Suchen

Artificial Intelligence & Machine Learning

BEURTEILUNG VON KFZ-SCHÄDEN MITHILFE VON BILDERKENNUNG

Ein Framework, das Schäden erkennt und Hilfe bei Unfällen bietet

Zunächst ein Beispiel

Clara, unsere Beispiel-Benutzerin, wird auf dem Weg zur Arbeit in einen Unfall verwickelt. Nichts Schwerwiegendes, es geht lediglich um die bürokratische Abwicklung. Also öffnet Clara ganz in Ruhe ihre Kfz-Versicherungs-App und fotografiert ihr Auto. Die Aufnahmen werden in Echtzeit durch eine Engine verarbeitet, die moderne KI-Technologien nutzt.

So erhält Clara Details zu den beschädigten Teilen, eine Kostenschätzung für den Schaden an ihrem Fahrzeug sowie Angaben zu den nächstgelegenen angeschlossenen Werkstätten, die sie kontaktieren kann. Ist all das wirklich möglich?

Bilderkennung zur Einstufung von Kfz-Schäden und Kostenschätzung

Data Reply hat ausgehend von Deep Learning-Verfahren (insbesondere Transfer Learning und Instanz-Segmentierung), Data Mining und natürlicher Sprachverarbeitung ein Framework entwickelt, das eingehende Daten klassifizieren kann, beispielsweise von Gutachtern aufgenommene Fotos und von Werkstätten erfasste Reparaturdaten, um so rasch folgende Angaben zu liefern:

  • das in den Fotos erkannte Fahrzeug und Modell;
  • den Ort der Fahrzeugkomponenten und den jeweiligen Schadensumfang in jedem Foto;
  • eine Schätzung der Reparaturkosten ausgehend von der erkannten Schadensart.

Das Framework im Detail

Modul 1:
SCHADENSERKENNUNG

Die Schadenserkennung nutzt eine Reihe von Convolutional Neural Networks (faltende neuronale Netze), welche mit Bildern trainiert wurden, die verschiedene Arten von Schäden an Fahrzeugen verschiedener Marken und Modelle zeigen. Vortrainierte neuronale Netze werden eingesetzt, um das Potenzial von Transfer Learning zu nutzen, zusammen mit Algorithmen zur Instanz-Segmentierung, die feststellen, welche Fahrzeugteile betroffen sind. Nach Abschluss der Trainingsphase erleichtert das Modell die korrekte Identifizierung der beschädigten Fahrzeugkomponenten sowie die Bestimmung der Schwere des im Foto dargestellten Schadens.

Modul 2:
KOSTENSCHÄTZUNG

Um eine Schätzung der Reparaturkosten zu erstellen, werden von Werkstätten bereitgestellte Daten genutzt, die mithilfe von Algorithmen für Data Mining und natürliche Sprachverarbeitung (Natural Language Processing, NLP) entsprechend normalisiert und aggregiert werden. Anschließend wird eine statistische Bewertung anhand der Kosten für die Reparatur eines ähnlichen Schadens am gleichen Fahrzeugmodell erstellt. Dann werden die Schätzungen mithilfe eines speziellen Optimierungsalgorithmus mit den Ergebnissen der Schadenserkennung aus Fotos verknüpft, um so die Gesamtschätzung der Reparaturkosten für den Unfall zu erlangen.

In 90 % der überprüften Fälle ermöglicht das entwickelte Modell eine korrekte Erkennung des Schadens sowie eine angemessene Schätzung der relevanten Reparaturkosten.

Ein neues Kundenerlebnis für Versicherungen und ihre Kunden


Wie in dem vorangehenden Beispiel geschildert, kann durch den Einsatz des von Data Reply entwickelten Frameworks in einer App eine ganz neue Assistenzmethode getestet werden, die Versicherungen ihren Benutzern dank vollständiger und in Echtzeit verfügbarer Informationen bereitstellen können.

Doch auch die Versicherung kann von der Verwendung der App profitieren. Wie das geht? Indem sie Teile des Schadensabwicklungsprozesses automatisiert. So kann zum Beispiel bei einigen häufigen Unfallarten auf die Hinzuziehung eines Gutachters verzichtet werden. Außerdem wird die Kommunikation zwischen Kunden und Werkstätten vereinfacht. Schließlich können den Kunden, je nach der Art des Schadens, individuell abgestimmte Rückzahlungslösungen angeboten werden.

Visit website

Data Reply ist das Unternehmen der Reply-Gruppe, das sich auf Big Data, Data Science und künstliche Intelligenz spezialisiert hat. Unsere Erfahrung erstreckt sich auf vier Hauptgeschäftsfelder: Vertriebs- und Marketingintelligenz, Big Data Engineering und Sicherheitsintelligenz, Unternehmensintelligenz, IoT und Industrie 4.0-Intelligenz. Die mehr als 40 derzeit in Produktion befindlichen Projekte umfassen die Schaffung von Data Lakes sowie die Nutzung von Algorithmen für künstliche Intelligenz und Machine Learning. Ein auf Quantencomputing beruhender innovativer Ansatz unterstützt die Entwicklung von Algorithmen. Wir bieten auch Schulungsprogramme zu Data Science und Deep Learning.