Fallstudie
Automatisierung von Versicherungsansprüchen
Eine modellierte d2b-Referenzarchitektur für Dokumentenautomatisierung in der Versicherung: wie ein DACH-Sach- und Haftpflichtversicherer Schadenannahme und Erstbewertung automatisieren würde — was das System liest, was es entscheidet, wo ein Mensch bleibt — bei durchgehender Erfüllung von BaFin, FINMA und DSGVO. Durchgehend modellierte Zahlen, kein berichtetes Projekt.
Zuletzt aktualisiert: 6. August 2026
Die Herausforderung
Dokumentenautomatisierung in der Versicherung heißt: das, was ankommt — ein PDF, ein Foto einer beschädigten Stoßstange, ein handschriftliches Formular, eine E-Mail mit vier Anhängen — in einen strukturierten Schadenfall zu verwandeln, den ein System routen, bewerten und prüfen kann. Es ist das volumenstärkste Problem unstrukturierter Dokumente im Finanzdienstleistungssektor und dasjenige mit der niedrigsten regulatorischen Decke. Dieses Referenzszenario modelliert einen mittelgroßen DACH-Versicherer mit über 12.000 Schadenfällen im Monat, in drei Ländern und drei Sprachen, auf einem Altsystem, das für strukturierte Eingaben entworfen wurde.
Manuelle Dokumentenverarbeitung
Sachbearbeiter verbringen den größeren Teil des Tages mit Lesen statt mit Entscheiden — Anhänge öffnen, die Vertragsnummer suchen, Daten und Beträge ins Schadensystem übertragen und nachfassen, was der Anspruchsteller weggelassen hat. Qualifizierte Menschen machen Dateneingabe, und deshalb entstehen Rückstände bei Volumenspitzen und nicht bei schweren Fällen.
Inkonsistente Entscheidungsfindung
Verschiedene Sachbearbeiter legen Kriterien unterschiedlich aus, besonders an den Rändern — was als ausreichende Dokumentation gilt, wann eine Besichtigung nötig ist, wie ein Teilschaden eingeordnet wird. Das Ergebnis sind uneinheitliche Ausgänge bei ähnlichen Fällen: ein Beschwerdethema und im Volumen ein aufsichtsrechtliches.
Regulatorische Compliance
DSGVO, BaFin und FINMA verlangen alle, dass eine kundenwirksame Entscheidung im Nachhinein erklärt und belegt werden kann. Diese Vorgabe verbietet keine Automatisierung — sie verbietet Automatisierung, die sich nicht rekonstruieren lässt. Jede Extraktion, jede Klassifizierung und jede Routing-Entscheidung muss festhalten, was gesehen wurde und warum daraus dieser Schluss folgte.
Mehrsprachige Unterstützung
Schadenmeldungen kommen auf Deutsch, Französisch und Italienisch. Im manuellen Prozess heißt das, jede Sprachregion getrennt zu besetzen und die Möglichkeit zu verlieren, Last zwischen ihnen auszugleichen. Sprache wird zur operativen statt zur sprachlichen Beschränkung.
Die Lösung
Die Architektur setzt eine lesende und strukturierende Schicht vor das Schadensystem und lässt das Entscheiden dort, wo es rechtlich hingehört. Dokumente kommen in der Form, in der der Anspruchsteller sie sendet; ein multimodaler Extraktionsschritt erzeugt strukturierte Felder mit Konfidenzwert und einem Verweis auf die Stelle im Dokument, aus der jeder Wert stammt; ein Triage-Schritt klassifiziert und routet; und jeder Schritt schreibt in den Prüfpfad, bevor der Fall einen Menschen erreicht. Der Sachbearbeiter öffnet einen bereits zusammengesetzten Fall mit angehängten Belegen und markierten Unsicherheiten — statt eines Ordners voller Anhänge.
Intelligente Dokumentenverarbeitung
Multimodale Extraktion aus PDFs, Fotos und handschriftlichen Formularen auf Deutsch, Französisch und Italienisch. Jedes extrahierte Feld trägt einen Konfidenzwert und einen Verweis auf genau die Stelle im Quelldokument, sodass beim Prüfen einer Zahl sichtbar ist, woher sie kommt, statt die Datei erneut zu lesen. Felder mit niedriger Konfidenz gehen zur Prüfung, statt still übernommen zu werden — die wichtigste Entwurfsentscheidung des ganzen Systems.
Schadenstriage-Engine
Ein retrieval-basierter Triage-Schritt, der jeden Fall kategorisiert, priorisiert und routet, indem er ihn gegen den historischen Schadenbestand des Versicherers vergleicht statt gegen die Intuition eines generischen Modells. Routing ist eine Empfehlung mit Begründung, kein Urteil: Der Datensatz zeigt, welchen früheren Mustern der Fall ähnelte und wie stark.
Betrugserkennungsmodul
Mustererkennung, die Fälle zur manuellen Prüfung markiert, wenn die Merkmalskombination für diesen Schadentyp ungewöhnlich ist. Bewusst eine Markierung und keine Entscheidung — das Modell verengt, wohin ein Mensch schaut, und kein Fall wird vom System abgelehnt. Im Modell liegt hier der größte einzelne finanzielle Effekt, und hier ist zugleich die Anforderung an Erklärbarkeit am strengsten.
Compliance-Dashboard
Ein Prüfpfad und eine Überwachungsoberfläche in Echtzeit: jede Extraktion, Klassifizierung und Routing-Entscheidung mit Eingaben, Konfidenz und Ergebnis erfasst, in der Form, die Prüfungen nach BaFin, FINMA und DSGVO verlangen. Als Teil der Pipeline gebaut statt angeflanscht — denn ein nachträglich zusammengestellter Compliance-Nachweis ist keiner.
Versicherungsschein: HV-2024-88214
Ärztliche Notiz: beigefügt, 4 Seiten
Art: Hausrat · Wasserschaden · mit Fotos
Systemarchitektur
Implementierungszeitplan
Analyse & Audit
Die reale Annahme kartieren: welche Dokumente tatsächlich ankommen, in welchem Zustand, in welchen Sprachen und welche Felder das Schadensystem braucht. Die Compliance-Grenze festlegen — was wo verarbeitet werden darf, was aufbewahrt werden muss, was erklärbar sein muss — bevor eine Architektur gezeichnet wird.
Prototyp-Entwicklung
Den Extraktions- und Triage-Pfad an einem engen Schadentyp durchgängig bauen, mit Konfidenz- und Belegmechanismus von der ersten Version an. Aufgabe des Prototyps ist es zu zeigen, wo die Dokumente schlechter sind, als alle in Erinnerung hatten.
Pilotprogramm
Neben einem einzelnen Schadenteam auf Echtvolumen laufen lassen, wobei Sachbearbeiter bestätigen statt das System handelt. Die Bestätigungsquote je Feld entscheidet, welche Felder automatisch werden und welche in der Prüfung bleiben — die Schwellen setzt das Modell, nicht der Anbieter.
Vollständiger Rollout
Sprache für Sprache über die DACH-Organisation ausrollen, mit der Prüfoberfläche vom ersten Tag an live und einer besetzten statt unterstellten Prüf-Queue. Die Schulung konzentriert sich auf den Ausnahmepfad, denn nur dort verbringen Sachbearbeiter noch Zeit.
Die Ergebnisse
Die durchschnittliche Bearbeitungszeit fällt im Modell von 14 auf 3 Tage — fast vollständig dadurch, dass die Wartezeit entfällt, bis ein Mensch den Fall erstmals öffnet, nicht durch schnelleres Entscheiden.
Der modellierte Durchsatz je Sachbearbeiter verdreifacht sich etwa, weil die freiwerdende Zeit Lesezeit ist und keine Urteilszeit.
Die modellierte Kundenzufriedenheit steigt um rund 28%, getragen von der Vollständigkeit beim Erstkontakt — der Anspruchsteller erfährt sofort, was fehlt, statt eine Woche später.
Die Prüfoberfläche ist so entworfen, dass jeder automatisierte Schritt auf Anforderung rekonstruierbar ist; im Modell macht genau das die Architektur aufsichtsfähig — und dieser Teil lässt sich nicht nachrüsten.
Modellierte Amortisation innerhalb von 8 Monaten nach vollständigem Rollout, getragen von Betrugsmarkierung und Durchsatz statt von Personalabbau.
Verwendete Technologien
Verwandte Fallstudien
Unternehmens-Kommunikations Hub
Wie wir E-Mail, Slack, WhatsApp und SMS in ein KI-gestütztes Dashboard konsolidierten — mit 62% schnelleren Reaktionszeiten und 52.000€ Einsparung bei versteckten Kommunikationskosten.
Fallstudie lesen →Ihr Unternehmen, Einen Prompt Entfernt
Wie wir eine 180-Personen-Kanzlei in eine KI-native Organisation verwandelt haben, in der jeder Berichte, Präsentationen und Legal Research per E-Mail oder WhatsApp anfordern kann — und polierte Ergebnisse in Minuten statt Tagen erhält.
Fallstudie lesen →142 Immobilien, Null Manuelle Berichte
Ein modelliertes Szenario: Wie 5 spezialisierte Agenten Eigentümerberichte, Mieterkommunikation und Leerstandsmanagement für ein 142-Objekte-Portfolio automatisieren — 91% weniger Berichtszeit und rund 156.000 € Kosten pro Jahr.
Fallstudie lesen →Diese Fallstudie erkunden
mit dem Assistenten Ihrer WahlBereit, Ihre KI-Lösung zu entwickeln?
Lassen Sie uns besprechen, wie maßgeschneiderte KI Ihre Geschäftsabläufe transformieren kann.
Gespräch vereinbaren