KI in Versicherungen: Eine Fallstudie mit BVAEB

Date:

Author:

Branko Ristivojcevic

ONTEC AI hat für die Versicherungsanstalt eine Lösung entwickelt, die den Zugriff auf den internen Wissensbestand erheblich beschleunigt.

BVAEB beschleunigt die Bearbeitung von Versicherungsfällen mit KI-gestützter Suche

Die BVAEB bearbeitet Versicherungsfälle auf Basis umfangreicher interner Regelwerke, die im Alltag häufig nachgeschlagen werden müssen. Gemeinsam mit ONTEC AI wurde dafür eine KI-Lösung umgesetzt, die Mitarbeitende gezielt zu relevanten Dokumentstellen führt und damit Recherche beschleunigt, ohne die fachliche Verantwortung zu ersetzen.

Auf einen Blick

Über den Kunden

Die BVAEB ist die Versicherungsanstalt für öffentlich Bedienstete, Eisenbahnen und Bergbau. Sie gewährleistet die Kranken-, Unfall- und Pensionsversicherung für mehr als 1,3 Millionen Versicherte und Angehörige in ganz Österreich. Von der Geburt bis ins hohe Alter fördert die BVAEB über Vorsorge und präventive Maßnahmen die Gesundheit ihrer Kunden.
Gleichzeitig ist die Organisation in mehrere Fachabteilungen mit unterschiedlichen Zuständigkeiten gegliedert.

Ausgangslage & Herausforderung

In der täglichen Fallbearbeitung (u. a. Erstattungen/Leistungsentscheidungen) müssen Mitarbeitende regelmäßig umfangreiche interne Regelwerke und Richtlinien („Dienstverfügungen“) konsultieren. Diese Dokumente bringen mehrere Herausforderungen mit sich:

Die zentrale Herausforderung war daher:

Zielsetzung

Gewünscht war eine Assistenzlösung, die Mitarbeitende deutlich schneller zu den richtigen Stellen in den Richtlinien führt, ohne dabei die fachliche Verantwortung zu ersetzen.
Präzision, Ergebnisqualität und Nachvollziehbarkeit der Informationen standen im Vordergrund.

Lösung: „KIWI“ – KI-gestützte Suche mit RAG-Ansatz und domänenspezifischen Erweiterungen

Gemeinsam mit ONTEC AI wurde „KIWI“ („Künstliche Intelligenz für Wissensmanagement“) umgesetzt.

KIWI liefert sekundenschnelle, nachvollziehbare Antworten, entscheidet aber nicht.

Technically, KIWI is built on a Retrieval Augmented Generation (RAG) approach and was deliberately designed not as a generic chatbot but as a clear, structured workflow:

Frage stellen >Antwort erhalten > gezielt zu relevanten Dokumentstellen geführt werden

Was KIWI besonders macht (Differenzierungsmerkmale)

Bei KIWI handelt es sich nicht um eine standardisierte RAG-Lösung – das Tool kommt mit diversen Besonderheiten, welche eigens für die BVAEB mitentwickelt wurden.

KIWI basiert auf der Kombination der modularen ONTEC AI Plattform und gezielten Erweiterungen, die speziell für die BVAEB entwickelt wurden.

«Der Knackpunkt im Projekt waren die umfangreichen Tabellen im Regelwerk: In klassischen RAG-Setups sind sie oft schlecht maschinenlesbar und es besteht die Gefahr, dass semantische Bedeutung verloren geht. Wir haben eine auf die BVAEB spezialisierte Verarbeitung gebaut – damit auch schwer maschinenlesbare Inhalte zuverlässig im RAG-System auffindbar und nutzbar werden.»

Branko Ristivojcevic, Projektleiter, ONTEC AI

Es wurde eine hybride Suche implementiert. Hybride Suche bezeichnet einen Suchansatz, der zwei (oder mehr) Suchmethoden kombiniert – typischerweise semantische Suche (z. B. über Vektoren/LLMs, die Bedeutung und Kontext erfassen) und klassische, lexikalische Suche (z. B. Keyword-Suche), um sowohl inhaltliche Ähnlichkeit als auch exakte Begriffstreffer zuverlässig abzudecken. Das ist besonders hilfreich, wenn rein semantische Verfahren bestimmte domänenspezifische Begriffe oder Formulierungen nicht gut erfassen; durch die Kombination werden die Ergebnisse robuster.

Zur Unterdrückung von KI-Halluzinationen wird jede generierte Antwort automatisch gegen den Quelltext geprüft, indem die semantische Übereinstimmung zwischen Antwort und Originaldokument berechnet wird. Unterschreitet diese einen definierten Schwellenwert, wird die Antwort verworfen. Das System antwortet nur, wenn die Information tatsächlich im Dokument belegt ist. So wird sichergestellt, dass KIWI nur relevante, valide und nützliche Informationen ausgibt und damit zuverlässiger ist als das pure, zugrunde liegende Sprachmodell.

Darüber hinaus wurde eine automatisierte Regressionstestsuite aufgebaut: Pro Testfrage sind sowohl das erwartete Quelldokument als auch die erwarteten Fakten der Antwort hinterlegt. Bei jeder Änderung am System – ob an der Suche, der Dokumentenverarbeitung oder den Prompts – wird diese Suite automatisch ausgeführt, um sicherzustellen, dass das Qualitätsniveau sichergestellt werden kann.

Projektverlauf & Einführung

Projektteam

Das Projektteam setzte sich zusammen aus dem Team von ONTEC AI sowie dem Team der BVAEB bestehend aus Digitalisierungsabteilung, Projektleitung sowie Power User/End User aus den Fachabteilungen für Tests und fachliche Validierung.

Entwicklung

Die Entwicklung verlief iterativ und eng mit der BVAEB verzahnt.
Den Aufschlag bildete ein Proof of Concept (POC), bei dem ca. 1.700 Dokumente gesichtet und analysiert wurden.

Ein wesentlicher Teil der Implementierung war das sogenannte Prompt Engineering, also die Anleitung des Modells, wie es die Informationen der Dokumente behandeln soll (z. B. Antwortformat, Zitierzwang, Umgang mit Unsicherheit). Ergänzend dazu greift die in der ONTEC AI Plattform integrierte, modellunabhängige Halluzinationsprävention, die jede generierte Antwort automatisch gegen die Quelldokumente validiert und nur belegte Informationen durchlässt.

Die daraus entwickelte Lösung wurde anschließend über wiederholte Test- und Feedbackzyklen gemeinsam mit Power Usern fachlich validiert und optimiert.

«Die Zusammenarbeit mit ONTEC AI war für uns vor allem deshalb so wertvoll, weil das Team unsere fachlichen und organisatorischen Anforderungen vollumfänglich berücksichtigt hat. Besonders überzeugt hat uns, wie pragmatisch und lösungsorientiert ONTEC AI knifflige Themen angegangen ist.»

Bernhard Böck, BVAEB, Abteilungsleiter IKT Software

Es griff ein sehr strenger Qualitätsprozess, bei dem pro Zyklus bis zu 200 Testfragen inklusive erwarteter Dokumentstellen/Passagen definiert und überprüft wurden. Diese Testfragen wurden zusätzlich in eine automatisierte Regressionstestsuite überführt, die bei jeder Systemänderung sicherstellt, dass die Antwortqualität erhalten bleibt.

Dabei wurden nicht nur die Such-/Antwortqualität, sondern auch die Benutzeroberfläche und die praktische Nutzbarkeit im Arbeitsalltag schrittweise verbessert.

Rollout und begleitende Maßnahmen

Das Rollout erfolgte Anfang 2026 und wurde von umfangreichen Schulungen begleitet: Inhalte auf einer internen Weiterbildungsplattform (u. a. Funktionsweise, Beispiele für gute/schlechte Fragen), ein internes Handbuch mit Zielbild und Erwartungsmanagement („was es ist und was es nicht ist“) sowie ein Kurs mit Quiz. Feedback wurde dabei als fester Bestandteil der laufenden Verbesserung etabliert.

Ergebnisse / Business Impact

KIWI unterstützt Mitarbeitende dabei, Versicherungs- und Erstattungsfälle effizienter zu bearbeiten, indem relevante Regelwerksstellen schneller gefunden und nachvollziehbar belegt werden können.
Zu den wichtigsten Ergebnissen gehören:

«Durch die iterativen Test- und Feedbackzyklen mit Power User:innen und das strukturierte Enablement konnten wir Qualität und Akzeptanz im Arbeitsalltag gezielt aufbauen.»

Bernhard Böck, BVAEB, Abteilungsleiter IKT Software

Key Takeaways für andere Organisationen

Organisationen, die ein KI-gestütztes Wissensmanagement aufbauen möchten, können aus dem KI-Projekt der BVAEB mehrere praxisnahe Erfolgsfaktoren ableiten.