Case Study

Mit Daten den besten 
KI-Dienstleister finden:
Technologiescouting
für Bilderkennung

Mit Daten 
den besten
KI-Dienst-
leister finden:
Technologie-
scouting für
Bilderkennung

Bilderkennung für Kfz-Schäden

Ausgangslage

Die intelligente Bilderkennung ist im Alltag vieler Menschen eingekehrt. Im Urlaub lassen wir uns fremdsprachige Speisekarten von unserem Smartphone übersetzen. Am Flughafen müssen wir an der automatischen Gesichtserkennung vorbei. Die Anwendungsbereiche sind vielseitig. 

Auch im Kfz-Schadenmanagement setzt die Technologie neue Standards. Doch den Markt zu durchschauen, ist gar nicht so einfach: Können die Anbieter wirklich das, was sie versprechen? Welcher Dienstleister ist der Beste? Und wer nutzt wirklich Künstliche Intelligenz, wer wirbt nur mit dem angesagten Schlagwort? 

Wer langfristig strategisch fundierte Entscheidungen treffen will, muss die Kerntechnologie, ihre Komponenten und damit verbundene Erfolgsfaktoren kennen und verstehen. 

Deshalb haben wir für unseren Kunden – ein mittelständisches Unternehmen aus der Versicherungsbranche – die Potenziale der Bilderkennung analysiert sowie die Stärken und Schwächen verschiedener KI-Dienstleister verglichen. 

Das haben wir gemeinsam erreicht:

Tiefgreifendes Verständnis der Kerntechnologie

Detaillierte Analyse der wichtigsten Anbieter am Markt

Unterstützung bei strategischen Entscheidungen

Evaluierung konkreter Use Cases

Bauteile der Bilderkennung von Kfz-Schäden

Unser Vorgehen

Zielsetzung der Studie war es, die Qualität der wichtigsten Anbieter intelligenter Bilderkennung zu vergleichen. Gleichzeitig ging es darum, potenzielle Use Cases zu evaluieren: Kann die Bilderkennung in bestehende Schadenmanagement-Prozesse unseres Kunden integriert werden? Eignet sie sich für die Entwicklung völlig neuer Produkte und Services? Und was bedeutet es eigentlich, wenn wir den Anbietern unseren wertvollen Datenschatz zur Verfügung stellen? Wer profitiert hier von wem?

Die an der Studie teilnehmenden Unternehmen wurden gezielt ausgewählt, um ein repräsentatives Ergebnis der etabliertesten und profiliertesten Anbieter zu gewährleisten. Als Testdaten für die Analyse dienten über 5.000 reale Schadenbilder von 500 Schäden aus dem Archiv unseres Kunden.

Um nicht nur die Qualität des Gesamtergebnisses sondern auch die einzelnen Prozessschritte umfassend bewerten zu können, wurden die Ergebnisse aller Anbieter innerhalb einzelner Stufen analysiert: 1) Erkennen der beschädigten Bauteile, 2) Einschätzung des Schadengrads, 3) Erstellen einer Reparaturkostenprognose auf Basis der beschädigten Bauteile.

Digitaler Durchblick

Das Ergebnis

Auf diese Weise konnten wir nicht nur Aussagen über den Reifegrad der Technologie treffen, sondern auch die Stärken und Schwächen der jeweiligen Technologieanbieter aufzeigen sowie konkrete Use Cases bewerten.

Unser Kunde weiß nun, wann und wo sich der Einsatz intelligenter Bilderkennung lohnen kann. Und er hat das nötige Werkzeug an der Hand, um neue Anbieter gezielt bewerten zu können. Auf diese Weise konnte sich das Unternehmen auch gegenüber seinen Partnern als Experte für Bilderkennung positionieren und unterstützt diese im Scouting relevanter Start-ups und Technologieanbieter. 

Til Loose
Til Loose
New Business Manager
‭+49 151 22134556‬
Termin vereinbaren
200 @ default_33ff56e2-9e5b-4c9f-8697-ee8cd85355e4
HTTP status 200 OK
Route name default_33ff56e2-9e5b-4c9f-8697-ee8cd85355e4
Has session no
Stateless Check no
1003 ms
Total time 1003 ms
Initialization time 22 ms
50.0 MiB
Peak memory usage 50.0 MiB
PHP memory limit 1024 MiB
61
Errors 0
Warnings 0
Deprecations 61
19 in 2.02 ms
Cache Calls 19
Total time 2.02 ms
Cache hits 11 / 15 (73.33%)
Cache writes 4
545 ms
Render Time 545 ms
Template Calls 20
Block Calls 14
Macro Calls 0
70 in 33.14 ms
Database Queries 70
Different statements 28
Query time 33.14 ms
Invalid entities 0
Second Level Cache disabled
S: 0 D: 0
Serializations 0
Deserializations 0
Listeners 0
Handlers 0
Metadata 0
Artboard Created with Sketch.
Portal plan-d.com
Webspace plan-d.com
Structure default
Localization de (no shadow)
6.2.7
Profiler token 9d0c06
Environment dev
Debug enabled
PHP version 8.1.27   View phpinfo()
PHP Extensions Xdebug ✗ APCu ✓ OPcache ✓
PHP SAPI fpm-fcgi