Kann KI COI-Dokumente lesen?
Ja – von ACORD-Formularen zu Compliance-Daten

Wie gut KI heute COI-Dokumente liest

Das ACORD 25 – „Certificate of Liability Insurance“ – ist das Standardformular der US-Gewerbeversicherung. Es fasst die gesamten Deckungsdetails einer Police auf einer Seite zusammen: Policennummern, fünf Haftpflicht-Sublimits, Kfz-Haftpflicht, Arbeiterunfallversicherung, Umbrella-Deckung und die beteiligten Parteien – Zertifikatsinhaber, zusätzlich versicherte Person, Produzent, Versicherer. Für einen Bauprojektleiter, der die Einhaltung der Vorschriften durch Subunternehmer prüft, zählt jedes dieser Felder. Ein falsch eingegebenes Aggregatlimit ist eine Millionenlücke in der Deckung.

KI verarbeitet die ACORD-25-Struktur gut, weil das Formular dicht, aber vorhersagbar ist. Jedes Zertifikat hat dieselben Feldkategorien in etwa derselben Anordnung – selbst wenn einzelne Agenturen Ränder verschieben, Schriftarten ändern oder eigene Kopfzeilen hinzufügen. Hier kommt es auf den Mechanismus hinter der Extraktion an. Positionsbasierte Tools, die Begrenzungsrahmen um erwartete Feldpositionen zeichnen, versagen, sobald eine Agentur andere Formularsoftware verwendet. Die Felder verschieben sich um einen halben Zoll, und das Tool liest den falschen Text.

Semantische Extraktion – der Ansatz hinter modernem KI-Dokumentenlesen – funktioniert anders. Statt darauf zu achten, wo ein Feld auf der Seite sitzt, liest sie das gesamte Dokument und identifiziert jeden Wert danach, was er bedeutet. Sie erkennt, dass „GEN'L AGGREGATE LIMIT“ von einer Agentur und „GENERAL AGGREGATE“ von einer anderen denselben Deckungstyp meinen – unabhängig von Abkürzung, Position oder Schriftgröße. Dies ist die benutzerdefinierte Spaltenextraktion: Sie definieren die benötigten Ausgabespalten („Policennummer“, „GL Each Occurrence Limit“, „Ablaufdatum“), und die KI lokalisiert jeden Wert durch inhaltliches Verständnis des Dokuments – nicht durch Koordinatenabgleich. Für einen tieferen Einblick in diesen Mechanismus im Vergleich zu älteren Ansätzen siehe wie COI-Datenextraktion funktioniert.

Das Deckungsraster auf einem ACORD 25 verdient besondere Aufmerksamkeit, weil es die meisten Extraktionstools zum Scheitern bringt. Allein der Abschnitt zur allgemeinen Haftpflicht enthält bis zu fünf Sublimits in einer kompakten Tabelle:

Die obigen Genauigkeitszahlen gelten für saubere, digital erstellte ACORD-25-PDFs – das Format, das in modernen Versicherungsagenturen vorherrscht. Wenn sich die Spaltenausrichtung zwischen Agenturen unterscheidet – eine platziert „Each Occurrence“ linksbündig, eine andere zentriert alle Sublimit-Labels –, liest ein positionsbasiertes Tool Geldbeträge aus der falschen Zeile. Semantische Extraktion vermeidet dies, weil sie die Label-Wert-Beziehung nach Bedeutung liest: „1.000.000 $“ neben einem Label, das „each occurrence“ bedeutet, wird unabhängig von der Rasterausrichtung korrekt zugeordnet.

Was KI bei COI-Dokumenten richtig macht

Digitale ACORD-25-PDFs großer Versicherer. Dies ist der Standardfall und die Stärke der KI. Wenn eine Versicherungsagentur ein Zertifikat aus ihrem Verwaltungssystem erstellt – egal ob Applied Epic, Vertafore oder eine andere Plattform – entsteht ein sauberes, maschinell generiertes PDF mit einheitlichen Schriftarten, klaren Feldgrenzen und vorhersagbarer Datenplatzierung. Die KI liest diese mit 95–99 % Genauigkeit für die strukturierten Felder, die für Compliance-Entscheidungen entscheidend sind: Policennummern, Beträge, Daten und benannte Entitäten. Die restlichen 1–5 % sind Randfälle wie ungewöhnlich formatierte NAIC-Nummern oder agenturspezifische Abkürzungen, die nicht den üblichen Mustern entsprechen.

Eingescannte COIs von Subunternehmern per E-Mail. Im Baugewerbe versenden Subunternehmer selten originale digitale Zertifikate. Sie schicken eingescannte Kopien – manchmal saubere Flachbettscans, manchmal Smartphone-Fotos aus dem Baucontainer. Die KI verarbeitet saubere Scans mit minimalem Genauigkeitsverlust (2–5 Prozentpunkte). Das Bildmodell kompensiert leichte Schräglagen und Auflösungsschwankungen genauso wie gemischte Agenturformate – durch semantisches Lesen statt pixelgenauer Ausrichtung.

Stapelverarbeitung über verschiedene Versicherungsagenturen hinweg. Ein Generalunternehmer mit 40 Subunternehmern erhält COIs von einem Dutzend verschiedener Agenturen, jede mit eigenen ACORD-25-Formatierungseigenheiten. Da die semantische Extraktion keine agenturspezifischen Vorlagen benötigt, können Sie alle Zertifikate in einem Stapel zusammenfassen – PDFs von State Farm, Liberty Mutual, Travelers und regionalen Anbietern – und in einem einzigen Durchlauf dieselben Felder aus allen extrahieren. Das Ergebnis ist eine Tabelle mit einer Zeile pro COI, unabhängig vom Layout der jeweiligen Agentur. Stapelverarbeitung zur COI-Überwachung von Subunternehmern wird erst dann praktikabel, wenn die Extraktionsebene Formatabweichungen ohne Konfiguration bewältigt.

Identifizierung zusätzlicher Versicherter und Zertifikatsinhaber. Der untere Bereich eines ACORD 25 – Name des Zertifikatsinhabers, Status als zusätzlich Versicherter, Beschreibung der Tätigkeiten – ist textlastig und variiert stärker zwischen den Agenturen als das Deckungsraster. Die KI verarbeitet diesen Bereich, indem sie ihn als natürliche Sprache und nicht als positionsgebundenes Feld versteht. Ob der zusätzlich Versicherte als „XYZ General Contractors, Inc." oder „XYZ GC" mit einem CG-20-10-Endorsement-Vermerk aufgeführt ist – die KI extrahiert den Entitätsnamen und alle zugehörigen Endorsement-Codes. Was sie nicht tut – und was kein Extraktionstool für sich beansprucht – ist die Bewertung, ob der aufgeführte Endorsement-Text Ihren vertraglichen Anforderungen genügt. Das ist eine Entscheidung, die ein Compliance-Experte treffen muss.

Wo KI beim Lesen von COI-Dokumenten noch Schwierigkeiten hat

Die drei Szenarien, in denen die KI-Genauigkeit deutlich nachlässt, haben eine gemeinsame Ursache: eine beeinträchtigte visuelle Qualität, die Zeichen selbst für einen menschlichen Leser mehrdeutig macht.

Handausgefüllte ACORD-Formulare auf Papier. Bevor die digitale Ausstellung von Zertifikaten zum Standard wurde, füllten Versicherungsvertreter physische ACORD-25-Formulare per Hand aus – mit Kugelschreiber auf Durchschlagpapier. Diese Formulare sind noch im Umlauf, insbesondere von kleineren Regionalagenturen und für ältere Policen. Das Problem ist vielschichtig: Handschrift reduziert die Zeichenerkennungsgenauigkeit, und die Beeinträchtigung durch Durchschläge (Verblassen, Verschmieren, Durchscheinen der darunterliegenden Kopie) fügt visuelles Rauschen hinzu. Bei einem handausgefüllten COI mit durchschnittlicher Handschrift ist eine Feldgenauigkeit von 70-80 % zu erwarten – brauchbar zur Beschleunigung der Dateneingabe, aber eine systematische Überprüfung jedes extrahierten Werts ist erforderlich. Bei unleserlicher Handschrift mit verblassten Durchschlägen sinkt die Genauigkeit unter 70 %, und eine manuelle Neueingabe kann schneller sein als die Überprüfung.

Jahrzehntealte Schreibmaschinen-Zertifikate. Mit der Schreibmaschine erstellte COIs stellen eine andere Herausforderung dar. Schreibmaschinenzeichen sind gedruckt, nicht handschriftlich – aber alte Schreibmaschinenformulare weisen einen ungleichmäßigen Anschlagdruck, verschobene Grundlinien und Tinte auf, die über 15-20 Jahre ungleichmäßig verblasst ist. Die KI kann die meisten Zeichen lesen, liest aber einzelne Buchstaben falsch, wo der Anschlag schwach war. Eine "3" mit einer schwachen oberen Kurve wird zu einem mehrdeutigen Zeichen, das das Modell möglicherweise falsch errät. Diese Formulare wurden zudem oft mit älteren Geräten in niedriger Auflösung gescannt, was das Lesbarkeitsproblem verschärft.

Stark modifizierte, nicht standardisierte Agenturlayouts. Einige Agenturen stellen Zertifikate auf ihrem eigenen Briefkopf aus, anstatt auf dem standardisierten ACORD-25-Formular – insbesondere für Nischenversicherungsarten wie Berufshaftpflicht oder Umwelthaftpflicht. Diese nicht standardisierten Zertifikate behalten dieselben Datenkategorien (Policennummer, Deckungssummen, Daten, Parteien) bei, ordnen sie aber in agenturspezifischen Layouts mit benutzerdefinierten Abschnittsüberschriften an. Die KI liest sie trotzdem – das ist der Vorteil der semantischen Extraktion –, aber die Genauigkeit sinkt um 3-8 Prozentpunkte, da die Trainingsverteilung des Modells auf die Standard-ACORD-Struktur ausgerichtet ist. Wenn Ihr Subunternehmerpool viele kleine Agenturen umfasst, die nicht standardisierte Zertifikate ausstellen, testen Sie eine Stichprobe, um die Erwartungen zu kalibrieren.

Fotografierte Papierzertifikate von Baustellen. Ein Subunternehmer macht ein Foto seines COI auf dem Armaturenbrett eines Lastwagens und schickt es per SMS an den Projektleiter. Das Foto ist schief, schlecht beleuchtet, schräg aufgenommen und hat eine niedrige Auflösung. Die KI kann dennoch eine Extraktion versuchen – und moderne Bildmodelle korrigieren mäßige Schräglagen und Beleuchtungsunterschiede –, aber die Genauigkeit bei Baustellenfotos sinkt auf 60-75 %. Die Lösung ist verfahrenstechnischer, nicht technischer Natur: Verlangen Sie von Subunternehmern als Bedingung für die Vertragserfüllung die Einreichung digitaler Kopien oder sauberer Flachbettscans.

So holen Sie das Beste aus der KI-COI-Erfassung heraus

1. Fordern Sie digitale ACORD-25-Formulare von Subunternehmern an. Die wirksamste Maßnahme ist eine Verfahrensänderung: Nehmen Sie in Ihre Subunternehmerverträge eine Klausel auf, die verlangt, dass Versicherungsnachweise als digital erstellte PDFs und nicht als abfotografierte Papierformulare eingereicht werden. Die meisten Versicherungsagenturen stellen seit Mitte der 2010er Jahre standardmäßig digitale Zertifikate aus. Reicht ein Subunternehmer noch handschriftlich ausgefüllte Papierformulare ein, kann sein Agent in unter fünf Minuten einen digitalen Ersatz erstellen. Diese eine Anforderung steigert Ihre Extraktionsgenauigkeit von 70-80 % auf über 95 %.

2. Definieren Sie spezifische Spaltennamen, die der Feldstruktur des COI entsprechen. Die KI liest durch semantischen Abgleich – der von Ihnen eingegebene Spaltenname gibt vor, wonach sie sucht. „Police-Nummer“ ist präziser als „Versicherungsinfo“. „GL-Grenze pro Schadensfall“ ist präziser als „Haftungsgrenze“. Benennen Sie für das dichte Deckungsraster jede Untergrenze als separate Spalte: „GL pro Schadensfall“, „GL Sachschaden“, „GL Arztkosten“, „GL Personen-/Persönlichkeitsverletzung“, „GL Gesamtjahresgrenze“. Die KI verwendet den Spaltennamen als semantische Abfrage gegen das Dokument – je spezifischer die Abfrage, desto genauer der Treffer.

3. Fassen Sie COIs aus demselben Verlängerungszyklus zusammen. COIs treffen wellenweise ein – 40 Subunternehmer verlängern nach einem Quartalsimpuls, 15 neue Subunternehmer kommen zu einem Projekt hinzu. Die Verarbeitung in Batches, die diese natürlichen Gruppierungen widerspiegeln, hält die extrahierten Daten organisiert: ein Batch pro Projekt oder Verlängerungszyklus, eine Tabelle pro Batch, eine Zeile pro COI. Die KI verarbeitet alle Zertifikate innerhalb eines Batches parallel, und die zusammengeführte Ausgabe bedeutet, dass Sie eine Tabelle statt 40 einzelner Extraktionen prüfen.

4. Überprüfen Sie Deckungsgrenzen stets, bevor sie Compliance-Entscheidungen bestimmen. Selbst bei 99 % Genauigkeit bei digitalen Formularen ist eine falsch eingegebene Gesamtjahresgrenze bei 200 Zertifikaten eine Deckungslücke. Der sinnvolle Workflow für die COI-Extraktion ist: KI extrahiert alle Felder → Sie prüfen Deckungsgrenzen und Sprache zur zusätzlichen Versichertenstellung → Daten landen in der Compliance-Tabelle. Die Zeitersparnis entsteht durch den Wegfall der Transkription – Sie prüfen 10-20 Sekunden pro Zertifikat statt 5-10 Minuten Tipparbeit. Die Kosten für COI-Nichtkonformität im Bauwesen sind zu hoch, um auf eine vollständige Prüfung zu verzichten.

5. Nutzen Sie ein Tool, das direkt in Ihre Tracking-Tabelle exportiert. Je weniger Schritte zwischen Extraktion und Ihrem Compliance-Datensatz liegen, desto geringer ist die Gefahr von Kopierfehlern. Wenn Ihr Compliance-Tracking in Excel oder Google Sheets erfolgt, wählen Sie ein Extraktionstool, das direkt in dieses Format exportiert – kein Zwischenschritt über CSV-Download, kein erneuter Import. Jede Übergabe zwischen Tools ist eine Gelegenheit für Daten, Spalten zu verschieben oder Formatierung zu verlieren. Für eine praktische Anleitung versuchen Sie, COI-Daten mit Ihren eigenen Zertifikaten nach Excel zu extrahieren.

Praxisbeispiele: Wo KI-COI-Erfassung den Unterschied macht

COI-Verfolgung bei Subunternehmern im Baugewerbe

Ein mittelständischer Generalunternehmer mit 50 aktiven Subunternehmern auf drei Baustellen erhält laufend COIs – neue Subunternehmer kommen hinzu, bestehende verlängern, Deckungen ändern sich nach Schadensfällen. Jede Bescheinigung erfordert die Erfassung derselben 12–15 Felder: versicherter Name, Policennummer, Versicherer, fünf GL-Sublimits, Kfz-Haftpflicht, Arbeiterunfallversicherung, Umbrella-Versicherung, Beginn, Ablauf, Zertifikatsinhaber, zusätzlicher Versicherter. Die manuelle Eingabe dauert 5–10 Minuten pro Bescheinigung. Bei 50 Subunternehmern, die vierteljährlich verlängern, sind das 200 COIs pro Jahr – 16 bis 33 Stunden reine Dateneingabe.

KI-Erfassung verkürzt die Dateneingabe auf unter eine Minute pro Bescheinigung. Der Projektleiter lädt 50 COIs von 12 verschiedenen Agenturen als einen Stapel hoch, definiert die Erfassungsspalten einmal und erhält eine strukturierte Tabelle mit allen ausgefüllten Feldern. Prüfung ersetzt Abtippen: 45 Minuten Kontrolle statt 4 Stunden Tipparbeit. Der eigentliche Gewinn ist nicht die Zeit – es ist die Vermeidung von Übertragungsfehlern bei Deckungsgrenzwerten, die niemand bemerkt, bis ein Anspruch abgelehnt wird. Zur verwandten Herausforderung der Datenextraktion aus Subunternehmer-Abrechnungsunterlagen siehe Rechnungsextraktion im Baugewerbe.

Compliance-Prüfung von Lieferanten und Zulieferern

Ein Fertigungsbetrieb bindet jährlich über 200 Lieferanten ein, die alle vor Betreten des Geländes einen Nachweis über eine Betriebshaftpflichtversicherung vorlegen müssen. Die COIs treffen während der Einarbeitungssaison in einer Flut ein. Zwei Verwaltungsmitarbeiter verbringen zwei Wochen damit, Zertifikatsdaten manuell in eine Compliance-Tabelle einzutragen – Policennummern, Versicherernamen, Beginn, Ablauf, Deckungssummen. Lieferanten warten auf Freigabe, während ihre COIs in der Warteschlange liegen.

KI-Erfassung verarbeitet den gesamten Einarbeitungsstapel in unter einer Stunde. Die Rolle der Compliance-Mitarbeiter wechselt von Dateneingabe zur Ausnahmebehandlung – sie prüfen markierte Zertifikate, bei denen Limits unter Schwellenwerten liegen, kümmern sich um fehlende Felder und verifizieren zusätzliche Versichertenvermerke. Der Workflow wird: KI liest alles → Mitarbeiter prüfen die Randfälle → konforme Lieferanten werden freigegeben, nicht konforme erhalten eine gezielte Aufforderung zur Aktualisierung der Deckung. Der Engpass verschiebt sich vom gesamten Stapel auf die 5–10 % der Zertifikate, die tatsächlich menschliche Aufmerksamkeit erfordern.

Mieterversicherungsnachweis für Hausverwaltungen

Ein gewerblicher Hausverwalter mit 80 Mietern in vier Gebäuden muss sicherstellen, dass jeder Mieter die im Mietvertrag geforderte Betriebshaftpflichtversicherung vorhält – in der Regel 1.000.000 € pro Schadensfall und 2.000.000 € insgesamt. Die Versicherungsnachweise der Mieter haben unterschiedliche Verlängerungsdaten. Die Verwaltung verbringt eine Woche pro Monat damit, Verlängerungsdaten manuell in eine Tabelle zu übertragen und nach Ablaufdatum zu sortieren, um drohende Deckungslücken zu erkennen.

KI-Extraktion übernimmt den laufenden Prozess: Sobald Verlängerungen per E-Mail eingehen, werden die Nachweise sofort erfasst. Die Mitarbeiter prüfen Deckungssummen und Ablaufdaten in Sekunden statt Minuten. Die stets aktuelle Tabelle ermöglicht es dem Hausverwalter, die Frage „Welche Mieter haben diesen Monat auslaufende Versicherungen?“ durch Filtern einer Spalte zu beantworten – statt in einem gemeinsamen PDF-Ordner zu suchen.

FAQ

Kann KI Versicherungsnachweise verschiedener Versicherer in einem Durchgang lesen?

Ja. Hier liegt der Vorteil der semantischen Extraktion gegenüber vorlagenbasierten Tools. Da KI nach Feldbedeutung statt nach fester Position liest, können Sie Nachweise von fünf verschiedenen Versicherern – jeder mit eigenem ACORD-25-Format – hochladen und in einem Durchgang dieselben Felder extrahieren. Die KI findet die „Polizzennummer“, egal ob sie oben rechts oder mittig links auf dem Formular steht.

Erkennt KI den Unterschied zwischen „Je Schadensfall“ und „Gesamtdeckung“?

Ja. Moderne KI-Modelle verstehen, dass „JE SCHADENSFALL“, „PRO SCHADEN“ und „EA OCC“ dasselbe bedeuten und der danebenstehende Dollarbetrag die entsprechende Deckungssumme ist – nicht irgendeine andere Zahl auf der Seite. Das ist der Kernvorteil der semantischen Extraktion gegenüber OCR-Vorlagen: Das Modell versteht die Bedeutung jedes Feldlabels und kann Werte korrekt zuordnen, selbst wenn die Spaltenanordnung zwischen Versicherern variiert.

Kann KI handschriftliche COI-Formulare lesen?

Teilweise. Bei klar gedruckten Blockschriftbuchstaben mit dunkler Tinte auf sauberem Papier erreicht KI eine Genauigkeit von 75-85 %. Bei unleserlicher Schreibschrift oder blassen Durchschlägen sinkt die Genauigkeit unter 70 % – dann ist die manuelle Eingabe oft effizienter als die Überprüfung. Für Subunternehmer, die regelmäßig handschriftliche Zertifikate einreichen, ist die Anforderung eines digital erstellten Ersatzes bei deren Versicherungsvertreter der zuverlässigere Weg. Die meisten Agenturen können ein digitales ACORD 25 in unter fünf Minuten ausstellen.

Wie genau sind digitale ACORD 25 COI-Formulare?

Bei sauberen, digital erstellten ACORD 25 PDFs großer Versicherer erreicht moderne KI-Extraktion eine feldgenaue Genauigkeit von 95-99 % für strukturierte Felder – Policennummern, Geldbeträge, Daten, versicherte Person, Versicherername. Die Genauigkeit bei den Untergrenzen des Deckungsrasters liegt aufgrund mehrdeutiger Label-Abkürzungen verschiedener Agenturen etwas niedriger (93-98 %). Bei Freitextfeldern wie der Beschreibung der Betriebstätigkeit liegt die Genauigkeit bei 90-95 %. Kein Extraktionstool erreicht 100 % über alle Felder hinweg, weshalb Deckungsgrenzen und zusätzliche Versichertenklauseln vor Compliance-Entscheidungen stichprobenartig überprüft werden sollten.

Kann KI erkennen, ob die Deckungsgrenzen meinen Vertragsanforderungen entsprechen?

Nein. Die KI-Extraktion liest, was auf dem Zertifikat steht – „Betriebshaftpflicht: 1.000.000 $ pro Schadensfall“ – und gibt diesen Wert als strukturierte Daten aus. Sie vergleicht die extrahierten Werte nicht mit Ihren vertraglichen Mindestanforderungen. Der Vergleich („Erfüllt die Deckungssumme von 500.000 $ dieses Subunternehmers unsere Anforderung von 2.000.000 $?“) ist eine Compliance-Entscheidung, keine Datenextraktionsaufgabe. Einige COI-Tracking-Plattformen automatisieren diesen Vergleich als Teil ihrer Workflow-Ebene. Eigenständige Extraktionstools liefern Ihnen die Daten; Sie wenden die Regeln an.

Ist COI-Extraktion dasselbe wie OCR?

Nein. OCR wandelt ein Bild des Zertifikats in maschinenlesbare Zeichen um – es beantwortet die Frage „Welcher Text ist auf dieser Seite?“ Die COI-Extraktion geht weiter: Sie identifiziert, welcher Text die Policennummer ist, welcher die Haftpflicht-Gesamtschadengrenze, welcher das Ablaufdatum, und platziert jeden Wert in einer beschrifteten Spalte einer Tabelle. OCR liefert Ihnen das gesamte Zertifikat als einen undifferenzierten Textblock. Die Extraktion liefert Ihnen eine compliance-fähige Tabelle mit einer Spalte „Policennummer“, einer Spalte „Haftpflicht-Gesamtschadengrenze“ und einer Spalte „Ablaufdatum“ – jede enthält genau einen Wert.

Welche Felder kann KI aus einem COI-Dokument extrahieren?

Der Standardsatz umfasst: Versicherungsnehmer, Policennummer, Versicherer, NAIC-Nummer, Produzent/Vermittler, alle Sub-Limits der Betriebshaftpflicht (je Schadensfall, Schäden an gemieteten Räumen, medizinische Kosten, Personen- und Werbeschäden, Gesamtsumme), Kfz-Haftpflichtlimits, Umbrella-/Exzedent-Haftpflichtlimits, Arbeitnehmerunfallversicherungslimits, Beginn der Versicherung, Ablauf der Versicherung, Name und Adresse des Zertifikatsinhabers, Name des zusätzlich Versicherten sowie Beschreibung der Tätigkeiten. Sie legen fest, welche Teilmenge Sie benötigen – die KI extrahiert nur diese Spalten.