[ wissensgraph × versicherung ]
Versicherungen sind ein Dickicht: Leistungen und Anbieter sind vielfältig, und was ein Mensch absichern muss und möchte, ist individuell. Für den Makler ist passende Beratung deshalb zeitaufwändig, gerade als unabhängiger Makler mit einem riesigen Vorrat an Versicherungsdienstleistern im Portfolio. Die Lösung: Policen und Produktunterlagen werden importiert, ein Wissensgraph verknüpft Lebenssituation und Produktwelt, und potenzielle Versicherungsnehmer erhalten passend zu ihrer Ausgangssituation das passende Versicherungsprodukt. Den Abschluss macht der Makler.
Aus verstreuten Policen, Produktblättern und Websites wird eine strukturierte Wissensbasis, je Makler sauber getrennt.
Der Wissensgraph verbindet Lebenssituation und Produkt: Wer Eigentum hat, braucht anderes als eine junge Familie. So entsteht Beratung statt Trefferliste.
Besucher finden eine Beratungsstrecke, die sich ihrer Frage anpasst: Statt nach der Leistung zu suchen, bekommen sie sie ausgespielt.
Interessenten fassen Vertrauen, weil jede Antwort ihre Quelle zeigt, und der Makler übernimmt vorbereitete, qualifizierte Anfragen.
[ 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 ein Wissensgraph: ein Netz aus Begriffen und ihren Beziehungen, das dem Wissen die Logik des Versicherungsgeschäfts gibt, von der Kundengruppe über die Produktgruppe bis zum einzelnen Produkt.
Genau das leistet der Wissensgraph: Er verbindet Lebenssituation und Produktwelt. Wer Eigentum besitzt, braucht Hausrat- und Lebensversicherung; eine junge Familie bringt ein besonderes Sicherheitsbedürfnis mit. Aus dem gesamten Wissen entsteht so eine Beratungs-Landingpage, die sich dem Besucher anpasst: Statt nach einer Leistung zu suchen, bekommt er sie ausgespielt.
Das Ergebnis: Aus einem Ordner Policen wird ohne Redaktionsaufwand eine Beratungsstrecke, die Besucher vom ersten Interesse bis zur qualifizierten Anfrage führt. Den Abschluss macht der Makler, mit voller Kenntnis der Bedürfnisse.
[ 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 dem Wissensgraph 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, und die gesamte Interaktion mit der Beratungsstrecke liegt dem Makler vor: Er kennt Interesse und Bedürfnisse vor dem ersten Gespräch. Nach der Double-Opt-in-Bestätigung wandert die Anfrage durch die Pipeline, vom Lead bis zum Abschluss.
[ architektur ]
Ein Wissensgraph strukturiert das Wissen, und der Maschinenraum 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, ein eigener Suchindex je Mandant.
Dazu der Wissensgraph: eine eigene Graphdatenbank je Mandant, ein Sprachmodell extrahiert Begriffe und Beziehungen, abgefragt über Anker und Nachbarschaft. Beide Welten fließen in einen gemeinsamen Kontext, ein Verfahren, das als GraphRAG bekannt ist.
Der eigentliche Wert des Graphen: Er verbindet, was in keinem Text nebeneinandersteht. Wer Eigentum besitzt, braucht Hausrat- und Lebensversicherung. Semantische Suche findet solche Zusammenhänge nur, wenn sie wörtlich dastehen, und das sind sie nie.
Kundengruppen, Produktgruppen, Produkte, offen formuliert
Das Startvokabular: zwei Kundengruppen, dreißig Produktgruppen, fünfundfünfzig Produktnamen, von der Privathaftpflicht bis zur Windparkversicherung. Bewusst offen: Neue Begriffe sind erlaubt, und im Zweifel gilt Undefiniert statt einer falschen Zuordnung.
Vier parallele Sprachmodell-Perspektiven beschreiben jedes Themen-Cluster. Daraus entsteht die dreistufige Informationsarchitektur: feste Regeln, saubere Adressen, keine Dubletten.
Die Kernerfahrung: Dieses Begriffsnetz, fachlich Ontologie genannt, lässt sich als Anleitung für das Sprachmodell schneller anpassen als jedes Datenbankschema. So bleibt die Struktur lebendig.
Content on Demand statt Einheitsseite
Der Kern ist Content on Demand: Eine statische Website will jeden zufriedenstellen, bleibt deshalb abstrakt und erreicht niemanden ganz. Hier ist es umgekehrt: Die Suchanfrage des Interessenten ist bekannt, und daraus entsteht eine Seite, zugeschnitten auf seine Situation.
Dabei gilt Belegpflicht: Jede Antwort zitiert ihre Fundstelle. Was die Unterlagen nicht hergeben, wird nicht behauptet, sondern ehrlich abgesagt, mit dem Angebot, den Kontakt herzustellen. So entsteht Vertrauen.
Das Ziel der Strecke: qualifizieren und den Lead für den Abschluss vorbereiten. Anfragen landen mit ihrer Herkunft und der gesamten Interaktion im Vertriebs-Cockpit, der Makler kennt die Bedürfnisse, bevor er anruft.
[ erfahrungen ]
Die wichtigste Erfahrung: Die Stärke und Qualität der Beratung kam erst aus dem Wissensgraph. Eine semantische Suche findet zur Haftpflichtversicherung passende Textstellen, aber nicht, was damit verbunden ist: dass Haftpflicht und Hausrat als Paket bei Versicherer A einen Rabatt geben, und dass vorher die Wohnsituation zu klären ist. Solche Zusammenhänge konnte die Suche über die Vielfalt der Daten nicht leisten, das Netz aus Begriffen und Beziehungen schon.
Der Preis dafür ist Rechenleistung: Der Weg über den Graph braucht länger, weil hybrid extrahiert und angereichert wird. Und was der Wissensgraph zurückgibt, landet am Ende im Sprachmodell, denn das Modell braucht alle relevanten Zusammenhänge, um die Inhalte der Beratungsstrecke aufzubereiten. Struktur und Sprachmodell arbeiten zusammen, keines ersetzt das andere.
Entstanden ist die Plattform in gut sieben Monaten mit einem kleinen Team: elf Dienste im Containerverbund, automatisiert ausgerollt, mit einem Versicherungspartner als Pilot.
[ zahlen ]
3 Ebenen
hat der Wissensgraph: von der Kundengruppe über die Produktgruppe bis zum einzelnen Produkt, 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.
