Beschleunigung von Keypoints digitaler Immobilienverwaltungsplattform mit KI

Auf Grundlage von Objekterkennung, OCR-Verfahren, Textklassifizierung und der Erkennung benannter Entitäten konnten wir eine Pipeline entwickeln, mit der sich eine Vielzahl von Angeboten verschiedener Reparaturdienstleister strukturiert auswerten lässt. Auf diese Weise können die Preise (und andere Informationen) aus den Angeboten automatisch extrahiert und Position für Position mit den Marktpreisen für die jeweilige Position verglichen werden. So wurde ein Preisrechner entwickelt, der anzeigt, ob ein Angebot überteuert ist oder nicht.

Die meisten Schadensmeldungen enthalten ein oder mehrere Fotos des Schadens. Diese wurden meist vom Kunden aufgenommen und dienen als Nachweis für den Schadensfall. Anhand der Art des Schadens (die in der Schadensmeldung angegeben ist) konnten wir mithilfe von Computer-Vision-Verfahren überprüfen, ob der Bildinhalt mit dieser übereinstimmte oder nicht. Darüber hinaus stellten wir Google-Streetview-Bilder für die Adresse des Schadensfalls bereit. Dies half dem menschlichen Prüfer dabei, zu überprüfen, ob der gemeldete Schadensfall mit der Art des Hauses, des Daches, der Fenster usw. übereinstimmte und ob bereits vor dem im Schadensfall angegebenen Datum Schäden vorhanden waren. Bei Sturmschäden können wir betrügerische Schadensmeldungen anhand von Wetterdaten sowie des Zeitpunkts und des Ortes, an dem der Schaden auftrat, erkennen. Zudem betrachten wir die Anzahl ähnlicher Schadensmeldungen im gleichen Zeitraum, um zu überprüfen, ob die Schadensmeldung berechtigt ist. Ausreißer werden von Fall zu Fall bewertet.