„Langfristig sollte für eine Kundin oder einen Kunden nicht interessant sein, ob hinter einer guten Schadenbearbeitung KI steckt”, sagt Dr. Philipp Johannes Nolte, Managing Director von InsurLab Germany.
Was ist InsurLab und was sehen Sie als die Aufgabe Ihres Unternehmens?
Nolte: Das InsurLab Germany ist die von der Branche getragene Innovations- und Transformationsinitiative der deutschen Versicherungswirtschaft. Unsere Kernaufgabe ist es, unterschiedliche Perspektiven der Versicherungswirtschaft zusammenzubringen, daraus Handlungsfähigkeit zu schaffen und Veränderung in der Branche anzustoßen.
In den ersten Jahren nach unserer Gründung 2017 ging es viel darum, neue Technologien kennenzulernen, Anwendungsfelder zu erschließen und überhaupt Begegnungen zwischen etablierten Unternehmen und neuen Lösungsanbietern zu schaffen. Gerade bei KI gibt es nun aber eine Vielzahl an neuen Anwendungen und ersten Erfahrungen aus dem produktiven Betrieb. Damit wächst der Bedarf an Einordnung: Was davon ist für das eigene Unternehmen relevant? Welche Erfahrungen lassen sich übertragen? Und welche Ansätze sind so tragfähig, dass weitere Investitionen sinnvoll sind?
In welchen Anwendungsbereichen von Versicherungen ist KI praktisch einsetzbar, in welchen Bereichen soll sie künftig eingesetzt werden können?
Nolte: KI ist inzwischen in großen Teilen der Versicherungswertschöpfung angekommen. Im Kundenservice und in der Schadenbearbeitung war das früh sichtbar, inzwischen sehen wir auch Anwendungen im Vertrieb, Underwriting, Pricing und in der IT. Unser Scaling-AI-Sammelband mit knapp 30 Beiträgen macht diese Breite ziemlich gut sichtbar. Dabei geht es längst nicht mehr nur um erste Pilotprojekte, sondern zunehmend um konkrete Verbesserungen in Prozessen, Kundeninteraktion und Entscheidungsunterstützung. Der Nachweis, dass KI grundsätzlich einen operativen Nutzen haben kann, ist in vielen Bereichen erbracht. Schwieriger wird der Schritt vom erfolgreichen Anwendungsfall in die Breite. Gleichzeitig entstehen mit agentischen Systemen neue Möglichkeiten, weil KI zunehmend mehrere Prozessschritte verbinden und selbst Aktionen auslösen kann. Diese Entwicklung wird uns in den kommenden Jahren wahrscheinlich stärker beschäftigen als der nächste isolierte Chatbot.
Ist es möglich, ganze Arbeitsbereiche an KI abzugeben, oder dienen KI-Modelle vielmehr als Unterstützung? Welche Entscheidungen darf ein KI-Modell eigenständig treffen?
Nolte: Wir werden schon in naher Zukunft Prozesse sehen, die sehr weitgehend automatisiert ablaufen. Teilweise gibt es sie schon heute, etwa Agentic-AI-Systeme, die selbstständig Informationen verarbeiten, mit anderen Systemen interagieren und Prozessschritte anstoßen können. Wie viel Autonomie sinnvoll ist, lässt sich aber nicht für KI allgemein festlegen. Dafür sind die Aufgaben und ihre Folgen zu unterschiedlich.
Bei der automatischen Zuordnung eines Dokuments kann ein System sehr frei arbeiten. Bei einer Entscheidung mit erheblichen finanziellen Folgen für einen Kunden braucht es andere Leitplanken.
Wie ist zu gewährleisten, dass KI anliegende Sachverhalte neutral und nicht tendenziös im Interesse des Versicherers bearbeitet, beispielsweise bei der Bearbeitung von Leistungsansprüchen oder der Bewertung von Schäden?
Nolte: Mit dem Begriff „neutral” wäre ich etwas vorsichtig. Auch eine menschliche Schadenentscheidung findet nicht im luftleeren Raum statt. Sie folgt dem Vertrag, den rechtlichen Vorgaben, den fachlichen Regeln und natürlich auch einer subjektiven Beurteilung.
Bei einem KI-System muss die Grundlage solcher Entscheidungen überprüfbar sein. Dazu gehört, welche Daten verwendet werden und ob sich problematische Muster in den Ergebnissen zeigen.
Vertrauen entsteht nicht dadurch, dass man einem mathematischen Modell automatisch Objektivität zuschreibt. Es entsteht durch systematische Prüfung, klare Verantwortlichkeiten und die Möglichkeit, bei Bedarf einzugreifen.
Wie verändern sich durch den Einsatz von KI die Anforderungsprofile von Versicherungen und Mitarbeitenden? Welche Fähigkeiten werden besonders benötigt, welche vielleicht unwichtiger?
Nolte: Die Veränderung beginnt dort, wo Routinetätigkeiten automatisiert werden. Wer heute viel Zeit damit verbringt, Informationen zusammenzutragen, zu übertragen oder einen Standardfall vorzubereiten, wird einen Teil dieser Arbeit künftig anders erledigen. Dadurch verlagert sich der menschliche Beitrag stärker auf die Beurteilung und auf Fälle, die aus dem Standard herausfallen. Interessanterweise wird Fachwissen dadurch meiner Meinung nach eher wichtiger. Wer das Ergebnis eines KI-Systems fachlich nicht beurteilen kann, wird auch nur schwer erkennen, wann etwas nicht stimmt. Gleichzeitig braucht es mehr Verständnis dafür, wie ein Prozess insgesamt funktioniert. Denn sobald KI über einen einzelnen Use Case hinauswächst, betrifft sie schnell weitere Bereiche.
Eine Sorge, die häufig in Verbindung mit dem Einsatz von KI steht, ist die Sicherheit des Arbeitsplatzes. Welche Jobs der Branche könnten betroffen sein und welche neuen Arbeitsplätze könnten entstehen?
Nolte: Vor allem Tätigkeiten mit einem hohen Anteil wiederkehrender Informationsverarbeitung werden sich verändern. Menschen werden stärker die Ergebnisse kontrollieren, komplexere Fälle bearbeiten und KI-Systeme fachlich begleiten. Es entstehen zudem Aufgaben, die es in dieser Form bisher kaum gab. Unser Sammelband spricht beispielsweise vom Agent Manager oder von neuen Steuerungsrollen rund um KI.
Ein Schadenexperte verliert also nicht plötzlich seine Schadenexpertise, im Gegenteil. Wenn das System einen großen Teil der Vorarbeit übernimmt, konzentriert sich seine Arbeit stärker auf die schwierigen Fälle. Das kann den Beruf anspruchsvoller machen.
Fehlen derzeit noch gesetzliche Regeln, um KI in der Versicherungsbranche sicher und fair einzusetzen, oder ist die einzige Hürde eine flächendeckende Implementierung von KI?
Nolte: An Regeln mangelt es aus meiner Sicht nicht. Versicherer bewegen sich schon lange in einem stark regulierten Umfeld, hinzu kommen die Datenschutz-Grundverordnung und der europäische AI Act. Letzterer stuft beispielsweise KI-Systeme zur Risikobewertung und Preisbildung bei natürlichen Personen in der Lebens- und Krankenversicherung als Hochrisikosysteme ein.
Damit ist das Thema aber noch lange nicht erledigt. Eine regulatorische Vorgabe muss im Unternehmen in einen funktionierenden Prozess übersetzt werden. Wer überwacht ein Modell? Wer darf Änderungen freigeben? Wie fügt sich die Anwendung in die vorhandene IT ein? Dazu kommen Datenqualität und bestehende Systemlandschaften. In der Praxis liegt die eigentliche Arbeit oft genau dort.
Für uns als Brancheninitiative ist das ein gutes Beispiel dafür, warum ergebnisorientierter Austausch einen konkreten Wert hat.
Wird KI Versicherungen günstiger machen oder die Gewinne der Unternehmen erhöhen?
Nolte: Zunächst einmal macht KI bestimmte Prozesse produktiver. Was aus diesem Produktivitätsgewinn wirtschaftlich entsteht, hängt vom Unternehmen und natürlich auch vom Wettbewerb ab.
Wie konkret solche Effekte sein können, zeigt ein Beispiel aus unserem Scaling-AI-Sammelband: SAS berichtet bei der Erstellung komplexer Pricing-Modelle von einer Effizienzsteigerung von 25 Prozent. Das bedeutet natürlich nicht, dass dadurch ein Versicherungsprodukt automatisch um 25 Prozent günstiger wird. Es zeigt aber, dass reale wirtschaftliche Spielräume entstehen können. Diese können in niedrigere Kosten fließen, in besseren Service oder in zusätzliche Investitionen.
Daneben gibt es noch einen zweiten Effekt. Hohe Verwaltungs- und Bearbeitungskosten setzen heute Grenzen dafür, welche Produkte sich wirtschaftlich anbieten lassen. Wenn diese Kosten sinken, können Angebote interessant werden, die sich vorher kaum gerechnet haben. Auch darin liegt Potenzial.
Woran wird man in einigen Jahren erkennen können, dass die Integration von KI in Arbeitsprozesse die Versicherungsbranche verbessert hat?
Nolte: Vielleicht daran, dass wir viel weniger über KI sprechen.
Klingt erst einmal paradox, ich weiß. Aber: Heute steht die Technologie noch stark im Vordergrund. Langfristig sollte für eine Kundin oder einen Kunden aber nicht interessant sein, ob hinter einer guten Schadenbearbeitung KI steckt. Relevant ist, ob der Schaden schneller bearbeitet wird, die Antwort verlässlich ist und der Prozess insgesamt besser funktioniert. Genauso gilt das intern: Wenn Mitarbeitende weniger Zeit mit unnötiger Routine verbringen und mehr Zeit für anspruchsvolle Fälle haben, ist das ein konkreter Fortschritt.
Wir sehen solche Effekte heute bereits in einzelnen Anwendungen. Die nächste Aufgabe besteht darin, sie in die Breite zu tragen. Genau dort liegt auch ein wichtiger Beitrag des InsurLab. Wir bringen Praxiswissen aus unterschiedlichen Unternehmen zusammen, machen sichtbar, was in welchem Kontext funktioniert, und gewinnen daraus Erkenntnisse, die anderen bei ihren eigenen Entscheidungen helfen.
Wenn das gelingt, verändert sich auch der Blick auf KI selbst. Denn dann ist KI kein Technologiethema mehr, sondern schlicht Teil guter Versicherung.
Wenn sie mehr über InsurLab Germany und konkreten operativen Anwendungsfällen entlang der gesamten Versicherungswertschöpfung erfahren wollen, finden sie hier den Sammelband “Scaling AI: Von Pilot zu Performance entlang der Versicherungswertschöpfung” von InsurLab Germany:
