Kespry CEO betrachtet Künstliche Intelligenz aus der Vogelperspektive

Die Art und Weise, wie Versicherungssachverständige traditionell Dachschäden nach einem Hurrikan bewerten, ist fast genauso gefährlich wie langsam. Sachverständige kletterten mit einer Leiter auf ein beschädigtes Dach und begutachteten den Schaden sorgfältig, in der Hoffnung, dass sie dabei nicht verletzt wurden. US-Sachverständige haben eine fast viermal höhere Verletzungsrate als ein typischer Bauarbeiter. Oben auf dem Gebäude angekommen, benutzte der Gutachter eine Handvoll Werkzeuge – eine Kamera oder ein Smartphone, um den Schaden zu dokumentieren, ein Maßband, um einen Testbereich zu vermessen und vielleicht Kreide, um ihn zu umreißen. Nachdem ein Sachverständiger das Ausmaß des Schadens in einem bestimmten Gebiet berechnet hat, kann er oder sie eine Schätzung des Schadens für das gesamte Objekt extrapolieren und dann zum nächsten Objekt auf seiner Liste fahren, um den Prozess von vorne zu beginnen.

Stellen Sie sich nun vor, Sie verwenden eine Drohne, um nacheinander Schäden an mehreren Häusern zu untersuchen. Der gesamte Prozess kann automatisiert und in einem Bruchteil der Zeit durchgeführt werden, sagte George Mathew, Chairman und Chief Executive Officer von Kespry, das sich selbst als ein Luftgeheimdienstunternehmen bezeichnet. "Sie geben auf einem iPad den gewünschten Koordinatenbereich ein, indem Sie ein Polygon um das Grundstück herum erstellen, und wählen dann den Bereich aus, den Sie inspizieren möchten, und sammeln die erforderlichen Daten", sagte Mathew, dessen Firma die drohnenbasierte Versicherungsanpassung verfeinert hat für Hurrikanschäden. Im vergangenen Jahr berichtete der CEO von Farmers Insurance, dass die drohnenbasierte Technik ihnen geholfen habe, den Prozess zur Bewertung von Hurrikan-Schadensansprüchen von drei Häusern pro Tag auf drei Häuser pro Stunde zu verkürzen. „Das ist eine fast acht- bis zehnfache Produktivitätssteigerung“, sagte Mathew in einem Interview bei Dreamforce.

Darüber hinaus ist der Ansatz genauer, da Drohnen die Abmessungen des Daches genau messen können. Die Technik unterstützt auch den Einsatz von Algorithmen der künstlichen Intelligenz, um Anomalien bei Hagelschlägen zu erkennen und die Informationen direkt in die Schadenmanagement- und Schadenbearbeitungssoftware der Versicherer einzugeben. Das Unternehmen kann auch auf windinduzierte Dachschäden schließen.

[ Industrielle IoT-Welt ist die Veranstaltung, die das IIoT von der Inspiration zur Implementierung führt und das Geschäft und den Betrieb beschleunigt. Hol dir jetzt dein Ticket. ]

Während Kespry seine Expertise im Versicherungssektor aufbaut und sowohl mit State Farm als auch Farmers Insurance zusammenarbeitet, lag sein erster Fokus auf dem Industriesektor. „Bei unserer Gründung im Jahr 2013 hatten wir die Einstellung, dass die Drohne eine Quelle für die sensorbasierte Datenerfassung ist, die wir automatisieren sollten“, erklärt Mathew. Das Unternehmen zielte zunächst darauf ab, Drohnen im Bergbau einzusetzen, um volumetrische Lagerbestände und Lagerbestände zu messen. „Wir könnten eine Drohne über uns fliegen, die von der Drohne kommenden Bilder verarbeiten und diese mithilfe von Photogrammetrie aus einem 2D-Satz hochauflösender Bilder in ein dreidimensionales Modell umwandeln“, sagte Mathew.

Die Technik war erheblich genauer als die traditionelle Methode zur Messung von Lagerbeständen, die eine Varianz pro Lagerbestand zwischen 15 und 20 Prozent aufwies. Kespry behauptet, den Betrag mit einer Genauigkeit von 1 bis 2 Prozent schätzen zu können.

Die gleiche Technik kann verwendet werden, um Materialien auf Baustellen zu messen. „Unsere Überlegung bei der Messung schwerer industrieller Vermögenswerte war, dass bildbasierte Verarbeitung und Computer Vision ein völlig neuer Bereich von Fähigkeiten sind, der im Industriesektor zu wenig genutzt wird“, sagte Mathew. Während industrielle Anwendungen von KI, maschinellem Lernen und Computer Vision seit Jahrzehnten diskutiert werden, wird die Technologie weitgehend für ausgewählte Anwendungsfälle eingesetzt.

Und während große Technologieunternehmen wie Amazon, Google, FedEx und Uber mit dem Einsatz von Drohnen experimentiert haben, zielen sie hauptsächlich auf ehrgeizige Anwendungsfälle mit ungewissen Kommerzialisierungszeitplänen und oft dürftigeren regulatorischen Erwägungen ab. Während es in der Frühphase nach einem Hurrikan Flugbeschränkungen gibt, die das Fliegen von Drohnen in beschädigten Gebieten verhindern, um Kollisionen mit Rettungshubschraubern zu vermeiden, öffnet sich der Luftraum nach Ablauf dieser Zeit wieder und die Drohnen können fliegen.

Im Jahr 2017 berichtete das Claims Journal über eine signifikante Verschiebung hin zum Einsatz von Drohnen in Texas, um die Schäden durch Hurrikan Harvey zu bewerten.

Aber auch im Industrie- und Versicherungssektor kann die Kombination aus Machine-Learning-Technologie und Computer Vision jetzt für wichtige Anwendungsfälle eingesetzt werden. „Wir verfolgen weiterhin diese industriellen Anwendungsfälle, bei denen künstliche Intelligenz, maschinelles Lernen an physischen Vermögenswerten mit einer Art Hebel für maschinelles Lernen und Computer Vision wirklich dazu beiträgt, in diesen Industrieunternehmen bessere automatisierte Entscheidungen zu treffen“, sagte Mathew.

Auf die Frage, ob dieselbe Technik zur Schadensbeurteilung bei anderen Katastrophen eingesetzt werden könnte, sagte Mathew:„Bei Dingen wie Bränden und Tornados wird es etwas schwieriger, weil es oft ein Totalschaden ist, oder?“ Aber auch in solchen Fällen können Drohnen eingesetzt werden, um ausgehöhlte Fundamente zu vermessen, um anhand der Dimensionsanalyse des Fundaments den Gesamtwiederbeschaffungswert für das Haus oder Gebäude abzuschätzen.

In Zukunft könnte sich die Funktionalität der Technologie mit dem Fortschritt der KI-Technologie für gezielte Anwendungsfälle stetig verbessern. „Ich denke, es gibt diese Überblähung des Begriffs KI und seiner Bedeutung. Ich denke, die allgemeine KI liegt weit in der Zukunft, aber die spezifische KI, bei der man algorithmische Methoden zur besseren Entscheidungsfindung anwendet, wird immer überzeugender und relevanter“, sagte Mathew.

„Schauen Sie sich an, wie wir bei der Unterscheidung und Identifizierung von Hagelschäden vorgegangen sind. Wir nahmen hochauflösende Bilder, die mit neuronalen Netzen und Deep-Learning-Modellen verarbeitet wurden, und trainierten sie mit Daten, um Hagelschäden zu unterscheiden und zu identifizieren, und setzten sie auf neue Hagelschadensfälle ein. Das ist nur ein Beispiel“, sagte er. „Je detaillierter der Anwendungsfall wird, desto wertvoller ist die KI-gestützte Entscheidungsfindung für Unternehmen, die sie nutzen.“