dida Logo
Home › 
Industries › 
Versicherungen

Versicherungen

Steigerung der Effizienz der Schadensbearbeitung und präzise Risikobewertung

© unsplash/@chriswebdog

Mit Machine Learning können Bank- und Versicherungsprozesse optimiert werden durch

die Verkürzung der Bearbeitungszeiten von Versicherungsansprüchen durch Automatisierung bei gleichzeitiger Sicherstellung der Betrugserkennung
die Abschätzung von Risiken im Underwriting in der Gebäudeversicherung, z.B. durch automatisierte Analyse von Satellitenbildern
die Abschätzung von Sachschäden nach Naturkatastrophen aus Satellitendaten

Projekte in Versicherungen

Alle Projekte zeigen

Rechtliche Überprüfung von Mietverträgen

Different methods from the field of NLP helped us to create a software that spots errors in legal contracts

Semantische Suche für die öffentliche Verwaltung

dida entwickelte einen KI-basierten Algorithmus zur Extraktion relevanter Informationen aus Behördendokumenten

Automatische Überprüfung von Nebenkosten­abrechnungen

Blog Posts in Versicherungen

Alle Blog Posts zeigen
Einführendes

Der Projektantrag - der erste Schritt zu einem erfolgreichen ML-Projekt

Von Emilius Richter 18. Juli 2022

Für einen Softwareanbieter ist der Projektantrag der erste Schritt zur Erfüllung der Anforderungen des Kunden. In diesem Artikel werde ich die wichtigsten Module in Machine-Learning-Projektanträgen beschreiben.

Einführendes

Ethik im Natural Language Processing

Von Dr. Marty Oelschläger 20. Dezember 2021

Ich erkläre, warum Sprachmodelle dazu neigen, Stereotypen und Vorurteile mit potenziell schädlichen Folgen zu reproduzieren - und wie man sie mit der gebotenen Vorsicht einsetzt.

Natural Language Processing

GPT-3 und darüber hinaus - Teil 2: Schwächen und Gegenmittel

Von Fabian Gringel 24. Oktober 2021

Hier erkläre ich, in welchen Situationen GPT-3 noch scheitert, welche Ansätze helfen können, diese Probleme zu entschärfen und vielleicht zum nächsten Durchbruch führen und welche Alternativen zu GPT-3 es bereits gibt.

Natural Language Processing

GPT-3 und darüber hinaus - Teil 1: Das Grundrezept

Von Fabian Gringel 27. September 2021

In diesem Blogartikel erkläre ich, wie GPT-3 funktioniert, warum manche Leute es für gefährlich halten und wie Sie selbst ein GPT-3-ähnliches Modell kostenlos ausprobieren können.

Projects

21 Fragen, die wir unseren Kunden stellen: Start eines erfolgreichen ML-Projekts

Von Emilius Richter 21. Mai 2021

Wir besprechen, welche Fragen im Vorfeld berücksichtigt und beantwortet werden sollten, um ein erfolgreiches Machine-Learning-Softwareprojekt zu starten.

Einführendes

Automatische Fragebeantwortung für Suchmaschinen

Von Angela Maennel 26. April 2021

Hier zeige ich, wie Open-Domain-Fragebeantwortungssysteme funktionieren und wie sie Suchmaschinen verbessern können. Wir werden uns eine bestimmte Art von System, DrQA, näher ansehen.

Natural Language Processing

Text aus PDF-Dateien extrahieren

Von Text aus PDF-Dateien extrahieren 17. August 2020

Im Folgenden möchte ich die Open-Source-Python-PDF-Werkzeuge PyPDF2, pdfminer und PyMuPDF vorstellen, die zur Extraktion von Text aus PDF-Dateien verwendet werden können. Ich werde ihre Funktionen vergleichen und auf einige Nachteile hinweisen.

Tools

Die besten kostenlosen Labeling-Tools für NLP-Textannotationen

Von Fabian Gringel 30. März 2020

In diesem Blogbeitrag stelle ich die drei besten freien Text-Annotationstools für die manuelle Beschriftung von Dokumenten in NLP-Projekten vor. Sie erfahren, wie Sie sie installieren, konfigurieren und verwenden können und finden heraus, welches von ihnen am besten für Ihre Zwecke geeignet ist. Die Tools, die ich vorstellen werde, sind brat, doccano und INCEpTION.

Use Cases in Versicherungen

Alle Use Cases zeigen