Case Study

Präzise und schnell: 
Automatisierte Prognose
von Reparaturkosten

Präzise 
und schnell:
Automatisierte
Prognose von
Reparatur-
kosten

Best of Consulting Mittelstand, Sonderpreis Digitalisierung, Wirtschaftswoche

Künstliche Intelligenz 
im Schadenmanagement

Wenn das Auto kaputt ist, wünscht man sich als Fahrzeughalter:in vor allem eines: eine schnelle und unkomplizierte Abwicklung des Schadens. Gleichzeitig ist es für Versicherungen von entscheidender Bedeutung, dass die Schadenhöhe korrekt eingeschätzt wird. Um Beides zu erreichen, haben wir gemeinsam mit der carexpert Kfz-Sachverständigen GmbH – einem Tochterunternehmen von R+V, Ergo und Nürnberger Versicherung – die Steuerung von Kfz-Schäden revolutioniert.


Eine KI-basierte Kostenprognose ermöglicht Versicherungsmitarbeiter:innen eine rasche Entscheidung über das Vorgehen nach der Schadenmeldung. Der Prozess wird dadurch nicht nur einfacher, sondern auch schneller und präziser.

Das haben wir gemeinsam erreicht:

Schnellere Prozesse

innerhalb des Schadenmanagements, welche die Laufzeiten von bis zu 6 Wochen auf wenige Tage reduzieren.

Reduzierung der Schadenkosten

durch konsistente Regulierungsprozesse, mithilfe von KI Prognosen und regelbasierten Handlungsempfehlungen.

Nahtlose

Anbindung 

unserer Systeme an die Host-Systeme der Versicherer und Integration in die operative Prozesse.

7.500 weniger

Telefonate pro Jahr

durch eine direkte Terminierung von Besichtigungsterminen schon während der Schadenmeldung.

Innovatives Geschäfts­modell

welches mithilfe von Daten, KI und Automatisierung Umsätze in Millionenhöhe generiert.

Data Mindest & Datenschatz

10 Jahren historische Daten und das Expertenwissen der Mitarbeiter:innen formten einen Datenschatz als Fundament für innovative Produkte und KI.

Ausgangslage

Die Entscheidung über die Bearbeitung von Schadenfällen liegt bei den Mitarbeiter:innen in den Servicecentern der Versicherungen. Vermittlung an eine Werkstatt, Begutachtung durch eine:n Sachverständige:n oder sofortige, fiktive Abrechnung? Diese Entscheidung hat maßgeblichen Einfluss sowohl auf die Dauer der Bearbeitung als auch auf die entstehenden Kosten.

Doch wer kann schon bei allen Schadenfällen richtig liegen? Vom Rotweinfleck auf dem Wohnzimmerteppich bis zur kaputten Stoßstange müssen die Sachbearbeiter:innen die vielfältigsten Themen bearbeiten. Im Kfz-Bereich kam es daher häufig zu unpräzisen Einschätzungen und Varianzen im Prozess.

Datengrundlage

Unser Vorgehen

Mit dem Ziel, den Prozess der Schadensteuerung zu optimieren, analysierte PLAN D zunächst die Ausgangslage anhand von Schadenmeldungen aus den vergangenen zehn Jahren. Auf dieser Grundlage haben wir verschiedene Strategieoptionen aufgezeigt und den Entscheidungsprozess auf Managementebene moderiert. Die schließlich gefundene Lösung kombiniert das Kfz-Expertenwissen unseres Kunden und die individuellen Steuerungsregeln der jeweiligen Versicherung mit von PLAN D entwickelten Machine-Learning-Modellen. 

In enger Zusammenarbeit mit den Kfz-Sachverständigen und dem Management von carexpert konnten wir das Projekt von der ersten Idee bis zum Livegang verwirklichen – und behielten dabei stets alle Stakeholder im Blick. Sei es die aktive Einbindung der Versicherungsmitarbeiter:innen in die Produktentwicklung oder die Formulierung von Kernbotschaften für Vorstände und Betriebsrat: Change-und Kommunikationsmaßnahmen leisteten einen wichtigen Beitrag zur erfolgreichen Umsetzung des Projekts.

"PLAN D ist eine Unternehmensberatung, die uns nicht nur am bestehenden System berät, sondern vielmehr mit unserem System arbeitet. Von der strategischen Beratung der Geschäftsleitung bis hin zur gemeinsamen, kontinuierlichen Weiterentwicklung der Systeme entwickeln wir uns mit Hilfe von PLAN D zu einem datengetriebenen Dienstleister. Dieser ganzheitliche Beratungsansatz schafft die notwendige nachhaltige Wirksamkeit für unsere digitale Transformation."

Carsten Maiwald
Carsten Maiwald
Geschäftsführer carexpert Kfz-Sachverständigen GmbH
KI Prognose

Das Ergebnis

Der Prozess der Schadenmeldung und -steuerung im Kfz-Bereich wurde rundum erneuert. In einer modernen Nutzeroberfläche, und unterstützt durch das zugrunde liegende Regelwerk, führen die Versicherungen ihre Kund:innen durch die Schadenmeldung: schnell, einheitlich, unkompliziert. Noch während des Gesprächs ermittelt die KI Schadenhöhe und Wiederbeschaffungswert und gibt eine Empfehlung für das weitere Vorgehen ab: die Folgeprozesse können automatisiert angestoßen werden. Die Mitarbeiter:innen der Versicherungen werden so innerhalb von Sekundenbruchteilen mit dem Know-how aus Millionen von Schadenmustern und Kalkulationen unterstützt.

Für unseren Kunden bedeutet das Projekt nicht weniger als die Transformation des eigenen Geschäftsmodells: Mit der automatisierten Prognose wird carexpert vom traditionellen Schadendienstleister zum Softwareanbieter.

Unsere Technologie

  • Datenbereitstellung

    Entwicklung individueller Auslesealgorithmen für historische und proprietäre Datenformate für mehr als 800 Parameter pro Gutachten

  • Datenaufbereitung

    Normalisierung und Standardisierung der extrahierten Daten, z.B. durch die Transformation von nicht strukturierten Daten zu strukturierten Daten

  • Explorative Datenanalyse

    Explorative Analyse und Interpretation der Daten mithilfe von Python, Plotly und Tableau, in Zusammenarbeit mit den Kfz-Experten von carexpert

  • BI-Tool

    Aufbau interaktiver BI-Tools für die selbstständige Exploration des Datenschatzes und neu generierter Daten durch Kund:innen

  • Prozessautomatisierung

    Graphenbasierte Prozessteuerung durch Low-Code für die digitale und automatische Abbildung aller versicherungsspezifischen Regelwerke der Versicherungen

  • Frontend Entwicklung

    Moderne und intuitive Benutzeroberfläche als Single-Page-Webanwendung auf der Grundlage von Nutzerfeedback und Soundingboards

  • Künstliche Intelligenz

    Entwicklung verschiedener Machine-Learning-Modelle zur Prognose von Reparaturkosten, Wiederbeschaf­fungswert, Restwert, Kilometerstand und Schadenmustern

  • ML-OPS

    Automatisches Einlesen, Säuberung, Anonymisierung, Zusammenführung und Verarbeitung der Daten sowie Training aller KI-Modelle mit Airflow

  • IT-Infrastruktur

    Einrichtung und Betrieb einer cloudbasierten, skalierbaren Docker-Infrastruktur mithilfe von AWS EC2, ECS und Fargate sowie voll automatisierten Deploymentprozessen

  • Automatische Tests

    Hohe Testabdeckung mit vollautomatischen Tests für Tausende von Prozessszenarien mit PyTest

Sebastian Bluhm
Ihr Ansprechpartner
Sebastian Bluhm
Managing Partner
+49 160 7810808
Termin vereinbaren

Ihre Nachricht

Loading…
Loading the web debug toolbar…
Attempt #