> ## Content Index > Fetch the complete content index at: https://www.versicherungstech-magazin.de/llms.txt > Use this file to discover other available public pages before exploring further. # Billiger und trotzdem teurer – Was Versicherer bei KI wirklich zahlen - URL: https://www.versicherungstech-magazin.de/billiger-und-trotzdem-teurer-was-versicherer-bei-ki-wirklich-zahlen/ - Published: 2026-08-25T10:55:00.000Z - Updated: 2026-08-25T11:05:04.000Z - Description: KI wird billiger, doch die Rechnungen steigen. Was zunächst paradox klingt, markiert für Versicherer den Übergang in eine neue Phase: Entscheidend ist nicht mehr der Preis eines Modells, sondern was ein vollständiger Prozess kostet und welchen Wert er schafft. - Author: Lukas Härle - Tags: Künstliche Intelligenz *Dieser Artikel ist der Auftakt der dreiteiligen Serie „KI – Vom Modell zum Betrieb“, die in den kommenden drei Wochen jeweils dienstags erscheint. Teil eins betrachtet die tatsächlichen Kosten eines KI-gestützten Versicherungsfalls. Teil zwei fragt, welche Modelle und Architekturen diese Kosten beherrschbar machen. Im dritten Teil geht es schließlich um eine Ressource, die in vielen KI-Rechnungen noch fehlt: die Aufmerksamkeit des Menschen.* --- **Die Prognose ist eingetreten** Im März habe ich an dieser Stelle beschrieben, warum die [Ära der KI-Flatrate zu Ende geht](https://www.versicherungstech-magazin.de/das-ende-der-ki-flatrate-warum-versicherer-jetzt-die-kostenfrage-stellen-mussen/). Fünf Monate später ist nicht mehr die Prognose interessant, sondern das, was danach passiert ist. KI ist billiger geworden. Und gleichzeitig teurer. The Next Web beziffert den Preisrückgang für GPT-4-ähnliche Leistungsfähigkeit seit Ende 2022 auf rund 98 Prozent. Trotzdem steigen die Unternehmensrechnungen, weil moderne KI-Anwendungen erheblich häufiger auf Modelle zugreifen und Unternehmen immer mehr Prozesse mit KI ausstatten. Microsoft beispielsweise reagiert inzwischen mit internen Verbrauchsgrenzen. Gleichzeitig liefern sich OpenAI, Anthropic und chinesische Anbieter einen immer intensiveren Preiswettbewerb. Die eigentliche Entwicklung lautet deshalb nicht, dass KI generell teurer wird. Der Preis sinkt. Der Verbrauch steigt allerdings schneller. Für Versicherer ist dieser Unterschied entscheidend. **Warum Versicherer besonders exponiert sind** Ein Versicherer produziert keine einzelnen Prompts. Er produziert Fälle. Ein Schadenprozess besteht aus Dokumenten, Vertragsdaten, Bildern, Deckungsinformationen, Korrespondenz, Betrugsindikatoren und Entscheidungen. Ein Underwriting-Prozess verbindet Antrag, Risikodaten, interne Zeichnungsrichtlinien und externe Informationen. Im Kundenservice treffen Tarifwissen, Vertragshistorie und individuelle Anliegen aufeinander. Je stärker KI in solche Prozesse integriert wird, desto weniger ähnelt die Kostenstruktur einer klassischen Softwarelizenz. Eine aktuelle Analyse für die Versicherungswirtschaft beschreibt genau diesen Übergang. Nach einer Befragung von mehr als 50 Führungskräften wird vielen Häusern die tatsächliche Kostendynamik erst im Produktivbetrieb bewusst. Mehrstufige Agenten, größere Datenkontexte und häufige Modellaufrufe lassen Kosten mit Nutzung und Prozesskomplexität wachsen. Das trifft nahezu jede operative Funktion. Schaden steuert Durchlaufzeiten, Regulierungskosten und Dunkelverarbeitung. Underwriting betrachtet Bearbeitungszeit, Qualität der Risikoselektion und Geschäftswert. Service misst Erreichbarkeit und Lösungsquote. Vertrieb interessiert sich für Abschlusswahrscheinlichkeit und Beraterproduktivität. Gleichzeitig müssen IT, Einkauf, Finance und AI Governance plötzlich eine Ressource steuern, deren Verbrauch erst während der Nutzung entsteht. Die klassische Frage „Was kostet das Modell?“ hilft dabei erstaunlich wenig. **Die falsche Kennzahl** Ein Modell kann pro Million Tokens extrem günstig sein und trotzdem einen unwirtschaftlichen Prozess erzeugen. Umgekehrt kann ein teures Frontier-Modell, also ein besonders leistungsfähiges Modell der aktuellen Spitzengeneration, wirtschaftlich sinnvoll sein, wenn es einen hochwertigen Vorgang mit wenigen Interaktionen zuverlässig löst. Deshalb braucht die KI-Steuerung bei Versicherern eine andere Einheit. Nicht Cost per Token, sondern Cost per Case. Und selbst diese Zahl reicht nicht aus. Ihr muss ein Value per Case gegenüberstehen. IT-Daily beschreibt genau diese Verschiebung. Nutzung allein ist keine geeignete Erfolgsmessung. Entscheidend ist, wofür KI eingesetzt wird und welcher wirtschaftliche Wert daraus entsteht. Gleichzeitig nennen 59 Prozent der dort zitierten Unternehmen Lock-in-Effekte als Hürde für einen Anbieterwechsel. Das Problem reicht deutlich über Deutschland hinaus. Reuters berichtete Anfang August, dass in einer KPMG-Befragung von 2.145 Führungskräften lediglich sieben Prozent einen Return auf ihre KI-Ausgaben nachweisen konnten. Fast die Hälfte hatte Agentenprojekte bereits hinterfragt, verzögert oder zurückgefahren, nachdem Kosten und Nutzen auseinanderliefen. Das ist kein Argument gegen KI. Es ist ein Argument gegen eine falsche Rechnung. **Was in einen KI-Business-Case wirklich gehört** Nehmen wir einen privaten Krankenversicherer, der die Leistungsabrechnung stärker mit KI unterstützt. Ein Kunde reicht über die App eine Arztrechnung ein. Die KI liest das Dokument aus, erkennt die relevanten Leistungspositionen, ordnet sie dem Vertrag zu, prüft den Vorgang gegen Tarif- und Leistungslogiken und bereitet anschließend die Erstattungsentscheidung sowie die Kommunikation an den Kunden vor. Im Pilot sieht der Business Case hervorragend aus. Statt dass ein Mitarbeiter jeden Vorgang vollständig manuell prüft, muss er bei Standardfällen nur noch Ausnahmen bearbeiten. Die Bearbeitungszeit sinkt deutlich und die reinen Modellkosten erscheinen im Verhältnis zu den eingesparten Minuten gering. Im Produktivbetrieb wird die Rechnung komplexer. Ein einzelner Leistungsfall erzeugt möglicherweise mehrere KI-Interaktionen. Das Dokument muss zunächst strukturiert werden. Leistungspositionen müssen interpretiert und mit Vertragsinformationen abgeglichen werden. Bei Unklarheiten werden weitere Prüfschritte ausgelöst. Ergebnisse müssen protokolliert, Qualität überwacht und Grenzfälle an Spezialisten übergeben werden. Hinzu kommen Plattform-, Sicherheits- und Betriebsaufwände. Keine dieser Kostenpositionen macht die Automatisierung unwirtschaftlich. Aber sie gehören in dieselbe Rechnung. Auf der anderen Seite wäre es ebenso falsch, den Nutzen lediglich über eingesparte Arbeitszeit zu messen. Für einen privaten Krankenversicherer kann eine schnellere Leistungsabrechnung selbst wirtschaftlichen Wert erzeugen. Eine höhere Dunkelverarbeitungsquote kann operative Kosten reduzieren. Weniger Rückfragen entlasten den Service. Schnellere Erstattungen können das Kundenerlebnis verbessern. Gleichzeitig kann eine bessere Vorprüfung verhindern, dass Spezialisten ihre Zeit mit Standardfällen verbringen. Damit entsteht eine wesentlich aussagekräftigere Gleichung. Nicht Tokenkosten gegen eingesparte FTE. Sondern vollständige Kosten pro Leistungsfall gegen den vollständigen Wert pro Leistungsfall. Ein KI-System kann damit sogar dann wirtschaftlich sinnvoll sein, wenn es weniger Arbeitszeit einspart als ursprünglich erwartet. Entscheidend ist, ob die Gesamtkosten eines bearbeiteten Leistungsfalls sinken oder Qualität, Geschwindigkeit und Kundenerlebnis ausreichend verbessern. Genau deshalb ist der Cost per Case die entscheidendere Kennzahl als der Cost per Token. **Warum Sparen allein die falsche Reaktion wäre** Die naheliegende Reaktion auf steigende Rechnungen sind Limits. Paramount zeigt, wie schnell Unternehmen an diesem Punkt ankommen. Der Konzern hat individuelle Claude-Verbrauchsgrenzen eingeführt und erlaubt zusätzliche Tokens nur nach Bedarf. Für Versicherer wäre eine pauschale Begrenzung allerdings zu grob. Ein Leistungsprüfer, der ein Frontier-Modell nutzt, um einen komplexen Leistungsfall schneller zu strukturieren, kann trotz hoher Modellkosten erheblichen Wert schaffen. Ein interner Assistent, der hundertfach täglich belanglose Texte umformuliert, kann trotz niedriger Stückkosten wirtschaftlich irrelevant sein. Die entscheidende Frage lautet deshalb nicht, wie viel KI jemand verwendet. Sie lautet, wofür die KI verwendet wird. Damit wandert die Kostensteuerung aus der IT in den Prozess. **Was Versicherer jetzt tun sollten** Der erste Schritt ist eine Kostenrechnung auf Use-Case- und Prozessebene. Leistung, Service oder Underwriting müssen erkennen können, was eine KI-unterstützte Transaktion tatsächlich kostet. Der zweite Schritt ist eine ebenso konsequente Wertrechnung. Zeitersparnis reicht als universelle Kennzahl nicht aus. Jeder Prozess benötigt seine eigene Zielgröße. Der dritte Schritt ist technische Kostensteuerung. Nicht jede Aufgabe benötigt dasselbe Modell. Routing, kleinere Modelle, Caching und klar definierte Eskalationen sollten deshalb Teil der Architektur sein, bevor ein Use Case skaliert. **Schlussfolgerung** Die sinkenden Preise der KI-Modelle lösen das Kostenproblem nicht. Sie machen es schwerer zu erkennen. Denn während der Preis einer einzelnen Einheit fällt, wächst im Hintergrund die Zahl der Modellaufrufe, Prozesse und Entscheidungen, die über KI laufen. Versicherer sollten deshalb aufhören, KI primär wie Software zu kalkulieren. Sie sollten beginnen, sie wie einen Versicherungsprozess zu steuern. Nicht der Token entscheidet über die Wirtschaftlichkeit. Der Fall entscheidet. Doch sobald Versicherer Kosten auf Fallebene steuern, entsteht die nächste Frage fast zwangsläufig: Wenn nicht jede Aufgabe dasselbe Maß an Intelligenz benötigt, warum sollte dann überhaupt jedes Problem mit demselben Modell gelöst werden? **Im zweiten Teil dieser Serie geht es deshalb darum, warum die Ära des einen KI-Anbieters enden könnte und weshalb der Router zur zentralen Kontrollinstanz für Kosten, Daten und Risiko wird.** --- **Hinweis:** Dieser Artikel wurde mithilfe von KI erstellt und mit menschlicher Expertise verantwortungsvoll veredelt und qualitätsgesichert. **Quellen:** [The Next Web: Microsoft tells employees to stop tokenmaxxing, sets AI spending limits (04.08.2026)](https://thenextweb.com/news/microsoft-tokenmaxxing-ai-spending-limits?ref=versicherungstech-magazin.de) [Handelsblatt Live: KI in der Versicherungsbranche – Was tun, wenn mehr künstliche Intelligenz zu mehr Kosten führt? (06.08.2026)](https://live.handelsblatt.com/ki-in-der-versicherungsbranche-was-tun-wenn-mehr-kuenstliche-intelligenz-zu-mehr-kosten-fuehrt/?ref=versicherungstech-magazin.de) [Reuters Breakingviews: Corporate AI is still chasing theoretical benefits (07.08.2026)](https://www.breakingviews.com/columns/considered-view/corporate-ai-is-still-chasing-theoretical-benefits-2026-08-07/?ref=versicherungstech-magazin.de) [Business Insider: Paramount is putting monthly spending limits on Claude (13.08.2026)](https://www.businessinsider.com/paramount-skydance-claude-monthly-usage-limits-ai-push-tech-employees-2026-8?ref=versicherungstech-magazin.de) [Financial Times: OpenAI and Anthropic in price war as Chinese AI rivals gain ground (14.08.2026)](https://www.ft.com/content/32a70a3c-7d28-40b4-808e-36edb58c7d01?syn-25a6b1a6=1&ref=versicherungstech-magazin.de) [IT-Daily: KI-Kosten außer Kontrolle? Unternehmen müssen ihren Verbrauch messen (03.08.2026)](https://www.it-daily.net/it-management/ki/ki-kosten-ausser-kontrolle?ref=versicherungstech-magazin.de)