Rechnungsverarbeitung mit generativer KI

FinanzChef24

Success Story

Über FinanzChef24

FinanzChef24 ist ein digitaler Versicherungsmakler aus Deutschland, der sich auf Selbstständige, Freiberufler und kleine Unternehmen spezialisiert hat. Über die Plattform können Kunden Angebote für Gewerbeversicherungen zahlreicher Anbieter vergleichen, sich über Vertragsdetails informieren und den passenden Versicherungsschutz komplett online abschließen. Mit dem Fokus auf Transparenz, Schnelligkeit und zuverlässigen Service nimmt FinanzChef24 dem Thema Gewerbeversicherung seine typische Komplexität und hilft Kunden, fundierte Entscheidungen zu treffen.

Um die internen Finanzprozesse auch bei steigenden Volumen effizient zu halten, wollte FinanzChef24 die Verarbeitung von Rechnungen verschiedener Versicherer und Dokumentformate modernisieren.

„Auvaria hat uns dabei unterstützt, einen langsamen, manuellen Rechnungsprozess in eine strukturierte, automatisierte Pipeline zu überführen. Schon jetzt können wir provisionsrelevante Daten aus den unterschiedlichsten Anbieterformaten konsistent extrahieren, und die Anbindung neuer Versicherer wirkt deutlich einfacher als bisher. Für unser Finanzteam ist das ein vielversprechender Schritt nach vorn.“

Vlad-Gheorghe Barboni
Co-CEO / CTO

Projektüberblick

Branche

Finanzdienstleistungen / Versicherungsvermittlung

Themen

KI-basierte Dokumentenanalyse + Extraktion von Rechnungsdaten + Strukturierte JSON-Ausgabe + Serverlose Verarbeitung

Projektdauer

4 Monate

Kundenanfrage

Wie lassen sich alle benötigten Finanzdaten zuverlässig aus Rechnungen unterschiedlicher Versicherer und Formate extrahieren, sodass die Verarbeitung mit steigenden Volumen mitwächst und die Ergebnisse für die nachgelagerte Provisionsberechnung konsistent bleiben?

Projekt auf einen Blick

1

Challenge

Die Rechnungen gehen in vielen unterschiedlichen, anbieterspezifischen Layouts ein. Die manuelle Erfassung war dadurch langsam, fehleranfällig und kaum skalierbar.

2

Solution

Eine serverlose Pipeline auf AWS, die mithilfe von Amazon Bedrock, Claude 3.7 Sonnet und anbieterspezifischen Prompts konsistente, strukturierte JSON-Daten erzeugt.

3

Outcome

Schnellere Rechnungsbearbeitung, einheitlichere Extraktionsergebnisse und eine einfachere Anbindung neuer Versicherer.

Ziele

  • Strukturierte Extraktion automatisieren
    Manuelles Copy-and-paste ersetzen, indem vertrags- und provisionsrelevante Daten automatisch in ein einheitliches JSON-Schema überführt werden.
  • Anbietervielfalt abbilden
    Unterschiedliche Rechnungslayouts und Begrifflichkeiten der einzelnen Versicherer zuverlässig verarbeiten, ohne auf einen fehleranfälligen Einheitsansatz zu setzen.
  • Verlässlichkeit nachgelagerter Prozesse erhöhen
    Konsistente, validierte Ergebnisse liefern, die sich direkt für die Provisionsberechnung und die interne Finanzverarbeitung nutzen lassen.
  • Kosteneffizient skalieren
    Eine serverlose Architektur nutzen, die wachsende Rechnungsvolumen ohne hohen Betriebsaufwand bewältigt.

Herausforderungen

  • Stark variierende Dokumentlayouts
    Jeder Versicherer verwendet eigene Strukturen, Bezeichnungen und Feldpositionen. Das erfordert eine robuste Extraktion, die den Kontext versteht.
  • Kontextabhängige Fachbegriffe
    Versicherungsdokumente enthalten branchenspezifische Formulierungen, deren Bedeutung sich erst aus dem Zusammenhang ergibt und nicht allein aus einzelnen Schlüsselwörtern.
  • Hohe Anforderungen an Qualität und Konsistenz
    Schon kleine Extraktionsfehler können sich auf Bewertung und Provisionsberechnung auswirken und so zu mehr Nacharbeit und Prüfaufwand führen.
  • Operative Engpässe
    Die manuelle Verarbeitung begrenzte den Durchsatz und führte je nach Team und Zeitraum zu uneinheitlichen Ergebnissen.

Mit Methode zum Erfolg. So erzielen wir messbare Ergebnisse.

Unser Ansatz

Serverlose Orchestrierung mit AWS Lambda
Eine ereignisgesteuerte Verarbeitung reagiert automatisch auf neu hochgeladene Rechnungen und leitet die Dokumente durch die einzelnen Extraktionsschritte.

Sichere Dokumentenablage auf Amazon S3
Die Rechnungen werden in Amazon S3 in anbieterspezifischen Pfaden abgelegt. Das sorgt für eine klare Trennung der Daten und erleichtert die Anbindung neuer Versicherer.

LLM-basierte Extraktion mit Amazon Bedrock + Claude 3.7 Sonnet
Mithilfe von Amazon Bedrock und Claude 3.7 Sonnet werden PDF-Inhalte inhaltlich erfasst und auch komplexe, kontextabhängige Finanzdaten zuverlässig extrahiert.

Anbieterspezifische Prompt-Module
Für jeden Versicherer wurden eigene, modulare Prompts entwickelt, die auf dessen Begrifflichkeiten und Layout abgestimmt sind. Das erhöht die Genauigkeit deutlich gegenüber allgemeinen Prompts.

Evaluationsbasierte Modellauswahl
Mehrere Modelle wurden mithilfe eines Model-as-a-Judge-Ansatzes verglichen. Die Wahl fiel auf Claude 3.7 Sonnet, da es besonders quellentreue Ergebnisse und zuverlässig strukturierte Ausgaben lieferte.

Success Story

Das

Projektergebnis

  • Schnellere Rechnungsverarbeitung
    Weniger manueller Aufwand, da die wichtigsten Daten für die Finanzprozesse jetzt automatisch extrahiert werden.
  • Einheitlichere Ergebnisse
    Standardisierte JSON-Daten machen die nachgelagerte Provisionsberechnung zuverlässiger und verringern die Nacharbeit durch Formatierungsfehler.
  • Einfachere Anbindung neuer Versicherer
    Dank modularer, anbieterspezifischer Komponenten lassen sich neue Versicherer hinzufügen, ohne die gesamte Pipeline umbauen zu müssen.
  • Skalierbarer Betrieb
    Durch die serverlose Ausführung passt sich das System flexibel an schwankende Rechnungsvolumen an und der Betriebsaufwand bleibt gering.
  • Klare Perspektive für Weiterentwicklungen
    Die Lösung schafft die Grundlage für Konfidenzbewertungen, eine Validierung per Human-in-the-Loop und die kontinuierliche Weiterentwicklung von Prompts und Modellen.

Sascha Alker

Senior Account Executive

Bereit, für den nächsten Schritt?

Legen Sie los!