Vollständiger Leitfaden zur
Extraktion von Versicherungsschadensdaten (2026)

Was ist die Extraktion von Versicherungsschadensdaten?

Die Extraktion von Versicherungsschadensdaten ist der automatisierte Prozess, bei dem Schlüsselfelder aus schadensbezogenen Dokumenten gelesen werden — ACORD-Schadenmeldungen, Polizeiberichte, Reparaturkostenvoranschläge, medizinische Unterlagen und andere unterstützende Anhänge — und in strukturierte Daten umgewandelt werden, die eine Tabellenkalkulation, ein Schadenmanagementsystem oder eine Analyseplattform verarbeiten kann. Im Gegensatz zur Standardrechnungs- oder Belegextraktion, die auf einen einzigen Dokumenttyp abzielt, muss die Schadensextraktion ein Multi-Dokument-Paket verarbeiten, bei dem jede Komponente ihr eigenes Format, ihre eigenen Schlüsselfelder und ihre eigenen Extraktionsanforderungen hat.

Der Umfang geht über die Erste Schadenmeldung hinaus. Eine vollständige Schadensextraktionsstrategie umfasst jedes Dokument, das von der Aufnahme bis zur Regulierung in die Schadenakte gelangt: das ursprüngliche ACORD-Formular (ob Kfz, Sach, Haftpflicht oder Arbeiterunfallversicherung), die unterstützenden Anhänge, die den Schaden belegen, sowie die laufende Korrespondenz und Abrechnungsdokumente, die im Laufe des Schadenprozesses anfallen. Für eine detaillierte feldbezogene Aufschlüsselung dessen, was KI aus den ursprünglichen ACORD-Formularen extrahieren kann und was nicht, lesen Sie unseren Begleitartikel zu Kann KI ACORD-Schadenmeldungsformulare lesen?

Was diese Kategorie von anderen Dokumentextraktionsaufgaben unterscheidet, ist die geschichtete Struktur eines Schadenpakets. Die strukturierten Kopffelder des ACORD-Formulars — Policennummer, Schadensdatum, Name des Versicherten, Schadensort — folgen einem vorhersehbaren Muster und lassen sich zuverlässig extrahieren. Der Freitext im Abschnitt zur Schadenbeschreibung hingegen nicht. Die unterstützenden Dokumente — ein Polizeibericht aus einer Zuständigkeit, ein Reparaturkostenvoranschlag aus einem anderen Softwaresystem, medizinische Unterlagen aus einem dritten — erfordern jeweils eine separate Extraktionsstrategie. Ein vollständiger Ansatz berücksichtigt alle drei Ebenen, nicht nur die bequemste.

Warum die manuelle Schadensdatenerfassung mehr kostet, als es scheint

Die sichtbaren Kosten der manuellen Schadensdatenerfassung sind einfach: Ein Datenerfasser oder Sachbearbeiter tippt Feldwerte aus jedem Dokument Zeichen für Zeichen in ein Schadenssystem. McKinsey schätzt, dass Automatisierung die Schadensbearbeitungszeit um bis zu 50 % reduzieren und die Kosten pro Schadenfall um bis zu 30 % senken kann. Doch diese aggregierten Zahlen unterschätzen, was manuelle Bearbeitung einen Betrieb tatsächlich kostet, denn die realen Ausgaben entstehen über vier verschiedene Kanäle, die die meisten Unternehmen in getrennten Budgets führen.

Direkte Erfassungsarbeit. Ein Sachbearbeiter oder Schadenssachbearbeiter, der ein einzelnes Schadenspaket bearbeitet – ACORD-Formular plus zwei oder drei Begleitdokumente – verbringt allein mit der Dateneingabe etwa 20 bis 30 Minuten. Bei 50 Schadenfällen pro Woche sind das 17 bis 25 Stunden reine Tipparbeit. Bei einem belasteten Stundensatz von 35–45 $ für einen erfahrenen Schadenssachbearbeiter entspricht das 600–1.100 $ pro Woche an Arbeitszeit, die dem Schadenfall keinerlei Beurteilungswert hinzufügt.

Die Fehlersteuer. Die manuelle Datenerfassung von Versicherungsdokumenten weist eine geschätzte Fehlerquote von 3–5 % auf Feldebene auf. Bei einem Schadenspaket mit 25–40 extrahierbaren Feldern im ACORD-Formular und den Anhängen bedeutet das ein bis zwei Fehler pro Schadenfall. Eine falsch getippte Policennummer verzögert die Deckungsprüfung. Ein falsches Schadensdatum führt zu einem Rückruf beim Versicherungsnehmer. Ein vertauschter Betrag im Reparaturkostenvoranschlag verursacht eine Rückstellungsdifferenz, deren Abstimmung Zeit kostet. Branchen-Benchmarks legen nahe, dass die Korrektur eines Datenerfassungsfehlers bei einem Schadenfall 15–30 $ kostet – und diese Kosten steigen, wenn Fehler erst später im Prozess statt beim Eingang entdeckt werden.

Die Opportunitätskosten der Sachbearbeiterzeit. Die Forschung von McKinsey zeigt, dass Underwriter und Schadenssachbearbeiter 30–40 % ihrer Zeit mit administrativen Aufgaben verbringen, einschließlich Datenerfassung und Dokumentenabruf. Für einen erfahrenen Sachbearbeiter mit 100–150 offenen Schadenfällen bedeutet das 12 bis 20 Stunden pro Woche Tipparbeit, statt Deckung zu prüfen, Vergleiche auszuhandeln oder komplexe Fälle zu managen. Die Dollarkosten dieser Zeit entsprechen dem vollen Gehalt des Sachbearbeiters. Die Opportunitätskosten sind die Schadensbearbeitungsgeschwindigkeit – und die Kundenzufriedenheit –, die diese Stunden bei einer Verlagerung auf Beurteilungsarbeit hätten erzeugen können.

Verzögerte Bearbeitungszeiten. Jeder manuelle Schritt zwischen Dokumenteingang und Datenverfügbarkeit verlängert den Schadenslebenszyklus um Stunden. In Schadensabteilungen mit hohem Volumen – TPA, die 200+ Schadenfälle pro Tag bearbeiten, Katastrophenhilfsteams, die Spitzenvolumina bewältigen – summieren sich diese Stunden zu Tagen. Die Zufriedenheitsstudien von J.D. Power zu Schadenfällen zeigen durchgängig, dass die FNOL-Bearbeitungsgeschwindigkeit einer der stärksten Treiber der Kundenzufriedenheit ist. Jeder zusätzliche Tag manueller Bearbeitung verschlechtert das Kundenerlebnis und erhöht die Wahrscheinlichkeit von Rechtsstreitigkeiten, Regulierungsbeschwerden und Eskalationen.

Was die Extraktion von Versicherungsansprüchen von anderen Dokumenttypen unterscheidet

Die Extraktion von Versicherungsansprüchen teilt sich technische Grundlagen mit der Rechnungs- oder Beleg-Extraktion – dieselben Vision-Language-Modelle, derselbe Ansatz mit benutzerdefinierten Spalten – aber drei strukturelle Faktoren machen sie zu einem grundlegend schwierigeren Problem.

1. Formatvielfalt je nach Versicherer und Sparte. Ein ACORD 1 (Property Loss Notice) und ein ACORD 2 (Automobile Loss Notice) sehen unterschiedlich aus, weil sie unterschiedliche Informationen erfassen. Aber derselbe ACORD 1, ausgefüllt über ein Applied Epic-Agenturverwaltungssystem, wird anders dargestellt als einer von Vertafore AMS360, der wiederum anders aussieht als ein von Hand auf Papier ausgefülltes Formular. ACORD pflegt über 800 standardisierte Formulartypen. Die rund 39.000 unabhängigen P&C-Agenturen in den USA erstellen diese Formulare jeweils mit ihren eigenen Systemkonfigurationen, Druckeinstellungen und Ausfüllgewohnheiten. Die vorlagenbasierte Extraktion, die auf festen Feldkoordinaten beruht, scheitert, sobald sich das Layout verschiebt. Die semantische Extraktion, die Feldbeschriftungen liest, um Werte zu lokalisieren, bewältigt diese Varianz ohne Konfiguration pro Versicherer. Diesen Unterschied haben wir in unserem Erklärartikel zu traditioneller OCR im Vergleich zu KI-gesteuerter Extraktion ausführlicher behandelt.

2. Das Multi-Dokument-Anspruchspaket. Ein Rechnungsextraktionstool verarbeitet eine einzelne Rechnung. Ein Anspruchsextraktions-Workflow verarbeitet einen Ordner: ein ACORD-Formular, einen Polizeibericht, einen Reparaturkostenvoranschlag, medizinische Aufnahmeprotokolle, Fotos und manchmal einen Abschleppschein oder Mietvertrag. Jeder Dokumenttyp hat seine eigenen Standardfelder, seine eigenen Layoutkonventionen und seine eigenen Extraktionsspaltendefinitionen. Die Herausforderung besteht nicht darin, ein einzelnes Dokument zu extrahieren – sondern alle in einem kohärenten Workflow zu extrahieren, der die Ausgaben mit demselben Anspruchssatz verknüpft hält.

3. Strukturierte Felder + Freitext-Narrativ in einem Dokument. Das ACORD-Formular ist einzigartig darin, beide Modi auf einer einzigen Seite zu vereinen. Der Kopfbereich enthält klar beschriftete Kurzwertfelder, die die KI mit hoher Genauigkeit extrahiert. Der Abschnitt „Description of Loss" ist ein leeres Feld für narrative Prosa – 50 oder 500 Wörter, handschriftlich oder getippt, fokussiert oder abschweifend. Diese beiden Modi koexistieren im selben Dokument und erfordern eine grundlegend unterschiedliche Behandlung.

Die strukturierten Felder: Was Sie zuverlässig extrahieren können

Die strukturierten Kopfzeilenfelder auf ACORD-Formularen sind der Bereich, in dem die KI-Extraktion den größten Mehrwert bietet. Diese Felder haben gedruckte Beschriftungen, begrenzte Wertebereiche und konsistente semantische Muster – ideale Bedingungen für ein Vision-Language-Modell. Nachfolgend sind die wichtigsten Felder aufgeschlüsselt nach den vier wichtigsten ACORD-FNOL-Formulartypen, die die überwiegende Mehrheit der P&C-Schadenmeldungen abdecken.

ACORD 1 – Sachschadenmeldung

ACORD 2 — Automobile Loss Notice

ACORD 3 — Allgemeine Haftpflicht-Schadenmeldung

Das Muster ist bei allen drei Formulartypen konsistent: Beschriftete Felder mit kurzen Werten werden zu 85–95%+ extrahiert, ob getippt oder handschriftlich. Die Abweichung ergibt sich aus der Lesbarkeit der Handschrift (ein hastiges „5" wird als „S" bei einer VIN gelesen) und der Qualität der Kontrollkästchen-Markierung (ein heller Bleistifthaken wird als nicht angekreuzt gelesen), nicht aus der Unfähigkeit der KI, das Feld auf der Seite zu lokalisieren. Da die semantische Extraktion Feldbeschriftungen liest und nicht auf feste Koordinaten angewiesen ist, funktioniert dieselbe Spaltendefinition für „Polizennummer" sowohl bei einem ACORD 1 aus einem Portal-PDF des Versicherers als auch bei einem am Straßenrand fotografierten ACORD 2 — ohne Vorlagen, ohne konfiguration pro Versicherer.

Der Freitext-Bericht: Eine andere Strategie

Der Abschnitt „Description of Loss" ist der Teil eines ACORD-Formulars, an dem die KI-Extraktion an eine strukturelle Grenze stößt. Dieser Abschnitt enthält die eigene Schilderung des Vorfalls durch den Anspruchsteller, verfasst in erzählender Prosa – typischerweise 200 bis 500 Wörter – und folgt keinem extrahierbaren Muster. Eine Autounfallbeschreibung könnte lauten: „Ich hielt an der Ampel in der Main Street. Ein Lkw fuhr mir von hinten auf." Eine Sachschadenbeschreibung: „Mir fiel gegen 15 Uhr Wasser auf dem Küchenboden auf. Ich ging auf den Dachboden und fand ein geplatztes Rohr." Dasselbe Unfallszenario kann von drei verschiedenen Anspruchstellern auf drei verschiedene Arten beschrieben werden, jeweils mit unterschiedlichen Satzstrukturen, Wortwahlen und Detailgraden.

Moderne Bild-KI kann den Text dieses Berichts mit hoher Genauigkeit extrahieren – die handgeschriebenen oder getippten Wörter von der Seite lesen und als Textblock in einer Tabellenzelle darstellen. Dieser Teil funktioniert zuverlässig. Was nicht funktioniert, ist der Schritt, den sich die meisten Schadensabteilungsteams tatsächlich wünschen: die automatische Kategorisierung dieses Berichts in strukturierte Felder wie „Schadensursachenkategorie", „Verursacher" oder „Verletzungsschwere". Sprachmodelle, die diese Klassifizierung versuchen, erzeugen Fehlerraten von 25–30 %, was für jeden nachgelagerten Prozess, der von einem korrekten Ergebnis abhängt, zu hoch ist.

Der empfohlene Ansatz für Schadensabteilungen besteht darin, den Bericht als Rohtext in ein einzelnes Feld zu extrahieren. Der Sachbearbeiter liest dieses Feld – genau wie er es vom Papierformular lesen würde – während die strukturierten Felder (Polizennummer, Schadensdatum, Beträge, Fahrzeugdetails) bereits in der Tabelle ausgefüllt sind. Die Zeitersparnis ergibt sich daraus, dass diese strukturierten Felder nicht neu eingegeben werden müssen, nicht aus dem Versuch, den Bericht in eine Klassifizierung zu zwingen, die er nicht unterstützt.

Begleitdokumente: Ein Anspruch, mehrere Extraktionsstrategien

Ein Anspruchspaket besteht in der Praxis selten nur aus dem ACORD-Formular. Begleitdokumente übersteigen das Hauptformular typischerweise im Verhältnis zwei zu eins oder drei zu eins, und jeder Dokumenttyp erfordert sein eigenes Extraktionsprofil. Hier ist, wie die häufigsten Anhänge der Extraktionsstrategie zugeordnet werden.

Polizeiberichte

Polizeiberichte sind das am häufigsten beigefügte unterstützende Dokument. Sie enthalten kritische strukturierte Daten – den Namen und die Dienstmarkennummer des ermittelnden Beamten, die Berichtsnummer, Datum und Uhrzeit der Berichterstellung, die Kennzeichnung des Unfallverursachers, Angaben zu Verkehrsverstößen, Hinweise zu Wetter- und Straßenzustand sowie einen narrativen Abschnitt, der häufig wiederholt oder erweitert, was der Antragsteller im ACORD-Formular angegeben hat. Die Herausforderung bei der Extraktion aus Polizeiberichten liegt nicht in der Feldkomplexität, sondern in der Formatvielfalt. In den Vereinigten Staaten gibt es rund 18.000 Strafverfolgungsbehörden, die jeweils ihr eigenes Berichtsformat verwenden. Einige nutzen das standardisierte NHTSA-Modell für Verkehrsunfallberichte. Andere verwenden bundeslandspezifische Formulare (das kalifornische CHP 555, das texanische CR-3). Viele nutzen kundenspezifische Berichtsformate, die von ihren Dokumentenmanagementsystemen erzeugt werden. Ein vorlagenbasierter Ansatz würde eine separate Vorlage für jede Behörde erfordern. Die semantische Extraktion verarbeitet alle mit einer einzigen Spaltendefinition, da sie die Beschriftungen im Bericht liest – „Name des Beamten", „Berichtsnummer", „Unfallverursacher" – unabhängig davon, wo sie auf der Seite stehen.

Reparaturkostenvoranschläge

Kfz-Reparaturkostenvoranschläge von Karosseriewerkstätten und Sachschadensschätzungen von Bauunternehmen enthalten positionsgenaue Details, die für die Rückstellungsbildung und die Schadensregulierung unerlässlich sind. Zu den wichtigsten extrahierbaren Feldern gehören: Name und Kontakt der Werkstatt oder des Bauunternehmens, Datum der Schätzung, Fahrzeug- oder Objektkennung, Arbeitsstunden und Stundensatz je Position, Teilekosten (OEM vs. Aftermarket vs. Gebrauchtteile), Lack und Materialien, Zwischensumme, Steuer und Gesamtsumme. Reparaturkostenvoranschläge sind am wertvollsten, wenn sie als Tabelle mit einer Zeile pro Position extrahiert werden – sodass der geschätzte Gesamtschaden aus der Summe aller Positionen berechnet werden kann, anstatt sich auf eine einzige handschriftliche Gesamtsumme zu verlassen, die bestimmte Kostenkategorien möglicherweise auslässt. Der Kostenvoranschlag muss außerdem mit dem Schadensdatensatz verknüpft werden, den er unterstützt. Daher muss der Extraktionsworkflow die auf dem Kostenvoranschlag erscheinende Schadens- oder Policennummer erfassen, auch wenn sie handschriftlich am Rand steht.

Medizinische Unterlagen & Aufnahmeformulare

Bei Schadenfällen mit Verletzungen – Autounfälle, Arbeiterunfälle, Haftpflichtfälle – gelangen medizinische Dokumente schnell in die Schadenakte. Notaufnahme-Aufnahmeformulare, Einsatzprotokolle des Rettungsdienstes, Bildgebungsaufträge und erste Behandlungsnotizen enthalten strukturierte Felder (Patientenname, Behandlungsdatum, NPI des Leistungserbringers, Diagnosecodes, Abrechnungscodes), gemischt mit klinischen Notizen. Die Extraktionsstrategie spiegelt den ACORD-Ansatz wider: Extrahieren Sie die strukturierten Felder (Daten, Codes, Identitäten der Leistungserbringer, abgerechnete Beträge) mit Spaltendefinitionen und belassen Sie klinische Notizen als Freitext zur Prüfung durch den Sachbearbeiter oder die Pflegefallmanagerin.

Fotos

Schadensfotos – Kollisionsfotos von Fahrzeugen, Brandschäden, Wassereintritt, defekte Geräte – können im herkömmlichen Sinne nicht für strukturierte Daten extrahiert werden. Aus einem Foto lässt sich kein „Geldbetrag“ ablesen. Computervision-Modelle können jedoch Schadenarten identifizieren und klassifizieren (z. B. „Frontalkollision“, „Hagelschaden am Dach“, „Wasserfleck an der Decke“), sofern der Schadenbetrieb einen Anwendungsfall für die automatisierte Schadenskodierung hat. Für die meisten Schadenteams ist der praktische Ansatz, Fotos als unterstützende Beweismittel zu behandeln, die das Schadenerfassungssystem empfängt und mit dem Schadensdatensatz verknüpft, ohne eine strukturierte Extraktion zu versuchen.

Die zentrale betriebliche Erkenntnis für alle unterstützenden Dokumenttypen: Jeder erfordert seine eigene Extraktionsspaltendefinition, und der Workflow muss sicherstellen, dass die Ergebnisse aller Dokumente mit demselben Schadensdatensatz verknüpft bleiben. Dies ist kein einzelnes Extraktionsproblem. Es ist eine Familie von Extraktionsproblemen, die um ein einzelnes Schadensereignis organisiert sind.

Traditionelle Methoden vs. KI-gestützte Extraktion

Der konventionelle Ansatz zur Datenerfassung bei Versicherungsschäden hat zwei Varianten: manuelle Eingabe und template-basierte OCR. Beide teilen dieselbe grundlegende Einschränkung – sie behandeln jedes Schadensdokument so, als wäre sein Layout vorhersehbar, was es bei der realen Schadensaufnahme nicht ist.

Der semantische KI-Ansatz — Dokumentextraktion ohne Vorlage — ist für Schadensfälle wichtiger als für jede andere Dokumentkategorie, wegen der enormen Formatvielfalt in der realen Schadensbearbeitung. Ein ACORD 2, der als sauberes PDF aus einem Versichererportal eintrifft, und dasselbe Formular als Faxkopie mit handschriftlichen Feldern am Rand sind derselbe Dokumenttyp, der dieselben Spalten erfordert — aber ein templatebasiertes System bräuchte zwei Konfigurationen. Ein semantisches System verarbeitet beide mit einer.

Stapelverarbeitung von Schadensformularen verschiedener Versicherer

Der praktische Arbeitsablauf für Schadens-Teams, die 50–200 Schadensfälle pro Tag bearbeiten, ist die Stapelverarbeitung – das Hochladen eines Ordners mit Schadensunterlagen, das Extrahieren der strukturierten Felder aus jedem enthaltenen Dokument und das Exportieren aller Daten in eine einheitliche Tabelle mit einem Schadensnummernschlüssel, der die Zeilen der einzelnen Dokumenttypen miteinander verknüpft.

Ein typischer Stapelverarbeitungs-Workflow sieht folgendermaßen aus:

Die Batch-First-Verarbeitung ist für Schadensabteilungen kein nachträglicher Einfall. Sie ist der einzige Arbeitsablauf, der skaliert, wenn ein TPA Schadensfälle von 50 verschiedenen Versicherern bearbeitet, die jeweils eine andere ACORD-Darstellung verwenden, und Belegdokumente über ein Dutzend verschiedener Eingangskanäle eintreffen.

So wählen Sie ein Tool zur Schadensextraktion

Nicht jedes Extraktionstool eignet sich für Versicherungsschäden. Die Dokumentmischung – strukturierte Formulare, Freitexte, mehrteilige Anhänge – erfordert spezifische Fähigkeiten, die allgemeine OCR-Tools möglicherweise nicht bieten. Hier sind die Kriterien, die für Schadensabteilungen besonders wichtig sind.

Ohne Vorlage oder vorlagenbasiert. Dies ist die folgenreichste Entscheidung. Wenn das Tool erfordert, Vorlagen pro Versicherer, Formulartyp und Eingangskanal zu erstellen und zu pflegen, wird es der Formatvielfalt des realen Schadenseingangs nicht standhalten. Ein Ansatz ohne Vorlage – bei dem Spaltendefinitionen über Formulartypen, Versicherer und Layouts hinweg funktionieren – beseitigt den Konfigurationsaufwand, der dazu führt, dass Automatisierungsprojekte nach der Proof-of-Concept-Phase ins Stocken geraten.

Unterstützung mehrerer Dokumenttypen. Das Tool muss ACORD-Formulare, Polizeiberichte, Reparaturkostenvoranschläge und medizinische Unterlagen als separate Dokumenttypen mit eigenen Spaltendefinitionen behandeln – nicht alles als „ein Dokument".

Handschrifterkennung. Ein erheblicher Prozentsatz der Schadensformulare wird handschriftlich ausgefüllt – am Straßenrand, im Krankenhaus, auf einem Klemmbrett. Wenn die Handschriftgenauigkeit des Tools bei strukturierten Feldern unter 85 % liegt, scheitert die Automatisierung strukturierter Felder, weil zu viele Ausgaben korrigiert werden müssen.

Stapelexport in Tabellenkalkulation oder Schadenssystem. Die Ausgabe sollte eine strukturierte Datei (Excel, CSV) sein, die ohne manuelle Neuformatierung in Guidewire ClaimCenter, Duck Creek Claims oder eine andere Schadensmanagementplattform geladen werden kann.

Keine Schulung erforderlich. Schadensabteilungen haben nicht das Volumen, um benutzerdefinierte Modelle zu trainieren. Ein Tool, das 10–50 Beispieldokumente pro Formulartyp benötigt, um Ihre Schadensformate zu „lernen", ist für den Versicherungseingang nicht geeignet, da regelmäßig neue Versichererformate und Varianten von Begleitdokumenten auftauchen.

Häufig gestellte Fragen

Welche Dokumenttypen sind in der Datenextraktion für Versicherungsansprüche enthalten?

Die Anspruchsextraktion umfasst das vollständige Anspruchspaket: ACORD-Schadenmeldungsformulare (ACORD 1 für Sachschäden, ACORD 2 für Kfz, ACORD 3 für allgemeine Haftpflicht, ACORD 4 für Arbeiterunfallversicherung), Polizeiberichte, Reparaturkostenvoranschläge für Kfz und Sachschäden, medizinische Aufnahmeprotokolle und Rechnungen sowie begleitende Korrespondenz. Jeder Dokumenttyp erfordert eine eigene Extraktionsspaltendefinition, aber alle Ausgaben werden über die Anspruchs- oder Policennummer für eine konsolidierte Verarbeitung verknüpft.

Wie genau ist die KI-Extraktion bei Versicherungsanspruchsformularen im Vergleich zur manuellen Eingabe?

Bei den strukturierten Kopffeldern – Policennummer, Name des Versicherten, Datum und Ort des Schadens, Beträge – erreicht die KI-Extraktion eine Genauigkeit von 90–95 %+, was messbar besser ist als die feldbezogene Fehlerquote von 3–5 % bei der manuellen Dateneingabe. Die verbleibenden Fehler konzentrieren sich auf bestimmte Feldtypen (handschriftliche VINs, teilweise angekreuzte Kontrollkästchen) und sind vorhersehbar genug, um einen gezielten Stichprobenprüfungs-Workflow darauf aufzubauen. Manuelle Fehler sind dagegen zufällig – jedes Feld kann aus beliebigem Grund falsch sein –, was sie ohne eine vollständige erneute Prüfung jedes Dokuments schwerer zu erkennen macht.

Kann KI die narrative Schadensbeschreibung aus einem Anspruchsformular extrahieren?

Sie kann den Text der Schilderung mit hoher Genauigkeit extrahieren – handschriftliche oder getippte Wörter lesen und als Textblock in einer Tabellenzelle darstellen. Sie kann diese Schilderung jedoch nicht zuverlässig in strukturierte Felder wie „Schadensursache" oder „Verursachende Partei" kategorisieren. Sprachmodelle, die eine Klassifizierung von Schilderungen versuchen, erzeugen eine Fehlerquote von 25–30 %, die die Ausgabe für Entscheidungen zu Deckung oder Haftung unzuverlässig macht. Der empfohlene Workflow besteht darin, die Schilderung als Rohtext zu extrahieren und den Sachbearbeiter sie direkt lesen zu lassen, während die strukturierten Felder – die den Großteil des Dateneingabeaufwands ausmachen – automatisiert werden.

Funktioniert die KI-Erkennung bei Polizeiberichten aus verschiedenen Zuständigkeitsbereichen?

Ja – und genau hier hat die Erkennung ohne Vorlage einen entscheidenden Vorteil gegenüber herkömmlicher OCR. In den USA gibt es rund 18.000 Strafverfolgungsbehörden, die jeweils ein anderes Berichtsformat verwenden. Vorlagenbasierte OCR würde eine separate Vorlage pro Behörde erfordern. Die semantische Erkennung liest die Feldbeschriftungen jedes Berichts – „Name des Beamten", „Berichtsnummer", „Unfallverursacher" – um die Werte zu lokalisieren, sodass eine Spaltendefinition für alle Behördenformate ausreicht. Dasselbe Prinzip gilt für Reparaturkostenschätzungen, die je nach Schätzsoftware (CCC, Mitchell, Audatex) variieren.

Wie gut verarbeitet die KI handschriftliche Schadensformulare?

Bei strukturierten Feldern mit klaren Feldbeschriftungen werden handschriftliche Schadensformulare bei den meisten Handschriftqualitäten mit einer Genauigkeit von 85–90 % erfasst. Der Hauptfehlertyp sind einzelne Zeichenfehler – eine handschriftliche „5" wird als „S" gelesen, eine „0" als „O" – und nicht Fehler ganzer Felder. Formulare, die unter widrigen Bedingungen ausgefüllt werden (am Straßenrand nach einem Unfall, in einem schwach beleuchteten Raum), weisen tendenziell eine eiligere Handschrift auf, die die Genauigkeit in den unteren Bereich dieser Spanne drückt. Ein praktischer Schadensbearbeitungsablauf umfasst einen 1–2-minütigen Validierungsschritt, um die 2–3 kritischsten Felder jedes Schadensformulars zu überprüfen.

Können extrahierte Schadensdaten direkt in Guidewire oder Duck Creek exportiert werden?

Ja. Das Extraktionsergebnis ist eine strukturierte Datei – Excel, CSV oder JSON – die in jedes Schadensmanagementsystem importiert werden kann, das Batch-Daten-Uploads akzeptiert. Die Spaltenüberschriften entsprechen den Feldnamen, die Sie bei der Extraktionseinrichtung definiert haben, sodass die Daten in den korrekten Systemfeldern landen. Für Teams mit hohem Verarbeitungsvolumen kann der Batch-Export auch so konfiguriert werden, dass separate Blätter oder Dateien für jeden Dokumenttyp (ACORD-Felder, Polizeiberichtsfelder, Schätzungsfelder) erstellt werden, die über die Schadens- oder Policennummer verknüpft sind.

Funktioniert das auch für Formulare zur Arbeitnehmerunfallversicherung?

Ja. FNOL-Formulare zur Arbeitnehmerunfallversicherung weisen dieselbe Struktur auf wie andere ACORD-basierte Schadenmeldungen: eine Reihe beschrifteter Kopfzeilenfelder (Name des Arbeitgebers, Name des Arbeitnehmers, Unfalldatum, Art der Verletzung, betroffener Körperteil, behandelnder Arzt) sowie eine narrative Beschreibung des Unfalls. Die strukturierten Felder werden mit derselben Genauigkeit extrahiert wie bei Sach- und Kfz-Schäden. Arbeitnehmerunfall-Schadenfälle erzeugen außerdem zusätzliche Begleitdokumente – den ersten ärztlichen Bericht, Wiedereingliederungsformulare, Lohnabrechnungen – die jeweils mit einem eigenen Extraktionsspaltensatz verarbeitet werden können.

Kann KI Daten aus Fotos von Fahrzeugschäden extrahieren?

Nicht im herkömmlichen Sinne strukturierte Daten. Computervision-Modelle können Schadensarten klassifizieren (Frontalkollision, Hagelschaden, Brandschaden) und Schweregrade einschätzen, aber sie können aus einem Foto allein keinen Dollarwert oder keine Teileliste ausgeben. Fotos sollten am besten als unterstützende Nachweise behandelt werden, die mit dem Schadensdatensatz verknüpft sind, während strukturierte Kostenvoranschläge von Werkstätten oder Auftragnehmern die Daten liefern, die in Schadensrückstellungen und Abwicklungsberechnungen einfließen.

Wie viele Schadenformulare können in einem einzigen Batch verarbeitet werden?

Es gibt keine praktische Obergrenze für die Batchgröße bei der KI-Extraktion. Schadenteams verarbeiten regelmäßig 100–200 Schadenpakete in einem einzigen Batch – mit ACORD-Formularen mehrerer Versicherer, Polizeiberichten verschiedener Behörden und Reparaturkostenvoranschlägen unterschiedlicher Werkstätten. Die Verarbeitungszeit skaliert linear mit der Dokumentanzahl und beträgt durchschnittlich 5–10 Sekunden pro Dokument, unabhängig von Format oder Versicherer. Für höhere Volumina unterstützt der Batch-Workflow die gleichzeitige Verarbeitung über Teampläne.

Wie beginne ich mit dem Testen der KI-Extraktion an meinen eigenen Schadenformularen?

Laden Sie ein gescanntes ACORD-Formular hoch – für Sach-, Kfz- oder allgemeine Haftpflichtschäden – oder ein Foto eines ausgefüllten Schadenformulars. Für den ersten Test ist keine Registrierung erforderlich. Definieren Sie die Spalten, die Ihr Schadensystem benötigt: Policennummer, Schadensdatum, Name des Versicherten, Schadensort, geschätzter Betrag, Schadensart. Sehen Sie die Extraktionsergebnisse in Sekundenschnelle. Eine vollständige Anleitung zur Batch-Verarbeitung über mehrere Versichererformulare und Begleitdokumente hinweg finden Sie in unseren Schritt-für-Schritt-Anleitungen für bestimmte Schadendokumenttypen.