Live Demo

Automatisierte Schadenindizierung

Ein internationaler Fortune 500 Versicherungskonzern wollte Ineffizienzen und Fehler reduzieren, die durch manuelle Dokumentenklassifizierung und Datenextraktion eingereichter Dokumente entstanden, eliminieren. Durch die Unterstützung von omni:us gelang es dem Versicherer täglich etwa 100.000 unstrukturierte, physische und digitale Schadenmeldungen ohne manuelle Eingriffe korrekt zu indizieren und weiter zu verarbeiten.

Warning-2

Herausforderung

  1. Ineffektive Prozesse und mangelnde IT erfordern bei der Schadenanlage ein hohes Maß an manuellen Eingriffen
  2. Komplexe Richtlinien über die Klassifizierung von Dokumenten führen zu falschen Zuordnungen und Verarbeitungsschleifen
  3. Unzureichende manuelle Verfahren zur Strukturierung von Daten verursachen häufig Fehler während der Datenextraktion, was ebenfalls zu einem erhöhten Arbeitsaufwand und verminderter Arbeitsqualität führt
  4. Unvollständige manuelle Datenerfassung bei der Übermittlung von Dokumenten bewirkt einen erheblichen Datenverlust zwischen Schadenaufnahme und Schadenbearbeitung, wodurch die Verarbeitungsschleifen erneut verstärkt werden
Target

Erfolg

    1. Reduzierte Schadenearbeitungszeit
  1. Geringere Komplexität der Geschäftsregeln für Dokumentenklassen von 32 auf 16 durch die Einführung von MECE und die Beseitigung von Redundanzen
  2. Geringere Anzahl an Fehlklassifizierungen
  3. Umschichtung von Mitarbeitern von manuellen und zeitintensiven Aufgaben zu anspruchsvolleren, kundenorientierten Tätigkeiten
Clipboard-check

Lösung

  1. Standardisierte Richtlinien zur Dokumentenklassifizierung und Neudefinition relevanter Datenextraktionspunkte
  2. Trainierte KI, um eingehende Dokumente automatisch richtig zu klassifizieren
  3. Verfügbarkeit relevanter Daten aus eingehenden Dokumenten, die für den gesamten Prozess der Schadenbearbeitung von Relevanz sind
  4. Automatische Zuordnung und Ablage der Schadenakten in das zugrundeliegende Bestandssystem des Versicherers
Vergleich

Automatisierte Schadenindizierung

  • omni:us
  • Manuell

 

 

KI-basierte Dokumentenverarbeitung

Selected-file
Klassifikation

Ordnen Sie mithilfe modernster Deep Learning-Systeme vollständige Dokumenten oder einzelnen Seiten anhand visueller und textueller Merkmale vordefinierten Kategorien zu.

Layout-top-panel-4
Kognitive Informationsextraktion

Extrahieren Sie Informationen aus semistrukturierten Dokumenten dank Einsatz fortgeschrittene Techniken der Named-Entity-Erkennung und der End2-End-Informationsextraktion.

Pen-tool-vector
HANDSCHRIFTENERKENNUNG

Extrahieren Sie mittels sprach- und autorenunabhängiger Handschrifterkennungssysteme, Informationen aus handgeschriebenen Formularen.

Chat#2
INTERPRETATION VON FREITEXT

Interpretieren Sie unstrukturierte Dokumente und Texte mithilfe von Schriftklassifikation, der Erkennung von Eigennamen, Sprachmodellen, sowie Fragenbeantwortungssystemen.

Plattform
Über uns
Ressourcen
Besuchen Sie uns
Kontakt

omni:us ist stolzer Europas Horizon2020 SME-Instrument and Fet Flag Champion.
Wir sind dankbar für die Förderung durch das Forschungs- und Innovationsprogramm Horizon 2020 der Europäischen Union unter der Finanzhilfevereinbarung Nr. 820323; 850053.

Kofinanziert von Europäischen Fonds für regionale Entwicklung (EFRE)
Pro Fit-Projekt „Vollautomatisierung der Wertschöpfungskette im Digitalisierungsprozess von Archivdaten“ mit Unterstützung von IBB/EFRE in 2016/2017.

Copyright © 2024 Qidenus Group GmbH. Alle Rechte vorbehalten.

Datenschutz | Impressum