Direkt zum Inhalt

Die Kooperation zwischen claimbird und dem Institut für Informationsverarbeitung verfolgt das Ziel, Anforderungen an eine automatisierte Schadenserkennung zu erfüllen. Hierzu wird ein Datensatz aufgebaut, mittels dessen ein Deep-Learning System trainiert wird, das die Versicherungen bei der Analyse und Bewertung der Schadensfälle unterstützen kann. Für Versicherer bietet sich so die Möglichkeit einer kostensparenden und zeiteffizienten Regulierung insbesondere von Kleinschäden.

 

Die Anzahl der Neuzulassungen für PKW ist in den letzten 10 Jahren in Deutschland um über 30% gestiegen. Die steigenden Verkehrsteilnehmer-Zahlen führen zu einer zunehmenden Zahl von Schadensfällen, die bei den Versicherungen gemeldet werden. Diese müssen dann in den meisten Fällen entscheiden, ob der Einsatz eines Gutachters nötig ist. Die Gutachten kosten häufig mehrere hundert Euro und stellen so einen nicht unerheblichen Kostenblock im Schadenregulierungsprozess dar. Die Entscheidung darüber, ob es zu einem Gutachten kommt, erfordert den Einsatz ausgebildeter Mitarbeiter, welche die Daten und Bilder jedes Schadenfalles eingehend analysieren.

Eine automatisierte Bildverarbeitung hat das Potential, diese Aufgabe erheblich zu vereinfachen. Grund dafür ist der Einsatz von sogenannten „Deep-Learning Systemen“, die auf Basis von Daten abstrakte Repräsentationen lernen, um verschiedenste Aufgaben zu lösen.

Am Institut für Informationsverarbeitung forschen Professor Rosenhahn und sein Team an neuen Verfahren zur automatisierten Bild-Analyse. Diese dienen dazu, Objekte und deren Eigenschaften in Bildern zu erkennen. So ist es möglich, Schäden an PKW-Bauteilen zu erkennen und zu klassifizieren.

Das Startup claimbird ist eine Ausgründung der Leibniz Universität Hannover und entwickelt mit claimBuddy eine intelligente Lösung für den Schadenprozess an der Schnittstelle zwischen Versicherungen, Kunden, Gutachtern und Werkstätten.

Begin
End
Abbildung Schadenregulierung