KI-Prognose von Reparaturkosten im Kfz-Schadenmanagement

Claim Management — im Deutschen auch Schadenmanagement — bezeichnet die systematische Steuerung und Bearbeitung von Versicherungsschäden. Der Prozess umfasst die gesamte Kette von der Erstmeldung (FNOL — First Notice of Loss) über die Schadenerfassung und Kalkulation bis zur Regulierung und Auszahlung.

Im Kfz-Bereich bedeutet das konkret: Ein Versicherungsnehmer meldet einen Schaden, ein Sachbearbeiter erfasst die Informationen, und auf Basis dieser Daten wird entschieden, ob eine fiktive Abrechnung erfolgt, eine Werkstatt beauftragt oder ein Sachverständiger hinzugezogen wird. Wie präzise und schnell diese Entscheidung fällt, bestimmt sowohl die Kundenzufriedenheit als auch die Schadenkosten der Versicherung.

Das System nimmt während der telefonischen Schadenmeldung strukturierte Informationen zum Fahrzeug und zum Schadenhergang entgegen. Auf Basis von über 800 Datenpunkten pro Schadenfall — darunter Fahrzeugdaten, Schadenmuster, Bauteilkombinationen und Kalkulationsdaten — hat PLAN D Features extrahiert und ein Machine-Learning-Modell trainiert, das innerhalb von Sekunden die erwarteten Reparaturkosten prognostiziert, aufgeschlüsselt nach Arbeits-, Lack- und Materialkosten.

Zusätzlich berechnet das System den Wiederbeschaffungswert und gibt eine Steuerungsempfehlung für den nächsten Prozessschritt. Der Sachbearbeiter erhält diese Informationen live im Telefonat und kann direkt die richtigen Folgeprozesse auslösen.

Dunkelverarbeitung bezeichnet die vollautomatische Bearbeitung von Versicherungsvorgängen ohne manuellen Eingriff. Ein Schadenfall wird gemeldet, automatisch bewertet und reguliert — der gesamte Prozess läuft „im Dunkeln“, also ohne dass ein Sachbearbeiter eingreifen muss.

Im Kfz-Schadenmanagement ermöglicht die KI-gestützte Prognose eine deutlich höhere Dunkelverarbeitungsquote: Wenn das System mit hoher Sicherheit die Reparaturkosten und den optimalen Prozessschritt vorhersagt, kann der Vorgang automatisch abgewickelt werden. Das senkt Durchlaufzeiten und Bearbeitungskosten.

Die Combined Ratio (Schaden-Kosten-Quote) ist die zentrale Kennzahl für die Profitabilität eines Versicherungsunternehmens. Sie setzt die gesamten Aufwendungen für Schäden und Verwaltung ins Verhältnis zu den Prämieneinnahmen. Eine Combined Ratio unter 100 Prozent bedeutet, dass die Versicherung profitabel arbeitet.

KI-gestützte Schadensteuerung verbessert die Combined Ratio auf mehreren Ebenen: präzisere Prognosen reduzieren unnötige Gutachterkosten, automatische Steuerung senkt die Bearbeitungskosten, und konsistentere Regulierung vermeidet überhöhte Auszahlungen.

Bei der telefonischen Schadenmeldung wird ein Schaden anhand der Angaben des Versicherungsnehmers erfasst. Dabei werden häufig nicht alle beschädigten Bauteile genannt — nicht weil die Sachbearbeiter nachlässig sind, sondern weil am Telefon nicht genau genug nachgefragt werden kann.

Das KI-Modell löst dieses Problem: Auf Basis der bereits erfassten Bauteile berechnet es, welche weiteren Bauteile mit hoher Wahrscheinlichkeit ebenfalls betroffen sind. Sind Stoßfänger und Scheinwerfer links beschädigt, schlägt das System vor, auch Kotflügel und Motorhaube zu prüfen. Der Sachbearbeiter erhält so gezielte Hinweise, die zu einem vollständigeren Schadenbild führen.

PLAN D entwickelt KI-Systeme von Anfang an so, dass sie über den ersten Anwendungsfall hinaus skalieren können. In diesem Projekt entstand über sechs Ausbaustufen aus einer Einzellösung eine mandantenfähige SaaS-Plattform — mit eigener Cloud-Architektur, konfigurierbaren Regelwerken pro Mandant und einem zentralen Admin-Backend.

Entscheidend war die Architektur: Multi-Tenant-Fähigkeit, automatisierte ML-Ops-Pipelines und eine Low-Code-Steuerungslogik, die neue Mandanten in Tagen statt Monaten anbindet. PLAN D begleitet dabei den gesamten Weg — von der ersten Datenanalyse über das Prognosemodell bis zum produktiven SaaS-Betrieb mit Lizenzmodell und eigenem Geschäftsfeld.

Das ML-Modell erreicht eine Prognosegüte von 94 Prozent. Es ist auf eine Vielzahl unterschiedlicher Schadenarten trainiert — von kleinen Parkremplern bis zu Wildschäden. Die Abweichung zum späteren Gutachten liegt im Schnitt zwischen 170 und 200 Euro.

Grundlage sind über 800 Datenpunkte pro Schadenfall und 15 Jahre historische Gutachtendaten. Je mehr Schadenfälle das Modell verarbeitet, desto präziser wird die Prognose — ein kontinuierlicher Lerneffekt, der die Genauigkeit über die Zeit weiter steigert.

Heute bereits zu einem großen Teil, und in den kommenden Jahren für bis zu 90 Prozent aller Schadenfälle. KI kann Reparaturkosten prognostizieren, Schadenbilder und Fahrzeugdaten auswerten, Dokumente automatisch verarbeiten, den optimalen Prozessschritt empfehlen und Folgeprozesse wie Werkstattbuchung oder Gutachtenbeauftragung eigenständig auslösen. Auch die Kommunikation mit Kunden lässt sich automatisieren, schriftlich per E-Mail oder telefonisch über sprachgesteuerte Systeme. Bei Standardschäden mit klarem Schadenbild läuft die Regulierung schon jetzt vollautomatisch, sogenannte Dunkelverarbeitung.

Entscheidend ist die Schadenart: Ein Parkrempler, ein Hagelschaden oder ein typischer Auffahrunfall lassen sich algorithmisch zuverlässig bewerten. Mit wachsender Datenbasis, besseren Modellen und multimodaler Verarbeitung von Text, Bild und Sprache wird der Anteil automatisierbarer Fälle weiter steigen. Die menschliche Entscheidung bleibt dort relevant, wo Haftungsfragen, widersprüchliche Angaben oder völlig neue Schadenmuster auftreten. Für alles andere wird KI zum Standard.