Anmelden Abonnieren
Live
Künstliche Intelligenz

Warum 98 % der Versicherer an der Skalierung von KI scheitern – und wie sie es besser machen können

Fast jede Versicherung nutzt interne Copiloten wie AllianzGPT oder ERGO GPT. Doch 98 % bleiben im Copy-Paste-Modus stecken. Skalierbare Vorteile entstehen, wenn KI tief in Kernprozesse integriert wird. Wer nicht skaliert, riskiert, dass wenige Vorreiter den neuen Branchenstandard definieren.

Warum 98 % der Versicherer an der Skalierung von KI scheitern – und wie sie es besser machen können
Illustration mit google gemini

Fast jede große Versicherung im DACH-Raum wirbt inzwischen mit einem eigenen KI-Copiloten: AllianzGPT, ERGO GPT, Signal-Iduna-Bot oder HDI-CoPilot. Zehntausende Mitarbeitende nutzen diese Tools bereits, oft täglich. Die Berichte sind eindrucksvoll: Mitarbeitende, die in Sekunden Antworten finden, Texte erstellen oder Dokumente zusammenfassen.

Doch die Realität ist ernüchternd: Laut der aktuellen Horváth-Studie (s.u.) haben nur 2 % der Versicherer KI wirklich skaliert und tief in ihre Kernprozesse integriert. 98 % nutzen KI zwar, bleiben aber im „Copy-Paste-Modus“ hängen: D.h. Mitarbeitende kopieren Texte und Bilder in Stand-alone ChatBots, holen Antworten heraus und übertragen diese manuell zurück in Kernsysteme wie Schadenmanagement oder Underwriting.

Der Unterschied zwischen Copy-Paste und Skalierung

Diese Copiloten sind nützlich. Sie steigern die Produktivität spürbar und sind inzwischen in Office-Tools und M365 integriert. Aber sie gelten nicht als „skalierte KI“. Dafür braucht es die Einbettung in Kernsysteme, nur dann entsteht skalierter Business-Nutzen. D.h. der Output unterscheidet sich dramatisch, je nachdem, wie tief die Systeme eingebunden sind. Entscheidend ist, ob man im 1st-Order-Effekt verharrt oder bereits die 3rd-Order-Verschiebungen adressiert.

1st-Order Effect: Effizienz & Produktivität

Alles, was sofort im Alltag spürbar ist: schnellere Arbeit, kürzere Suchzeiten, bessere Antworten.

  • AllianzGPT: Auf Azure OpenAI + RAG aufgebaut. Mitarbeitende stellen Fragen zu Tarifen oder Bedingungen, die Antwort kommt in Sekunden statt in Stunden manueller Recherche.
  • ERGO GPT: 28.000 Mitarbeitende, über 1,5 Mio. Prompts seit Rollout. Typische Nutzung: E-Mails zusammenfassen, Richtlinien durchforsten, Textbausteine erzeugen.
  • Signal Iduna (Gemini über Google Vertex AI): Interner Wissensbot für Service-Mitarbeitende. Verkürzt die Suchzeit um rund 30 %, erhöht die Erstlösungsquote um 20 %.

👉 Ergebnis: Produktivitätsgewinne auf Mitarbeiterebene. Ein echter Hebel, aber noch nicht tief in den Kernprozessen verankert.

2nd-Order Effect: Organisation & Architektur

Die mittelbaren Konsequenzen, die oft übersehen werden: Arbeitsrollen verändern sich, IT-Architektur wird zum Engpass, neue Investitionen werden nötig.

  • ERGO Multiplikatoren-Programm: 90 speziell geschulte Mitarbeitende agieren als „Prompt Coaches“. Neue Rollenprofile entstehen, klassische Trainings verändern sich.
  • ERGO 130 Mio. Investition in GenAI-Plattformen: Zeigt, dass ohne Cloud, APIs und Datenmodernisierung keine Skalierung möglich ist.
  • HDI Global CoPilot: Integration in internationale Programme zwingt Anpassungen in Kernsystemen und Compliance-Prozessen. Die KI läuft nicht nebenher, sondern innerhalb der Produktivsysteme.

👉 Ergebnis: Die Organisation verändert sich, und Unternehmen müssen in Architektur und Change Management investieren, sonst bleibt KI ein Insellösungsthema.

3rd-Order Effect: Markt & Geschäftsmodell

Die strategischen Verschiebungen, die den Wettbewerb (Level-Playing-Field) neu definieren: Geschwindigkeit, Genauigkeit und Kundenerwartungen ändern sich grundlegend.

  • HDFC ERGO (Indien): Angebote in unter 3 Minuten, durch ein Small Language Model, das Maklerdaten direkt in Underwriting-Logik übersetzt. Diese Benchmark setzt neue Erwartungen auch im DACH-Raum.
  • AXA Group: KI-gestütztes Unfallprognose-Modell steigert Vorhersagegenauigkeit von 40 % auf 78 %. Das verbessert Pricing und Risikoauswahl fundamental und schafft Markteintrittsbarrieren.
  • Munich Re Realytix Zero CoPilot: Produktentwicklung in Tagen statt Monaten. Wenn Rückversicherer ihre Innovationszyklen so drastisch verkürzen verändert das auch die Geschwindigkeit der gesamten Branche.

👉 Ergebnis: Hier entscheidet sich, wer nur „mithält“ und wer Märkte aktiv gestaltet.

Werkzeugkasten für Entscheider: Vom Pilot zur Integration

1. Sofortmaßnahmen (7–21 Tage)

  • Inventur der KI-Use-Cases: Erstellen Sie eine Liste aller laufenden KI-Projekte. Markieren Sie, welche nur Stand-alone laufen und welche in Kernsysteme integriert sind.
  • Killer-Use-Case identifizieren: Wählen Sie einen Kernprozess mit hohem Volumen und messbarem Business-Impact (z. B. Schaden-Bagatellfälle, Policierung einfacher Produkte).
  • Tiger-Team bilden: IT, Fachbereich, Compliance mit Ziel einer Integration, nicht nur Pilot.

2. KPIs zur Erfolgsmessung

  • Time-to-Decision: Angebotszeit von Stunden auf Minuten (HDFC ERGO).
  • Produktivität: Eingesparte Suchzeit (Signal Iduna: ~30 % schneller).
  • Qualitätstrefferquote: Prognosegenauigkeit (AXA: +38 Prozentpunkte).
  • Nutzungsintensität: Prompts pro Nutzer (ERGO GPT: 1,5 Mio. seit Rollout).

3. Typische Fallstricke und Lösungen

  • Use-Case-Zoo: Viele kleine Piloten, kein Impact. → Lösung: Business Value priorisieren.
  • Pilotfalle: Gute Demos, keine Skalierung. → Lösung: Integration in Kernsysteme als Pflicht.
  • Medienbruch Copy-Paste: Ergebnisse wandern aus Word/Excel in GPT, dann ins Kernsystem. → Lösung: direkte Anbindung via RAG + API.
  • Akzeptanzprobleme: Misstrauen gegenüber Black Box. → Lösung: Explainable AI (z. B. Zurich Framework).

4. Interne Überzeugungsarbeit

Das zentrale Argument fürs C-Level-Meeting: „Produktivitäts-KI spart Minuten, Prozess-KI spart Millionen.“ Nur tief integrierte Lösungen schaffen nachhaltigen ROI.

Tech-Stack der Vorreiter

Die aktuellen Projekte zeigen, auf welchen Technologien erfolgreiche Versicherer bauen:

  • LLMs & RAG: AllianzGPT, ERGO GPT, Signal Iduna kombinieren GPT-Modelle mit Retrieval-Augmented Generation. So werden interne Dokumente angebunden und Antworten faktenbasiert.
  • Cloud-Plattformen: Microsoft Azure (Allianz, ERGO, AXA), Google Vertex AI (Signal Iduna). Vorteil: DSGVO-konforme Hosting-Optionen, Skalierbarkeit.
  • Explainable AI (XAI): AXA und Zurich setzen Modelle ein, die Entscheidungsgründe offenlegen – essenziell für Compliance.
  • Small Language Models (SLMs): ERGO entwickelt mit IIT Bombay kleinere, domänenspezifische Sprachmodelle für Versicherungsprodukte.
  • Integration in Kernsysteme: Erfolgreiche Beispiele binden KI in Guidewire, SAP FS oder Eigenentwicklungen ein. Statt Copy-Paste bleibt die Wertschöpfung im Prozess.

Einordnung in Meta-Trend: KI wird teil der Betriebsinfrastruktur

Der Trend ist unübersehbar: Versicherer bewegen sich weg von Einzelpiloten hin zu unternehmensweiten KI-Plattformen.

  • AXA: 400 Anwendungen weltweit, 20 global skaliert.
  • ERGO: 130 Mio. € für eine globale GenAI-Plattform.
  • Signal Iduna: Servicebot direkt an interne Dokumentation gekoppelt.

Damit entsteht eine neue IT-Schicht: KI als Infrastruktur, ähnlich wie ERP-Systeme vor 20 Jahren. Wer heute investiert, baut sich einen dauerhaften Vorsprung.

Ihre Frage fürs nächste Meeting

„Wollen wir Pilotweltmeister bleiben – oder bis Ende 2025 zu den 2 % gehören, die KI in den Kernprozessen skalieren und echten Business-Nutzen liefern?“

Viele Versicherer bleiben im Copy-Paste-Modus stecken, weil KI als „Produktivitäts-Spielzeug“ missverstanden wird.

Quellen

Kooperationspartner werden

Erreichen Sie IT- und Innovations-Entscheider der DACH-Versicherungswirtschaft. Sponsored Articles, Jahrespartnerschaften und insureNXT-Pakete.

Mediadaten anfragen →

Weiterlesen

Kommentare ()