Blick hinter die Kulissen: Warum die KI-Revolution viel länger dauert, als man denkt

Von außen sieht KI wie Magie aus. Doch hinter jedem glänzenden KI-Feature steckt ein erheblicher Aufwand aus Integration, Abstimmung, Test und Feinjustierung. Genau diesen Weg sind wir bei der KI-gestützten Dokumentendaten­auswertung in unserer Software für Strukturvertriebe gegangen – und möchten hier die wichtigsten Stolpersteine und Erkenntnisse teilen.

Die Reise beginnt wie die meisten mit einem mutigen Schritt und in diesem Fall zusätzlich dem Auffinden eines Partners, der fachliche Kompetenz bringt und Testing im Produktivsystem mit macht. Das war zum Glück nicht so schwer, wer würde auch nicht wollen, dass beliebige eingehende Dokumente ihre Daten von alleine in die Datenbank spielen – ähnlich wie BiPRO – nur branchenunabhängig.

Bevor das aber klappt, muss man erstmal eine KI-Auswertung gestalten, und zwar eine, die den Kunden (den Vertrieb) nicht das letzte Hemd klaut. Die Dokumentenauswertung kostet meistens je Seite, und das kann teuer werden. Insbesondere, wenn man vielleicht die 30 Seiten Bedingungswerk an der Police mit auswertet. Und überhaupt stellt sich die Frage “was” man auswertet.

Der informierte Leser dürfte wissen, dass man einer KI sagen muss, was sie einem suchen soll (“prompten”) und da es mehr als eine Versicherungssparte gibt und mehr als eine Dokumentenart (Wertmitteilung, Police, Nachtrag, Fahrzeugpapiere) und auf jeden Dokument verschiedene Daten draufstehen, ist es erstmal nötig je Dokumentenart die Prompts zu definieren.

Beim Schreiben der Prompts können sich Menschen auch wieder von KI unterstützen lassen, trotzdem benötigt dies Planung und Feinschliff und viel testen.

Antragsanlage mit KI

Woher erkennt nun aber die KI welche Art von Dokument vorliegt und aus welcher “Sparte” es stammt – sprich, welche Promptgruppe benutzt werden soll? Nun, dafür ist in unserem Fall letztlich ein zweistufiger Prozess zuständig. Im ersten Schritt versucht eine einfache, aber kostengünstige OCR-Erkennung herauszufinden, ob es sich hier z. B. um einen Führerschein oder ein Versicherungsdokument handelt, und beim letzteren, was Gesellschaft und Sparte sind. Scheitert dies, wird in einem weiteren Schritt das Dokument an die KI gereicht, mit dem Prompt das herauszufinden, scheitert auch die KI ( schlechter Scan, verwackelte Smartphone-Fotos), muss der Benutzer herhalten.

Sobald dann klar ist worum es sich handelt, wird erneut die KI bemüht. Diesmal mit der genauen Promptliste, für welche Werte ermittelt werden sollen. In unserer Liste sind schon über dreihundert Details für 20 Sparten. Dazu gehören z. B. Adressdaten, Fahrzeugdaten, Zusatzleistungen-Kfz, Rentenwerte uvm.

Die Ergebnisse können dann in einem für Computer verständlichen Format ausgegeben werden. Weitere Agents können zur Logikprüfung benutzt werden, sprich eine KI kontrolliert die Arbeit der KI und gibt Feedback (verursacht Kosten).

Technische Herausforderungen: Dokumente verstehen, Daten extrahieren

Die Genauigkeit schwankt je nach Antrag und Datentyp, der SFR muss zum Beispiel manchmal einer komplexen Tabelle entnommen werden. Das ist aktuell für viele KI-Modelle noch schwierig. Später gibt es aber die Chance, solche Daten auch über den Versicherer zu erhalten, z. B. per GDV oder BiPRO.

Die Daten landen dann per Schnittstelle im CODie-System. Nun muss immer noch eine Übersetzung auf die Logik unserer Bestandsverwaltung erfolgen, auch das war harte Arbeit.

Z. B. hat die KI sowohl einen Vertragsnehmer, als auch mehrere Fahrer gefunden. Vereinfacht gesagt dürfen die Namen nicht durcheinander geraten und damit es keine Dubletten gibt, erfolgt vor der Anlage der Kontakte eine Doublettenprüfung. Unser MVP updated existierende Kontakte und Risiken (das Auto) und stellt eine Verlinkung zum Antrag des Beispiels her.

Gibt es den Kontakt mehrmals (was bei Strukturvertrieben durchaus gewünscht sein kann, wegen Beratersichttrennung), wird im Posteingang eine manuelle Zuweisung vorgenommen.

Der Mensch bleibt wichtig

Ein Benutzer wird außerdem wahrscheinlich aufgefordert werden, dem Antrag im Beispiel ein Produkt und Tarif zuzuordnen. Was die KI dazu an Information findet, wird gesendet, jedoch könnte beides entkoppelt sein, von den Sichtweise der Gesellschaft und z. B. eher aus Provisionsabrechnungsgründen angelegt worden sein (Gesellschaften, Sparten, Produkte und Tarife sind frei in CODie). Das kommt aber auf den Uploadweg an, werden die Daten aus der Software übergeben, anstelle per Email an die KI gesendet, existiert dieses Problem nicht.

Es könnte sich grundsätzlich auch um einen Nachtrag handeln, daher ist es wichtig dem Benutzer eventuelle Anträge anzuzeigen, auch hier wieder um Dubletten zu vermeiden.

Natürlich kann die KI Dinge falsch erkennen, deshalb kann noch beim Importvorgang im Posteingang von CODie eingegriffen werden und sämtliche gelieferte Daten können direkt angepasst werden. Sobald alles stimmt, wird der Kfz-Antrag erzeugt, nun beginnt die eigentliche Arbeit des Innendienstes.

Für den Innendienst startet unmittelbar der Workflow, den unser Projektpartner im MVP so konfiguriert hat, dass z. B. eine automatische Prüfung erfolgt, ob das Beratungsprotokoll vorliegt (wenn nein, dann Auszahlungssperre für den Antrag oder sogar Unterbrechung des Prozesses bis Eingang (LV)).

Außerdem werden To Do’s erstellt, um fehlende oder unvollständige Unterlagen von den Beratern automatisch einzufordern und diese auch regelmäßig daran zu erinnern. Hier sind der Kreativität des Innendienstes kaum Grenzen gesetzt.

Noch viel mehr gehört sicherlich auf der technischen Seite dazu, aber das wäre dann doch zu viel der Fachsimpelei.