Underwriter Co-Pilot: Case Study aus der Rückversicherung

• Aprova Delivery
• Case Study, Rückversicherung

Underwriter Co-Pilot: Case Study aus der Rückversicherung

Ein Rückversicherer in Zürich bearbeitete im Specialty-Lines-Segment rund 2’400 Submissions pro Jahr. Die Engpässe waren klar: Einzelne Submissions umfassen 200–600 Seiten PDF, und bis ein Underwriter den relevanten Risiko-Kern extrahiert hatte, vergingen im Schnitt 3,5 Stunden. Unsere Aufgabe: Die Time-to-Quote halbieren, ohne an Underwriting-Qualität einzubüssen.

Die Ausgangslage

• 60 Underwriter in Zürich und London, Specialty-Lines-Fokus (Marine, Energy, Political Risk)
• Submissions per E-Mail und Broker-Plattform
• Bestehende Guideline-Dokumente in SharePoint, ca. 1’800 Seiten
• Ziele: Time-to-Quote halbieren, Hit-Rate um 10 % steigern, Backlogs abbauen

Die Lösung: Aprova Underwriter Co-Pilot

In einem 16-Wochen-Projekt haben wir den Underwriter Co-Pilot in folgenden Bausteinen implementiert:

1. Submission-Ingestion: E-Mails und Attachments werden automatisch entpackt, OCR-verarbeitet und chunked.
2. Risiko-Extraktion: Ein LLM extrahiert strukturierte Risikomerkmale (Insured, Limits, Territories, Loss History) aus dem unstrukturierten Input.
3. Guideline-Matching: Retrieval-Augmented Generation gegen die 1’800 Seiten Guidelines, mit Referenzen zur Quelle.
4. Appetite-Check: Vergleich mit Appetite-Matrix und automatische Vorab-Empfehlung „yes/refer/decline".
5. Underwriter-UI: React-Dashboard mit Quick-View, Evidence-Trail und Ein-Klick-Export ins Pricing-Tool.
6. Audit-Logs: Jede LLM-Interaktion wird mit Modell-Version, Prompt und Output geloggt.

Technologie-Stack

• Azure OpenAI (Switzerland North)
• Private Kubernetes Cluster
• Atlas Vector Search für Guidelines-Retrieval
• Python/FastAPI/Quarkus Backend, Angular Frontend
• Anbindung an bestehendes Pricing-Tool via REST

Die Ergebnisse nach 6 Monaten Produktivbetrieb

• Time-to-First-Assessment: von 3,5 Stunden auf 28 Minuten (–87 %)
• Time-to-Quote insgesamt: –54 % (Ziel: –50 %)
• Hit-Ratio: +13 Prozentpunkte gegenüber Vorjahr
• Underwriter-NPS gegenüber der Lösung: +44 (als „angenehmer Assistent", nicht als Ersatz wahrgenommen)
• Durchgelaufene Audits: 2 interne + 1 EDÖB-Readiness-Review bestanden

Lessons Learned

• Underwriter früh einbinden. Wir haben in Woche 2 einen Shadowing-Tag gemacht – das hat 3 Wochen Fehlbauzeit gespart.
• Guidelines in strukturierte Bausteine bringen. Raw-PDF in Retrieval geht, aber strukturierter Markdown liefert 20–30 % bessere Hits.
• Evidence-First-UI. Jede AI-Aussage muss auf eine Quelle zeigen. Underwriter akzeptieren Blackbox-Antworten nicht.
• Multi-Model ist die Zukunft. Einzelmodell-Lock-in hätte uns bei Preiserhöhungen und Latenz-Problemen teuer zu stehen kommen können.

Übertragbarkeit

Der Co-Pilot-Ansatz funktioniert überall dort, wo Fachkräfte heute Zeit mit der Extraktion und dem Abgleich unstrukturierter Inhalte verbringen – Claims Handler, Corporate Lawyers, Compliance Officers, Kreditanalysten. Der technische Stack bleibt weitgehend gleich, nur Guidelines und UI müssen an den Anwendungsfall angepasst werden.