© unsplash/@raychelsnr

© unsplash/@raychelsnr
Banken & Versicherungen

Analyse von Unwetter­schäden und Schadens­fall­bearbeitung

Hintergrund

Gewitter und große Niederschlagsmengen stellen ein großes kommerzielles Risiko für die Landwirte dar. Um Ernteschäden durch Unwetterereignisse zu verhindern, schließen die Landwirte eine Versicherung ab und zahlen eine Versicherungsprämie, die im Schadensfall zu entschädigen ist. Um den Landwirten einen rechtzeitigen und kompetenten Service bieten zu können, müssen Versicherungsgesellschaften in der Lage sein, Ansprüche aus Unwetterereignissen in kurzer Zeit zu bearbeiten.

Herausforderungen

Heutzutage ist die Schadenbearbeitung meist ein manueller Prozess, der Besuche vor Ort durch die Versicherungsgesellschaft beinhaltet. Dies ist aufgrund fehlender Informationen über den Schaden nach Feld oder Landwirt notwendig. Um den Entschädigungsantrag des Landwirts zu validieren, besuchen Versicherungsvertreter die betroffenen Felder, um dem Landwirt einen Entschädigungsbetrag vorzuschlagen.

Da viele Landwirte gleichzeitig Entschädigungszahlungen beantragen könnten, ist dies für beide Seiten ein langwieriger und stressiger Prozess, der zu einer suboptimalen Kundenerfahrung und hohen Kosten für die Versicherungsgesellschaft führt.

Lösungsansatz

Um eine geospatiale Aufzeichnung der abgedeckten Felder zu erstellen, muss der Landwirt die Felder angeben, die in die Versicherung eingeschlossen werden sollen. Die Feldgrenzen und die entsprechenden Kulturarten werden in der Datenbank der Versicherungsgesellschaften als Shape- oder GeoTIFF-Datei gespeichert. Die Überwachung des Wachstumsstatus der Kulturpflanzen während des ganzen Jahres kann mit optischen Satellitendaten (z.B. Sentinel-2) als Eingabedaten automatisiert werden, und es kann ein Deep Learning Modell, z.B. ein Convolutional Neural Network (CNN), entwickelt werden.

Im Falle eines schweren Gewitters können Satellitenbilder von ein paar Tagen nach dem Ereignis automatisch analysiert werden, wobei die Fläche und der Prozentsatz der beschädigten Kulturen gemessen werden. Durch die Analyse vergangener Entschädigungszahlungen und der entsprechenden Satellitenbilder ("ground truth data") kann dem Landwirt eine Vorhersage für die sofortige Auszahlung gemacht werden.

Die sofortige Auszahlung kann später angepasst werden, wenn eine detailliertere Analyse durch Inspektion von Satellitenbildern oder Inspektionen vor Ort durchgeführt wird.

Passende Case Studies

© Anthony Rosset
Computer Vision

Überwachung von urbanen Veränderungen

Ein Algorithmus zur Bildsegmentierung unterstützt nachhaltige Stadtplanung.
Unsere Lösung
Computer Vision

Automatische Erkennung von Kleinbergbau

Ein Beispiel wie Machine Learning dazu beiträgt Umweltzerstörungen zu verhindern.
Unsere Lösung