> ## 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. # Ein Modell reicht nicht. Warum KI-Routing zur Kontrollinstanz für Versicherer wird. - URL: https://www.versicherungstech-magazin.de/ein-modell-reicht-nicht-warum-ki-routing-zur-kontrollinstanz-fur-versicherer-wird/ - Published: 2026-09-01T06:55:06.000Z - Updated: 2026-09-01T07:00:47.000Z - Description: Versicherer brauchen künftig nicht einfach das leistungsfähigste KI-Modell, sondern für jede Aufgabe das passende. KI-Routing wird damit vom technischen Werkzeug zur strategischen Kontrollinstanz für Kosten, Daten, Qualität und Risiko im laufenden Betrieb. So wächst der Spielraum bei der Modellwahl. - Author: Lukas Härle - Tags: Künstliche Intelligenz *Dieser Artikel ist der zweite Teil der dreiteiligen Serie „KI – Vom Modell zum Betrieb“, die jeweils dienstags erscheint. Nachdem Teil eins die tatsächlichen Kosten eines KI-gestützten Versicherungsfalls betrachtet hat, geht es nun um die Frage, wie Versicherer Modelle, Routing und Zugriffsarchitekturen so gestalten, dass Kosten, Daten und Risiko beherrschbar bleiben. Im dritten und letzten Teil rückt schließlich die menschliche Seite der KI-Nutzung in den Mittelpunkt: Kontrolle, Aufmerksamkeit und die Frage, wann der Mensch wirtschaftlich die bessere Wahl ist.* --- Die eigentliche KI-Entscheidung in Versicherungsprozessen lautet nicht mehr: Welches Modell ist das beste? Entscheidend wird vielmehr, wie sich Modelle je nach Aufgabe, Datenlage und Risiko dynamisch auswählen lassen. Genau hier verschiebt Model Routing die Architekturfrage – weg vom Fixieren auf einen Anbieter, hin zur steuerbaren Zwischenschicht. OpenAI oder Anthropic. Proprietär oder Open Weight. Amerikanisch, europäisch oder chinesisch. So wird die Modellfrage bislang häufig diskutiert. Dahinter steckt die Vorstellung, ein Unternehmen entscheide sich für eine KI-Plattform, integriere sie sauber und skaliere anschließend möglichst viele Anwendungen darauf. Diese Logik stammt aus der klassischen Softwarewelt. Bei KI beginnt sie zu bröckeln. Modelle unterscheiden sich erheblich bei Leistungsfähigkeit, Geschwindigkeit und Kosten. Gleichzeitig verändert sich dieses Verhältnis inzwischen innerhalb weniger Monate. Ein Modell, das heute für eine Aufgabe die beste Wahl ist, kann morgen technisch oder wirtschaftlich überholt sein. Genau deshalb gewinnt ein anderes Architekturprinzip an Bedeutung: Model Routing. Ein KI-Router ist vereinfacht gesagt eine Vermittlungsschicht zwischen Anwendung und verschiedenen Modellen. Statt einen Geschäftsprozess fest mit einem Modell zu verbinden, kann für unterschiedliche Aufgaben entschieden werden, welches freigegebene Modell eingesetzt wird. Snowflake hat diese Logik mit Dynamic Model Routing in sein Cortex AI Gateway integriert. Je nach Aufgabe sollen unter anderem Qualität, Geschwindigkeit, Präferenzen und Kosten darüber entscheiden, welches Modell angesprochen wird. Einfache Aufgaben können damit an effizientere Modelle gehen, komplexe Reasoning-Aufgaben an Frontier-Modelle, also besonders leistungsfähige Modelle der aktuellen Spitzengeneration. ## Eine Arztrechnung braucht nicht durchgehend Frontier-KI Nehmen wir das PKV-Beispiel aus dem ersten Teil dieser Serie wieder auf. Ein Kunde reicht über die App eine Arztrechnung ein. Für ihn ist das ein Vorgang. Technisch besteht der Prozess aus einer Reihe unterschiedlicher Aufgaben. Das Dokument muss erkannt und strukturiert werden. Rechnungsbetrag, Rechnungssteller und Leistungspositionen müssen extrahiert werden. Anschließend werden Informationen mit Vertrags- und Leistungsregeln abgeglichen. Bei Auffälligkeiten können weitere Prüfungen notwendig werden. Am Ende wird entweder eine Erstattungsentscheidung vorbereitet oder der Vorgang an einen Mitarbeiter übergeben. Warum sollte für jeden dieser Schritte dasselbe Modell eingesetzt werden? Für Klassifikation und einfache Extraktion reicht möglicherweise ein kleines, schnelles Modell. Für komplexere Interpretationen kann ein leistungsfähigeres Modell notwendig sein. Und bei ungewöhnlichen Fällen kann der richtige nächste Schritt ein Leistungsprüfer sein. Der Router wird damit zu einer Art digitalem Fallverteiler. Der Router steuert nicht nur Kosten. Auf den ersten Blick ist Routing vor allem ein wirtschaftlicher Hebel. Wer jede Aufgabe an das leistungsfähigste verfügbare Modell schickt, kauft Premium-Leistung auch dort ein, wo Standardleistung ausreichen würde. Doch für Versicherer kommen zwei weitere Dimensionen hinzu. Die erste sind Daten. Eine reine Klassifikation auf zuvor abstrahierten oder anonymisierten Informationen stellt andere Anforderungen als ein Verarbeitungsschritt, bei dem medizinische Informationen mit individuellen Vertragsdaten zusammengeführt werden. Routing kann deshalb nicht nur bestimmen, welches Modell eine Aufgabe wirtschaftlich erledigt. Es kann auch Teil der Regel sein, welche Modelle für bestimmte Daten und Prozesse überhaupt zugelassen sind. Die zweite Dimension ist Risiko. Bei einer einfachen ambulanten Standardrechnung kann ein Prozess innerhalb klarer Grenzen weitgehend automatisiert ablaufen. Bei widersprüchlichen Informationen, ungewöhnlichen Leistungspositionen oder einem komplexen Sachverhalt reicht es dagegen nicht zwangsläufig, einfach das nächstgrößere Modell aufzurufen. Dann lautet die Eskalation nicht kleines Modell → großes Modell. Sondern: kleines Modell → leistungsfähiges Modell → Spezialist. Der Router entscheidet damit nicht nur, welche KI antwortet. Er entscheidet, welche Form von Intelligenz einen Versicherungsfall bearbeiten darf. ## Wo das AI Gateway ins Spiel kommt An dieser Stelle ist eine begriffliche Unterscheidung wichtig. Router und AI Gateway sind nicht dasselbe. Das AI Gateway bildet die zentrale Kontrollschicht zwischen Anwendungen und KI-Anbietern. Dort können beispielsweise Modellzugänge, Berechtigungen, Protokollierung, Kostenregeln und Sicherheitsrichtlinien gebündelt werden. Routing kann eine zentrale Funktion innerhalb einer solchen Infrastruktur sein. Vereinfacht gesagt kontrolliert das Gateway, wie auf KI zugegriffen werden darf. Der Router entscheidet, welche KI eine konkrete Aufgabe übernimmt. Dass diese Ebene zunehmend zum zentralen Kontrollpunkt wird, zeigt nicht nur Snowflake. Databricks beschreibt sein Unity AI Gateway inzwischen ausdrücklich als Control Plane, über die Modellzugriffe geroutet, Kosten- und Nutzungslimits durchgesetzt, Richtlinien angewendet und Zugriffe protokolliert werden können. Für Versicherer ist das relevant, weil Governance damit nicht mehr ausschließlich aus Richtlinien auf Papier besteht. Ein Teil davon kann technisch ausführbar werden. Welche Modelle dürfen medizinische Daten verarbeiten? Welche Modellklasse darf einen bestimmten Prozessschritt unterstützen? Wie hoch darf der Verbrauch eines Teams sein? Wann muss ein Vorgang eskalieren? Solche Regeln müssen dann nicht in jeder einzelnen KI-Anwendung neu gebaut werden. ## Souveränität bedeutet nicht, alles selbst zu betreiben Diese Architektur verändert gleichzeitig die Debatte über Open-Weight-Modelle. Ihre Attraktivität liegt nicht allein in potenziell geringeren Kosten oder der Möglichkeit, sie in kontrollierten Umgebungen zu betreiben. Sie erweitern vor allem den verfügbaren Modellpool. Das heißt allerdings nicht, dass Versicherer nun möglichst viele Modelle selbst hosten sollten. Self-Hosting erzeugt eigene Anforderungen an Infrastruktur, Security, Monitoring, Updates und Kompetenzen. Ein herunterladbares Modell macht ein Unternehmen noch nicht souverän. Der strategisch wichtigere Punkt liegt woanders. Souveränität entsteht durch Austauschbarkeit. Wenn ein Versicherer einen Provider oder ein Modell wechseln kann, ohne seinen gesamten Leistungsprozess neu entwickeln zu müssen, besitzt er Handlungsspielraum. Ist der Geschäftsprozess dagegen technisch direkt mit einem Anbieter verzahnt, wird jeder Wechsel selbst zum Transformationsprojekt. Dass Routing mittlerweile genau unter diesem Blickwinkel diskutiert wird, zeigt Axios. Unternehmen nutzen Routing demnach zunehmend nicht nur wegen Kosten und Leistung, sondern auch mit Blick auf Datensicherheit und technologische Souveränität. Das Modell wird vom festen Ziel einer Architektur zunehmend zu einer austauschbaren Ressource. Das ist die eigentliche Verschiebung. ## Der Markt bewertet plötzlich die Zwischenschicht Wie wertvoll diese Vermittlungsebene inzwischen eingeschätzt wird, zeigt auch eine bemerkenswerte Transaktion. Übernahmewert OpenRouter 8 Mrd. – laut Financial Times im August; Übernahme von OpenRouter FINANCIAL TIMES, AUGUST 2026 OpenRouter stellt über eine gemeinsame Schnittstelle unterschiedliche KI-Modelle zur Verfügung und ermöglicht damit genau jene Abstraktion zwischen Anwendung und Modellanbieter. Für Versicherer ist weniger die Bewertung des Unternehmens interessant als die Frage, wo der Wert entsteht. Nicht mehr ausschließlich beim Modellanbieter. Sondern zunehmend in der Infrastruktur, die Modelle vergleichbar, austauschbar und steuerbar macht. ## Aus einem Leistungsfall wird eine Routing-Entscheidung Übertragen wir das noch einmal auf unseren privaten Krankenversicherer. Eine Standardrechnung wird erkannt und strukturiert. Ein effizientes Modell übernimmt Routineaufgaben. Benötigt ein Schritt mehr Kontext oder Interpretation, wird auf ein leistungsfähigeres Modell geroutet. Für bestimmte Daten sind ausschließlich freigegebene Modelle oder Betriebsumgebungen zulässig. Steigt die Unsicherheit über einen definierten Schwellenwert, wird nicht automatisch mehr Rechenleistung eingesetzt. Der Vorgang geht an einen Leistungsprüfer. Damit werden in einem Prozess vier knappe Ressourcen gesteuert: Rechenleistung, Geld, Datenzugriff und menschliche Aufmerksamkeit. Gerade der letzte Punkt ist entscheidend. Denn die optimale Routing-Entscheidung endet nicht beim Modell. Manchmal ist der Mensch der richtige nächste Knoten im Prozess. ## Warum das organisatorisch unbequem wird Damit kann die Modellentscheidung auch nicht mehr allein bei der IT liegen. Der Fachbereich muss definieren, welche Ergebnisqualität ein Prozess benötigt. Informationssicherheit und Datenschutz bestimmen, welche Daten in welcher Umgebung verarbeitet werden dürfen. AI Governance setzt Kontroll- und Eskalationsregeln. Finance und Einkauf benötigen Transparenz über Kosten und Abhängigkeiten. Das AI-Plattformteam übersetzt diese Vorgaben schließlich in technische Policies und setzt sie im Gateway und Routing-Layer um. Das klingt komplizierter als die Entscheidung für einen zentralen KI-Anbieter. Langfristig könnte genau das Gegenteil gelten. Ein sauber aufgebautes AI Gateway mit Routing reduziert die Notwendigkeit, dieselben Entscheidungen in jedem einzelnen Use Case erneut zu treffen. Der Versicherer baut nicht zehn voneinander unabhängige KI-Integrationen. Er baut eine kontrollierte Zugangsschicht zu KI. Und genau das wird im Produktivbetrieb entscheidend. Dass diese Logik auch in der Versicherungswirtschaft ankommt, zeigt NTT DATA. Das Unternehmen hat eine speziell für Versicherer entwickelte agentische Plattform vorgestellt, die Model Routing ausdrücklich als Funktion nennt. Sie soll unter anderem Underwriting, Schadenbearbeitung und Kundenservice unterstützen und Modellwahl mit Governance und menschlicher Kontrolle verbinden. ## Was Versicherer jetzt tun sollten Die Konsequenz ist nicht, möglichst schnell fünf verschiedene Modelle einzukaufen. Der erste Schritt ist eine zentrale Abstraktions- und Kontrollschicht zwischen Geschäftsprozess und Modellprovider, beispielsweise über ein AI Gateway. Neue KI-Anwendungen sollten nicht unnötig direkt mit einzelnen Anbietern gekoppelt werden. Darauf aufbauend braucht es einen bewusst kleinen, freigegebenen Modellpool. Unterschiedliche Leistungsklassen sind für den Einstieg sinnvoller als eine möglichst große Modellsammlung. Entscheidend ist anschließend die Evaluation auf Aufgabenebene. Ein Versicherer muss wissen, welche Qualität ein Modell bei genau jener Aufgabe liefert, die es später übernehmen soll. Allgemeine Benchmarks beantworten diese Frage nur begrenzt. Erst daraus entstehen sinnvolle Routing-Regeln. Und damit schließt sich der Kreis zu Teil eins. Wer seine Kosten pro Fall kennt, kann bestimmen, wie viel Modellleistung ein Vorgang wirtschaftlich verträgt. Wer seine Qualitätsanforderungen kennt, kann bestimmen, welche Modellleistung er benötigt. Und wer beides technisch routen und kontrollieren kann, beginnt KI tatsächlich zu steuern. Kernaussage Versicherer müssen den Wettbewerb um das beste KI-Modell nicht gewinnen. Sie sollten vermeiden, von seinem Gewinner abhängig zu werden. Die strategisch stärkste KI-Architektur ist deshalb nicht zwingend jene mit dem leistungsfähigsten Modell, sondern jene, die morgen ein besseres einsetzen kann, ohne den Geschäftsprozess neu zu bauen. Digitale Souveränität beginnt nicht beim Besitz eines Modells. Sie beginnt bei seiner Austauschbarkeit. Doch selbst die beste Routing-Architektur beantwortet eine Frage noch nicht. Wann sollte überhaupt eine KI übernehmen und wann ist ein erfahrener Mitarbeiter wirtschaftlich die bessere Wahl? Genau darum geht es im dritten und letzten Teil dieser Serie. Denn zwischen der Geschwindigkeit eines Modells und der tatsächlichen Produktivität eines Versicherungsprozesses liegt eine Kostenposition, die viele Business Cases noch unterschätzen: Der Mensch, der die KI kontrolliert.