ERGO, Viridium, HDI: Warum KI erst unter der Oberfläche Geld verdient

Die Allianz meldet hunderte KI-Anwendungen. Jedes Haus zeigt Piloten, Chatbots, Assistenzsysteme. Und trotzdem bleibt die Wirkung in der GuV oft blass. Das hat einen Grund, der selten offen ausgesprochen wird: Der eigentliche KI-Engpass sitzt im Fundament. Im Kernsystem, im Datenzugriff, in der Einbettung in den Prozess. Das Modell ist längst gut genug. Der Unterbau ist es oft nicht.

Ein angeflanschtes KI-Feature hebt keine Kennzahl, wenn es auf einer Landschaft aufsetzt, die seine Daten versteckt und seinen Output nirgends weiterverarbeitet. Drei unabhängige Stimmen aus drei Teilen der Wertschöpfungskette belegen denselben Befund. Sie kommen aus dem Kernsystem, aus der Bestandsmigration und aus dem Schaden. Im Kern sagen sie dasselbe.

Erst die Daten, dann die Intelligenz

Bernhard Kraft, langjähriger Chief Architect der ERGO, beschreibt die Kernsystem-Frage mit einem einfachen Bild. Alte Systeme wurden von der Funktion her gebaut, die Daten liegen tief im Inneren. Heute braucht ein Versicherer die umgekehrte Reihenfolge: zuerst den Zugriff auf die Daten, um damit KI-Modelle zu speisen, Bots anzutreiben und mit dem Kunden zu interagieren.

Man stelle sich einen KI-Assistenten vor, der die einfache Vertragsfrage eines Kunden nicht beantworten kann, weil die Antwort in einem COBOL-Silo aus den 90er Jahren liegt, an das er nicht herankommt. Das KI-Projekt scheitert dann selten am Algorithmus. Es scheitert am eingemauerten Datenbestand.

Die herstellerunabhängige Kernsystemstudie der PPI AG untermauert das mit Zahlen. 80 Prozent der befragten Versicherer halten KI für strategisch bedeutend. Doch ohne sauberes, API-fähiges Backend lassen sich diese Potenziale nicht heben, so das zentrale Studienergebnis. Studienbegleiter Tobias Kohl berichtet von einer Veranstaltung, auf der drei Vorstandsvorsitzende unisono erklärten, ohne aufgeräumte Backendlandschaft habe man keine Chance, dauerhaft am Markt zu bestehen. Die Erkenntnis ist auf der Vorstandsebene angekommen.

📎 Weiterführend im VTM:
→ Die KI-Skalierungslücke ist kein Technologieproblem: Was die Allianz mit 600 skalierten KI-Anwendungen vorgemacht hat
→ Wer heute sein Kernsystem monolithisch modernisiert, kauft sich 20 Jahre Abhängigkeit

Der Motor, den kaum noch jemand versteht

In der Lebensversicherung sitzt dieses Fundament im Rechenkern, dem Programm, das jeden einzelnen Vertrag berechnet. Viele dieser Kerne stammen aus den 80er und 90er Jahren und umfassen über eine Million Zeilen Code. Nur noch wenige Fachleute verstehen sie und die stehen kurz vor dem Ruhestand.

Genau hier zeigt die KI ihre Grenze. Sie hilft, dieses Wissen zu sichern: Alt-Code lesbar machen, Dokumentation erzeugen, Testfälle entwerfen. Wie wertvoll gerade der Test ist, zeigt ein realer Fall aus dem Aktuariat: Eine „Rente für Nulljährige" wurde durch einen fehlenden Eintrag in der Sterbetafel wie die eines Hundertjährigen gerechnet und gerade noch rechtzeitig entdeckt.

Den produktiven Rechenkern selbst schreibt die KI aber nicht. Dr. Nils Rautenberg vom HDI bringt es auf den Punkt: eine kleine App mit hundert Zeilen kauft man der KI ab, den Millionen-Zeilen-Rechenkern nicht. Die Komplexität übersteigt die Trainingsdaten um ein Vielfaches, und die BaFin verlangt einen Nachweis, wie jede einzelne Zahl zustande kommt.

Tilo Dresig, CEO des Bestandsmanagers Viridium, ergänzt die wirtschaftliche Seite. Die Preise für IT-Dienstleister und Berater sind nach seinen Angaben in sieben Jahren um 30 bis 40 Prozent gestiegen, getrieben von Fachkräftemangel und Inflation. KI kann eine Migration zwar effizienter machen, doch dieser Gewinn geht zuerst dafür drauf, die gestiegenen Marktpreise auszugleichen. Ein echter Kostensprung entsteht erst auf einem modernen Kern, weil dort die Grundarbeit selbst einfacher wird und die KI-Werkzeuge voll greifen. Auf dem alten Monolithen federt KI die Teuerung ab. Sie senkt die Kosten noch nicht.

Die Betrugsprüfung gehört in die Strecke, nicht daneben

Der dritte Beleg kommt aus Schaden. Generative KI macht es trivial, Schadenbilder zu manipulieren. Torsten Nietz, Geschäftsführer des Software- und Beratungshauses FIDA in Gotha, setzt eine KI-Bildforensik dagegen, die die statistische Signatur eines Bildes prüft. Der entscheidende Punkt für Vorstände liegt im Prozess.

Ein Beispiel: Ein ehrlicher Kunde fotografiert eine Hageldelle auf seinem sauberen, glänzenden Auto bei Sonne. Der spiegelnde Lack sieht für die Software aus wie eine nachträgliche Bearbeitung, sie schlägt bei einem völlig ehrlichen Schaden Alarm. Als harter, manueller Stopp würde diese Prüfung solche Kunden aussortieren und den Betrieb aufhalten. Ihren Nutzen entfaltet sie erst, wenn sie automatisch in der Dunkelstrecke mitläuft, mit justierten Schwellen. Nietz sagt es unverblümt: manuell einzelne Bilder zu prüfen hält er für sinnfrei. Das Werkzeug ist nur so gut wie seine Einbettung.

Was jetzt auf die Vorstandsagenda gehört

Der gemeinsame Nenner der drei Stimmen ergibt eine klare Agenda.

Sofort (0 bis 30 Tage): Machen Sie den Datenzugriff zur Chefsache. Beantworten Sie eine Frage ehrlich: Sind unsere Daten eine Bürde oder ein Rohstoff? Bewerten Sie Ihre KI-Piloten künftig danach, welche auf einem tragfähigen Fundament stehen.

Mittelfristig (30 bis 90 Tage): Machen Sie Ihre Vertragsdaten unabhängig vom einzelnen Kernsystem, sodass wechselnde Anwendungen direkt darauf arbeiten. Dann tauschen Sie künftig das System aus, ohne die Daten jedes Mal aufwendig umzuziehen. Setzen Sie KI zuerst dort ein, wo die Fehlerstatistik kontrollierbar bleibt: in Dokumentation, Test und Wissenssicherung.

Typische Fallstricke: Der teuerste Fehler ist, die Transformation als reines IT-Projekt zu führen. Dann scheitert das Projekt laut PPI-Studie fast sicher. Der zweite Fallstrick ist die Business-Case-Falle. Für die reine Kernsystem-Ablösung lässt sich fast nie ein positiver Business Case rechnen: Das Altsystem erfüllt seinen Zweck, die Kosten einer Ablösung sind hoch, der Nutzen ist schwer in Zahlen zu fassen. Der Grund, es trotzdem zu tun, ist strategisch: wegbrechende Fachkräfte, KI-Fähigkeit und Tempo am Markt.

KPI zur Erfolgsmessung: Messen Sie den Automatisierungs- und Dunkelverarbeitungsgrad in den Kernprozessen. Diese Zahl zeigt, ob KI in der Wertschöpfung ankommt.

Wer zählt, misst das Falsche

In drei Jahren entscheidet eine andere Frage über den Vorsprung: Stehen die KI-Anwendungen auf einem Fundament, das ihren Effekt bis in die GuV trägt? Die reine Zahl der Piloten beeindruckt dann niemanden mehr.

Die gute Nachricht ist, dass die Branche die nötige Kompetenz besitzt. ERGO nimmt mit einer jungen Mannschaft den Zeitdruck aus den Altsystemen. Viridium macht die Migration zum wiederholbaren Handwerk. Die PPI-Studie zeigt, dass ein tragfähiges Marktangebot existiert. Wer jetzt beginnt, Kernsystem, Daten und Prozesse zu einem Zielbild zu orchestrieren, gestaltet den KI-Effekt aktiv. Der Vorsprung entsteht im Maschinenraum. Fangen Sie dort an.

Quellen
BearingPoint × ERGO, Insurance Monday (24.09.2024) · PPI-Kernsystemstudie, Insurance Monday (Herbst 2025) · Viridium/Tilo Dresig, Insurance Monday (26.05.2026) · HDI/msg/Beltios zur Lebensmigration, Insurance Monday (Herbst 2025) · FIDA/Fraudify/Torsten Nietz, Insurance Monday (21.06.2026)