Miller Insurance erschließt Dateneinblicke mit Retrieval Augmented Generation

  • Kunde
  • Industrie
  • Service
  • Segment
  • Autor
  • Miller Versicherung
  • Finanzdienstleistungen
  • Gen KI
  • Unternehmen
  • Jodie Rhodes
Mehr erforschen
Auf einen Blick

Miller Insurance ist ein spezialisierter Versicherungsmakler, der als Vermittler zwischen Kunden und Versicherern fungiert und eine große Menge an versicherungsbezogenen Dokumenten und Daten erstellt und austauscht.

Herausforderung

Das 16 Terabyte große OpenText-System von Miller Insurance enthielt unstrukturierte Daten, die es den Mitarbeitern erschwerten, Erkenntnisse zu gewinnen und Entscheidungen zu treffen.

Lösung

Firemind entwickelte gemeinsam mit Miller eine Retrieval Augmented Generation (RAG)-Lösung, die es den Mitarbeitern von Miller ermöglichte, die Daten in natürlicher Sprache abzufragen.

Genutzte Dienste
  • Amazonas Kendra
  • Amazonas-Felsen
  • Amazon S3
  • AWS Lambda
Ergebnisse
  • 9/10 Genauigkeit bei der Beantwortung von Schadensfällen.
  • Claude 2.1 überlegenes Modell für die Zusammenfassungsgenauigkeit.
Geschäftliche Herausforderungen

Nicht genutzte Daten

Miller Insurance speichert eine beträchtliche Menge an Daten, etwa 16 Terabyte, in seinem Open Text-Dokumentenmanagementsystem.

Viele dieser Daten blieben jedoch ungenutzt, da das Unternehmen nicht in der Lage war, die darin enthaltenen Informationen effektiv zu analysieren und zu interpretieren.

Die im Open Text-System gespeicherten Daten waren eine Mischung aus E-Mails, PDFs, Excel-Dateien und anderen unstrukturierten Formaten, zu denen nur wenige Metadaten verfügbar waren.

Dadurch war es für Miller Insurance schwierig, den Inhalt und den Kontext der Daten zu verstehen, was die Fähigkeit behinderte, neue Anwendungsfälle zu erschließen und die Entscheidungsprozesse zu verbessern.

Stehen Sie vor ähnlichen Herausforderungen?

Wir sind Spezialisten für die Lösung von Problemen mit Daten und KI. Lassen Sie uns Ihnen helfen, die Vorteile der Cloud zu nutzen.

Jetzt loslegen
Lösung

Datenerfassung, Indizierung, NLP und LLMs

Firemind untersuchte die Verwendung der OpenText-API, um auf die Metadaten zuzugreifen, die mit den in dem 16 TB großen Dokumentenverwaltungssystem gespeicherten Dokumenten verbunden sind. Wir entwickelten eine benutzerdefinierte Lambda-Funktion, um die verschiedenen Dateitypen (z.B. Word, Excel, PDF) in den .dat-Dateien zu identifizieren, die keine Metadaten enthielten. Die unterstützten Dateitypen wurden dann mit Amazon Kendra indiziert, einem verwalteten Suchdienst, der unstrukturierte Daten aufnehmen und abfragen kann.

Verarbeitung natürlicher Sprache (NLP) und Beantwortung von Fragen

Firemind nutzte große Sprachmodelle (LLMs) von Anthropic, insbesondere die Modelle Claude Instant und Claude 2.1, um eine natürlichsprachliche Interaktion mit den indizierten Daten zu ermöglichen. Das Team optimierte die Eingabeaufforderungen und den Ansatz zur Abfrage von Amazon Kendra, um die Genauigkeit und Relevanz der Antworten zu verbessern.

Sie stellten fest, dass das Claude 2.1 Modell im Vergleich zum früheren Claude Instant Modell die Informationen besser beschreibt und zusammenfasst.

Benutzeroberfläche und Interaktion

Ziel war es, eine einfache Frage-Antwort-Schnittstelle (Prompt-Response) bereitzustellen, die es den Mitarbeitern von Miller Insurance, auch nicht-technischen Mitarbeitern, ermöglicht, in einfacher Sprache Fragen zu den Daten zu stellen. Firemind sollte die Interaktion mit dem LLM einfacher und zugänglicher machen, so dass Benutzer aus verschiedenen Abteilungen in die Lage versetzt werden, die Daten zu analysieren und fundierte Entscheidungen zu treffen.

Skalierbarkeit und Produktionsreife

Der PoC machte deutlich, dass eine weitere Vorverarbeitung der Daten und eine Integration mit der OpenText-API erforderlich sind, um eine produktionsreife Lösung für die Zukunft zu schaffen.

Kontakt aufnehmen

Möchten Sie mehr erfahren?

Haben Sie eine bestimmte Fallstudie oder einen Einblick gesehen und möchten Sie mehr erfahren? Oder denken Sie über Ihr nächstes Projekt nach? Schreiben Sie uns unten eine Nachricht!