AI claims models programme with QuantumBlack (Aviva UK)
von Aviva (UK General Insurance) · Erstversicherer
Market Unit: GB
Aviva's UK general insurance claims operation uses more than 80 AI and machine-learning models, built by an Aviva analytics team of over 50 specialists with McKinsey's QuantumBlack and Orphoz. The models support claims handlers at key decision points, notably liability assessment and the routing of claims to the right team. McKinsey's case study (vendor-reported) cites 23 days less to assess liability in complex cases, 30% better routing accuracy, 65% fewer customer complaints and over 40,000 hours of staff training. In March 2026 Group CEO Amanda Blanc said Aviva had trained over 150 machine-learning models in claims with its own data and saved nearly £100 million through its claims transformation (diginomica). The models are in production use across the claims function.
1 kostenlose Ansicht übrig diesen Monat
KI-Fähigkeit und Reifegrad
KI-Fähigkeitsstufe
Link zu mehr Informationen über den theoretischen Hintergrund
Geschäftskontext
- Wertschöpfungsstufen
- Schadenmanagement
- Versicherungszweige
- Motorfahrzeugversicherung
- Anwendungsbereich
- Nur intern
- Geschäftskritikalität
- Geschäftswichtig (Tier 2)
- Land oder Markteinheit
- GB
Wert und Wirkung
- Mehrwertkategorie
- EffizienzgewinnVerbesserung des KundenerlebnissesQualitätsverbesserung
Technische Details
- KI-Kategorie
- Maschinelles Lernen und prädiktive Analytik
Compliance und Governance
- EU-KI-Verordnung Risikokategorie
- Nicht verfügbar
- EU-KI-Verordnung Rolle
- Nicht anwendbar
- Relevante Regelwerke
- Andere
Metadaten
- Entwicklungstyp
- Skalierte Anwendung
Publikationen im Zeitverlauf
Wann über diese Lösung berichtet wurde. Rumors sind nicht verifizierte Erwähnungen.
Community
Durchschnittsbewertung
Kommentare
Melden Sie sich an, um mitzudiskutieren.
Noch keine Kommentare. Schreiben Sie den ersten.
Ähnliche Lösungen
ZFinder ist ein von Zurich Seguros (Spanien) intern entwickeltes Modell zur Betrugserkennung, das Big Data und maschinelles Lernen kombiniert, jeden Schadenfall mit Tausenden ähnlicher Fälle vergleicht und sich mit jeder Analyse verbessert. Zurich setzte es zunächst in der Hausversicherung ein (angekündigt im Juni 2018), mit Plänen zur Ausweitung auf weitere Sparten unter der Aufsicht ihres internen Ermittlungsteams. Zurich meldete, dass sich die automatische Betrugserkennung nach der Einführung verdoppelt habe und dass bei 76% der über ZFinder untersuchten Schadenfälle die Arbeit eines Schadenexperten nicht erforderlich gewesen sei. Die häufigsten erkannten Betrugsarten waren vorgetäuschte Schäden (47%), Ansprüche für ausgeschlossene Deckungen (22%) und verschwiegene Vorschäden (17%). Es wurden keine neueren Zahlen gefunden.
Seit September 2021 setzt Baloise im Schweizer Nichtleben-Kundendienst einen virtuellen Sprachassistenten ein, der mit Spitch und NTT DATA entwickelt wurde. Anrufende schildern ihr Anliegen auf Hochdeutsch oder in Schweizer Mundart, statt das Telefonmenü zu nutzen; der Assistent erkennt das Anliegen, hauptsächlich Schadenmeldungen, und leitet den Anruf mit einer Textzusammenfassung auf dem Bildschirm an die Mitarbeitenden weiter. Zum Start liefen rund 40% der deutschsprachigen Nichtleben-Anfragen über den Assistenten, und 85% der Anrufenden erreichten beim ersten Versuch die richtige Fachperson; Französisch war für eine spätere Phase geplant. Die Fallstudie von Spitch (aktualisiert im April 2025) beschreibt eine hybride Lösung aus On-Premise und Cloud. Der Status nach der Fusion zu Helvetia Baloise im Dezember 2025 ist nicht dokumentiert.
von Zurich Insurance Group (Zurich Switzerland, Zurich Brazil)
CH, BR
Das hausinterne System von Zurich zur Erkennung von Schadenbetrug wurde von ZCAM (Zurich Customer Active Management) entwickelt, der hundertprozentigen Datenanalyse-Tochter mit rund 50 Spezialisten. In der Schweiz durchlaufen die meisten der jährlich mehr als 600'000 eingehenden Schadenfälle ein proprietäres Fraud-Scoring-Tool, das vom Schadensystem Allegro gespeist wird, und erhalten einen Risikowert von 0-100; hohe Werte führen zu einer genaueren Prüfung durch die Special Investigation Unit. Neben dem regelbasierten System wird seit Februar 2024 ein Machine-Learning-Modell auf Deutsch für Sach- und Firmenkundensparten pilotiert. Zurich Brazil übernahm das System von ZCAM im Affinity-Geschäft (erweiterte Garantien, Diebstahl von Mobiltelefonen) und weitete es auf Motorfahrzeugschäden aus; die Betrugserkennungsrate im Affinity-Geschäft hat sich verdreifacht (Zurich, September 2024).