[ graphrag × versicherung ]
Versicherungswissen liegt in Dokumenten: Bedingungswerke, Produktblätter, Leistungskataloge. Diese Plattform nimmt solche Dokumente und ganze Websites auf, strukturiert das Wissen entlang einer Geschäftsontologie des Versicherungsgeschäfts und erzeugt daraus automatisch eine vollständige Beratungs-Website: mit belegten Antworten im Gespräch und einem Vertriebs-Cockpit für die Übergabe an den Makler. Diese Seite zeigt, wie das System aufgebaut ist, welche Entscheidungen dahinterstehen und welche Erfahrungen auf dem Weg entstanden sind.
Dokumente und Websites fließen in einen Suchindex und einen Wissensgraphen, je Mandant sauber getrennt.
Eine Geschäftsontologie aus Kundengruppen, Produktgruppen und Produktnamen strukturiert das Wissen, offen für Neues.
Navigation, Seiten und Texte entstehen automatisch aus der Ontologie, bis zur fertigen Beratungs-Website.
Jede Antwort im Gespräch zitiert ihre Quelle. Reicht das Wissen nicht, sagt das System das ehrlich.
[ struktur schlägt suche ]
Eine Volltextsuche findet Passagen. Beratung braucht mehr: Wer fragt hier, ein Privatkunde oder ein Betrieb? Um welches Produkt geht es, und wie hängt es mit den anderen zusammen? Diesen Zusammenhang liefert keine Suche, sondern eine Struktur: eine Geschäftsontologie, die das Wissen entlang der Logik des Versicherungsgeschäfts ordnet, von der Kundengruppe über die Produktgruppe bis zum einzelnen Produkt.
Die überraschendste Erfahrung dieses Projekts: Die wirksamste Ontologie steckte am Ende nicht in der Graphdatenbank, sondern in den Prompts. Ein Wissensgraph wurde aufgebaut und erprobt, Neo4j mit eigener Datenbank je Mandant. Den größten Hebel hatte aber die Ontologie, die als Anleitung für das Sprachmodell formuliert war: Sie klassifiziert jedes Themen-Cluster und baut daraus die komplette Informationsarchitektur der Website.
Das Ergebnis: Aus einem Ordner Dokumente wird ohne Redaktionsaufwand eine Beratungsstrecke, die Besucher vom ersten Interesse bis zur qualifizierten Anfrage führt.
[ vom dokument zur beratung ]
Die Plattform ist eine durchgehende Strecke: Vorne gehen Dokumente hinein, hinten kommen eine strukturierte Website, belegte Antworten und qualifizierte Anfragen heraus. Diese Stationen durchläuft das Wissen.
[ Aufnehmen ]
Produktblätter und Bedingungswerke werden hochgeladen, bestehende Websites automatisch ausgelesen. Alles wird in Wissensbausteine zerlegt, entlang der Dokumentstruktur, und je Mandant in einem eigenen Index abgelegt.
[ Verstehen ]
Die Wissensbausteine werden zu Themen gebündelt. Vier parallele Sprachmodell-Perspektiven beschreiben jedes Thema: ein Titel, die Kundengruppe, die Produktgruppe und der Produktname.
[ Strukturieren ]
Jedes Thema bekommt seinen Platz in der Hierarchie: Kundengruppe, Produktgruppe, Produkt. Die Taxonomie ist bewusst offen: Passt kein bekannter Begriff, erzeugt das System einen realistischen neuen, statt falsch einzusortieren.
[ Erzeugen ]
Aus der Ontologie entsteht die dreistufige Navigation, dazu Seiten in drei Archetypen: Einstieg, Übersicht, Produkt. Texte mit lokalem Bezug, Bilder mit Quellenangabe. Am Ende steht eine fertige, ausrollbare Website.
[ Beraten ]
Besucher stellen ihre Fragen im Gespräch. Die Antworten kommen strikt aus den hinterlegten Dokumenten, jede Aussage mit Zitat der Fundstelle. Gibt das Wissen keine Antwort her, folgt eine ehrliche Absage mit Kontaktangebot.
[ Übergeben ]
Kontaktanfragen tragen ihre Herkunftsseite: Der Makler sieht vor dem ersten Gespräch, für welches Produkt sich jemand interessiert. Nach der Double-Opt-in-Bestätigung wandert die Anfrage durch die Pipeline, vom Lead bis zum Abschluss.
[ architektur ]
Auch hier gilt: die Ebenen strikt trennen. Das Wissensfundament nimmt Dokumente auf und hält jeden Mandanten getrennt, die Ontologie-Schicht strukturiert das Wissen, und die Ausspielung macht daraus Website, Beratung und Vertrieb.
Suchindex und Wissensgraph, je Mandant getrennt
Dokumente und ausgelesene Websites laufen über Warteschlangen in die Verarbeitung: Zerlegung entlang der Dokumentstruktur, mehrsprachige Einbettungen, Ablage in einem eigenen Suchindex je Mandant. Nichts vermischt sich zwischen Kunden.
Parallel wurde ein Wissensgraph-Pfad aufgebaut: Neo4j Enterprise mit eigener Datenbank je Mandant, ein Sprachmodell extrahiert Entitäten und Beziehungen aus den Texten, abgefragt wird über Volltext-Anker und Nachbarschafts-Suche, die Ergebnisse beider Welten fließen in einen gemeinsamen Kontext.
Die ehrliche Erfahrung dazu: Für diese Inhalte trug am Ende der leichtere Weg über Themen-Cluster und Ontologie. Der Graph bleibt der Ausbaupfad für Fragen, die über mehrere Beziehungen springen.
Kundengruppen, Produktgruppen, Produkte, offen formuliert
Das Startvokabular: zwei Kundengruppen, dreißig Produktgruppen, fünfundfünfzig Produktnamen aus dem Versicherungsgeschäft, von der Privathaftpflicht bis zur Windparkversicherung. Bewusst offen formuliert: Neue, realistische Begriffe sind erlaubt, und im Zweifel gilt Undefiniert statt einer falschen Zuordnung.
Vier parallele Sprachmodell-Perspektiven beschreiben jedes Themen-Cluster. Aus den Ergebnissen entsteht die dreistufige Informationsarchitektur: eine Navigation mit festen Regeln, sauberen Adressen und ohne Dubletten.
Die Kernerfahrung: Eine Ontologie in Prompts ist schneller iterierbar als jedes Datenbankschema. Eine Änderung am Vokabular, ein Rechenlauf, fertig. So bleibt die Struktur lebendig, statt in einem Schema zu erstarren.
Generierte Website, belegte Antworten, Lead-Cockpit
Drei Seiten-Archetypen decken die Strecke ab: Einstiegsseite, Übersicht, Produktseite. Die Texte tragen lokalen Bezug für die regionale Sichtbarkeit, Bilder kommen automatisch mit Quellenangabe dazu, und das Ergebnis wird als schnelle statische Website ausgerollt.
Im Gespräch gilt Belegpflicht: Jede Antwort zitiert ihre Fundstelle als Dokument mit Nummer. Was die Dokumente nicht hergeben, wird nicht behauptet, sondern ehrlich abgesagt, mit dem Angebot, den Kontakt herzustellen.
Anfragen landen mit ihrer Herkunftsseite im Vertriebs-Cockpit: erst die Double-Opt-in-Bestätigung, dann die Pipeline vom Lead über Kontakt und Termin bis zum Abschluss durch den Makler.
[ erfahrungen ]
Der GraphRAG-Pfad wurde vollständig gebaut: Extraktion, Graphdatenbank je Mandant, Anker-Suche, Zusammenführung mit dem Suchindex. Im Demonstrator funktionierte er. Die Optimierung von Kosten und Qualität zeigte dann: Für diese Inhalte lieferte der leichtere Weg über Themen-Cluster und eine Prompt-Ontologie das bessere Verhältnis. Also wurde der Graph zum Ausbaupfad statt zum Produktivpfad. Reife heißt auch hier: den einfacheren Weg nehmen, wenn er trägt.
Zwei Disziplinen haben sich besonders bewährt. Erstens die Belegpflicht: Im Versicherungskontext ist eine zitierte Antwort mit ehrlicher Absage-Option mehr wert als eine flüssige Vermutung. Zweitens die Herkunft: Eine Anfrage, die weiß, von welcher Produktseite sie kommt, ist vorqualifiziert, denn der Makler kennt das Interesse vor dem ersten Gespräch.
Entstanden ist die Plattform in gut sieben Monaten mit einem kleinen Team: elf Dienste im Containerverbund, automatisiert ausgerollt, mit einem Versicherungspartner als Pilot.
[ zahlen ]
2 · 30 · 55
Begriffe im Startvokabular der Ontologie: Kundengruppen, Produktgruppen, Produktnamen, offen für Neues
4
parallele Sprachmodell-Perspektiven beschreiben jedes Thema: Titel, Kundengruppe, Produktgruppe, Produktname
je Mandant
ein eigener Suchindex und eine eigene Graphdatenbank: Kundenwissen vermischt sich nie
100 %
der Antworten im Gespräch tragen eine Quellenangabe, im Zweifel gibt es eine ehrliche Absage
[ technologie ]
Fragen Sie sich, wie das Wissen in Ihren Dokumenten zu strukturierter Beratung werden kann? Dann lassen Sie uns sprechen: Sie bringen die Herausforderung mit, ich bringe die Erfahrung und die Werkzeuge.
