Automatische Schadenserkennung

Auf Deutschlands Straßen wird es immer enger. In den letzten zehn Jahren stieg die Anzahl der Neuzulassungen für PKW um über 30 Prozent. Mit der Zahl der Verkehrsteilnehmer wächst auch die Zahl von Schadensfällen, die den Versicherungen gemeldet werden. Ausgebildete Mitarbeiter prüfen die Daten und Bilder jedes Falles und entscheiden, ob der Einsatz eines Gutachters nötig ist. Die Gutachten kosten mehrere tausend Euro und stellen einen nicht unerheblichen Teil des Umsatzes einer Versicherung dar.                                     

Die automatisierte Bildverarbeitung hat das Potential, diese Aufgabe erheblich zu vereinfachen. In den letzten Jahren hat das Forschungsfeld große Fortschritte erzielt. Grund dafür ist der Einsatz sogenannter Deep-Learning-Systeme, die auf Basis von Daten abstrakte Repräsentationen lernen, um verschiedenste Aufgaben zu lösen. Am L3S und am Institut für Informationsverarbeitung forscht Prof. Dr. Bodo Rosenhahn mit seinem Team an neuen Verfahren zur automatisierten Bildanalyse. Sie sollen zum Einsatz kommen, um Objekte und deren Eigenschaften in Bildern zu erkennen - so auch Schäden an PKW-Bauteilen.

Gemeinsam mit dem Startup ClaimBuddy, einer Ausgründung der Leibniz Universität Hannover auf dem Gebiet des digitalen Schadenmanagements, arbeiten Prof. Rosenhahn und Frederik Schubert in einem Förderprojekt daran, die Anforderungen an eine automatisierte Schadenserkennung zu erfüllen. Dazu zählt der Aufbau eines Datensatzes, um ein Deep-Learning-System zu trainieren, das die Versicherungen bei der Analyse und Bewertung der Schadensfälle unterstützen kann. Für Versicherer bietet sich so die Möglichkeit einer kostensparenden und zeiteffizienten Regulierung, insbesondere von Kleinschäden.

Abbildung 1

Beschreibung: Schadenserkennung

Quelle: Car Damage Detective Dataset