Mehr Effizienz im Defect Management durch moderne Data-Science-Methoden

In Versicherungsunternehmen existieren oft große Datenmengen in Fehlermanagementsystemen, die bislang häufig ungenutzt bleiben. Insbesondere handelt es sich hier häufig um Textdaten, die durch den aktuellen Fortschritt im Bereich der Sprachmodelle wichtige Erkenntnisse und Potential für effizientere Bearbeitungsprozesse liefern können. Mit Hilfe von Data-Science-Methoden werden Tickets automatisch auf inhaltliche Ähnlichkeiten untersucht, um redundante Arbeit zu vermeiden und effizientere Bearbeitungsprozesse zu ermöglichen. 

Dieser Vortrag stellt die Probleme und Möglichkeiten der Data-Science-Methoden insbesondere im Versicherungskontext vor. Anhand von Beispieldaten wird gezeigt, wie Textdaten bereinigt, in Vektoren transformiert und mittels verschiedener Verfahren verglichen werden können. Dabei werden sowohl klassische Ansätze wie TF-IDF als auch moderne Sentence-Transformer vorgestellt und deren Vor- und Nachteile anhand praktischer Beispiele diskutiert.