ONTEC hat dies direkt geteilt
Jede einzelne Erstattungsentscheidung hängt an einer Tabelle mit Dutzenden Ausnahmen, die niemand auswendig kennt. Bei einer Versicherung mit 1,3 Millionen Kunden ist das kein Randproblem, das ist der Alltag. Genau das war die Ausgangslage bei der BVAEB - Versicherungsanstalt öffentlich Bediensteter, Eisenbahnen und Bergbau. Die zentrale Herausforderung: Relevante Stellen im Regelwerk schnell finden, korrekt interpretieren und nachvollziehbar belegen können, ohne dabei die fachliche Verantwortung an ein System abzugeben. Viele KI-Suchprojekte scheitern genau an diesem Punkt. Nicht weil die Modelle zu schwach wären, sondern weil die eigentliche Regellogik in Tabellen steckt, die klassische RAG-Systeme kaum sauber verarbeiten. Bedingungen, Zuordnungen und Ausnahmen gehen bei der Verarbeitung verloren, und plötzlich liefert die KI Antworten, die zwar plausibel klingen, aber nicht mehr stimmen. Gemeinsam mit der BVAEB haben wir eine Lösung gebaut, die genau das löst: eine spezialisierte Tabellenverarbeitung, die diese Semantik erhält, kombiniert mit einer Absicherung gegen Halluzinationen, bei der jede Antwort automatisch gegen das Quelldokument geprüft wird, bevor sie ausgegeben wird. Kein Allzweck-Chatbot, sondern ein Assistent, der Mitarbeitende gezielt zur richtigen Stelle im Dokument führt und die Entscheidung dort belässt, wo sie hingehört: bei den Fachkräften selbst. Das Ergebnis: schnellere Recherche, höhere Genauigkeit und eine spürbar kürzere Einarbeitungszeit für neue Mitarbeitende. Wenn euer Unternehmen ähnliche Herausforderungen mit komplexen, sensiblen Regelwerken hat, sprecht mich gerne an. Den ganzen Case Study-Beitrag findet ihr hier: https://lnkd.in/dpTrqdTR