Dokumentenanalyse: Wie Sie mithilfe von KI Versicherungstexte schneller vergleichen können

Einen Überblick über Inhalte von allgemeinen Versicherungsbedingungen zu haben, ist für Versicherer, Versicherungsmakler und Assekuradeure entscheidend. Zwar ändern sich die Rechtsgrundlagen für Versicherungsverträge nicht monatlich, aber durchaus einmal im Jahr.

Veröffentlicht: Zuletzt aktualisiert:

Fachartikel, Künstliche Intelligenz, Versicherungswirtschaft

1 Min. Lesezeit
KI vereinfacht und beschleunigt Analyse und Vergleich von Dokumenten

Wird ein neuer AVB-Stand eines Versicherers veröffentlicht, müssen beispielsweise von einem Versicherungsmakler die Inhalte des neuen AVB-Stands mit dem alten Stand verglichen und Differenzen erkannt werden, um seine Kunden bestmöglich beraten zu können. Auch für den Versicherer selbst sind solche Änderungen spannend. Durch eine Analyse neuer Versicherungsbedingungen erhalten sie einen Markteinblick. Zusätzlich erstellen große Maklerhäuser oder Assekuradeure oftmals selber im eigenen oder im Namen der Versicherer Policen. Um einen Überblick über die Inhalte zu erhalten, müssen diese Versionen mit den eigenen Bedingungen verglichen werden.

Bei einem Dokumentenvergleich können diese Fragen entscheidend sein:

  • Wurden Paragraphen sprachlich verändert, was z.B. zu veränderten Pflichten des Versicherungsnehmers führt?
  • Wurden Höchstentschädigungsgrenzen oder Selbstbehalte angepasst?
  • Sind bisherige Deckungsinhalte weggefallen?

Die Herausforderung: Zeitfresser Dokumentenvergleich

Da AVB-Dokumente oftmals viele Seiten lang sind, ist ein Vergleich nicht nur zeitaufwändig, sondern auch fehleranfällig. Diese Kombination führt nicht selten dazu, dass ein intensiver Vergleich nicht oder nur stichprobenartig erfolgt.
Ein manueller Vergleich ist aufgrund der Versicherungsspezifika in der Sprache bereits für einen Menschen herausfordernd. Ein maschineller Vergleich ist nur mit Hilfe eines Sprachmodells möglich, dem Versicherungsvokabular nicht fremd ist. Das Convista-Sprachmodell wurde von unseren KI-Experten explizit mit Versicherungvokabular nachtrainiert und zeigt beim Vergleich von Versicherungstexten signifikant bessere Ergebnisse als Standard-Sprachmodelle. Wir ermöglichen damit einen semantischen Vergleich u.a. von allgemeinen Versicherungsbedingungen (AVB).

Auf Knopfdruck können so inhaltliche und semantische Differenzen in AVBs identifiziert werden. In einem Ergebnis-Output werden die relevanten Differenzen ausgegeben und können weitergehend bewertet werden. Hierdurch lassen sich Zeitaufwand und Fehler bei einem Dokumentenvergleich deutlich reduzieren.

Dokumentenversionen vergleichen

Sollen zwei Dokumente eines Versicherers verglichen werden, sind die Formate und Formulierungen in der Regel sehr nah beieinander. Je ähnlicher die Dokumente sind – oder je besser ich die Inhalte kenne – desto eher werden beim manuellen Vergleich Unterschiede übersehen.

Als Beispiel hier ein Vergleich von zwei 32-seitigen Dokumenten eines Autors:
81 % aller Textabschnitte sind absolut identisch. Lediglich 19 % aller Textabschnitte müssen überhaupt betrachtet werden. In den 19 % Differenzen sind Änderungen enthalten wie

  • Allgemeine Korrekturen z.B. Rechtschreibung oder Interpunktion
  • Änderungen in der Formulierung
  • Wegfall von Abschnitten
  • Inhaltliche Änderung z.B. in Deckungsinhalten /-summen
Ein Beispiel aus der Praxis: Vergleich zweier Versicherungsbedingungen mit Hilfe von Künstlicher Intelligenz. Das Ergebnis wird als Tabelle angezeigt.

Marktanalyse: Dokumente unterschiedlicher Versicherer vergleichen

Der Vergleich zweier Dokumente unterschiedlicher Autoren, z.B. AVBs der gleichen Sparte unterschiedlicher Versicherer, ist aufgrund unterschiedlicher Formatierungen und Formulierungen deutlich komplexer. Je unterschiedlicher Formatierung und Formulierung, desto genauer muss man sich die Ergebnisse anschauen und bewerten. Mit compAIr werden, durch die Anwendung unseres auf Versicherungstexte trainierten Convista-Sprachmodell, semantisch ähnlich formulierte Textabschnitte für einen Vergleich gegenübergestellt. Der genaue Blick in die Dokumente lohnt sich – im Folgenden haben wir aus dem Dokumentenvergleich der AVB der Allianz und der R+V Ausschnitte des Ergebnis-Outputs zusammengestellt:

Künstliche Intelligenz analysiert Abschnitte, die inhaltlich ähnlich sind und stellt sie gegenüber

Sie wollen sich nicht nur alle Unterschiede anzeigen lassen, sondern wollen die Dokumente zu konkreten Themen vergleichen?
Unterstützend dafür haben wir eine ergänzende Vorgehensweise entwickelt. Durch die Eingabe von Fragen durchsuchen die Algorithmen mit Unterstützung unseres Convista-Sprachmodells Dokumente und geben die Textabschnitte als Ergebnis heraus, die von den Algorithmen identifiziert wurden. Zusätzlich werden konkrete Werte extrahiert, die bspw. für die Weiterverarbeitung verwendet werden können. Hierzu mehr im Folge-Blogbeitrag.

Autor

Lukas Pulß – Management Consultant

Als erfahrener IT-Berater und Versicherungsexperte zeichnet sich Lukas Expertise vor allem durch sein umfassendes Fach- und Branchenwissen sowie seine Erfahrung im gesamten Lebenszyklus von IT-Projekten aus. Als Product Owner bildet er die fachliche Klammer über die KI-Themen im Geschäftsbereich Versicherungen.

Lukas Pulß

Ein Interview mit Silvia Mann-Kundt, W&W Gruppe über Führungskräfte in Change-Projekten

Veröffentlicht am 30.05.2023

Episode 30: Über die Rolle von Führungskräften in Change-Projekten

Ein Interview mit Silvia Mann-Kundt, IT-Leiterin W&W Gruppe…

Robotic engineer conduct regular maintenance by inspecting, test

Veröffentlicht am 29.05.2023

SAP S/4HANA Service: Migration Customer Service auf neue S/4HANA Umgebung

Der Wechsel auf SAP S/4HANA Service ist keine leichte Aufgabe: Die Abkündigung des SAP Customer Service Moduls (CS) bis Ende 2030 stellt Kunden vor die Herausforderung des Wechsels auf alternative Lösungen. SAP stellt hierfür die neue S/4HANA Service Lösung bereit,…

Predictive Maintenance

Veröffentlicht am 12.05.2023

Die 7 größten Vorteile von Predictive Maintenance

Die Wartung von Maschinen spielt eine wichtige Rolle in der Industrie, um unerwartete Ausfälle und hohe Ausfallkosten zu vermeiden. In diesem Zusammenhang gibt es zwei verschiedene Ansätze: Die klassische reaktive Maschinenwartung und die neue vorausschauende Instandhaltung, auch als Predictive Maintenance…

This site is registered on wpml.org as a development site.