Policen Dokumente enthalten wichtige, leider aber unstrukturierte Daten. Zudem gibt es keinerlei Vorschriften bezüglich der Gestaltung, Form oder verwendeten Fachausdrücke in einer Police. Bisherige statische Lösungen geraten bei der Betrachtung, dass für jede Kombination aus Versicherungsgesellschaft, Versicherungsart und Sprache eine neue Vorlage entwickelt werden muss, an ihre Grenzen. Diese Bachelor Thesis ist Teil eines Innosuisse Projektes, welches das Ziel verfolgt, Informationen aus Policen mittels maschinellen Lernens zu extrahieren und in strukturierter Form zur Verfügung zu stellen.

In einem ersten Schritt wurde der IST-Stand des Projektes näher untersucht sowie dessen Thematik recherchiert. Damit mit den praktischen Arbeiten begonnen werden konnte, wurden zuerst die notwendigen Daten erhoben. Das Datenmodell und das Vokabular dienten als Basis und konnten parallel mit der Analyse der beschafften Motorfahrzeugpolicen erstellt werden. Als nächstes wurde anhand von extrahierten und annotierten Policen das Trainingsset für das maschinelle Lernen erstellt. Nachdem die bestehende Lösung für Motorfahrzeugversicherungen erweitert wurde, konnte sie getestet und verbessert werden.

Das Endergebnis beinhaltet ein überarbeitetes und verifiziertes Datenmodell für Motorfahrzeugversicherungen, dazu ein Vokabular mit den jeweiligen Fachausdrücken der Versicherungsgesellschaften pro Attribut. Ausserdem wurden dem Vokabular Kommentare beigefügt, welche Werte beispielsweise bei Booleschen Attributen zu erwarten sind. Des Weiteren wurde die bisherige Lösung für Motorfahrzeugversicherungen erweitert sowie die Testergebnisse präsentiert. Zum Schluss der Arbeit wurde dann noch ein Experiment durchgeführt, wie die verwendeten Klassifikatoren des maschinellen Lernens kombiniert werden können oder sollten, oder eben nicht. Unteranderem interessierte die Auftraggeberschaft auch das Fazit, dass die Endlösung - nach aktuellen Ergebnissen - einen hybriden Ansatz mit einerseits einer dynamischen maschinell Lernenden und gleichwohl statischen regelbasierten Informationsextraktionsmethode erfordert.