Zum Inhalt springen
Bezahlt Low-Code 🇩🇪 Deutschsprachig 🇪🇺 EU-Server Geprüft: Mai 2026

Vaarhaft

Vaarhaft GmbH

3/5
Tool öffnen

Berliner Startup, das KI-gestützte Echtheitsprüfung von Schadensfotos und Dokumenten für Versicherungen und Gutachter anbietet. Das System analysiert eingereichte Bilder auf Pixel- und Metadaten-Ebene und erkennt Manipulationen, gefälschte GPS-Daten und KI-generierte Fälschungen in Sekunden.

Kosten: Volumenbasiert, Abrechnung pro analysiertem Bild und Dokument; Preise auf Anfrage

Kategorien

Stärken

  • Spezialisiert auf Schadensfoto-Betrug, besser als generische Bilderkennungstools
  • Erkennt Metadaten-Anomalien (Zeitstempel, GPS, Kameraparameter) automatisch
  • Erkennt KI-generierte Bilder (DALL-E, Midjourney, Stable Diffusion)
  • Sehr schnelle Verarbeitung, Ergebnis in Sekunden pro Bild
  • Deutsches Unternehmen, EU-konforme Datenhaltung

Einschränkungen

  • Keine veröffentlichte Preisliste, Angebot nur nach Sales-Gespräch
  • Deckt nur Bildfälschungen ab, keine Textinkonsistenz-Analyse
  • Noch junges Produkt mit begrenztem Praxisnachweis außerhalb Versicherungsbranche
  • Für Einzelgutachter mit wenigen Verdachtsfällen oft unwirtschaftlich

Passt gut zu

Versicherungen mit hohem Volumen an digitalen Schadensbildern Gutachterbüros mit regelmäßigen Betrugsverdachtsfällen im Kfz- oder Sachschadenbereich Plattformen, die Nutzer-hochgeladene Schadensfotos vor Auszahlung prüfen wollen

So steigst du ein

Schritt 1: Kontakt über die Vaarhaft-Website aufnehmen und eine Testanalyse mit eigenen Verdachtsfällen anfordern. Vaarhaft bietet Pilotprojekte an, in denen historische Schadensbilder retrospektiv analysiert werden, das gibt sofort ein realistisches Bild der Erkennungsrate in deinem konkreten Portfolio.

Schritt 2: API-Integration in das bestehende Schadenserfassungssystem einrichten. Die Vaarhaft-API gibt für jedes Bild einen Konfidenzwert zurück, der angibt, wie wahrscheinlich eine Manipulation vorliegt, Fälle über einem definierten Schwellenwert werden zur manuellen Prüfung markiert.

Schritt 3: Interne Schwellenwerte kalibrieren: Ab welchem Konfidenzwert soll ein Fall automatisch zur vertieften Prüfung weitergeleitet werden? Diese Kalibrierung ist entscheidend für das Verhältnis von erkannten Fällen zu Fehlalarmen.

Ein konkretes Beispiel

Ein Kfz-Gutachterbüro mit 15 Mitarbeitenden in Hamburg verarbeitet monatlich rund 300 Schadensbilder bei Betrugsverdachtsfällen. Nach Einführung von Vaarhaft werden alle eingereichten Fotos automatisch auf Manipulationshinweise geprüft. In drei Monaten identifiziert das System sechs Fälle mit auffälligen Metadaten-Inkonsistenzen, zwei davon bestätigen sich bei manueller Nachprüfung als echte Fälschungen (gefälschte Zeitstempel, nachträglich bearbeitete GPS-Daten). Ohne das System wären diese in der Routinedurchsicht nicht aufgefallen.

Diesen Inhalt teilen:

Empfohlen in 1 Use Cases

Empfohlen für diese Branchen

Redaktionell bewertet · Preise und Funktionen können sich ändern.

Stimmt etwas nicht?

Preise geändert, Feature veraltet oder etwas fehlt? Wir freuen uns über Hinweise und Ergänzungen.

Feedback geben

Nicht sicher, ob Vaarhaft zu euch passt?

Wir helfen bei der Tool-Auswahl und begleiten die Einführung in euren Arbeitsalltag, unverbindlich und kostenlos im Erstgespräch.

Erstgespräch anfragen
Kostenloser Newsletter

Bleib auf dem neuesten
Stand der KI

Wähle deine Themen und erhalte relevante KI-News, Praxistipps und exklusive Inhalte direkt in dein Postfach – kein Spam, jederzeit abmeldbar.

Was interessiert dich? Wähle 1–4 Themen, du bekommst nur Inhalte dazu.

Mit der Anmeldung stimmst du unserer Datenschutzerklärung zu. Jederzeit abmeldbar.

Kostenlos
Kein Spam
Jederzeit abmeldbar