InboxSorter · Werkstatt

KI-Demo · Inputmanagement Versicherung
Live-Demo

Aus formlosem Schriftgut wird strukturierter Vorgang.

Inputmanagement ist nicht nur ein Klassifizierer. Es ist eine Bewertungsfrage: wann lohnt sich ein LLM, wann reicht eine Regel, wann ein Mischbetrieb. Diese Werkstatt zeigt drei Sichten auf das gleiche Problem.

Eingangsdokument

Demo ohne PII-Schwärzung. In Produktion läuft hier vorher die Anonymisierung.

Inputmanagement-Pipeline läuft
  • Dokument einlesen
  • Vorgang klassifizieren
  • Strukturierte Felder extrahieren
  • Fachpostfach vorschlagen

Analyse-Ergebnis

Kategorie
Konfidenz
Dringlichkeit

Zusammenfassung

Extrahierte Felder

Routing-Vorschlag

→
Schadensabteilung
Schäden + Regulierung
→
Vertragsservice
Anlagen + Änderungen
→
Rechtsabteilung
Anwälte + Eskalation

Bearbeitungsvorschlag

    Audit-Hinweis (warum diese Klassifikation?)

    Demo-Bearbeitung
    —
    end-to-end LLM-Call
    Sachbearbeiter manuell
    ~3 Min
    lesen, kategorisieren, weiterleiten
    Speedup
    —
    Faktor schneller als manuell

    Eingangsdokument für A/B-Test

    Gleicher Brief, zwei Ansätze: Regex-Regel-Engine im Browser vs LLM-Call via n8n. Sie sehen Kategorie, extrahierte Felder, Latenz und Kosten je Brief im direkten Vergleich.

    Vergleich läuft parallel
    • Regel-Engine ausführen (Browser)
    • LLM-Call (n8n + gpt-4o-mini)
    • Vergleich rendern

    Wirtschaftlichkeits-Rechner

    Drei Ansätze, gleiche Annahmen. Schieben Sie die Regler und sehen Sie die monatlichen Kosten je Strategie. Modell-Annahmen unten erklärt, alle Werte überschreibbar.

    Briefe pro Monat 10.000
    Manuelle Zeit pro Brief 3 min
    Sachbearbeiter-Stundensatz €42
    Regel-Engine Trefferquote 70%

    Restliche werden manuell nachgearbeitet.

    Monatliche Kosten je Strategie

    100% manuell
    0%
    €0
    100% LLM
    0%
    €0
    100% Regel
    0%
    €0
    Hybrid (Regel + LLM-Fallback)
    0%
    €0
    Ersparnis vs manuell
    €0
    pro Monat, Hybrid-Strategie
    Bearbeitungszeit pro Brief
    0s
    Hybrid statt 3 Min manuell
    Break-Even-Volumen
    —
    ab dieser Briefmenge lohnt LLM

    Modell-Annahmen

    • Regel-Engine-Kosten: 0,02 ct pro Brief (n8n-Compute, vernachlässigbar bei Eigenbetrieb).
    • LLM-Kosten: gpt-4o-mini, ~800 Input-Tokens + 300 Output-Tokens, $0,0006 pro Brief = ~0,055 ct.
    • Hybrid: Regel-Engine versucht zuerst. Bei Konfidenz unter Schwelle (etwa Trefferquote-Anteil) übernimmt LLM.
    • Nicht eingerechnet: Setup-Kosten (PoC + Integration in Bestandssysteme), OCR-Layer für Papier, Wartung, Compliance-Review.