Ausgangslage

Die intelligente Bilderkennung ist im Alltag vieler Menschen eingekehrt. Im Urlaub lassen wir uns fremdsprachige Speisekarten von unserem Smartphone übersetzen. Am Flughafen müssen wir an der automatischen Gesichtserkennung vorbei. Die Anwendungsbereiche sind vielseitig. 

Auch im Kfz-Schadenmanagement setzt die Technologie neue Standards. Doch den Markt zu durchschauen, ist gar nicht so einfach: Können die Anbieter wirklich das, was sie versprechen? Welcher Dienstleister ist der Beste? Und wer nutzt wirklich Künstliche Intelligenz, wer wirbt nur mit dem angesagten Schlagwort? 

Wer langfristig strategisch fundierte Entscheidungen treffen will, muss die Kerntechnologie, ihre Komponenten und damit verbundene Erfolgsfaktoren kennen und verstehen. 

Deshalb haben wir für unseren Kunden – ein mittelständisches Unternehmen aus der Versicherungsbranche – die Potenziale der Bilderkennung analysiert sowie die Stärken und Schwächen verschiedener KI-Dienstleister verglichen. 

Das haben wir gemeinsam erreicht:

Tiefgreifendes Verständnis der Kerntechnologie

Detaillierte Analyse der wichtigsten Anbieter am Markt

Unterstützung bei strategischen Entscheidungen

Evaluierung konkreter Use Cases

Bauteile der Bilderkennung von Kfz-Schäden

Unser Vorgehen

Zielsetzung der Studie war es, die Qualität der wichtigsten Anbieter intelligenter Bilderkennung zu vergleichen. Gleichzeitig ging es darum, potenzielle Use Cases zu evaluieren: Kann die Bilderkennung in bestehende Schadenmanagement-Prozesse unseres Kunden integriert werden? Eignet sie sich für die Entwicklung völlig neuer Produkte und Services? Und was bedeutet es eigentlich, wenn wir den Anbietern unseren wertvollen Datenschatz zur Verfügung stellen? Wer profitiert hier von wem?

Die an der Studie teilnehmenden Unternehmen wurden gezielt ausgewählt, um ein repräsentatives Ergebnis der etabliertesten und profiliertesten Anbieter zu gewährleisten. Als Testdaten für die Analyse dienten über 5.000 reale Schadenbilder von 500 Schäden aus dem Archiv unseres Kunden.

Um nicht nur die Qualität des Gesamtergebnisses sondern auch die einzelnen Prozessschritte umfassend bewerten zu können, wurden die Ergebnisse aller Anbieter innerhalb einzelner Stufen analysiert: 1) Erkennen der beschädigten Bauteile, 2) Einschätzung des Schadengrads, 3) Erstellen einer Reparaturkostenprognose auf Basis der beschädigten Bauteile.

Digitaler Durchblick

Das Ergebnis

Auf diese Weise konnten wir nicht nur Aussagen über den Reifegrad der Technologie treffen, sondern auch die Stärken und Schwächen der jeweiligen Technologieanbieter aufzeigen sowie konkrete Use Cases bewerten.

Unser Kunde weiß nun, wann und wo sich der Einsatz intelligenter Bilderkennung lohnen kann. Und er hat das nötige Werkzeug an der Hand, um neue Anbieter gezielt bewerten zu können. Auf diese Weise konnte sich das Unternehmen auch gegenüber seinen Partnern als Experte für Bilderkennung positionieren und unterstützt diese im Scouting relevanter Start-ups und Technologieanbieter. 

Til Loose
Til Loose
New Business Manager
‭+49 151 22134556‬
Termin vereinbaren

Ihre Nachricht