Kurz gesagt: KI erkennt sichtbare Fahrzeugschäden oft gut, bewertet sie aber nicht immer vollständig richtig. In Studien liegt die reine Erkennung meist bei 80,0 bis 95,0 %. Bei der Einstufung des Schweregrads liegen viele Modelle bei 85,0 bis 90,0 %. Für die Kostenschätzung gibt es aber klare Lücken: KI-Schätzungen liegen oft 20 bis 40 % unter dem, was unabhängige Sachverständige ansetzen.

Wenn ich den Stand der Forschung auf einen Punkt bringe, dann diesen: Für sichtbare Schäden auf guten Fotos funktioniert bildbasierte KI oft ordentlich. Sobald Bilder schlecht sind, Schäden verdeckt liegen oder Bauteile schwer zuzuordnen sind, nimmt die Trefferquote ab.

Darauf kommt es an:

  • Schaden erkennen: oft gut bei klar sichtbaren Dellen, Rissen und gutem Licht
  • Schadensart einordnen: je nach Datensatz und Bildqualität mit starker Streuung
  • Schweregrad bewerten: schwerer als reine Erkennung, auch wegen uneinheitlicher Expertenlabels
  • Schaden lokalisieren: deutlich schwerer, weil die betroffene Stelle exakt markiert werden muss
  • Kosten schätzen: nur als frühe Vorprüfung brauchbar, nicht als alleinige Basis für ein Gutachten
  • Grenzen: verdeckte Schäden, Reflexionen, Schmutz, schräge Fotos, neue Fahrzeugmodelle

Mein kurzes Fazit: Neuronale Netze sind nützlich für eine erste Sichtprüfung, aber nicht genug für ein fertiges Gutachten ohne menschliche Kontrolle. Vor allem in der deutschen Praxis bleibt die Prüfung durch Sachverständige nötig, weil Fotos eben nicht alles zeigen.

KI vs. Sachverständige: Genauigkeit bei Fahrzeugschadensbewertung

KI vs. Sachverständige: Genauigkeit bei Fahrzeugschadensbewertung

Wie Studien die Leistung messen: Datensätze, Testaufbauten und wichtige Kennzahlen

Vergleichbare Ergebnisse stehen und fallen mit drei Dingen: Datensatz, Testaufbau und Kennzahl. Genau diese Punkte sorgen dafür, dass Studien auf den ersten Blick ähnlich wirken, am Ende aber oft etwas anderes messen. Das prägt auch die Ergebnisse im nächsten Abschnitt.

Typische Datensätze in Fahrzeugschadensstudien

Die meisten Arbeiten stützen sich auf kleine, oft private Bilddatensätze aus Web-Scraping oder Bildplattformen. Solche Sammlungen bilden echte Unfallsituationen nur eingeschränkt ab. Datensätze mit weniger als 2.000 Bildern sind dabei keine Seltenheit.

Eine Ausnahme ist CarDD. Der Datensatz umfasst 4.000 hochauflösende Bilder mit mehr als 9.000 annotierten Instanzen und ist öffentlich zugänglich. Das macht ihn für Vergleiche deutlich brauchbarer als viele geschlossene Mini-Datensätze.

Der Haken bei kleinen oder stark kuratierten Datensätzen liegt auf der Hand: Die gemeldeten Genauigkeitswerte können besser aussehen, als sie im Alltag tatsächlich wären. Ein Modell, das auf sauberen, eng ausgewählten Bildern gut abschneidet, muss mit unscharfen Aufnahmen, schlechtem Licht oder verdeckten Schäden noch lange nicht genauso gut klarkommen.

Kennzahlen, die Präzision in der Praxis anzeigen

Je nach Aufgabe nutzen Studien verschiedene Messgrößen. Bei der Klassifikation tauchen meist Accuracy, Precision, Recall und F1 auf. Für Lokalisierung oder Segmentierung kommen oft IoU und mAP zum Einsatz, teils getrennt nach Objektgröße. Bei der Kosten- oder Schweregradschätzung werden meist MAE und RMSE berichtet.

Für die Gutachtenpraxis reicht eine hohe Trefferquote allein aber nicht. Entscheidend ist, ob ein Schaden im Einzelfall verlässlich erkannt wird. Genau hier kann Accuracy in die Irre führen, vor allem bei stark unausgewogenen Klassen. Wenn etwa harmlose Fälle klar überwiegen, sieht die Gesamtquote schnell gut aus, obwohl seltene Schadensarten schlecht erkannt werden. In solchen Fällen sagt der F1-Score meist mehr aus.

Welche Werte dabei konkret herauskommen, zeigen die aktuellen Studien zur Erkennung, Schweregradbewertung und Lokalisierung.

Warum Studienvergleiche schwierig sind

Studien lassen sich nur eingeschränkt direkt vergleichen, weil sich Klassen, Splits, Ausgleichsverfahren und Bildqualität teils stark unterscheiden. Zwei Arbeiten können also denselben Modelltyp prüfen und trotzdem zu kaum vergleichbaren Ergebnissen kommen.

Dazu kommt ein zweites Problem: Bei kleinen Datensätzen lässt sich das Potenzial tiefer Lernverfahren nur begrenzt testen. Gute Werte können dann mehr über den Datensatz als über das Modell selbst aussagen. Vor diesem Hintergrund sind die folgenden Studienwerte einzuordnen.

Was aktuelle Studien berichten: Genauigkeitsbereiche für Erkennung, Schweregrad und Lokalisierung

Auf Basis der genannten Datensätze zeigen aktuelle Studien je nach Aufgabe teils recht verschiedene Genauigkeitsbereiche.

Schadenserkennung und Schadensartklassifikation

Bei der reinen Schadenserkennung gehen die gemeldeten Werte je nach Datensatz spürbar auseinander. Unter diesen Testbedingungen berichten Studien Accuracy-Werte zwischen 80,0 und 95,0 % für die Klassifikation sichtbarer Fahrzeugschäden. Das ist eine große Spanne. Sie hängt vor allem daran, was genau bewertet wird, wie die Labels aufgebaut sind und wie gut die Bildqualität ist.

Anders gesagt: Ein sauber fotografierter Kratzer auf hellem Lack ist oft leichter einzuordnen als ein schlecht beleuchteter Schaden mit Spiegelungen oder verdeckten Stellen.

Schweregradbeurteilung und Dellenbewertung

Die Einstufung nach Schweregrad ist schwerer als die bloße Zuordnung einer Schadensart. Wenn Datensätze sauber annotiert sind, erreichen Studien hier Übereinstimmungswerte von 85,0 bis 90,0 %. Gleichzeitig gibt es einen klaren Flaschenhals: die menschliche Vorannotation. Wenn sich Gutachter nur mit 70 bis 80 % einig sind, setzt das der Modellleistung eine klare Obergrenze.

Das ist im Grunde wie bei einer Schulaufgabe mit unklarer Musterlösung: Wenn schon die Korrektur nicht einheitlich ist, kann auch das Modell nicht sauber auf ein einziges „richtig“ trainiert werden.

Bei der Dellenbewertung kommen noch weitere Störfaktoren dazu. Die Ergebnisse hängen unter anderem von Lackfarbe, Oberflächenstruktur und Reflexionsbedingungen ab. In Benchmarks schneiden reale Hagelschäden oft verlässlicher ab als künstlich erzeugte Testschäden.

Lokalisierung, Segmentierung und frühe Kostenschätzung

Lokalisierung und Segmentierung zählen zu den schwersten Aufgaben in der Fahrzeugschadensbewertung. Hier reicht es nicht, einen Schaden nur zu erkennen. Das Modell muss die betroffenen Bereiche auch genau markieren. Genau das treibt den Annotationsaufwand nach oben.

Die berichteten IoU-Werte und mAP-Ergebnisse schwanken je nach Modell, Datensatz und gewähltem Schwellenwert teils stark. Für den automatisierten Einsatz nennen Studien oft 70 bis 75 % als Mindestwert. Liegen die Werte darunter, bleibt eine manuelle Prüfung nötig.

Die Tabelle fasst Aufgaben, Datenbedarf und typische Werte zusammen:

Aufgabentyp Datenbedarf Typischer Genauigkeitsbereich Komplexität
Schadensklassifikation 500–1.500 Bilder/Klasse 80,0–95,0 % Accuracy Niedrig
Schweregradbeurteilung Hoch (Expertenlabels) 85,0–90,0 % Übereinstimmung Mittel
Segmentierung / IoU Sehr hoch (Masken) Variiert je IoU-Schwellenwert Hoch

Was die Genauigkeit in realen Unfallbildern beeinflusst

Bildqualität, Fahrzeugvielfalt und Annotationsqualität

Unter echten Bildbedingungen fallen die in Studien gemessenen Werte meist niedriger aus. Das ist wenig überraschend: Unterbelichtung, Reflexionen, Schmutz und schräge Aufnahmen machen es dem System schwer. Schäden werden dann teils falsch erkannt oder dem falschen Bauteil zugeordnet.

Dazu kommt ein zweites Problem. Neue Modelle, Elektrofahrzeuge und Karbonbauteile sind im Training oft nur unvollständig vertreten. Fehlen diese Daten, sinkt die Genauigkeit ohne Nachtraining spürbar. Auch die Qualität der Labels spielt eine große Rolle. Wenn Gutachter Schäden nicht einheitlich bewerten, lernt das Modell aus widersprüchlichen Beispielen. Laut Studien weichen Experten bei Erstbewertungen um 20 bis 30 % voneinander ab.

Von Studienbedingungen zur deutschen Gutachtenpraxis

Standardisierte Foto-Protokolle sorgen für eine bessere Basis für KI-gestützte Voranalysen. Das hilft, weil die Bilder dann aus ähnlichen Winkeln, mit ähnlicher Distanz und in ähnlicher Qualität vorliegen. Trotzdem lässt sich nicht jeder Kostenfaktor allein aus Fotos ableiten.

Genau hier liegt der Knackpunkt: Ein Bild kann viel zeigen, aber nicht alles. Damit solche Systeme in der deutschen Gutachtenpraxis verlässlich arbeiten, müssen sie mit repräsentativen Fahrzeug- und Schadensdaten trainiert und regelmäßig validiert werden.

Entscheidend ist daher nicht nur, ob ein Modell etwas erkennt. Wichtiger ist, was es auf Fotos sicher erkennt und was am Ende nur eine Vorprüfung bleibt.

Was neuronale Netze gut können – und wo sie scheitern

Neuronale Netze erkennen sichtbare Schäden schnell und gleichbleibend. Bei verdeckten Schäden, Folgekosten und schwierigen Kontextentscheidungen stoßen sie dagegen an Grenzen. Studien zeigen: KI-basierte Kalkulationen liegen typischerweise 20 bis 40 % unter den Werten unabhängiger Sachverständiger, weil versteckte Schäden und Folgekosten oft zu niedrig angesetzt werden.

Die wichtigsten Stärken und Grenzen lassen sich so zusammenfassen:

Kriterium Stärken Schwächen
Geschwindigkeit Sekunden pro Bild, skalierbar Hoher initialer Trainingsaufwand
Konsistenz Keine tagesformabhängigen Schwankungen Übernimmt Fehler aus schlechten Trainingsdaten
Schadenstyp Zuverlässig bei deutlichen Dellen und Rissen Schwach bei feinen Kratzern und Reflexionen
Verborgene Schäden – Schäden am Fahrzeugrahmen und andere Strukturschäden hinter Verkleidungen sind nicht erkennbar

Fazit: Was die Forschung für KI-gestützte Fahrzeuggutachten bedeutet

Die Studien zeigen ein klares Bild: Neuronale Netze erkennen sichtbare Fahrzeugschäden oft zuverlässig. Bei Schweregrad, genauer Lokalisierung und verdeckten Schäden stoßen sie aber weiter an Grenzen.

Für genauere Bewertungen reichen Fotos allein nicht aus. Bessere Kostenschätzungen entstehen dann, wenn Bildanalyse mit VIN- und Herstellerdaten verknüpft wird. Systeme, die auf Datenquellen wie SilverDAT zugreifen, liefern genauere Ergebnisse als Ansätze, die sich vor allem auf Rechnungsdaten stützen. Digital aufgestellte Anbieter wie CUBEE Sachverständigen AG können diese KI-gestützte Bildanalyse in einen Gutachtenprozess einbinden - mit menschlicher Endprüfung.

Die wichtigsten Erkenntnisse aus der Forschung

Für die Praxis heißt das vor allem: Hohe Erkennungsraten für sichtbare Schäden sind machbar, besonders unter standardisierten Bedingungen und mit guten Daten. Bei Aufgaben rund um Schweregrad und Lokalisierung bleibt die Leistung schwankender. Darum sind Tests mit echten Schadensbildern für den Einsatz im Alltag wichtiger als rein künstliche Testfälle.

Am Ende bleibt die menschliche Kontrolle unverzichtbar. Viele Schäden lassen sich erst dann sicher bewerten, wenn verdeckte Bauteile geprüft wurden.

FAQs

Wie zuverlässig ist KI bei schlechten Unfallfotos?

Die Zuverlässigkeit von KI bei der Schadensbewertung steht und fällt mit der Bildqualität. Das ist der Knackpunkt: Wenn Fotos zu dunkel sind, unscharf wirken oder durch Spiegelungen gestört werden, leidet die Erkennung spürbar.

Auch äußere Bedingungen spielen stark mit rein. Schlechte Lichtverhältnisse, Regen, Nebel oder ungünstige Aufnahmewinkel können dazu führen, dass Schäden nur schwer oder gar nicht richtig erkannt werden.

Moderne Systeme filtern ungeeignete Bilder deshalb oft direkt heraus. Das spart Zeit und verhindert, dass auf einer schwachen Grundlage entschieden wird. Standardisierte Fotovorlagen helfen zusätzlich dabei, Abstand und Winkel sauber einzuhalten.

Bei komplexen oder unklaren Schäden geht es aber nicht ohne menschliche Prüfung. Genau dort zeigt sich, dass KI zwar viel Arbeit abnehmen kann, aber nicht jeden Fall allein sauber beurteilt.

Warum schätzt KI Reparaturkosten oft zu niedrig?

KI kann Reparaturkosten zu niedrig ansetzen, wenn die Trainingsdaten zu dünn sind oder Preislisten nicht mehr aktuell passen. Dazu kommt: Schlechte Bildqualität sowie Regen, Nebel oder ungünstige Lichtverhältnisse drücken die Treffgenauigkeit.

Bei Standardfällen arbeitet KI oft ziemlich genau. Bei komplexen oder verdeckten Schäden kommt sie jedoch an ihre Grenzen. Genau deshalb verbindet die CUBEE Sachverständigen AG digitale Effizienz mit menschlicher Expertise, um Schäden genauer zu bewerten.

Reicht KI für ein vollständiges Gutachten aus?

Nein. Für ein vollständiges Gutachten in komplexen Fällen reicht KI nicht aus.

Bei standardisierten Schäden wie Hageldellen ist sie zwar sehr schnell und erreicht eine Genauigkeit von bis zu 98 Prozent. Bei seltenen Schadensmustern, strukturellen Schäden oder rechtlichen Streitigkeiten kommt sie aber an ihre Grenzen.

Genau dort braucht es Menschen mit Erfahrung. Die CUBEE Sachverständigen AG setzt deshalb auf die Verbindung aus moderner KI-Analyse und der Fachkenntnis erfahrener Gutachter.

Verwandte Blogbeiträge