AI für
Schadenmeldungen, Offerten, Dokumenten-Triage — Versicherer haben hunderte wiederkehrende Prozesse mit unstrukturierten Eingaben. AI-Agenten lesen, kategorisieren, priorisieren. Der Experte entscheidet weiterhin — aber mit Vorarbeit, nicht mit Rohmaterial.
- Schadenmeldungen kommen in freier Textform mit Anlagen
- Erst-Triage frisst Zeit, die in die Entscheidung fliessen sollte
- Anträge für Neu- oder Änderungsverträge sind oft unvollständig
- Rückfragen an Kunden verzögern die Bearbeitung um Tage
+ 1 weitere
Kontext der Branche
Versicherungen leben von strukturierten Entscheidungen auf unstrukturierten Eingaben. Eine Schadenmeldung kommt als Mail mit Fotos, ein Antrag als ausgefülltes Formular plus Beilagen. AI-Agenten sind hier in ihrem Element — sie lesen, strukturieren, klassifizieren, und leiten die Unterlagen entscheidungsreif weiter.
Use-Cases, die wir bauen.
- Use-Case 01
Schadenmeldungs-Triage
Erst-Klassifizierung12 min → 45 sekEingehende Schäden werden automatisch klassifiziert (Art, Schwere, Dringlichkeit), priorisiert und an die passende Experten-Rolle gerouted. Eskalation bei Unsicherheit > 30%.
- Use-Case 02
Antrags-Vollständigkeits-Check
Rückfrage-Zyklen−65%Eingehende Anträge werden auf Vollständigkeit geprüft. Bei Lücken wird automatisch nachgefragt — höflich, im Stil Ihrer Firma.
- Use-Case 03
Dokumenten-Assistent
statt MinutenSekundenPolicen, AVB, Schadenmeldungen werden durchsuchbar. Der Experte fragt natürlich-sprachig nach Vertragsdetails, das System liefert die relevante Klausel mit Kontext.
Wie wir die regulatorische Seite halten
FINMA-Rahmen berücksichtigt. DSG, revDSG, EU AI Act (für EU-Policen) kompatibel. Human-in-the-Loop bei allen Entscheidungen mit finanzieller Tragweite.
Womit wir bauen
- Claude Opus
- Next.js
- Postgres
- Resend
- PDF-Tools
Die konkrete Zusammenstellung hängt vom Use-Case ab. Wir wählen nicht nach Vendor-Loyalität, sondern nach bester Passung.
Case-Study: Versicherungsbroker mit 4-Tagen-zu-4-Stunden Triage-Zyklus
Wie ein Brokerhaus mit 32 MA Schadensmeldungen, Antrags-Checks und AVB-Suche in fünf Monaten produktionsreif gemacht hat.
Branchen-spezifische Antworten
Welche AI-Use-Cases sind für Schweizer Versicherungs-KMU sinnvoll?
Schadensmeldungs-Triage (für Sach- und Hausrat unter CHF 50'000), Antrags-Vollständigkeits-Check, AVB- und Policen-Assistent, Beratungs-Vorbereitung, Forderungs-Klassifikation. Personenschäden und grosse Schäden bleiben menschlich — bewusst und immer.
Wie steht es um FINMA-Compliance bei AI-Einsatz?
FINMA-RS 18/3 (Outsourcing) gilt, wenn AI-Anbieter im Pfad sind. Modell-Risk-Management ist Pflicht bei wesentlichen Anwendungen. TYTOS-Architekturen haben quartalsweise Modell-Validierungs-Reports und sind auf FINMA-Audits vorbereitet. Bei direkt regulierten Versicherern: 2–3 Monate Initial-Phase für Compliance-Setup.
Können Personenschäden AI-triagiert werden?
Nein, das ist eine bewusste Linie. Personenschäden enthalten besonders schützenswerte Gesundheitsdaten (revDSG Art. 5 lit. c), brauchen emotionale Sensibilität im Erstkontakt und haben hohe rechtliche Tragweite. AI darf bei Personenschaden nicht triagieren — nur eskalieren.
Wie funktioniert der AVB-Vector-Store technisch?
Alle AVB-Versionen aller Versicherungs-Partner werden in einem semantischen Index gespeichert (pgvector oder Pinecone). RAG-Pipeline: Sachbearbeiter fragt natürlich-sprachig, Modell erhält relevante Klauseln als Kontext, gibt Antwort mit Klausel-Referenz und Seitenzahl. Keine Antwort ohne Quelle.
Was kostet ein produktives Setup für ein Brokerhaus mit 30 MA?
Initialphase 70'000–180'000 CHF (Compliance-Setup + 4–5 Use-Cases), laufend 2'500–4'500 CHF/Monat. ROI typisch in Monat 7–10. Bei stärker regulierten Versicherern verlängert sich die Initial-Phase um 2–3 Monate für Modell-Validierung und FINMA-Abstimmung.
Ein Agentproduktiv in
Beschreib uns dein Projekt in ein paar Sätzen. Innerhalb von 24 Stunden hältst du eine funktionierende AI-Demo in den Händen — und siehst, was heute möglich ist. Kostenlos. Unverbindlich.