Bei rund 60 Prozent der gemeldeten Fahrzeugschäden soll bald Künstliche Intelligenz (KI) zum Einsatz kommen und die Schadenregulierung beschleunigen. Daran arbeiten seit Mitte vergangenen Jahres Warta in Warschau mit HDI-Gesellschaften aus Deutschland, Italien und der Türkei. Nun haben sich die Partner den Digitalisierungsspezialisten Control-Expert aus Langenfeld mit ins Boot geholt.
In der ersten Projektphase wurde demnach ein KI-Modell mit Fotos von Unfallschäden trainiert, um Fahrzeugteile darauf zu erkennen. Mit den Algorithmen von Control-Expert können beschädigte Bauteile und der Schweregrad der Beschädigung bestimmt werden, was somit eine Einschätzung ermöglicht, ob ein Fahrzeugteil instandgesetzt oder ausgetauscht werden muss. Diese Informationen werden in ein Kalkulationssystem übertragen, um die Höhe der Reparaturkosten zu bestimmen.
Durch den Einsatz der Bilderkennungstechnologie verspricht man sich einige Verbesserungen. So sollen beispielsweise Reparaturfreigaben schneller erteilt werden, weil der Kostenvoranschlag entfällt und Zeit bei der Erstellung des Gutachtens eingespart werden. Darüber hinaus soll sich das Qualitätsniveau erhöhen, weil die Fahrzeugidentifikationsnummer oder das Kennzeichen bei der Schadenanlage automatisch erkannt und nicht manuell eingegeben werden müssen. Die automatische Bilderkennung halte zudem Teams bei der Versicherung den Rücken frei, um mehr Zeit für den Autofahrer zu haben oder um komplexere Vorgänge zu bearbeiten, hieß es.
Warta plant, das Projekt noch in diesem Jahr umzusetzen. Während der Testphase würden die Ergebnisse der KI noch manuell überprüft, im Anschluss soll der Schadenregulierungsprozess auf das neue Verfahren umgestellt werden. "Wir arbeiten schon seit über zehn Jahren an der automatisierten Bilderkennung. Es freut uns, wenn unsere Forschungsergebnisse in der Praxis zum Einsatz kommen und wir dadurch zur Zufriedenheit aller am Schadenprozess beteiligten Parteien beitragen können", erklärte Andreas Witte, Leiter Forschung und Entwicklung bei Control-Expert. (tm)
