Dokumentenanalyse: Wie Sie mithilfe von KI Versicherungstexte schneller vergleichen können

Einen Überblick über Inhalte von allgemeinen Versicherungsbedingungen zu haben, ist für Versicherer, Versicherungsmakler und Assekuradeure entscheidend. Zwar ändern sich die Rechtsgrundlagen für Versicherungsverträge nicht monatlich, aber durchaus einmal im Jahr.

Veröffentlicht: Zuletzt aktualisiert:

Fachartikel, Künstliche Intelligenz, Versicherungswirtschaft

1 Min. Lesezeit
KI vereinfacht und beschleunigt Analyse und Vergleich von Dokumenten

Wird ein neuer AVB-Stand eines Versicherers veröffentlicht, müssen beispielsweise von einem Versicherungsmakler die Inhalte des neuen AVB-Stands mit dem alten Stand verglichen und Differenzen erkannt werden, um seine Kunden bestmöglich beraten zu können. Auch für den Versicherer selbst sind solche Änderungen spannend. Durch eine Analyse neuer Versicherungsbedingungen erhalten sie einen Markteinblick. Zusätzlich erstellen große Maklerhäuser oder Assekuradeure oftmals selber im eigenen oder im Namen der Versicherer Policen. Um einen Überblick über die Inhalte zu erhalten, müssen diese Versionen mit den eigenen Bedingungen verglichen werden.

Bei einem Dokumentenvergleich können diese Fragen entscheidend sein:

  • Wurden Paragraphen sprachlich verändert, was z.B. zu veränderten Pflichten des Versicherungsnehmers führt?
  • Wurden Höchstentschädigungsgrenzen oder Selbstbehalte angepasst?
  • Sind bisherige Deckungsinhalte weggefallen?

Die Herausforderung: Zeitfresser Dokumentenvergleich

Da AVB-Dokumente oftmals viele Seiten lang sind, ist ein Vergleich nicht nur zeitaufwändig, sondern auch fehleranfällig. Diese Kombination führt nicht selten dazu, dass ein intensiver Vergleich nicht oder nur stichprobenartig erfolgt.
Ein manueller Vergleich ist aufgrund der Versicherungsspezifika in der Sprache bereits für einen Menschen herausfordernd. Ein maschineller Vergleich ist nur mit Hilfe eines Sprachmodells möglich, dem Versicherungsvokabular nicht fremd ist. Das Convista-Sprachmodell wurde von unseren KI-Experten explizit mit Versicherungvokabular nachtrainiert und zeigt beim Vergleich von Versicherungstexten signifikant bessere Ergebnisse als Standard-Sprachmodelle. Wir ermöglichen damit einen semantischen Vergleich u.a. von allgemeinen Versicherungsbedingungen (AVB).

Auf Knopfdruck können so inhaltliche und semantische Differenzen in AVBs identifiziert werden. In einem Ergebnis-Output werden die relevanten Differenzen ausgegeben und können weitergehend bewertet werden. Hierdurch lassen sich Zeitaufwand und Fehler bei einem Dokumentenvergleich deutlich reduzieren.

Dokumentenversionen vergleichen

Sollen zwei Dokumente eines Versicherers verglichen werden, sind die Formate und Formulierungen in der Regel sehr nah beieinander. Je ähnlicher die Dokumente sind – oder je besser ich die Inhalte kenne – desto eher werden beim manuellen Vergleich Unterschiede übersehen.

Als Beispiel hier ein Vergleich von zwei 32-seitigen Dokumenten eines Autors:
81 % aller Textabschnitte sind absolut identisch. Lediglich 19 % aller Textabschnitte müssen überhaupt betrachtet werden. In den 19 % Differenzen sind Änderungen enthalten wie

  • Allgemeine Korrekturen z.B. Rechtschreibung oder Interpunktion
  • Änderungen in der Formulierung
  • Wegfall von Abschnitten
  • Inhaltliche Änderung z.B. in Deckungsinhalten /-summen
Ein Beispiel aus der Praxis: Vergleich zweier Versicherungsbedingungen mit Hilfe von Künstlicher Intelligenz. Das Ergebnis wird als Tabelle angezeigt.

Marktanalyse: Dokumente unterschiedlicher Versicherer vergleichen

Der Vergleich zweier Dokumente unterschiedlicher Autoren, z.B. AVBs der gleichen Sparte unterschiedlicher Versicherer, ist aufgrund unterschiedlicher Formatierungen und Formulierungen deutlich komplexer. Je unterschiedlicher Formatierung und Formulierung, desto genauer muss man sich die Ergebnisse anschauen und bewerten. Mit compAIr werden, durch die Anwendung unseres auf Versicherungstexte trainierten Convista-Sprachmodell, semantisch ähnlich formulierte Textabschnitte für einen Vergleich gegenübergestellt. Der genaue Blick in die Dokumente lohnt sich – im Folgenden haben wir aus dem Dokumentenvergleich der AVB der Allianz und der R+V Ausschnitte des Ergebnis-Outputs zusammengestellt:

Künstliche Intelligenz analysiert Abschnitte, die inhaltlich ähnlich sind und stellt sie gegenüber

Sie wollen sich nicht nur alle Unterschiede anzeigen lassen, sondern wollen die Dokumente zu konkreten Themen vergleichen?
Unterstützend dafür haben wir eine ergänzende Vorgehensweise entwickelt. Durch die Eingabe von Fragen durchsuchen die Algorithmen mit Unterstützung unseres Convista-Sprachmodells Dokumente und geben die Textabschnitte als Ergebnis heraus, die von den Algorithmen identifiziert wurden. Zusätzlich werden konkrete Werte extrahiert, die bspw. für die Weiterverarbeitung verwendet werden können. Hierzu mehr im Folge-Blogbeitrag.

Haben Sie Fragen dazu?

Kontaktieren Sie gerne unsere Expertinnen und Experten aus dem Convista KI-Team!

Convista Kontaktbild

Convista KI-Team

SAP Datenarchivierung mit SAP ILM

Veröffentlicht am 11.04.2025

Wachsende Datenberge in SAP? Herangehensweise & Best Practices für die SAP Datenarchivierung

SAP-Systeme speichern täglich riesige Datenmengen – ohne klare Archivierungsstrategie drohen Performance-Verlust, hohe Betriebskosten und Compliance-Risiken. Der Beitrag zeigt praxisnah, wie Unternehmen mit SAP ILM oder SARA strukturierte Archivierungsprozesse etablieren, gesetzliche Vorgaben wie die DSGVO einhalten und gleichzeitig Speicherressourcen optimieren. Von…

Nearshoring vs. Offshoring vs. Outsourcing

Veröffentlicht am 10.04.2025

Nearshoring als Best Practice für SAP IS-U in der Energiewirtschaft

Ein erfolgreiches Nearshoring-Projekt hängt von mehr als nur der Auswahl eines kostengünstigen Partners im nahen Ausland ab. Es erfordert sorgfältige Planung, klare Kommunikation und ein strategisches Vorgehen, um sicherzustellen, dass die Zusammenarbeit effektiv und zielgerichtet verläuft. In diesem Artikel zeigen…

Blockchain in Supply Chain Management: A high-definition, photorealistic image of a warehouse with a digital overlay of a blockchain network tracking the movement of goods hyper realistic
Blockchain in Supply Chain Management: A high-definition, photorealistic image of a warehouse with a digital overlay of a blockchain network tracking the movement of goods hyper realistic

Veröffentlicht am 31.03.2025

Product Life Cycle meets Supply Chain Management

Die Integration von Product Lifecycle Management (PLM) und Supply Chain Management (SCM) ermöglicht eine nahtlose Zusammenarbeit entlang der gesamten Wertschöpfungskette. Durch die Verknüpfung von Produktentwicklung und Lieferkettenprozessen können Unternehmen ihre Effizienz steigern, die Markteinführungszeit verkürzen und die Produktqualität verbessern.