Fahrzeugbriefe mit Hilfe von KI automatisiert auslesen

BANK11

Eine Erfolgsgeschichte am Beispiel von Bank11

Fahrzeugbriefdaten automatisiert mit Hilfe von Künstlicher Intelligenz auslesen

Referenz

Computer Vision gestützte Prozessautomatisierung

„Professionalität trifft Leidenschaft – Das Projekt wurde sehr schnell und Professionell umgesetzt.“
Torsten Froese, Bereichsleiter Strategische Innovationen & Digitalisierung, Bank11 für Privatkunden und Handel GmbH

Ausgangssituation

Die Geschäftsfälle der BANK11 umfassen das tagtäglich immer wiederkehrende Abtippen von Daten aus Fahrzeugdokumenten. In Summe verarbeiten die Mitarbeiter*innen von BANK11 ca. 190.000 Fahrzeugbriefe im Jahr – und zwar von Hand. Diese zahlreichen manuellen Vorgänge sind nicht nur zeitintensiv, sondern auch kostspielig und darüber hinaus fehleranfällig. Sie stellen außerdem eine Belastung für die Mitarbeiter*innen dar, die sie von ihrer viel wichtigeren Aufgabe abhalten: einen guten Service zu liefern und schnell über Kreditfreigaben zu verfügen.

Das Ziel von Bank11 war es daher, diese Prozesse zu automatisieren. Zwar gibt es Standard-Softwarelösungen für das Einlesen von Dokumenten, jedoch ist das Extrahieren von Daten aus Fahrzeugbriefen ein Sonderfall, der mit einigen Stolpersteinen behaftet ist.

BANK11

Bank11 ist ein auf die Absatzfinanzierung spezialisiertes Kreditinstitut und unterstützt vor allem den mittelständischen Kfz-Handel durch wettbewerbsfähige Mobilitäts- und Versicherungsangebote. Bank11 stellt einfache und günstig kalkulierte Finanzierungsprodukte für Endkunden und solide Liquiditätslösungen für den Kfz-Handel zur Verfügung. Auch im Bereich der Einkaufsfinanzierung bietet Bank11, dank digitalen Floorchecks, deutliche Effizienzsteigerungen, mit denen sich Zeit gewinnen und Risiken verringern lassen. Kompetente und persönliche Betreuung durch ein speziell geschultes Außen- und Innendienstteam runden das Leistungsspektrum von Bank11 ab.

Unsere Lösung

Im Rahmen eines Proof of Concept haben wir die VIN (Vehicle Identification Number) aus Fahrzeugbriefen ausgelesen. Neben dem zuverlässigen Erkennen, an welcher Stelle im Dokument die VIN platziert ist, stellte dabei die verschiedene Beschaffenheit der einzelnen Fahrzeugpapiere eine besondere Herausforderung dar: keine einheitlichen Schriftarten und -farben, unterschiedliche Druckintensitäten, Drucke über den Formularlinien und Dokumente, die verkehrt herum gescannt wurden, mussten bereinigt werden. Dies geschah im sogenannten “Scan Preprocessing”. Mithilfe von automatischen Bildverarbeitungsprozessen wurden die Scans klarer und leserlicher, sodass sie letztlich standardisiert erfasst werden können. Das Ergebnis: Die VIN wird seitdem mit einer Treffsicherheit von 92,31 % eingelesen. Vor dem Einsatz unserer Tools lag die Trefferquote bei unter 20 % und war daher in der Praxis nicht einsetzbar.

In Zukunft sollen sämtliche Daten aus den Fahrzeugbriefen ausgelesen werden, um aufwendige und fehleranfällige Eingaben per Hand zu vermeiden, Kosten und Zeit zu sparen sowie Mitarbeiterinnen und Mitarbeiter zu entlasten. Die Daten aus den Fahrzeugpapieren können außerdem für weitere, innovative Optimierungen genutzt werden. So könnten Kunden beispielsweise per Smartphone-Scan automatisch Informationen und die Kreditzusage über ein Fahrzeug auf Ihr Endgerät erhalten. Diese wäre eine klare Steigerung der Customer Experience.

Neben automatisierten Workflows können die erfassten Daten als Basis zu weiteren Analysezwecken entsprechend gewinnbringend aufbereitet werden. Mit kreativen und innovativen Ansätzen und einem Fortschreiten der Digitalisierung kann die Bank11 durch diese Form der Datenanalyse und -verarbeitung perspektivisch noch deutlich mehr Potenzial ausschöpfen.

Key Facts

Steigerung der Treffsicherheit: von 18% auf 92,31 %
Anwendung von Deep Learning OCR Tools
Komplexes Preprocessing zugeschnitten auf Fahrzeugbriefe
Entwicklung eines eigenen Validierungsverfahrens für Ergebnisse im Bereich OCR (Optical Character Recognition, Text- und Bilderkennung)

Technologien

Tesseract
OpenCV’s EAST
Google Vision API
Python
Neural Networks

Methoden

Agiles Projektmanagement
Kanban

Statements

Über das Projekt

Torsten Froese
Bereichsleiter Strategische Innovationen & Digitalisierung
BANK11 für Privatkunden und Handel GmbH

Im Rahmen des Proof of Concept mit tarent hatten wir das Ziel, die Erfassung von Fahrzeugbriefen (ZBII) zu automatisieren und die Datenqualität zu steigern. Das Ergebnis: Wir haben die Verarbeitungszeit von 1-2 Minuten auf 30 Sekunden sowie die Fehlerquote von ca. 20 % auf 5 % reduzieren können – und das bei einem Gesamtvolumen von ca. 100.000 Briefen. Insgesamt haben die Kollegen von tarent das Projekt nicht nur sehr schnell und professionell, sondern auch mit viel Leidenschaft umgesetzt.

Marissa Elble
Data Scientist
tarent solutions GmbH

Es war wirklich super, für die Bank11 an diesem spannenden OCR-Projekt zu arbeiten. Eine tolle Herausforderung, die wir mit Kreativität und den neuesten Technologien erfolgreich lösen konnten. Besonders positiv war für uns auch die gute und unkomplizierte Zusammenarbeit mit Bank11. Wir sind sehr stolz auf das sensationelle Ergebnis, das alle Erwartungen übertroffen hat.

Expertise und Erfahrung