Die Berufsgenossenschaft der Bauwirtschaft (BG BAU) setzt eine KI-Anwendung ein, um Mitgliedsunternehmen mit erhöhtem Unfallrisiko gezielt für Beratungen und Kontrollen zu priorisieren. Ein Machine-Learning-Scoring analysiert historische Betriebs- und Unfalldaten, um den Beratungsbedarf objektiv zu bewerten. Aufsichtspersonen erhalten dadurch transparente Entscheidungsgrundlagen für risikobasierte Baustellenbesuche.
Mit Machine Learning identifiziert die gesetzliche Unfallversicherung gezielt Betriebe mit hohem Präventionsbedarf. Dadurch werden Kontrollen genau dort gebündelt, wo schwere Unfälle drohen, was langfristig Millionen an Entschädigungskosten einspart.
Träger der gesetzlichen Unfallversicherung stehen vor der Herausforderung, mit begrenzten personellen Kapazitäten Hunderttausende Betriebe wirksam im Arbeitsschutz zu betreuen. Die BG BAU entwickelte in einem vom Bundesministerium für Arbeit und Soziales geförderten Leuchtturmprojekt ein Vorhersagesystem zur Risikotriage. Das System analysiert historische Unfalldaten, Branchenzugehörigkeiten und Baustellenmerkmale, um für jedes Mitgliedsunternehmen einen konkreten Score für den Beratungsbedarf zu errechnen. Aufsichtspersonen erhalten neben der Priorisierung auch nachvollziehbare Begründungsfaktoren, um die Relevanz für Vor-Ort-Termine transparent prüfen zu können. Dadurch werden zeitintensive Baustellenbesichtigungen und Präventionsgespräche auf diejenigen Betriebe konzentriert, bei denen akute Unfallgefahren wie etwa Absturzrisiken bestehen. Dieses Verfahren steigert die Trefferquote bei der Identifikation beratungsbedürftiger Betriebe nachweislich um 29 Prozent. Die strukturierte Datenanalyse entlastet den Außendienst von manuellen Selektionsprozessen und unterstützt die gezielte Reduktion schwerer Arbeitsunfälle.
Klassische relationale Abfragen und starre If-Then-Regelwerke scheitern an den komplexen, nichtlinearen Wechselwirkungen zwischen historischen Unfalldaten, wechselnden Baustellenmerkmalen und Unternehmensstrukturen. Maschinelle Lernverfahren können latente Risikomuster über sehr große Datenbestände hinweg erkennen und kontinuierlich aus neuen Daten lernen. Zudem erlaubt erst erklärbare KI die Generierung von individuellen Risikofaktoren, die für Aufsichtspersonen fachlich nachvollziehbar darstellbar sind.
Unfallversicherungsträger transformieren sich von einer rein reaktiven Entschädigungsverwaltung hin zu einer proaktiven, datengetriebenen Präventionsorganisation. Dies setzt neue Maßstäbe für die Wirksamkeit öffentlicher Aufsichts- und Beratungsdienste.
Durch die gezielte Prävention lassen sich teure Rehabilitations- und Entschädigungsleistungen drastisch senken. Das Bundesministerium für Arbeit und Soziales beziffert das erwartete Einsparpotenzial durch vermiedene Arbeitsunfälle auf rund 264 Millionen Euro.
Knappe Prüfkapazitäten werden optimal allokiert, da Aufsichtspersonen nicht mehr nach Zufall oder starren Turnusplänen agieren. Die Trefferquote bei der Auswahl tatsächlich beratungsbedürftiger Betriebe stieg im Produktiveinsatz nachweislich um 29 Prozent.
Aufsichtspersonen werden von mühsamer manueller Aktenrecherche entlastet und erhalten eine strukturierte, nachvollziehbare Entscheidungsgrundlage. Die Arbeitszeit verlagert sich von administrativen Vorarbeiten hin zum wirkungsvollen persönlichen Dialog mit den Betrieben.
Die Rolle wandelt sich von einer rein routinemäßigen Prüfinstanz hin zu einem gezielt agierenden Präventionsberater. Das Urteilsvermögen des Menschen bleibt unersetzlich, wird jedoch durch algorithmische Triage zielgerichtet unterstützt.
Beschäftigte im Außendienst erwerben Kompetenzen im Umgang mit KI-gestützten Scoring-Modellen und lernen, statistische Risikotreiber mit ihren eigenen Vor-Ort-Erfahrungen abzugleichen.
Beschäftigte und Versicherte erleben eine Berufsgenossenschaft, die gezielt dort präsent ist, wo tatsächliche Risiken existieren. Prüfungen erfolgen auf Basis objektiver Datenmerkmale und tragen direkt zu sichereren Arbeitsbedingungen vor Ort bei.
Die Konzentration von Beratungs- und Kontrollmaßnahmen auf Gefahrenschwerpunkte schützt Leben und Gesundheit der Beschäftigten auf Baustellen. Insbesondere schwere und tödliche Absturzunfälle können durch zeitnahe Kontrollen nachhaltig verringert werden.