Ramsay aktuell

Bin ich ausreichend versichert?

Diese Frage sollte sich jeder einmal im Jahr stellen. Am Mittwoch war einer unserer Kollegen wieder einmal als ehrenamtlicher Feuerwehrmann die ganze Nacht beschäftigt. Aufgrund

Weiterlesen »

Moin! Moin!

Gerade haben wir wieder zwei Fälle in unserem Kundenkreis gehabt, daher wollen wir das Thema nochmal ins Gedächtnis rufen. Mit dem BGH Urteil vom 20.10.2021

Weiterlesen »

BGH-Ur­teil: Un­dich­te Fu­ge im Bad

Wasserschäden, die durch eine undichte Fuge zwischen Duschwanne und Wand entstehen, sind nicht durch die Leitungswasser-Versicherung abgedeckt. Daher muss die Gebäudeversicherung nicht für den Schaden

Weiterlesen »

Immer up to date auf dem Versicherungsmarkt

17.02.2026

Effizienzsteigerungen durch KI-gestützte Dokumentenanalyse

Künstliche Intelligenz soll die Auswertung unstrukturierter Dokumente wie Rechnungen, Verträge oder Schadensmeldungen revolutionieren. 

Ein neues Forschungsprojekt der Hochschule RheinMain entwickelt ressourcenschonende KI-Modelle, die besonders für Versicherungen und Banken von Interesse sind.

Die Digitalisierung schreitet voran, doch viele Geschäftsprozesse basieren weiterhin auf unstrukturierten Dokumenten wie Rechnungen, Verträgen oder Schadensmeldungen. Diese Massendaten müssen in Banken, Versicherungen und Behörden effizient verarbeitet werden – etwa für die Extraktion von Informationen, die Klassifikation von Dokumenten oder die Plausibilitätsprüfung. Wie Künstliche Intelligenz (KI) diese Aufgaben automatisiert und ressourcenschonend bewältigen kann, untersucht das Projekt SLIMDOC (Synergetic LIghtweight Multimodal DOCument Analysis) der Hochschule RheinMain (HSRM).

Ein zentrales Ziel des Projekts ist die Entwicklung von KI-Modellen, die multimodale Dokumente analysieren können. Diese enthalten nicht nur Text, sondern auch visuelle Elemente wie Grafiken oder Fotos. Besonders relevant ist dies für die Schadenregulierung in Versicherungen: Hier müssen KI-Systeme prüfen, ob Schadensdokumente inhaltlich konsistent und plausibel sind. Bisherige Lösungen setzen entweder auf ressourcenintensive Large Language Models (LLMs) oder auf spezialisierte, aber datenhungrige Modelle. Für Versicherungen könnte die Technologie künftig eine schnellere und zuverlässigere Bearbeitung von Schadensfällen ermöglichen – bei gleichzeitig geringerer Fehleranfälligkeit und mehr digitaler Souveränität.