Klassifizierung von Schadenkorrespondenz bei einem Versicherer

Branche und Unternehmen

Ein mittelgroßer Versicherer in einem stark regulierten Umfeld. Datenschutz und Verarbeitungssicherheit sind dort eine Voraussetzung für den Marktzugang. Die Zusammenarbeit läuft weiter.

Ausgangslage

Der Kundenservice und das Team für die Dokumentenverarbeitung arbeiteten an der Kapazitätsgrenze. Jedes Schreiben landete unterschiedslos in derselben Warteschlange, egal ob es einen dringenden Fall betraf oder nichts Neues enthielt.

Die steigenden Bearbeitungszeiten gefährdeten zunehmend Fristen, und bei Schäden bedeutet eine Verzögerung das Risiko, dass ein Anspruch verjährt, und sinkende Kundenzufriedenheit. Die Rückstände wuchsen, weil die Warteschlange schneller wuchs, als sie sich abarbeiten ließ.

Vorgehen und Leistungsumfang

Wir haben ein NLP-Modell (Natural Language Processing) entwickelt und eingeführt, das die eingehende Korrespondenz liest und nach zwei Kriterien bewertet: ob sie für den Fall des Kunden relevant ist und welches Risiko sie birgt. Schreiben ohne Bedeutung für den Fall werden außerhalb der Hauptwarteschlange abgelegt, damit sie die Fälle, die eine Reaktion erfordern, nicht ausbremsen. Gelöscht wird dabei nichts. Die übrigen werden klassifiziert und mit fertiger Kategorie weitergeleitet, sodass die nächsten Prozessschritte automatisch laufen können. Technisch steckt dahinter eine Textklassifikation mit überwachtem Lernen: Das Modell lernt an annotierten Beispielschreiben und versieht jede Entscheidung mit einem Konfidenzwert, sodass unsichere Fälle bei einem Menschen landen.

Ergebnis für das Unternehmen

Rund 25 % der Dokumente belasten die Hauptwarteschlange nicht mehr, weil das System für den Fall irrelevante Korrespondenz aussortiert. Die Risikokategorie wird in 90 % der Fälle korrekt erkannt. Dadurch lassen sich eindeutige Fälle automatisch weiterleiten, und zweifelhafte prüft ein Mensch. Die Rückstände in der Korrespondenz sanken um 30 %.

Umfang des Projekts

Die Lösung verarbeitet Hunderttausende Dokumente pro Jahr. Wir betreuen und entwickeln sie weiter und trainieren das Modell nach, wenn sich die eingehende Korrespondenz verändert.

Sicherheit und Vertraulichkeit

Das Projekt haben wir DSGVO-konform umgesetzt. Die Daten, mit denen das Modell arbeitete und lernte, waren anonymisiert, sodass sie zu keinem Zeitpunkt einer bestimmten Person zuzuordnen waren.

Das Ganze läuft in einer eigens für dieses Projekt aufgebauten, abgesicherten Umgebung. Die Architektur gaben die regulatorischen Anforderungen vor: Die Daten verlassen die vereinbarte Umgebung nicht, und jeder Verarbeitungsschritt lässt sich im Audit nachweisen. In einer regulierten Branche ist das die Voraussetzung dafür, dass eine Lösung überhaupt in Betrieb gehen darf.

Das manuelle Sichten von Dokumenten kostet Zeit, die in keinem Budget eingeplant ist. Wenn es bei dir ähnlich aussieht, schreib uns ein paar Sätze zu deinem Prozess. Wir sagen dir, ob wir eine Möglichkeit sehen, dein Team zu entlasten, auch dann, wenn wir keine sehen.

Verwandte Artikel in der cm-opti-Wissensdatenbank

• Was sind OCR und NLP? So liest KI Dokumente
• Was sind RAG und KI-Agenten?
• Was ist Prozessautomatisierung?

Leistungsbereich: Prozessautomatisierung mit KI (Dokumentenverarbeitung und Klassifizierung von Korrespondenz).

Weitere Projekte