Versicherung · Berufsunfähigkeit
BU-Leistungsprüfung: KI-PoC mit 98 % Extraktionsgenauigkeit
Ausgangslage
Die Leistungsprüfung in der Berufsunfähigkeitsversicherung in Deutschland ist hochkomplex und überwiegend manuell. Pro Fall fließen hunderte Seiten unstrukturierter Dokumente — Atteste, Befunde, Anträge, Korrespondenz, Gutachten — durch die Hände hochqualifizierter Sachbearbeiter. Branchenweit liegt die Bearbeitungszeit bei rund 190 Tagen. Steigende Fallvolumina treffen auf einen anhaltenden Fachkräftemangel — eine lineare Skalierungsfalle, die mit klassischer Automatisierung nicht zu lösen ist.
Was wir getan haben
Wir haben einen Proof of Concept für eine KI-gestützte Plattform zur BU-Leistungsprüfung aufgesetzt und entlang dreier Beweisachsen validiert: technische Machbarkeit (Extraktionsqualität auf realen Dokumentenkonvoluten), wirtschaftliche Tragfähigkeit (Stückkosten der Verarbeitung gegen Fachkräftekosten) und regulatorische Konformität (EU AI Act, BaFin-Aufsichtspraxis, DSGVO). Scope: Architektur, Modellauswahl, Datenfluss-Design, Human-in-the-Loop-Konzept, Compliance-Mapping. Dauer: drei Monate. Aufstellung: makematiq als technischer Lead, Domain-Beirat aus medizinischer und versicherungstechnischer Expertise.
Ergebnisse
98 %
Extraktionsgenauigkeit über alle Klassen
187
BU-Dokumentklassen abgedeckt
3
Beweisachsen: Technik, Wirtschaftlichkeit, Regulatorik
EU AI Act
konform durch HitL-Architektur
Was wir dabei gelernt haben
Die Versuchung in KI-Projekten ist, ein großes Modell auf alles zu werfen und auf Skalierung zu hoffen. Belastbare Ergebnisse entstehen anders: indem menschliche und technische Intelligenz präzise dort eingesetzt werden, wo sie jeweils überlegen sind. Wer das umkehrt, baut Demos. Wer das durchzieht, baut Produkte.
Das ist die Kurzfassung. Wie wir methodisch vorgegangen sind — welche Architekturentscheidungen wir getroffen haben, was wir verworfen haben und welche Muster sich auf andere Kontexte übertragen lassen — besprechen wir im persönlichen Fachgespräch.
Nicht, weil wir Ihnen etwas verkaufen wollen. Sondern weil diese Tiefe das ist, wofür unsere Kunden uns beauftragen — und das gehört nicht ins offene Internet.
Weitere Fallstudien
Logistik
IoT-Restrukturierung im Schienengüterverkehr
Betriebskosten um 80 % gesenkt, Ortungspräzision von 7,5 auf 1,75 Meter verbessert.
Fallstudie lesenFood & Ingredients
KI-Portfolio-Steuerung bei einem Lebensmittelkonzern
49 Use Cases identifiziert und 2–5 Mio. € Einsparpotenzial p.a. validiert.
Fallstudie lesenFood & Ingredients
KI-gestützte Produktempfehlung für Lebensmittelzutaten
78 % der Antworten übertreffen Expertenniveau — bei bis zu 5 Stunden Zeitersparnis pro Kundenanfrage.
Fallstudie lesen