Der neue Wettbewerb um Daten, KI und Geschwindigkeit

Ohne Zweifel eröffnet die Künstliche Intelligenz der Versicherungsbranche vollkommen neue Wege, etwa die systematische Auswertung von riesigen Datenmengen, das frühzeitige Erkennen von Risiken, individuelle Policen oder das präzise Treffen von Entscheidungen. Aber, und auch das gehört zur Wahrheit, ihr Einsatz wirft zeitgleich grundlegende Fragen auf. Auf den Prüfstand gehören dabei vor allem die Fairness der Modelle, genau wie ihre Nachvollziehbarkeit und das wertvolle Gut des Vertrauens. Wird KI zur Black Box, die weder Kundinnen und Kunden noch Aufsichtsbehörden verstehen, gefährdet sie genau das Vertrauen, auf dem das Geschäftsmodell von Versicherung basiert.

Ignorieren ist keine Alternative

Selbst für traditionelle, risikoscheue Versicherer und Underwriter ist das Potenzial von KI dennoch nicht zu übersehen. Auch, weil die Zahl der Unternehmen wächst, die bereits Ansätze wie Predictive Analytics, KI und andere fortschrittliche Technologien einsetzen, um Risiken besser zu bewerten und Entscheidungen fundierter zu treffen. In den vergangenen zehn Jahren hat eine ganze Welle von InsurTechs gezeigt, was damit möglich ist. Diese Unternehmen sind grundlegend und konsequent digital aufgestellt, haben KI von Anfang an integriert und setzen auf bequeme, reibungslose digitale Kundenerlebnisse.

Das bedeutet jedoch nicht, dass etablierte Versicherer ausgedient haben. Im Gegenteil: Viele haben auf die Entwicklung reagiert und gezielt InsurTechs übernommen oder strategische Partnerschaften geschlossen, um ihre Innovationszyklen zu verkürzen und ihre IT-Landschaften zu modernisieren. InsurTechs haben vor allem deutlich gemacht, dass KI-gestützte Erkenntnisse und ein konsequent kundenzentriertes Design entscheidend sind, um Risikomodelle zu verbessern und Transparenz zu schaffen.

Trotz dieser Vorteile bleibt die KI-Adoption in der Versicherungsbranche insgesamt verhalten. Laut Capgemini nutzen nur 27 Prozent der Versicherer Predictive Modelling, um Risiken und Kundenverhalten vorauszusehen, lediglich 37 Prozent greifen auf erweiterte externe Datenquellen von Drittanbietern zurück.

Regelbasierte Prozesse stoßen an ihre Grenzen

Viele Versicherer spüren auch deswegen einen höheren Wettbewerbsdruck, weil sich das Ökosystem in Richtung technologisch versierterer Akteure verschiebt. Kundinnen und Kunden erwarten schnelle, transparente und faire Prozesse; von sofortigen Angeboten über reibungslose Schadenabwicklung bis hin zu personalisierten Produkten. Gleichzeitig erhöhen dabei neue Risikofelder und strengere Regulierung die Komplexität. Cyberkriminalität, volatile Finanzmärkte und auch die Gefahr durch Betrug im digitalen Raum erschweren die Bewertung von Risiken in Underwriting und Schadenmanagement erheblich.

Diese Entwicklungen zeigen schonungslos die Schwächen regelbasierter Systeme. Starre Entscheidungslogiken mit festen Formeln, Kriterien und Schwellenwerten sorgen zwar für Konsistenz, sind aber schlecht geeignet, um mit Dynamik, Komplexität und neuen Risikomustern umzugehen. Es ist genau dieses Spannungsfeld, das enorme Chancen für einen neuen Typ Versicherer bietet: datengetrieben und in der Lage, in Echtzeit Erkenntnisse zu gewinnen.

Warum Legacy-Plattformen nicht mehr tragen

Jahrzehntelange Konsolidierung hat bei vielen Versicherern zu fragmentierten Datenlandschaften und veralteten IT-Systemen geführt, nicht selten mehrere Jahrzehnte alt. Diese stark angepassten Plattformen für Underwriting, Schadenbearbeitung und Bestandsverwaltung haben lange die Stabilität und fachliche Expertise gesichert. Heute bremsen sie allerdings Innovationen, binden Ressourcen und liefern kaum noch messbaren Mehrwert.

Laut Earnix sehen 49 Prozent der globalen Versicherungsvorstände technische Schulden als zentrales Transformationshemmnis. Weitere Studien zeigen: 44 Prozent kämpfen mit inkonsistenten Daten, 41 Prozent beklagen mangelnde Transparenz zwischen Abteilungen. Besonders alarmierend: 2024 nutzten nur 8 Prozent der Schaden- und Unfallversicherer datengetriebenes Underwriting.

Besonders drastisch: Produktneueinführungen dauern in Legacy-Umgebungen bis zu zwölf Monate. Dem gegenüber sind es drei bis sechs Monaten bei InsurTechs. Moderne KI-Lösungen auf die älteren Systeme aufzusetzen ist entsprechend schwierig, zumal Innovationsbudgets oft bereits durch den Betrieb der Altsysteme aufgebraucht werden.

Wo der Einstieg in Automatisierung und KI sinnvoll ist

Die Einführung von Automatisierung und KI muss keine umfassende Transformation sein, bei der Versicherer alles auf einmal umsetzen. Sie können vielmehr schrittweise vorgehen und mit gezielten Initiativen, die schnell einen Mehrwert erzielen, eine Grundlage für umfassendere Veränderungen schaffen.

Ein vielversprechender und bewährter Ansatzpunkt ist die Einführung einer cloud-nativen Integration. Moderne Plattformen können über eine API-First-Architektur mit bestehenden Systemen für die Verwaltung von Policen, Schadensfällen und CRM verbunden werden, wodurch Flexibilität ohne eine vollständige Systemüberarbeitung erreicht wird. Von dort aus können Versicherer sukzessive zu modularisierten Plattformen mit Microservices übergehen, die es ihnen ermöglichen, bestimmte Funktionen unabhängig voneinander zu skalieren. Dieses Vorgehen beschleunigt nicht nur die Bereitstellung und den ROI, sondern erleichtert gleichzeitig auch die direkte Einbettung von KI in wichtige Services.

Ebenso bewährt ist der Fokus auf besonders wertschöpfende Anwendungsfälle. So sind beispielsweise die Automatisierung von Schadensfällen und KI im Underwriting gute Kandidaten, um den ROI sichtbar zu machen und weitere Ressourcen für Reinvestitionen in eine umfassendere Modernisierung zu ermöglichen. Im Laufe der Zeit entsteht so ein Kreislauf aus Effizienz und Innovation. Versicherer sollten dabei auch über ihre eigene Branche hinausblicken und sich insbesondere von Banken und dem Einzelhandel inspirieren lassen, die bei der Einführung von KI schon weiter fortgeschritten sind.

Auf den Menschen kommt es weiterhin an

Die wichtigste Investition werden bei der Umsetzung allerdings in Menschen und Kultur getätigt. Mitarbeitende müssen geschult und ermutigt werden, KI als Chance und nicht als Bedrohung zu betrachten. Wichtig dabei: Early Adopters sollten belohnt, Best Practices ausgetauscht und Experimente gefördert werden. Führungskräfte spielen dabei naturgemäß eine Schlüsselrolle, weil sie auch Wissenslücken auf Vorstandsebene schließen.

Das bedeutet konkret, dass sie verstehen müssen, was KI wirklich ist und was nicht, welche Unterschiede zwischen Machine Learning und KI bestehen und wie neue Tools ihre Probleme lösen können. Mit diesem tiefgreifenden Verständnis sind Führungskräfte in der Lage, Chancen aufzuzeigen und Wege zu finden, die Innovation und Verantwortung in Einklang bringen.

Strategische Notwendigkeit: KI breit einführen und skalieren

Für Versicherer, die ihre Zukunft aktiv gestalten wollen, ist der Weg klar: Legacy-Systeme und fragmentierte Daten müssen zu Plattformen weiterentwickelt werden, die modernes Underwriting, effiziente Schadenprozesse und zeitgemäßes Risikomanagement ermöglichen. Geschäftsstrategie und Technologie-Roadmap gehören dabei untrennbar zusammen, um das volle Potenzial von KI auszuschöpfen.

Wer früh mit gezielten Anwendungsfällen experimentiert und erfolgreiche Ansätze konsequent skaliert, schafft die notwendige Agilität im Wettbewerb um intelligente Daten. Die erfolgreichen Versicherer der nächsten Jahre werden Risiken antizipieren, Versicherungsschutz präzise personalisieren und Fairness sowie Transparenz von Anfang an mitdenken.