Der wirtschaftliche Hebel von KI liegt nicht in noch mehr Tools, sondern in schnelleren, besseren Entscheidungen entlang der Wertschöpfung. Also im Underwriting, im Schaden, im Bestand. AIG zeigt, wie das praktisch funktioniert: GenAI wird dort eingebettet, wo Entscheidungen über Wachstum, Kosten und Risikoqualität fallen. Nicht dort, wo KI nach außen am sichtbarsten wirkt — in Chatbots, Marketing-Texten oder Kundenmails.

Copilot-Lizenzen ersetzen keine Underwriting-Strategie

Während die meisten Versicherer GenAI breit über Copilot-Lizenzen ausrollen, bleibt die Wirkung dieser Strategie schwer messbar. Einzelne Tätigkeiten werden einfacher, Dokumente schneller zusammengefasst. Ein struktureller Vorteil im Kerngeschäft entsteht daraus nicht.

Effizienter werden ist nicht besser entscheiden

Der Grund liegt im Ansatzpunkt. Copilot-Lizenzen sitzen auf Aufgaben — E-Mails, Recherchen, Texte. Das Kerngeschäft eines Versicherers besteht aber nicht aus Aufgaben, sondern aus Entscheidungen: Welches Risiko wird gezeichnet? Welcher Schaden wird wie reguliert? Welcher Bestand verdient Priorität? Wer GenAI nur an Aufgaben ansetzt, beschleunigt das Drumherum — die eigentliche Wertschöpfung bleibt unberührt.

AIG verfolgt eine andere Logik. GenAI wird in jene Prozesse eingebettet, in denen Volumen, Komplexität und direkte Ergebniswirkung zusammenkommen. Entscheidungen bleiben menschlich verantwortet, werden aber datenbasiert vorbereitet. Wirkung wird an Geschäftskennzahlen gemessen — nicht an Projektfortschritt.

Der Maschinenraum hat drei Eingänge

Im Underwriting strukturiert AIG eingehende Submissions (Risikoanfragen) vor, priorisiert Risiken und unterstützt Underwriter bei der Bewertung. Lösungen wie „Underwriting Assist" zielen nicht auf Vollautomation, sondern auf höhere Geschwindigkeit bei konsistenter Entscheidungsqualität. Wachstum entsteht damit nicht durch mehr Vertrieb, sondern durch konsequentere Nutzung vorhandener Geschäftschancen — über schnellere Risikoanalysen, höhere Bind-Quoten (Abschlussquoten) und mehr bearbeitete Submissions pro Underwriter.

Im Schaden verändert GenAI weniger den Bearbeitungsprozess als die Triage (Ersteinschätzung). Ein Kunde meldet einen Leitungswasserschaden per E-Mail, hängt Fotos und Handwerkerrechnung an. GenAI extrahiert den Schadenkontext, identifiziert fehlende Informationen, fasst den Sachverhalt für den Sachbearbeiter zusammen und schlägt einen Bearbeitungspfad vor: Standardregulierung, Rückfrage, Sachverständiger oder Spezialteam. Der Hebel liegt in der Ersteinschätzung — nicht in der Regulierung. Aus jedem so erfassten Schaden entstehen Daten, die das Underwriting bei ähnlichen Risiken schärfen — der Schaden wird zur Lernquelle fürs Kerngeschäft.

Im Bestand nutzt AIG KI für Portfolioanalysen, für die Bewertung von Risiko-Ertrags-Profilen und für die gezielte Steuerung von Zeichnungspolitik und Renewals. KI ist hier kein Prozesswerkzeug mehr, sondern Managementinstrument.

Wo Sichtbarkeit Wirkung vortäuscht

Es gibt einen vierten Eingang — Kommunikation, Marketing, Wissensaggregation. Er führt nicht in den Maschinenraum, sondern an die Fassade. Genau dort rollen viele Häuser zuerst. Und genau dort liegt der geringste direkte Hebel auf Combined Ratio, Bind-Quote und Schadenquote. Dass viele Häuser trotzdem dort beginnen, ist Teil des Problems.

📎 Weiterführend im VTM: → Warum KI vor der Tür zum Maschinenraum stehen bleibt – und wie Versicherer sie in drei Phasen in die Kernprozesse bringen sowie → Von der Pilot-Ecke in die Produktion – Wie Versicherer KI jetzt rentabel skalieren

Was 90 Tage entscheiden

Wer die These dieses Artikels ernst nimmt, fängt nicht mit der Tool-Auswahl an. Sondern mit drei Fragen: Welche Entscheidungen im Underwriting, im Schaden, im Bestand kosten heute am meisten Zeit? Wo arbeitet KI bereits — aber neben dem Geschäft, nicht im Geschäft? Und welcher dieser Prozesse hat die größte Hebelwirkung auf Combined Ratio oder Wachstum?

Sofortmaßnahmen (0–30 Tage): Wer diese drei Filter ehrlich anlegt, landet in der Regel bei drei bis fünf Prozessen, in denen viele Fälle, viele Informationen und messbare Ergebnisse zusammenkommen. Typische Kandidaten: das Underwriting-Intake im Gewerbegeschäft, etwa eingehende Anfragen für Sach- oder Haftpflichtdeckungen; die Schadenaufnahme in der Komposit-Sparte, etwa Leitungswasser- oder Kfz-Glasschäden; oder das Renewal-Management im Bestand. Pro Prozess einen Owner auf F1-Ebene benennen und die Datenqualität zu Kunden, Verträgen und Schäden systematisch prüfen.

Mittelfristige Schritte (30–90 Tage): Einen Kernprozess auswählen — nicht drei parallel — und GenAI als Entscheidungsunterstützung in den bestehenden Workflow integrieren. Beispiel Underwriting-Intake: Eingehende Anfragen werden automatisch nach Vollständigkeit, Risikoqualität und Sparten-Passung vorsortiert; der Underwriter entscheidet weiterhin, sieht den Fall aber bereits aufbereitet. KPIs vor dem Rollout definieren, nicht danach. Die Ausweitung auf weitere Sparten oder Prozesse erfolgt erst, wenn der Pilot belegbare operative Wirkung zeigt.

Typische Fallstricke:

• Parallele Pilotprojekte ohne Skalierungslogik. Sie erzeugen Aktivität, aber keine Wirkung. Konsequenz: ein Kernprozess, klare Verantwortung, messbare Ergebnisse.
• GenAI als Marketing-Layer statt Entscheidungslayer — etwa Chatbots ohne Anbindung an Bestand und Schaden. Konsequenz: GenAI dort einsetzen, wo es operative Daten und Prozesse berührt.

KPIs zur Erfolgsmessung:

• Entscheidungsgeschwindigkeit: Zeit von Submission zu Quote, Zeit von Schadenmeldung zu Triage-Entscheidung.
• Entscheidungsqualität: Anteil der Angebote, die zu Verträgen werden; Anteil eingehender Risikoanfragen, die nach KI-Vorprüfung ohne Rückfrage entscheidungsreif sind; Anteil aktiv erneuerter Verträge im Bestand.

Der Wettbewerb der nächsten fünf Jahre läuft im Maschinenraum

Die nächsten Marktanteile entscheiden sich nicht über Markenkampagnen und nicht über die Anzahl ausgerollter KI-Lizenzen. Sie entscheiden sich darüber, wer schneller zeichnen, schneller regulieren und gezielter steuern kann.

In drei bis fünf Jahren wird der Abstand zwischen Versicherern, die GenAI in den Maschinenraum eingebaut haben, und solchen, die GenAI als Effizienzwerkzeug für die Bürokommunikation nutzen, in zweistelligen Combined-Ratio-Punkten sichtbar werden — nicht in PowerPoint-Folien.

Ihre Frage fürs nächste Vorstandsmeeting: Wenn Sie heute alle Ihre KI-Initiativen auf eine Liste schreiben — wie viele zahlen direkt auf Underwriting-, Schaden- oder Portfoliokennzahlen ein? Wie viele beschleunigen nur das, was die Organisation ohnehin schon tut? Und welche haben gar keine messbare Wirkung?

Quellen

• Coverager: AIG AI: From digital twins to underwriting agents — https://coverager.com/aig-ai-from-digital-twins-to-underwriting-agents/
• AIG: Annual Report 2024 — https://www.aig.com/home/investor-relations/aig-2024-annual-report
• CIO Dive: AIG leans on generative AI to speed underwriting — https://www.ciodive.com/news/aig-insurance-agentic-generative-ai-underwriting/732183/
• Carrier Management: AIG CEO Zaffino Highlights Integration of GenAI to Create Digital Twin of Business, 12.08.2025 — https://www.carriermanagement.com/news/2025/08/12/278368.htm