29.01.2019

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

Das Wiener InsureTech-Startup bsurance sichert sich ein Investment in Höhe von vier Millionen Euro von Uniqa Ventures und weiteren strategischen Investoren. Wir sprachen mit bsurance Co-Founder und CEO Lorenz Gräff und Uniqa Ventures CEO Andreas Nemeth.
/artikel/4-mio-euro-investment-bsurance
bsurance - das Führungsteam v.l.n.r.: Alexander Geier (CMO), Lorenz Gräff (CEO), Diana Medanova (COO), Franz-Xaver Burner (CSO), Michael Leitner (Head of Project Delivery)
(c) bsurance - das Führungsteam v.l.n.r.: Alexander Geier (CMO), Lorenz Gräff (CEO), Diana Medanova (COO), Franz-Xaver Burner (CSO), Michael Leitner (Head of Project Delivery)

Es sind zwei Geschäftsmodelle, mit denen das Wiener InsureTech-Startup bsurance derzeit arbeitet. “Einerseits bieten wir ein SaaS-Modell, das wir Versicherern anbieten. Über unsere Plattform werden Versicherungsprozesse vollständig automatisiert. Das bringt deutlich mehr Geschwindigkeit und damit Kosteneffizienz. Andererseits verbinden wir unsere Software-Lösung über ein B2B2C-Modell mit einer Verkaufstätigkeit. Ein Beispiel dafür ist Playbrush, die über uns eine Zahnunfallversicherung der Uniqa zu ihren Abos anbieten”, erklärt bsurance Co-Founder und CEO Lorenz Gräff.

+++ InsureTech ist nicht alles: Wo Helvetia und UNIQA noch investieren +++

Uniqa Ventures legt in 4 Mio. Euro-Runde nach

Es ist genau dieses B2B2C-Modell, das auch Uniqa Ventures überzeugt hat. Nachdem die Uniqa bereits vor einem Jahr ein Seed-Investment getätigt hatte, legte der im Mai 2018 ausgegründete VC-Arm des Versicherers nun nach. Vier Millionen Euro wurden gemeinsam mit strategischen Investoren, die nicht genannt wurden, in einer Serie A-Runde investiert. “B2B2C-Modelle sind für uns das Thema, das wir suchen. Denn im Versicherungsmarkt gibt es sehr hohe Customer Akquisition Costs. Bei bsurance läuft alles gemeinsam mit Partnern. Das machen wir bei der Uniqa schon lange Zeit, etwa mit Porsche, der Raiffeisen Bank International oder Hartlauer. Wir verstehen das Modell also sehr gut und können es jetzt gemeinsam mit bsurance digitalisieren”, sagt Uniqa Ventures CEO Andreas Nemeth.

Uniqa Ventures CEO Andreas Nemeth zum bsurance-Investment:

bsurance punktet mit niedrigen Customer Acquisition Costs

Dabei hätte bsurance nach dem Seed-Investment entsprechend überzeugt. “Wir sind vor zwölf Monaten in der Seed-Phase bei bsurance eingestiegen. Zurückblickend können wir sagen: Wir sind da genau richtig gelegen. Es gab eine tolle Entwicklung in der Zeit und in der Zeit im WeXelerate-Accelerator”, sagt Nemeth. Besonders mit einer KPI hätte bsurance gepunktet. “Während die Customer Acquisition Costs im B2C-Bereich teilweise 50 bis 60 Euro betragen können, liegen sie mit dem B2B2C-Modell von bsurance im einstelligen Bereich. Das ist also ein extrem spannendes Geschäftsmodell für uns”.

“Qual der Wahl” bei (strategischen) Investoren

Das nun aufgestellte Kapital soll vorwiegend in drei Felder fließen. “Wir werden das Team weiter ausbauen – sowohl auf technischer, als auch auf Versicherungsseite. Wir investieren natürlich weiter ins Produkt. Und wir treiben die Expansion innerhalb der EU voran”, erklärt Lorenz Gräff. Bei der Expansion sollen auch die neu gewonnen strategischen Partner helfen. “Es gab eine lange Liste an Investoren. Wir hatten die Qual der Wahl, die Partner auszuwählen, die strategisch den größten Mehrwert bringen”, sagt dazu Andreas Nemeth.

Deutschland-Expansion mit Munich RE

Diesen Mehrwert will man bei bsurance nun ausschöpfen. “Wir gehen prinzipiell über Kunden und Partner  in neue Märkte”, sagt CEO Gräff. Gemeinsam mit Uniqa stehe etwa die Expansion in den CEE-Raum an. “Mit anderen Partnern werden wir aber auch nach Westeuropa gehen”. Einer dieser Partner, der aber nicht unter den aktuellen Investoren ist, ist der Rückversicherungs-Riese Munich RE. Mit ihr seien bereits die ersten Schritte in Deutschland gelungen, sagt Gräff.

⇒ Zur Page des Startups

Redaktionstipps
Deine ungelesenen Artikel:
vor 12 Stunden

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

Halluzinationen sind ein großes Problem der KI-Szene. Und das weltweit. Während Google und Microsoft sich bei einer Lösung schwertun, kommt aus Österreich ein Modell, dass solche "KI-Unsicherheiten" besser erkennen soll. Es heißt: SDLG. Wie genau, erklärt KI-Experte Sepp Hochreiter in einem Gespräch mit uns.
/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode
vor 12 Stunden

Lösung gegen KI-Halluzinationen? So funktioniert Sepp Hochreiters SDLG-Methode

Halluzinationen sind ein großes Problem der KI-Szene. Und das weltweit. Während Google und Microsoft sich bei einer Lösung schwertun, kommt aus Österreich ein Modell, dass solche "KI-Unsicherheiten" besser erkennen soll. Es heißt: SDLG. Wie genau, erklärt KI-Experte Sepp Hochreiter in einem Gespräch mit uns.
/artikel/loesung-gegen-ki-halluzinationen-so-funktioniert-sepp-hochreiters-sdlg-methode
SDLG, KI, Hochreiter, Halluzination
(c) brutkasten - Sepp Hochreiter zu SDLG.

“Großartige Arbeit meines Teams: Erkennen, ob LLMs (Anm.: Large Language Models) halluzinieren. Sie halluzinieren, wenn sie unsicher sind. Wir erkennen diese Unsicherheit und markieren Halluzinationen” – so beschreibt KI-Koryphäe Sepp Hocheiter auf LinkedIn die Errungenschaft, die er uns seine Forscher:innen am Institut für Machine Learning der Johannes Kepler Universität Linz vollbracht haben. Dabei spricht er von dem SDLG-Modell. Der Begriff steht für “Semantically Diverse Language Generation”.

Denn es ist ein großes Thema, das die KI-Community beherrscht. Bei Nutzung von Künstlicher Intelligenz (KI) kann es passieren, dass man eine Frage stellt und falsche Antworten bekommt. Im Fachjargon sagt man dazu, die KI halluziniert.

SDLG verbessert Erkennung von Halluzinationen

Wie brutkasten berichtete, tun sich Giganten wie Google und Microsoft schwer, dieser Problematik habhaft zu werden. Eine neuer Lösungsansatz kam heuer vom Wiener Startup datAInsights, die statt impliziten explizite Fakten bzw. explizites Wissen verwenden, das dokumentiert ist. “Wir reichern bestehende Knowledge-Systeme mit Quellen an, sodass sie für unsere Architektur verarbeitet werden können”, erklärte datAInsights-Co-Founder René Heinzl im März 2023.

Nun kommt ein weiterer Lösungsansatz aus dem Umfeld von Sepp Hochreiter: SDLG. Diese neue Methode verbessert die Erkennung von Halluzinationen in LLMs (Large Language Modellen), indem es die Unsicherheitsabschätzung vorantreibt oder anders gesagt, aufzeigt, wenn ein Large Language Modell “unsicher” ist.

Man muss wissen, dass LLMs als Basis für Künstliche Intelligenz dienen und wie eine Zeichenkette aufgebaut sind. Hier wirken Wahrscheinlichkeiten, die das nächste Zeichen (konkret das nächste Wort oder um noch genauer zu sein, die nächsten Buchstaben) produzieren und Antworten auf Fragen liefern. Da kann es zu Fehlern oder falschen Informationen kommen.

Einstein oder Newton?

“Hochreiter präzisiert gegenüber brutkasten: “Halluzinationen können entstehen, wenn ein Trainingsdaten-Set fehlende oder zu wenige Daten zu einem Thema hat”, sagt er. “‘Albert Einstein hat die Relativitätstheorie entwickelt’ kann in verschiedenen Varianten (Anm.: Einstein hat die Relativitätstheorie erfunden, die Relativitätstheorie wurde von Einstein erfunden oder entwickelt, Der Vater der Relativitätstheorie ist Alber Einstein, etc.) im Trainingsdaten-Set als Information dienen. Gibt es diese nicht oder nur ungenügend, und die KI weiß, dass das Relativität etwas mit Physik zu tun hat, kann es sein, dass die Antwort plötzlich Newton ist.”

SDLG erkennt ob “LLMs halluzinieren”

Lukas Aichberger, “ELLIS PhD”-Student am Institut für Machine Learning der JKU beschreibt per LinkedIn-Post die SDLG-Methode – die er, Kajetan Schweighofer, Mykyta Ielanskyi und Sepp Hochreiter entwickelt haben – wie folgt: “Wir schaffen eine theoretische Grundlage für Unsicherheitsmaße in LLMs und führen theoretisch begründete ‘Estimatoren’ (Schätzer) für semantische Unsicherheit ein. Und stellen eine Methode zur Verfügung, um semantisch vielfältige und dennoch wahrscheinliche Ausgabesequenzen zu erzeugen, indem wir die Texterzeugung eines LLMs so steuern, dass wichtige Informationen für den semantischen Unsicherheitsschätzer erfasst werden.”

SDGL, KI, Halluzinationen, Hochreiter
(c) zVg – (v.l.) Sepp Hochreiter, Lukas Aichberger, Mykyta Ielanskyi und Kajetan Schweighofer.

In anderen Worten hebt die SDGL-Methode jene Aussagen hervor, wo sich die KI nicht sicher ist und markiert sie, damit man die durch “semantische Unsicherheit” (des Large Language Models) hervorgerufenen Halluzinationen erkennt, wie Hochreiter präzisiert.

Im 23-seitigen Paper, das die Forscher herausgebracht haben, heißt es konkret: “SDLG steuert das LLM, um semantisch unterschiedliche, aber wahrscheinliche Alternativen für einen ursprünglich generierten Text zu erzeugen. Dieser Ansatz liefert ein präzises Maß für die aleatorische (Anm.: vom Zufall abhängige) semantische Unsicherheit und erkennt, ob der ursprüngliche Text wahrscheinlich halluziniert ist. Experimente mit Aufgaben zur Beantwortung von Fragen zeigen, dass SDLG bestehende Methoden durchgängig übertrifft und dabei rechnerisch am effizientesten ist, wodurch ein neuer Standard für die Unsicherheitsabschätzung in LLMs gesetzt wird.”

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

4 Mio. Euro Investment für Wiener InsureTech-Startup bsurance