Sebastian Thimm

Verantwortung und Scope - Strategische und fachliche Verantwortung für das Kfz-Claims-Produktportfolio mit mehreren Millionen Euro ARR. - Fachliche Führung eines cross-funktionalen Scrum-Teams für die Multi Domain Case Suite (MDCS), das zentrale Schadenbearbeitungssystem des Unternehmens. - Teamzuschnitt: 3 Product Owner, 5 Developer, 4 Data Engineers, 2 Data Scientists, 1 Scrum Master. - Entwicklung und Ownership der Produktstrategie und Roadmap über mehrere Quartale. - Verantwortung für sechs Claims-Produkte: Schadenaufnahme (Kfz/Sach), Fotoschadenkalkulation, Dubiosschadenerkennung, Belegprüfung Kfz, KI-gestützte Prüfentscheidung und übergreifendes Reporting. - Betreute Kundenbasis im einstelligen bis niedrigen zweistelligen Bereich, bis etwa 10 Kunden.

Wirkung und Ergebnisse - Priorisierungsentscheidungen mit direktem Einfluss auf Automatisierungsgrad und Prozesskosten bei Versicherern. - Durchschnittliche Automatisierungsquote von rund 40 Prozent, abhängig von Schadensumme und Schadenkonstellation. - Abwägung zwischen technischer Machbarkeit, regulatorischen Anforderungen und Business-Zielen in der Produktsteuerung. - Koordination der Migration von Altsystemen in eine neue Plattformarchitektur.

Plattform, Zusammenarbeit und Methoden - Architektonische Gestaltung der Multi Domain Case Suite durch Koordination von Systemschnittstellen zwischen Prüfprodukten, vorgelagerten Diensten und Kundensystemen. - Fachliche Verantwortung für Entwicklung, Einführung und Weiterentwicklung neuer Produkte wie Claims Assistant und Claims Calculator. - Eingesetzte Methoden und Tools: Scrum, agile Produktentwicklung, Jira.

Relevante KPI-Verantwortung - Automatisierungsquote. - Durchlaufzeit je Schadenfall. - Straight-Through-Processing-Rate. - Fehler- bzw. Nachbearbeitungsquote. - Time-to-Value neuer Produktfeatures. - Stabilität der End-to-End-Prozesskette.

Produkte und Verantwortung - Produktverantwortung für Claims Cockpit, Claims Data Intelligence und Claims Prediction. - Claims Cockpit als Reporting-Dashboard im Claims-Umfeld. - Claims Data Intelligence mit Fokus auf Analyse und Benchmarking. - Claims Prediction als KI-basierte Steuerung der Dunkelverarbeitung durch Voraussage prüffähiger Belege.

Discovery, Stakeholder und Datenbasis - Kontinuierliche Discovery durch strukturierte Kundeninterviews und Workshops. - Ableitung von Roadmap-Entscheidungen aus Nutzerdaten und Business Cases. - Zentrale Stakeholder: Kundenvertreter auf Fachseite sowie Internal Sales. - Primäre Datenquelle: interne Prozessdaten.

Wirkung und Ergebnisse - Strategische Entscheidung zur Einstellung der Vertriebsaktivitäten für ein bereits weit entwickeltes Datenprodukt nach eigener Discovery-Analyse. - Nachweis eines systematisch falsch eingeschätzten Marktpotenzials; dadurch Vermeidung einer potenziellen Fehlinvestition im sechsstelligen Bereich. - Entwicklung und Launch von Claims Cockpit. - Weiterentwicklung von Claims Prediction im Zusammenspiel mit regelbasierten Prüfentscheidungen. - Deutliche Erhöhung der Dunkelverarbeitungsquote durch Weiterentwicklung der Entscheidungslogik.

Produkt und Zielkundensegmente - Product Discovery und Go-to-Market-Strategie für eine datengetriebene B2B-Plattform an der Schnittstelle Insurance und Automotive. - Produktname: Eucon Market Data Engine Insurance. - Zielkundensegmente: Aktuarsabteilungen und Schadenabteilungen. - Enge Zusammenarbeit mit einem Kfz-Versicherungskonzern als Lead-Kunde.

Use Cases und Wettbewerb - Zentrale Use Cases im Bereich Tarifierungsdaten und fahrzeugbezogener Zusatzdaten, unter anderem zu ADAS (Advanced Driver-Assistance Systems). - Wettbewerbssituation im Bereich Tarifierungsdaten: wenige spezialisierte externe Anbieter sowie zahlreiche Inhouse-Lösungen auf Seiten der Versicherer. - Wettbewerbssituation im Bereich ADAS-Daten: externer Datenprovider als Partner sowie weitere Datenanbieter mit weniger detailliertem Datenpool.