18. November 2026
Jeder Schadensfall erzählt eine Geschichte. Er gibt Aufschluss darüber, wie sich Risiken entwickeln, welche Faktoren die Kosten beeinflussen, wo es zu Verzögerungen kommt und welche Maßnahmen den größten Einfluss auf das Ergebnis haben können. Wenn wir Millionen von Schadensfällen über Jahrzehnte, Branchen und Regionen hinweg betrachten, lassen sich aus diesen einzelnen Geschichten Muster erkennen, die uns helfen können, bessere Entscheidungen zu treffen.
Bei Sedgwick verfügen wir über eine der umfangreichsten Sammlungen von Schadensdaten der Branche – mit fünfmal so vielen Daten wie unser nächster Wettbewerber. Diese Größenordnung verschafft uns einen einzigartigen Einblick in die Herausforderungen, denen unsere Kunden gegenüberstehen – von steigenden Schadenssummen und Prozesskosten bis hin zu immer komplexeren Anforderungen an die Belegschaft.
Fortschritte in den Bereichen Cloud-Technologie, Analytik und künstliche Intelligenz helfen uns dabei, diesen Informationen einen größeren Nutzen zu entnehmen. Wir können aussagekräftige Muster erkennen, aufkommende Risiken antizipieren und den Entscheidungsträgern täglich relevante Erkenntnisse liefern, wobei wir auf jahrzehntelange Erfahrung zurückgreifen, um unsere Herangehensweise an die heutigen Schadensfälle zu gestalten.
In den letzten Jahren haben wir erhebliche Investitionen in die Mitarbeiter, die Technologie und die Infrastruktur getätigt, die zur Unterstützung dieser Arbeit erforderlich sind. Diese Investitionen tragen dazu bei, die kontinuierliche Weiterentwicklung von Omni, dem integrierten digitalen Ökosystem von Sedgwick, voranzutreiben und neue Wege zu erschließen, um die Ergebnisse für unsere Kunden und die von ihnen betreuten Menschen zu verbessern.
Die Grundlage für bessere Erkenntnisse schaffen
Die Verwaltung von Daten in der Größenordnung, wie sie bei Sedgwick anfallen, erfordert eine hochentwickelte Infrastruktur. In unseren weltweiten Niederlassungen arbeiten wir mit enormen Datenmengen, die aus verschiedenen Schadensbearbeitungssystemen, Geschäftsbereichen, Kundenprogrammen und regionalen Umgebungen stammen.
Ein Großteil dieser Informationen wurde in der Vergangenheit über eine hochsichere, bewährte Dateninfrastruktur verwaltet, die nach wie vor eine wichtige Rolle in unseren Geschäftsabläufen spielt. In den letzten Jahren haben wir unsere Investitionen in cloudbasierte Technologien ausgeweitet, die es uns ermöglichen, größere Informationsmengen zu analysieren und Erkenntnisse schneller verfügbar zu machen.
Eine dieser Investitionen ist Snowflake, eine cloudbasierte Datenplattform, die es uns ermöglicht, Informationen aus unseren bestehenden Systemen gezielt in eine Umgebung zu übertragen, die speziell für anspruchsvolle Analysen und Berichte ausgelegt ist.
Dieser Ansatz verschafft uns mehr Flexibilität bei der Arbeit mit Daten. Wir können immer ausgefeiltere Vorhersagemodelle unterstützen, Informationen einem breiteren Nutzerkreis zugänglich machen und unsere Analysewerkzeuge an den technologischen Fortschritt anpassen.
Außerdem hilft sie uns dabei, unsere Geschäftstätigkeit in verschiedenen Regionen effektiver zu gestalten. Die einzelnen Regionen weisen unterschiedliche regulatorische Anforderungen, Geschäftspraktiken und Methoden zur Beschreibung von Schadensfällen auf. Unsere Datenarchitektur ermöglicht es uns, geeignete regionale Umgebungen aufrechtzuerhalten und gleichzeitig einheitliche Analysewerkzeuge und -ansätze in unseren weltweiten Geschäftsbereichen anzuwenden.
Daten-Governance spielt während dieses gesamten Prozesses eine grundlegende Rolle. Durch angemessene Kontrollen hinsichtlich des Zugriffs auf Informationen, ihrer Organisation und Nutzung stellen wir sicher, dass die von uns generierten Erkenntnisse zuverlässig sind und die Daten unserer Kunden verantwortungsbewusst behandelt werden.
Mehr Erkenntnisse aus den Informationen gewinnen, die wir bereits haben
Eine der spannendsten Entwicklungen in der Datenwissenschaft ist unsere zunehmende Fähigkeit, Informationen zu analysieren, deren Nutzung in großem Maßstab bislang schwierig war.
Schadensfälle liefern zwei große Kategorien von Informationen. Zu den strukturierten Daten gehören die in festgelegten Feldern erfassten Informationen, wie beispielsweise die Art des Schadensfalls, der Gerichtsstand, die Merkmale der Verletzung, die Kosten und wichtige Daten. Diese Informationen dienen seit langem als Grundlage für unsere Berichterstattung, unser Benchmarking und unsere prädiktiven Analysen.
Unstrukturierte Daten eröffnen eine weitere Dimension. Dazu gehören Schadensnotizen, medizinische Unterlagen, Maßnahmenpläne und andere beschreibende Informationen, die Aufschluss darüber geben, was im Verlauf eines Schadensfalls geschieht.
Jahrelang war es mit erheblichem manuellem Aufwand verbunden, aussagekräftige Erkenntnisse aus diesem Material zu gewinnen. Heute ermöglichen uns Fortschritte in den Bereichen KI und Verarbeitung natürlicher Sprache, einen größeren Teil dieser Informationen in unsere Analysemodelle einzubeziehen.
Wir haben aus erster Hand erlebt, wie wertvoll dieser zusätzliche Kontext sein kann. Bei der Entwicklung unserer nächsten Generation von Modellen zur Schadensschwere war eine der bedeutendsten Verbesserungen die Einbeziehung unstrukturierter Informationen neben den herkömmlichen Schadensdaten.
Dieses umfassendere Verständnis hilft uns dabei, Muster zu erkennen, die sonst möglicherweise schwer zu erkennen wären, insbesondere wenn wir Millionen von Schadensfällen mit unterschiedlichen Merkmalen und Umständen betrachten.
Da unsere Sachbearbeiter zunehmend KI-gestützte Tools zur Unterstützung der Dokumentation und zur Zusammenfassung von Informationen einsetzen, bauen wir gleichzeitig einen immer umfangreicheren Bestand an detaillierten, einheitlichen Informationen auf, der künftige Analysen unterstützen kann. Die Tiefe und Qualität dieser Informationen werden die Erkenntnisse, die wir gewinnen können, weiter stärken.
Erkenntnisse dort bereitstellen, wo Entscheidungen getroffen werden
Berichte und Dashboards spielen seit langem eine wichtige Rolle dabei, Unternehmen Einblicke in die Schadenentwicklung zu verschaffen. Risikomanager und Führungskräfte nutzen sie, um Trends zu beobachten, Ergebnisse zu bewerten und Bereiche zu identifizieren, die in ihren Programmen besonderer Aufmerksamkeit bedürfen.
Wir erweitern nun die Möglichkeiten, wie diese Informationen die Menschen erreichen, wobei wir besonderen Wert darauf legen, relevante Informationen direkt in den Arbeitsabläufen bereitzustellen, in denen Entscheidungen getroffen werden.
Stellen Sie sich einen Schadenssachbearbeiter vor, der einen einzelnen Schadensfall prüft. Dieser Fachmann stützt sich auf seine Erfahrung, sein Urteilsvermögen und seine Kenntnis der Umstände, um die geeigneten nächsten Schritte zu bestimmen. Mit integrierten Analysen können wir dieses Fachwissen durch Erkenntnisse aus Tausenden ähnlicher Schadensfälle ergänzen, darunter historische Muster, potenzielle Schweregradindikatoren und Faktoren, die die Ergebnisse beeinflusst haben.
Wenn diese Informationen während der Prüfung eines Antrags zur Verfügung stehen, können Fachkräfte aufkommende Probleme erkennen und mögliche Maßnahmen bereits in einem frühen Stadium des Verfahrens bewerten.
Durch unsere kontinuierlichen Investitionen in eingebettete Analysen und das Omni-Ökosystem verbessern wir die Möglichkeiten, Erkenntnisse direkt in den Systemen bereitzustellen, die unsere Kollegen für die Bearbeitung von Schadensfällen nutzen. Relevante Informationen können im Kontext ihrer täglichen Arbeit dargestellt werden, wodurch es einfacher wird, datengestützte Empfehlungen in ihre Entscheidungen einfließen zu lassen.
Für Kunden ermöglichen diese Funktionen zudem ein proaktiveres Programmmanagement. Mithilfe fortschrittlicher Analysen lassen sich aufkommende Trends erkennen, Prognosen erstellen und ein besserer Einblick in die Faktoren gewinnen, die die Schadenentwicklung beeinflussen.
Bei der weiteren Entwicklung dieser Tools legen wir den Schwerpunkt darauf, Erkenntnisse für ein breiteres Publikum zugänglicher und nützlicher zu machen – vom Schadenbearbeiter, der einen einzelnen Fall bearbeitet, bis hin zum Risikomanager, der ein komplexes globales Programm betreut.
Vorausschauende Erkenntnisse in Maßnahmen umsetzen
Der Wert unserer Daten wird besonders deutlich, wenn wir sie auf Herausforderungen anwenden, die einen wesentlichen Einfluss auf den Ausgang von Schadensfällen haben.
Ein Beispiel hierfür ist die Schadensschwere. In allen Bereichen der Schadenversicherung kann die frühzeitige Erkennung potenziell komplexer oder kostenintensiver Schadensfälle zu einem effektiveren Eingreifen, einer besseren Ressourcenzuweisung und einem besseren Prozessmanagement beitragen.
Unser Data-Science-Team hat eine neue Generation von Schweregradmodellen entwickelt, die auf Millionen von historischen Schadensfällen, Hunderten von Millionen unstrukturierter Schadensnotizen und jahrzehntelanger Erfahrung basieren. Diese Modelle bewerten Schadensfälle anhand von fünf Schweregradkategorien und helfen Fachleuten dabei, das relative Risiko einzuschätzen und ihre Prioritäten entsprechend den Merkmalen der einzelnen Schadensfälle zu setzen.
Bei Schadensfällen im Bereich der allgemeinen Haftpflicht mit Personenschäden haben wir diesen Ansatz bereits in die Praxis umgesetzt. Die Modelle nutzen eine breite Palette an Informationen, darunter strukturierte Schadensmerkmale und unstrukturierte Unterlagen, um Schadensfälle zu identifizieren, die möglicherweise einer besonderen Aufmerksamkeit bedürfen.
Wir setzen prädiktive Intelligenz auch im Bereich klinischer Interventionen ein. Unsere KI-gestützten Funktionen zur Versorgungsberatung analysieren Abrechnungsdaten, um Fälle zu identifizieren, bei denen die Einbeziehung eines medizinischen Fachpersonals von Vorteil sein könnte, und ermöglichen so einen frühzeitigeren Zugang zu entsprechender Fachkompetenz und Versorgung.
Die Breite unserer historischen Daten bietet diesen Modellen eine solide Grundlage für die Erkennung von Mustern, während unsere Schadenregulierer das erforderliche Fachwissen mitbringen, um die Ergebnisse zu interpretieren und die geeigneten Maßnahmen zu ermitteln.
Ein wichtiger Bestandteil unseres Ansatzes besteht darin, sicherzustellen, dass die Modelle den für die Bearbeitung von Schadensfällen zuständigen Mitarbeitern aussagekräftige Anhaltspunkte liefern. Wir möchten Fachleuten nicht nur potenzielle Probleme aufzeigen, sondern ihnen auch helfen, die Faktoren zu verstehen, die zu dieser Einschätzung beitragen – sei es eine bestimmte Rechtsordnung, ein bestimmtes Verletzungsmerkmal oder ein Muster, das bei ähnlichen Schadensfällen beobachtet wurde.
Dieser Kontext liefert dem Schadenssachbearbeiter zusätzliche Informationen, die er neben seiner eigenen Erfahrung und seinem eigenen Urteilsvermögen berücksichtigen kann. Die Erklärung für einen Prognosewert kann besonders hilfreich sein, um zu entscheiden, welche Maßnahmen zu ergreifen sind.
Wir erweitern weiterhin die Grenzen des Möglichen
Die Menge der uns zur Verfügung stehenden Informationen wächst stetig, und Fortschritte in den Bereichen KI und Analytik erweitern die Möglichkeiten, was wir daraus lernen können. Wir sind zunehmend in der Lage, Informationen aus dem gesamten Schadenbearbeitungszyklus einzubeziehen, diese auf immer ausgefeiltere Weise zu analysieren und die daraus gewonnenen Erkenntnisse einem größeren Personenkreis zugänglich zu machen.
Bei Sedgwick arbeiten wir kontinuierlich daran, unsere Dateninfrastruktur weiter auszubauen, neue Informationsquellen zu integrieren und unsere Vorhersagemodelle zu verfeinern. Außerdem legen wir großen Wert darauf, die Nutzung dieser Funktionen zu vereinfachen, damit die von unseren Data-Science-Teams gewonnenen Erkenntnisse in allen Bereichen unseres Unternehmens einheitlich angewendet werden können.
Jeder von uns bearbeitete Schadensfall trägt zu unserem Verständnis von Risiken, Schadensregulierung, Kostentreibern und den Faktoren bei, die die Ergebnisse beeinflussen. Im Laufe der Zeit stärkt diese gesammelte Erfahrung unsere Fähigkeit, Muster zu erkennen und festzustellen, wo frühzeitiges Handeln den Ausschlag geben kann.
Diese Arbeit ist für die weitere Entwicklung von Omni von zentraler Bedeutung. Indem wir unsere Daten, Analysefähigkeiten und unser Fachwissen im Bereich der Schadensabwicklung innerhalb des gesamten Ökosystems stärker miteinander verknüpfen, können wir unseren Kollegen und Kunden einen klareren Überblick über die Faktoren verschaffen, die den Ausgang von Schadensfällen beeinflussen, und ihnen helfen, mit größerer Zuversicht darauf zu reagieren.
Dank der Fülle an Informationen, über die Sedgwick verfügt, und der Investitionen, die wir in deren Nutzung getätigt haben, sind wir bestens aufgestellt, um die Rolle von Daten im Schadenmanagement weiter voranzutreiben. Ich freue mich besonders darauf, wie viel wir noch lernen können, wenn wir weitere Informationen in unsere Analyseumgebung einbeziehen und diese Erkenntnisse bei der Bearbeitung der Schäden, die wir täglich bearbeiten, umsetzen.
Stichworte: Künstliche Intelligenz Behauptung Anspruchsdaten Daten
Australien
Kanada
Dänemark
Frankreich
Deutschland
Griechenland
Irland
Niederlande
Neuseeland
Norwegen
Spanien und Portugal
Vereinigtes Königreich
Vereinigte Staaten