Versicherungen

Dunkelverarbeitung von Standardschäden

Prozess

Schadenmeldung entgegennehmen, Schadenakte anlegen, Fotos und Rechnungen auf Vollständigkeit prüfen und Fehlendes nachfordern, materielle Deckungsprüfung gegen das Bedingungswerk der jeweiligen Tarifgeneration, Regulierungsentscheid, Zahlungsanweisung. Zielzustand ist der Geschäftsvorfall, der ohne Eingriff eines Sachbearbeiters fallabschließend durchläuft — die Definition, die der GDV der Dunkelverarbeitungsquote zugrunde legt.

Nutzenhebel

DOMCURA berichtet für den KI-Mitarbeiter „KIM“ eine durchschnittliche Bearbeitungszeit von 6 bis 8 Wochen auf wenige Tage, bei vollständigen Unterlagen auf 10 Minuten; Schäden bis 3.500 Euro Schadenhöhe werden vollautomatisch inklusive materieller Deckungsprüfung reguliert, und 12 unbesetzte Stellen einer 43-köpfigen Schadenabteilung wurden ersatzlos gestrichen. Branchenrahmen: die Dunkelverarbeitungsquote der Sach- und Unfallversicherer lag 2023 bei 33,5 Prozent gegenüber 23 Prozent im Jahr 2019 (GDV, 11.11.2024) — jeder gewonnene Prozentpunkt schlägt über die Kostenquote in die Combined Ratio durch.

Aufwandstreiber

Die materielle Deckungsprüfung ist kein Klassifikationsproblem, sondern ein Abgleich gegen historisch gewachsene Bedingungswerke über viele Tarifgenerationen hinweg, die im Bestandsführungssystem liegen — Kernsysteme mit 20 bis 30 Jahren Laufzeit, die bis zu 70 Prozent des IT-Budgets allein für den Betrieb binden (IT-Finanzmagazin, 05.11.2025). Dazu verlangt die MaGo-Novelle 2025 für automatisierte Geschäftsabläufe, dass sie transparent abgebildet werden und die Funktionstrennung gewahrt bleibt; der Sachbearbeiter muss jeden automatisch getroffenen Regulierungsentscheid übersteuern können, und diese Rückfallebene ist mitzubauen.

Beleg: Bitkom, Whitepaper „Beyond the Pilot – Künstliche Intelligenz in der Versicherungswirtschaft“, S. 14–15 (DOMCURA/KIM) · Stand: März 2026

Schadenerstbewertung und Schadensteuerung im Kfz-Schaden

Prozess

Schadenerstmeldung über den bestehenden Kanal — überwiegend telefonisch — aufnehmen, Deckung prüfen, die Unfallparteien in Partnerwerkstätten steuern, die Schadenhöhe validieren, auf Betrugsindikatoren prüfen und in eindeutigen Fällen direkt auszahlen, sonst eine begründete Zahlungsempfehlung an den Versicherer geben.

Nutzenhebel

inca Solutions berichtet aus dem Einsatz bei einer deutschen Kfz-Versicherung, dass jeder Bearbeitungsschritt innerhalb von 24 Stunden erfolgte, die Schadenkosten um rund sieben Prozent sanken und Rückstände abgebaut wurden; die Plattform arbeitet mit über 250 vortrainierten KI-Agenten, die Next-Best-Actions anstoßen. Der Hebel sitzt damit nicht in der Kostenquote, sondern im Schadenaufwand — dem größten Block der Combined Ratio, die der GDV für 2024 mit 99,6 Prozent ausweist.

Aufwandstreiber

Schadensteuerung ist zuerst ein Vertrags- und Netzwerkthema — Partnerwerkstätten, Sachverständige, Restwertbörsen — und erst danach ein Modellthema: Nutzen entsteht nur, wenn die Steuerungsquote tatsächlich steigt. Die Prozesse sind stark manuell geprägt und in Altsystemen verankert, und über 30 Prozent der Mitarbeitenden gehen in den kommenden fünf bis zehn Jahren in den Ruhestand, während die Nachbesetzung am Fachkräftemangel scheitert. Dass im beschriebenen Fall Nutzerzugänge zum Schadensystem genügten und keine tiefe IT-Integration nötig war, ist die Ausnahme, nicht die Regel.

Beleg: Bitkom, „Beyond the Pilot“, S. 11–12 (inca Solutions GmbH) · Stand: März 2026

Betrugserkennung mit Bild- und Dokumentenforensik

Prozess

Eingereichte Schadenfotos, Rechnungen und Kaufbelege vor der Regulierung automatisiert auf Strukturmerkmale, Dateieigenschaften, Metadaten, Dubletten und Internetquellen prüfen, auffällige Bildbereiche lokalisieren und markieren, das Ergebnis als Ampelsignal an die Schadenabteilung zurückgeben, die den Fall in den Standardprozess oder in die vertiefte Prüfung der Betrugsabwehr steuert.

Nutzenhebel

VAARHAFT berichtet aus dem Piloten mit der Grundeigentümer-Versicherung (September 2024 bis Februar 2025): 1.168 Schadenfälle mit 3.972 Bildern automatisiert analysiert, 1,4 Prozent der Fälle als bildbasierter Betrug bestätigt, Erkennungsgenauigkeit 95,4 Prozent, direkte Einsparung im Piloten 6.284 Euro, hochgerechnet auf 18.000 Schadenfälle pro Jahr über 100.000 Euro jährlich — also 5 bis 10 Euro je Schadenfall. a68 berichtet mit INZMO 130 Prozent mehr identifizierte Betrugsfälle bei 52 Prozent schnellerer Schadenbearbeitung innerhalb von drei Monaten. Branchenrahmen: der GDV beziffert den Betrugsschaden auf über sechs Milliarden Euro pro Jahr, rund zehn Prozent aller Schadenmeldungen gelten als auffällig, die Hälfte davon entfällt auf Kfz (GDV, 02.05.2024).

Aufwandstreiber

Der Nutzen hängt fast vollständig an Basisquote und Volumen: bei 5 bis 10 Euro je geprüftem Schadenfall entscheidet die Bezugsgröße „Schadenfälle pro Jahr“ über die Wirtschaftlichkeit, und zwar in einem Ausmaß, gegen das eine bessere Erkennungsrate wenig ausrichtet. Gegenläufig wirken False Positives: eine zu Unrecht verzögerte Regulierung kostet Kundenvertrauen und kollidiert mit den Fälligkeitspflichten aus dem Versicherungsvertrag. Zusätzlich läuft ein Wettrüsten — generative Bildwerkzeuge senken die Einstiegshürde für visuellen Betrug laufend, das Modell veraltet also aktiv.

Beleg: Bitkom, „Beyond the Pilot“, S. 12–14 (VAARHAFT/Grundeigentümer-Versicherung; a68/INZMO) · Stand: März 2026

Deckungsprüfung gegen Bedingungswerke

Prozess

Deckungsfrage von Kunde, Makler oder Assekuradeur entgegennehmen, die einschlägige Klausel im richtigen Bedingungswerk der zutreffenden Tarifgeneration auffinden, sie mit dem konkret geschilderten Risiko unter Berücksichtigung von Ausschlüssen und Obliegenheiten abgleichen und eine begründete, belegte Deckungsauskunft geben.

Nutzenhebel

Finlex greift auf über 300 Versicherungsbedingungen sowie von Expertinnen und Experten erstellte Synopsen zu. Erklärtes Ziel innerhalb der ersten drei bis sechs Monate: den Zeitaufwand für die Analyse von Versicherungsbedingungen um 40 bis 60 Prozent senken und die Bearbeitungszeit für häufige Deckungsanfragen von Maklern an Assekuradeure um 50 bis 70 Prozent verkürzen — damit mehr Anfragen ohne zusätzliches Personal bearbeitet werden.

Aufwandstreiber

Bedingungswerke sind juristische Texte mit Ausschlüssen, Obliegenheiten und Subsidiaritätsklauseln; die richtige Antwort hängt daran, welche Tarifgeneration im Vertrag policiert ist — dieselbe Frage hat je nach Bedingungsstand ein anderes Ergebnis. Weil eine erteilte Deckungszusage bindet, ist der Fall bewusst als Vorschlag mit anschließender fachlicher Prüfung gebaut und nicht als Automat; die Ergebnisse werden kontinuierlich manuell überprüft und evaluiert. Das begrenzt den Automatisierungsgrad strukturell und muss in der Aufwandsbewertung stehen.

Beleg: Bitkom, „Beyond the Pilot“, S. 9–10 (Finlex GmbH) · Stand: März 2026

Underwriting-Vorprüfung und Risikoklassifikation im KMU-Neugeschäft

Prozess

Geeignete Risiken identifizieren, Branche und Tätigkeit auf Basis externer Unternehmens- und Webdaten klassifizieren, gegen interne Zeichnungsparameter und Zeichnungsgrenzen vorprüfen, auf passende Makler matchen und Grenzfälle als Referral an den Underwriter geben.

Nutzenhebel

Markel Prime: rund 100.000 analysierte Unternehmen, die Vorprüfung eines Unternehmens dauert im Durchschnitt neun Sekunden, etwa 400 aktive Makler nutzen die Plattform mit bis zu vier Matchings pro Makler und Tag; live in Deutschland in den Verticals IT, Media und Beratungs-Haftpflicht. Der Hebel liegt ausdrücklich in der proaktiven Marktansprache und damit im Neugeschäft, nicht allein in der Automatisierung bestehender Abläufe.

Aufwandstreiber

Die Zeichnungshoheit muss beim Underwriter bleiben: unterstützt werden Klassifikation, Vorprüfung und Matching, ausdrücklich nicht die autonome Risikozusage — Regeln, Zeichnungsgrenzen und Review-Mechanismen definieren die Underwriter. Zeichnungsrichtlinien und Kumulsteuerung sind proprietär und in keinem Standardmodell abbildbar, externe Firmendaten sind qualitativ heikel, weshalb integrierte Datenqualitätsprüfungen Teil der Lösung sind. Entscheidend für die Aufwandsbewertung: derselbe Arbeitsschritt kippt in der Lebens- und Krankenversicherung in den Hochrisikobereich der KI-Verordnung, in der Kompositversicherung nicht.

Beleg: Bitkom, „Beyond the Pilot“, S. 8–9 (Markel S.E.); KI-Verordnung Anhang III Nr. 5 lit. d · Stand: März 2026

Posteingangsklassifikation und Nutzdatenextraktion

Prozess

Physische Eingangspost scannen, per OCR erfassen, Vertragsnummer, Kunde und Dokumententyp automatisiert extrahieren, dem Vorgang im CRM beziehungsweise Kernsystem zuordnen und eine Aufgabe für den zuständigen Account Manager oder Sachbearbeiter anlegen.

Nutzenhebel

MRH Trowe berichtet gemeinsam mit AWS: die Durchlaufzeit sank von häufig mehr als drei Tagen auf rund 180 Sekunden bis zur Ablage im CRM; allein die manuelle Suche nach Vertragsnummer und Kunde hatte zuvor rund 45 Sekunden pro Vorgang gekostet und musste teils mehrfach wiederholt werden. Die Kosten je Brief liegen bei etwa 0,14 US-Dollar gegenüber einem Zielwert von 0,25 US-Dollar, die Erkennungsrate der extrahierten Informationen bei rund 95 Prozent, etwa jedes zweite Dokument läuft vollständig Ende-zu-Ende automatisiert. Branchenrahmen: Papierpost ist trotz Rückgang von 36 Prozent (2019) auf 23 Prozent (2023) weiterhin knapp ein Viertel der Kundenkommunikation (GDV-Erhebung, November 2024).

Aufwandstreiber

Der begrenzende Faktor ist nicht das Modell, sondern der Bestand: die verbleibenden Einschränkungen ergeben sich laut Projektbericht vor allem aus unvollständig gepflegten Vertragsnummern im CRM. Dazu kommt die Heterogenität der Dokumente — annehmbar waren nur grundlegende Merkmale wie die typischen Positionen von Absender und Empfänger; die Fehlerquote sank erst über eine „digitale Faltung“ der Dokumente in Quadranten, die zugleich den Tokenverbrauch senkte. Der Erfolg hing damit an Datenvorbereitung und Prozessauswahl — hohes Volumen, geringes Fehlerrisiko —, nicht an Modell oder Prompt.

Beleg: Bitkom, „Beyond the Pilot“, S. 18–19 (MRH Trowe Holding AG / AWS) · Stand: März 2026

Rechnungs- und Leistungsprüfung in der Krankenversicherung

Prozess

Eingereichten Leistungsbeleg erfassen — Klinikrechnung nach DRG, ärztliche Liquidation nach GOÄ oder GOZ —, gegen den Tarif auf den erstattungsfähigen Anspruch abgleichen, Abrechnung und Plausibilität prüfen, Erstattungsentscheid treffen und bei Auffälligkeit in die detaillierte Prüfung weiterleiten.

Nutzenhebel

Die Versicherungskammer Bayern setzt mit dem eigenentwickelten System „StARS“ rund 100.000 Klinikrechnungen pro Jahr um: der Ressourcenaufwand sank um 25 Prozent, die Zahl der detaillierten Prüfungen um rund 30 Prozent, während die eingesparte Summe durch den KI-Einsatz 30 Prozent höher lag als zuvor — durchschnittlich rund fünf Millionen Euro Einsparung pro Jahr bei doppelt so hoher Trefferquote (Ärzte Zeitung, 10.12.2019). Branchenrahmen: die Dunkelverarbeitungsquote der Krankenversicherer stieg von 18,5 Prozent (2019) auf 32,5 Prozent (2023).

Aufwandstreiber

Hier liegen die höchsten regulatorischen Anforderungen der Branche übereinander: verarbeitet werden Gesundheitsdaten als besondere Kategorie personenbezogener Daten, und in derselben Sparte stuft Anhang III Nr. 5 lit. d der KI-Verordnung KI-Systeme für Risikobewertung und Preisbildung als Hochrisiko-Systeme ein — mit Pflichten zu Risikomanagement, Daten-Governance, technischer Dokumentation, menschlicher Aufsicht und Konformitätsbewertung. Fachlich kommt hinzu, dass GOÄ- und GOZ-Ziffern samt Analogbewertungen auslegungsbedürftig sind: Wer prüft, wendet Gebührenrecht an und rechnet nicht nur nach.

Beleg: Ärzte Zeitung, „Rechnungsprüfung auf neue Füße gestellt“ (Versicherungskammer Bayern, System StARS) · Stand: 10.12.2019

Bestands- und Vertragsanalyse im Vorsorgegeschäft (bAV und pAV)

Prozess

Unstrukturierte Vertragsdokumente bestehender bAV- und pAV-Verträge auslesen, Kosten-, Beitrags- und Investmentstruktur transparent aufbereiten, den Bedarf ermitteln, das Onboarding bis zur Aktivierung der bAV für Mitarbeitende im Self-Service führen und die Verträge laufend administrieren und anpassen.

Nutzenhebel

DYNO berichtet, dass die Direktaktivierung von bAV-Lösungen ohne Sales- oder Customer-Success-Unterstützung von 35 auf 51 Prozent stieg und die Akzeptanzquote KI-gestützter Antworten bei 91 Prozent liegt; für den Versicherer entsteht ein höherer Rohertrag, weil kostenintensive Provisionsstrukturen nicht vorfinanziert werden müssen. Zur Einordnung der Größenordnung: die Allianz plant in ihrer Konzernstrategie mit rund 0,5 Prozentpunkten zusätzlichem Vertragswachstum allein aus Stornovermeidung.

Aufwandstreiber

Der Fall trifft unmittelbar auf Beratungs- und Dokumentationspflichten in der Vermittlung, weshalb die Lösung explizit auf erklärbare Modelle, transparente Entscheidungslogiken und Audit-Trails ausgelegt ist, um DSGVO, DORA und KI-Verordnung zu erfüllen. Fachlich erschwerend: Vorsorgeverträge liegen über viele Tarifgenerationen und Produktwelten verteilt, die Vertragsstrukturen sind komplex und intransparent — genau der Zustand, den die Analyse erst auflösen soll. Der Nutzen entsteht dabei nicht am Abschluss, sondern über die Laufzeit.

Beleg: Bitkom, „Beyond the Pilot“, S. 17–18 (DYNO) und S. 21–22 (Allianz, KI-Strategie) · Stand: März 2026

Automatisierte Compliance-Prüfung von Mitarbeiter-Eigengeschäften

Prozess

Depotauszüge meldepflichtiger Mitarbeitender erfassen — bislang als PDF oder in Papierform —, Transaktionen und Bestände einschließlich Derivaten und indirekter Beteiligungen über Fonds und Zertifikate auslesen, gegen Blacklists, Sperrlisten und Mandate abgleichen und der Compliance-Abteilung potenzielle Verstöße signalisieren.

Nutzenhebel

wealthAPI berichtet für den Compliance Manager einen um bis zu 90 Prozent geringeren manuellen Prüfaufwand und eine Reaktionszeit von einer mehrtägigen Prüfung auf Echtzeit-Ergebnisse; angebunden sind über 3.500 Banken. Gemessen wird der Nutzen an hochqualifizierter Compliance-Kapazität, die für Risikoanalyse und Governance frei wird, und an der Reduktion regulatorischer Risiken.

Aufwandstreiber

Der Fall lebt von der Datenanbindung, nicht von der Modellgüte — der Aufwand steckt in Bankenschnittstellen und in der Auflösung indirekter Beteiligungen bis auf den Basiswert. Dazu kommen die Betriebsanforderungen des regulierten Umfelds: ISO-27001-Zertifizierung, DSGVO-Konformität und Hosting in Deutschland stehen am Anfang der Auswahl und nicht am Ende. Weil Beschäftigtendaten ausgewertet werden, ist der Fall in Deutschland zusätzlich mitbestimmungsrelevant.

Beleg: Bitkom, „Beyond the Pilot“, S. 20–21 (wealthAPI GmbH) · Stand: März 2026

Leben und Kranken: Risikobewertung und Preisbildung sind Hochrisiko — ab dem 02.12.2027

Anhang III Nr. 5 lit. d der KI-Verordnung erfasst KI-Systeme, die bestimmungsgemäß für die Risikobewertung und Preisbildung in Bezug auf natürliche Personen im Fall von Lebens- und Krankenversicherungen verwendet werden sollen. Damit greifen Pflichten zu Risikomanagementsystem, Daten-Governance, technischer Dokumentation, Aufzeichnung, Transparenz, menschlicher Aufsicht, Genauigkeit, Robustheit und Cybersicherheit, Qualitätsmanagementsystem und regelmäßiger Konformitätsbewertung. Der Zeitpunkt hat sich verschoben: Die Verordnung (EU) 2026/1744 („Digital Omnibus on AI“, in Kraft seit dem 27.07.2026) hat Art. 113 Abs. 3 lit. c geändert, sodass Kapitel III Abschnitte 1 bis 3 für Anhang-III-Systeme erst ab dem 2. Dezember 2027 gelten — und Anhang III Nr. 5 lit. d ist ein Fall des Art. 6 Abs. 2 und damit von der Verschiebung erfasst. Die vielfach zitierte Einordnung der Deutschen Aktuarvereinigung vom 19.12.2024 gibt den Stand VOR dieser Änderung wieder und nennt deshalb noch den 2. August 2026. Für die Priorisierung heißt das zweierlei: Derselbe Arbeitsschritt ist in Komposit ein Standardfall und in Leben oder Kranken ein Hochrisikofall mit einem völlig anderen Aufwandsprofil — und für den Aufbau dieses Aufwandsprofils bleibt bis Ende 2027 Zeit, die eine Priorisierung nutzen kann.

Beleg: KI-Verordnung (EU) 2024/1689 in der konsolidierten Fassung, Anhang III Nr. 5 lit. d und Art. 113 Abs. 3 lit. c (geändert durch Verordnung (EU) 2026/1744) · Stand: Fassung vom 27.07.2026, abgerufen 28.08.2026

Die eigenen Personalprozesse fallen ebenfalls unter Anhang III

Anhang III Nr. 4 der KI-Verordnung stuft KI-Systeme für Einstellung und Auswahl sowie für Entscheidungen über Arbeitsbedingungen, Beförderungen und Kündigungen als Hochrisiko ein; die daran hängenden Pflichten greifen wie bei Nr. 5 lit. d ab dem 2. Dezember 2027. Das trifft die Personalprozesse des Versicherers selbst — ein Bereich, den Use-Case-Listen der Branche regelmäßig übersehen, weil sie entlang der Wertschöpfungskette und nicht entlang der eigenen Verwaltung gebaut werden. Unabhängig von der KI-Verordnung gelten für diese Fälle heute schon Art. 22 DSGVO und die Beteiligungsrechte des Betriebsverfassungsgesetzes.

Beleg: KI-Verordnung (EU) 2024/1689, Anhang III Nr. 4 · Stand: abgerufen 08/2026

MaGo-Novelle 2025: eigenes Kapitel zu automatisierten Geschäftsabläufen

Das BaFin-Rundschreiben 09/2025 (VA) enthält erstmals ein eigenes Kapitel zu automatisierten Geschäftsabläufen und verknüpft die nationalen Anforderungen an die Geschäftsorganisation ausdrücklich mit DORA und der KI-Verordnung. Automatisierte Prozesse sind transparent abzubilden, die Funktionstrennung muss gewahrt bleiben. Das ist die konkrete deutsche Aufsichtsanforderung an jeden Dunkelverarbeitungs-Use-Case — und der Grund, warum der erreichbare Automatisierungsgrad vor der Bewertung feststehen muss, nicht danach.

Beleg: BaFin, Rundschreiben 09/2025 (VA) — MaGo für Versicherungsunternehmen · Stand: veröffentlicht 14.07.2025, anzuwenden seit 14.10.2025

KI-Systeme sind IKT-Assets im Sinne von DORA

Die Risiken von KI-Systemen sind IKT-Risiken und damit integraler Bestandteil des IKT-Risikomanagements nach DORA — inklusive Erfassung, Steuerung und Drittparteienmanagement. Für die Aufwandsschätzung wirkt das in beide Richtungen: der Fall erbt die DORA-Pflichten, aber viele bereits für DORA gebaute Lösungen lassen sich auf KI-Systeme übertragen.

Beleg: Bitkom, „Beyond the Pilot“, S. 25 und S. 27 · Stand: März 2026

Der AI Act kommt nicht auf die grüne Wiese

Durch Solvency II verfügen Versicherer über eine ausgeprägte Governance mit eingespielten Gremien, Kontrollen und Berichtswegen. Neue KI-Anforderungen müssen dort integriert werden, statt daneben aufgebaut zu werden. Der Bitkom-Report warnt ausdrücklich davor, den KI-Einsatz auf den AI Act zu verengen; nötig ist die Sicht auf AI Act, DORA, DSGVO und MaGo zusammen.

Beleg: Bitkom, „Beyond the Pilot“, S. 24–27 · Stand: März 2026

Gesundheitsdaten als besondere Kategorie

In Kranken- und Lebensversicherung werden Gesundheitsdaten im Training und im Betrieb verarbeitet. Der Bitkom-Report benennt als zentrale Herausforderung, DSGVO und AI Act so zusammenzuführen, dass Grundrechte und Datenschutz gesichert bleiben, ohne Innovation zu hemmen; der kürzlich veröffentlichte AI Omnibus erlaubt unter strengen Auflagen die Verarbeitung personenbezogener und sensibler Daten für Hochrisiko-Systeme und gilt als erster Brückenschlag.

Beleg: Bitkom, „Beyond the Pilot“, S. 25–26 · Stand: März 2026

Diskriminierungsfreiheit in der Tarifierung

Eine unterschiedliche Behandlung wegen Religion, Behinderung, Alter oder sexueller Identität ist im Versicherungsverhältnis nur zulässig, wenn sie auf anerkannten Prinzipien risikoadäquater Kalkulation beruht, insbesondere auf einer versicherungsmathematisch ermittelten Risikobewertung unter Heranziehung statistischer Erhebungen. Das Geschlecht darf seit dem 21.12.2012 nicht mehr zu unterschiedlichen Prämien führen. Ein Modell, das über Proxy-Variablen faktisch re-diskriminiert, ist damit nicht nur ethisch, sondern zivilrechtlich angreifbar — und die Rechtfertigungslast liegt beim Versicherer.

Beleg: § 20 AGG (Allgemeines Gleichbehandlungsgesetz) · Stand: Unisex-Pflicht seit 21.12.2012

Gewachsene Kernsystemlandschaft

Bis zu 70 Prozent des IT-Budgets sind für den Betrieb von Legacy-Systemen gebunden, rund 13 Anbieter von Versicherungskernsystemen sind in Deutschland präsent, die Landschaften sind durch Fusionen und Übernahmen fragmentiert, und es besteht eine Talentlücke bei Legacy-Sprachen. Bestandssysteme laufen 20 bis 30 Jahre; Deutschland und die Schweiz zählen weltweit zu den Märkten mit der höchsten Dichte an Altsystemen. Jeder Use Case, der ins Kernsystem zurückschreiben muss, trägt diesen Aufwand mit — und jeder, der es nicht muss, ist deshalb allein schon günstiger.

Beleg: IT-Finanzmagazin, „Versicherungs-Kernsysteme auf KI vorbereiten“ · Stand: 05.11.2025

Datenqualität im Bestand ist der Engpass, nicht das Modell

Bei MRH Trowe ergeben sich die verbliebenen Einschränkungen vor allem durch unvollständig gepflegte Vertragsnummern im CRM. Die Allianz adressiert das strukturell über Data Products — wiederverwendbare, redundanzfreie Datasets mit klarem Owner und klaren Regeln für Datenqualität und Metadaten-Management — und hält fest, dass eine KI Unternehmensdaten nur dann richtig interpretiert, wenn ihr Glossar und Katalog mit vollständigen Feldbeschreibungen zur Verfügung stehen. Wer die Datenaufbereitung nicht in die Aufwandsschätzung schreibt, schätzt den falschen Fall.

Beleg: Bitkom, „Beyond the Pilot“, S. 19 und S. 22 · Stand: März 2026

Die MaGo erzeugt genau die Daten, über die der Betriebsrat mitbestimmt

Die MaGo verlangt für automatisierte Geschäftsabläufe Transparenz und die Übersteuerbarkeit durch den Sachbearbeiter. Wer das umsetzt, protokolliert jede Übersteuerung mit Zeitstempel und Bearbeiterkennung — und hat damit eine Leistungsstatistik je Sachbearbeiter im Haus, ob er sie auswerten will oder nicht. Genau daran hängt das erzwingbare Mitbestimmungsrecht aus § 87 Abs. 1 Nr. 6 BetrVG: Es genügt, dass die technische Einrichtung zur Überwachung von Verhalten oder Leistung geeignet ist. Der Betriebsrat ist also nicht am Modell zu beteiligen, sondern an der Protokollierung und an den Auswertungsrechten darauf; scheitert die Einigung, entscheidet die Einigungsstelle nach § 87 Abs. 2 BetrVG. Zwei Stellen im Fahrplan sind damit gesetzt: die Verhandlung über Aufbewahrungsfrist und Auswertungstiefe der Übersteuerungsprotokolle, und die Frage, wer im Innendienst auf eine Auswertung je Person zugreifen darf.

Beleg: § 87 Abs. 1 Nr. 6 BetrVG; Bitkom, Leitfaden „Künstliche Intelligenz und Mitbestimmung“ (Februar 2026) · Stand: abgerufen 08/2026

Demografie: Treiber und Hürde zugleich

Über 30 Prozent der Mitarbeitenden deutscher Versicherer gehen in den kommenden fünf bis zehn Jahren in den Ruhestand, während der Fachkräftemangel die Nachbesetzung erschwert. Bei DOMCURA wurden 12 Stellen in einer 43-köpfigen Schadenabteilung gestrichen, weil sie ohnehin nicht besetzt werden konnten. Das verschiebt die Nutzenrechnung: der Business Case ist häufig nicht Personalabbau, sondern die Bearbeitung eines gleichbleibenden Volumens mit schrumpfender Mannschaft — und das Erfahrungswissen, aus dem Trainings- und Steuerungsgrundlage gebaut werden, fließt gerade ab.

Beleg: Bitkom, „Beyond the Pilot“, S. 11 und S. 15 · Stand: März 2026

Institutionelle Vorsicht ist begründet, nicht träge

In der Deloitte CFO Signals Survey Q4/2024 wird das Risiko, KI-Anwendungen im Unternehmen einzusetzen, mit 51 Prozent als größtes internes Geschäftsrisiko wahrgenommen — während gleichzeitig 46 Prozent ihre KI-Investitionen im Finanz- und Risikomanagement in den nächsten zwölf Monaten ausbauen wollen. Wer in dieser Branche priorisiert, priorisiert gegen eine begründete Vorsicht und braucht deshalb eine Bewertung, die den Aufwand ebenso belegt wie den Nutzen.

Beleg: Deloitte CFO Signals Survey Q4/2024, zitiert in Bitkom, „Beyond the Pilot“, S. 24 · Stand: März 2026