Die Zahl der Versicherer, die eine volldigitale Schadenmeldung bieten, liegt bei nur ca. 20%. 65% haben vereinzelt digitale Schadenmelde-Tools im Einsatz. Dabei helfen Künstliche Intelligenz (KI) und digitale Lösungen, die Prozesseffizienz zu steigern und ein positives Schadenerlebnis zu schaffen. Wir geben Einblick, was im Bereich der KI-basierten Fotokalkulation bereits heute möglich ist, was die erforderlichen Parameter sind und worauf es letztendlich ankommt.
Strukturierte Daten sind die Voraussetzung für KI-basierte Lösungen
Die KI-basierte Fotokalkulation ermöglicht es Versicherern, ihren Kunden innerhalb kürzester Zeit ein Angebot zur Auszahlung bzw. Reparatur anzubieten. Somit kommen Versicherer dem Kundenwunsch einer schnellen End-to-End-Regulierung und der Steigerung der Kundenzufriedenheit einen Schritt näher.
Voraussetzung für die KI-basierte Schadenkalkulation sind strukturierte Daten, die bereits bei der Schadenmeldung aufgenommen werden. Denn: KI-Systeme benötigen eine Vielzahl an Daten, um die Algorithmen zu trainieren. Genau hier stehen einige Versicherer vor der ersten Herausforderung. Die Zahl der Versicherer, die eine volldigitale Schadenmeldung bieten, liegt bei nur ca. 20%. Immerhin haben zumindest 65% vereinzelt digitale Schadenmelde-Tools im Einsatz (Digital Claims Studie: Die Zeit ist Reif – zeb und Eucon, 2021).
Auf dem Markt gibt es diverse Anbieter, die bereits eine Lösung zu KI-basierter Fotokalkulation anbieten. Wie unterscheiden sich diese Lösungen voneinander? Und wie läuft der Prozess bis zur Kalkulation ab?
Aller Anfang: Die digitale Schadenaufnahme
Vergleicht man die Lösungen am Markt, werden einige Unterschiede sofort deutlich. Während die einen auf eine App zur Schadenmeldung setzen, arbeiten andere wiederum mit webbasierten Lösungen, die durch einen generierten Link per SMS verschickt werden. So wird die Hürde für die Installation einer App vermieden und der Versicherungsnehmer kann einfach, flexibel und komfortabel seinen Schaden melden.
Doch wie geht es dann weiter? Hier sind sich alle Anbieter einig: Die Abfrage der Fahrzeugidentifizierungsnummer (FIN) ermöglicht es auf eine schnelle und einfache Weise die enthaltenen Teile des Autos zu ermitteln. Doch auch in diesem Prozessschritt zeigen sich erneut Unterschiede. Während einige Anbieter lediglich eine geführte Fotoaufnahme verfolgen, sind andere Lösungen auf dem Markt bereits so weit, dass durch die FIN die Karosserieform des Autos erstellt wird, wodurch der Versicherungsnehmer deutlich präziser geführt wird. Er wird angeleitet, welche Bildausschnitte wichtig sind und in welchem Winkel das Foto zu erstellen ist. Dadurch kann der Schaden detailliert aufgenommen werden, was die Schadenhöhenkalkulation verbessert.
Der „Magic Moment“: Die KI-basierte Schadenkalkulation
Nach erfolgter Schadenaufnahme ermittelt die KI auf Basis der Fotos die Schadenhöhe. Hierbei wird die Schadenart, -größe sowie -position ermittelt. Neben der KI sollte sowohl auf historische Daten als auch auf aktuelle und strukturierte Herstellerdaten für eine exakte Kalkulation zurückgegriffen werden.
Doch wie weit ist die KI bereits heute? Was kann sie bereits kalkulieren und wo ist der Mensch nach wie vor essenziell?
Eines ist klar: Die KI kann den Menschen nicht ersetzen. Die meisten Use-Cases fokussieren auf Kfz-Schäden. Es dauert eine ganze Zeit KI-Systeme so zu trainieren, dass diese Schäden automatisiert erkennen kann. Dennoch: Die KI kann dabei helfen, Prozesse effizienter abzubilden. Das kann man an einem einfachen Beispiel deutlich machen. Kommt es beispielsweise zu einem frontalen Kfz-Schaden, kann auf Basis der FIN zwar identifiziert werden, ob und welche Sensoren an den Teilen verbaut sind. Ob diese allerdings beschädigt wurden, bleibt offen. Daher ist für die abschließende Freigabe der Kalkulation Fachexpertise erforderlich. Lösungen müssen die Möglichkeit bieten, die von der KI prognostizierte Schadenhöhe im Zweifelsfall zu adaptieren. So arbeiten Mensch und Maschine Hand-in-Hand. Damit das einwandfrei funktioniert, sollten Lösungen dem KI-Ansatz „explainable AI“, also die erklärende Künstliche Intelligenz, folgen. So können die Nutzer exakt nachvollziehen, wie die KI zum Ergebnis gekommen ist. Darüber hinaus ist es wichtig, dass sich die KI stetig verbessern kann. Hierzu bieten sich aktive Feedback-Loops an, um so die KI-Modelle weiter zu trainieren und die Genauigkeit zu verbessern. Diese Kombination aus menschlicher Interaktion, erklärbarer KI und Feedbackloops verfolgt der KI-Ansatz „Augmented Intelligence“.
Das Ergebnis: Eine Kalkulation auf Positionsebene
Im Anschluss an die Kalkulation bieten einige Lösungen auf dem Markt eine direkte Auswertung der Schadenhöhenkalkulation in Form der gängigen Werkstatt-Kalkulationsprogramme, wie bspw. DAT oder Audatex. Diese erläutert das Ergebnis auf Positionsebene und sichert damit eine hohe Transparenz. Neben der Reparatur geben einige Lösungen auch Auswertungen in Bezug auf die Instandsetzung aus. So wird direkt bei der Kalkulation eine Regulierungsoption ersichtlich.
Und die Folgeprozesse?
Um das Kalkulationsergebnis im nächsten Schritt als Entscheidungsgrundlage nutzen zu können, sind entsprechende Schnittstellen erforderlich. Denn: Jede modulare Lösung macht sich erst dann bezahlt, wenn sie an die Regel- bzw. Folgeprozesse anschließt. Häufig laufen die Datenübertragungen über definierte API-Schnittstellen. Diese Schnittstellen bieten den Vorteil, dass die generierten Daten und Dokumente zwischen verschiedenen Systemen automatisch ausgetauscht werden können.
Die letztliche Entscheidung wird dann in der sogenannten „Triage“, also der Schadensteuerung durch den Sachbearbeiter oder direkt durch den Versicherungsnehmer gefällt. Auch hier greifen Mensch und Maschine für die optimierte Schadenabwicklung Hand-in-Hand, um so vereinfachte und beschleunigte Prozesse abzubilden. Im Sinne aller Schadenbeteiligten: Den Fahrzeugbesitzern, den Versicherern, den Werkstätten sowie den Prüfern.
Wo die Reise noch hingehen wird…
Viele Anbieter schreiben sich auf die Fahne, ihre Produkte nach und nach weiterzuentwickeln. Nicht nur in Bezug auf die KI, sondern auch in der Foto-Führung. Zusätzlich sollen auch Aspekte wie Lichtverhältnisse oder eine ergänzende Video-Besichtigung in die Systeme integriert werden. Darüber hinaus soll die Bauteilerkennung erweitert sowie die Erkennung von Felgen- und Reifenbeschädigungen berücksichtigt werden. Damit zeigt sich wieder einmal, dass der Einsatz von KI sehr vielseitig und ausbaufähig ist, eine Ablöse der Menschen allerdings nicht erfolgen wird.
Fazit: Was sind die zentralen Merkmale einer erfolgsversprechenden Kfz-Schadenkalkulation?
Das ganze Thema wirkt auf den ersten Blick zunächst sehr komplex. Runtergebrochen auf das Wesentliche zeichnet sich eine erfolgversprechende Lösung durch folgende Merkmale aus:
- Webbasierte Lösungen zur Schadenmeldung, um strukturierte Daten zu sammeln und die Hürde für Kunden möglichst gering zu halten
- Geführte Schadenaufnahme sowie gezielte Kalkulation auf Basis der FIN sowie den Fotos
- Anbindung an Datenbanken für historische und aktuelle Daten
- Ausgabe einer vollständigen Kalkulation im Standard-Werkstatt-Format
- Integration der Fachexpertise in den digitalen Prozess, um Fehler der KI zu erkennen, zu verstehen (XAI) und somit stetig in Form von Feedback-Loops zu verbessern; sprich: Anwendung des Augmented Intelligence-Ansatzes
- Schnittstellen nutzen, die intern angebunden werden und Folgeprozesse anstoßen können
Quellen:
Studie: Digital Claims „Die Zeit ist Reif“ – zeb und Eucon (2021)
https://autoundwirtschaft.at/print/38187-intelligente-schadenkalkulation
https://autoundwirtschaft.at/print/38187-intelligente-schadenkalkulation
