- Alles muss sich später nachvollziehen lassen: was die KI extrahiert hat, wer es geprüft hat und wer entschieden hat.
Was wir entwickeln würden
Multikanal-Schadenaufnahme (FNOL)
Eine Warteschlange für Schäden, die per E-Mail, Webformular, Portal oder Telefon eingehen; Anrufe werden transkribiert, und aus jeder Meldung entsteht der Entwurf einer Schadenakte.
Dokumentenextraktion
Liest Policen, Rechnungen, Kostenvoranschläge und Fotos, zieht Datumsangaben, Beträge, Beteiligte und Policenbezüge heraus und zeigt jeden extrahierten Wert neben der Textstelle, aus der er stammt.
Policenabgleich & Vollständigkeitsprüfung
Ordnet die Meldung der Police im Bestandsführungssystem zu, markiert mögliche Deckungsfragen für den Sachbearbeiter und entwirft Anforderungen fehlender Unterlagen, die ein Mensch verschickt.
Triage & Schadensteuerung
Schlägt Sparte, Schweregrad und Komplexität vor und leitet jeden Schaden an das richtige Team oder den richtigen Versicherer weiter – mit sichtbarer Begründung für jeden Vorschlag.
Prüfung durch Menschen & Audit-Trail
Sachbearbeiter übernehmen, bearbeiten oder verwerfen jeden KI-Vorschlag, und jede Änderung wird mit Modellversion, Eingabedaten und der entscheidenden Person protokolliert.
Betrugsindikatoren als Hinweise
Muster wie ein Schaden wenige Tage nach Vertragsbeginn, dieselbe Bankverbindung in voneinander unabhängigen Schäden oder wiederverwendete Fotos werden als Hinweise für geschulte Sachbearbeiter markiert, nie als automatische Entscheidung.
Architektur
Von den Menschen, die es nutzen, bis hinunter zur Hardware und zu den Drittsystemen, mit denen es kommuniziert.
- Apps & Kanäle
- Schaden-Postfach & Webformular
- Makler- oder Kundenportal
- Telefonische Aufnahme mit Transkription
- Prüfarbeitsplatz für Sachbearbeiter
- Plattform
- Workflow-Engine für den Schadeneingang
- Prüfwarteschlange & Aufgabensteuerung
- Audit-Log
- Evaluation & Qualitätsmonitoring
- KI-Services
- Dokumentenklassifizierung & OCR
- LLM-Extraktion mit Quellverweisen
- Vorschläge für Triage & Steuerung
- Regeln für Betrugsindikatoren
- Integrationen
- Bestandsführungssystem
- Schadensysteme der Versicherer
- Dokumentenmanagement
- Exporte für Bordereaux & Reporting
Umsetzungsplan
Dieselben vier Phasen wie bei jedem unserer Projekte – so arbeiten wir.
- Wochen 1–3
Discovery
Vergangene Schäden mit Sachbearbeitern durchgehen, Kanäle, Anforderungen der Versicherer und Fristen erfassen und aus anonymisierten Dokumenten einen Evaluationsdatensatz aufbauen, an dem die KI gemessen wird.
- Wochen 4–5
Design & Architektur
Datenmodell für Schäden, Prüfmasken, die Grenze zwischen dem, was die KI vorschlagen darf, und dem, was nur ein Mensch entscheiden darf, sowie das Setup für Hosting und Zugriffe.
- Wochen 6–16
Umsetzung
Zuerst der Eingang per E-Mail und Web samt Extraktion, dann Triage, telefonische Aufnahme und die Anbindung des Bestandsführungssystems – mit Messung der Genauigkeit am Evaluationsdatensatz bei jedem Release.
- Wochen 17–18
Launch & Übergabe
Zunächst Schattenbetrieb, der KI-Vorschläge mit den tatsächlichen Entscheidungen der Sachbearbeiter vergleicht, dann Go-live Sparte für Sparte sowie Übergabe von Code, Prompts und Evaluations-Tooling.
Das Team
- Tech Lead mit Produktverständnis
- KI-Entwickler
- Backend-Entwickler
- Frontend-Entwickler
- UX/UI-Designer
- Engineer für QA & Evaluation
Compliance & Sicherheit
- Personenschäden enthalten Gesundheitsdaten (Art. 9 DSGVO), und Betrugsprüfungen können Daten über Straftaten berühren (Art. 10 DSGVO). Der Zugriff ist deshalb nach Schadenart beschränkt, und jeder Aufruf eines sensiblen Dokuments wird protokolliert.
- Betrugsindikatoren bleiben Hinweise für einen Menschen: Art. 22 DSGVO beschränkt Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung, die ausschließlich auf automatisierter Verarbeitung beruhen.
- Nach der EU-KI-Verordnung (AI Act) gelten Risikobewertung und Preisbildung in der Lebens- und Krankenversicherung als hochriskant; die Schadenaufnahme in anderen Sparten in der Regel nicht, doch die Einstufung würden wir mit Ihrem Compliance-Team bestätigen.
- Die Unterstützung von Kunden im Schadenfall zählt nach der IDD zum Versicherungsvertrieb; die Pflicht, ehrlich, redlich und professionell zu handeln, gilt also auch für die KI-gestützte Aufnahme.
Tech-Stack
- Python
- FastAPI
- LLM APIs (EU-hosted)
- OCR & document AI
- PostgreSQL
- pgvector
- Temporal
- TypeScript
- React
- OpenTelemetry
Fragen, die wir oft hören
Wird die KI Schäden anerkennen oder ablehnen?
Nein. Sie bereitet die Akte vor: Sie extrahiert Daten, schlägt die Weiterleitung vor und setzt Hinweise, und jede Entscheidung trifft ein Sachbearbeiter. So bleibt die Verantwortung dort, wo Aufsichtsbehörden und Kunden sie erwarten.
Wo landen unsere Schadendaten, und werden damit Modelle trainiert?
Wir würden in einer EU-Region hosten und Modellanbieter zu Bedingungen nutzen, die ein Training mit Ihren Daten ausschließen, oder auf Wunsch Open-Weight-Modelle in Ihrer eigenen Cloud betreiben. Der Zugriff ist nach Rolle und Schadenart beschränkt, und jeder Aufruf eines sensiblen Dokuments wird protokolliert.
Woher wissen wir, dass die Extraktion genau genug ist?
In der Discovery-Phase entsteht aus anonymisierten früheren Schäden ein Evaluationsdatensatz, an dem Extraktion und Weiterleitung vor dem Go-live und bei jedem Release gemessen werden. Der Launch beginnt im Schattenbetrieb und vergleicht die Ergebnisse der KI mit dem, was die Sachbearbeiter tatsächlich getan haben – so sehen Sie die echte Genauigkeit, bevor Sie sich darauf verlassen.
Leistungen hinter diesem Blueprint
Mehr zur Branche InsurTech.
Sie planen etwas Ähnliches?
30 Minuten mit den Entwicklern, die es umsetzen würden. Wir prüfen diesen Plan anhand Ihrer Situation: Umfang, Integrationen und Budget.