Versicherungsdaten zur Vorhersage von Tierkrankheiten

Für einen Kunden aus der Versicherungsbranche sind Daten unerlässlich. Hier kommen die maschinellen Lernmodelle von SPRYFOX ins Spiel. Mithilfe unseres Systems kann der Kunde den Gesundheitsverlauf von Haustieren besser einschätzen. Unsere Modelle ermöglichen es, Versicherungsexperten die Wahrscheinlichkeit einer Erkrankung versicherter Tiere einzuschätzen und liefern so essenzielle Erkenntnisse, die dazu beitragen können, dass Haustiere länger und gesünder leben.

Unser Kunde ist ein Krankenversicherer für Haustiere mit über 2 Millionen Versicherungsansprüchen von mehr als 750.000 Tieren. Im Rahmen einer digitalen Transformation wollte das Unternehmen mehr datengetriebene Kundeneinblicke bieten, die Versicherungskosten senken und den allgemeinen Gesundheitszustand der versicherten Haustiere verbessern.

Wir starteten mit einer Proof-of-Concept-Phase. Während dieser werteten wir sämtliche vorhandenen Daten zur Krankheitsvorhersage aus und verwendeten grundlegende Methoden des maschinellen Lernens. Anschließend arbeiteten wir mit dem Kunden zusammen, um den extensiven wirtschaftlichen Nutzen unserer gemeinsamen Bemühungen einschätzen zu können.

Es wurde schnell klar, dass es weitreichende Produktmöglichkeiten gab, die wir nutzen konnten. Um die Phase der Produktion einzuleiten, evaluierten wir komplexe Methoden des maschinellen Lernens und deren Fähigkeit zur Prognose künftiger Krankheiten – und integrierten externe und interne Datenquellen nahtlos, um unsere Lösung zu entwickeln.

Wir überwanden Herausforderungen wie das Ausmaß der Tausenden von Krankheiten, die wir vorhersagen wollten und die korrekte Fusion mit externen Datenquellen. Nach Abschluss dieser Phase widmeten wir uns der tatsächlichen Softwareentwicklung. Unser Ziel war es, eine robuste und leistungsstarke Schnittstelle zu kreieren, über die der Kunde mit unseren Algorithmen interagieren kann.

Wir haben eine leistungsstarke Prognose-Engine entwickelt, welche auf Basis von über 15 Jahren an Daten trainiert wurde und wertvolle Informationen über die Faktoren und Voraussetzungen liefert, die das Krankheitsrisiko bei Haustieren erhöhen. Um maximale Präzision zu erreichen haben wir das System mit zahlreichen parallel arbeitenden maschinellen Lernmethoden entwickelt.

Ein entscheidendes Feature der prädiktiven Engine? Die Anbindung an die Datenbank des Kunden in einer Benutzeroberfläche, die eine Suchfunktion auf Basis einzelner Haustiere oder Kategorien von Haustieren zulässt. Der Kunde kann seine Recherche auf Grundlage von Geografie, Rasse, Alter und anderen Charakteristika filtern und für jedes versicherte Tier vorhergesagte Krankheiten anzeigen.

Fundamental wichtig für den Erfolg des Projektes war die frühe Einbindung unserer Benutzer. Wir erkannten, dass wir die Anforderungen unserer Kunden ohne technische Fachkenntnisse in den Vordergrund stellen und uns auf die Auswertbarkeit unserer Prognoseresultate fokussieren mussten. Aus diesem Grund haben wir zusätzlich zu einer umfassenden API, die flexibel in vorhandenen Kundenprodukten genutzt werden kann, eine webbasierte Anwendung entwickelt, mit der sich sämtliche Analysen abfragen und visualisieren lassen.

Die Reaktion hat unsere Erwartungen übertroffen. Jetzt kann unser Kunde den wahrscheinlichen Gesundheitsverlauf seiner tierischen Kunden beurteilen und so wichtige Erkenntnisse gewinnen, die dazu beitragen, dass Haustiere länger und gesünder leben.