Ohne Operating Model kein KI-Erfolg im Kundenservice

Herr Alt, viele Versicherer betreiben derzeit eine Fülle von KI-Piloten im Kundenservice. Wo stehen die Häuser aus Ihrer Sicht wirklich auf dem Weg zur KI-gestützten Serviceorganisation?

Technologisch haben viele Versicherer ihre ersten Hausaufgaben gemacht und KI-Piloten meist in Form von Sprach- oder Chatbots im Kundenservice integriert. Gleichzeitig zeigt unsere aktuelle Accenture Studie, dass mehr als die Hälfte der Versicherer KI im Service bislang nur experimentell nutzt und noch keinen tragfähigen Pfad in den Regelbetrieb realisieren konnte.

Das Problem ist daher weniger das Ob, sondern das Wie im großen Maßstab. Viele Initiativen bleiben isoliert, sind organisatorisch nicht verankert und liefern deshalb keinen sichtbaren BusinessImpact. Das ist kein rein deutsches Phänomen, sondern ein generelles Muster: Rund 95 % aller generativen KI‑Piloten schaffen es heute nicht in die Skalierung. Dort, wo KI wirklich skaliert, ist sie Teil der ServiceStrategie, wird zentral gesteuert und auf einer stabilen Daten und Betriebsmodell Basis aufgebaut. Genau daran hakt es bei vielen Häusern noch.

Viele dieser Piloten schaffen den Sprung in den Regelbetrieb nicht. Woran liegt das und erkennen Sie typische Muster in diesen Misserfolgen?

Häufig liegt es daran, dass Verantwortlichkeiten zu stark verteilt sind. Fachbereich und IT arbeiten nebeneinander, aber niemand steuert das Thema durchgängig aus. Nach dem Go‑Live fühlt sich die Lösung oft „abgegeben“ an, ohne klare Geschäftswert-Messung oder aktive Weiterentwicklung. Fehlt diese Durchgängigkeit, stoßen Pilotlösungen schnell an Skalierungsgrenzen und versinken in der Bedeutunglslosigkeit.

Welche fachlichen und technischen Voraussetzungen müssen Versicherer schaffen, bevor sie KI im Kundenservice großflächig ausrollen können?

Bevor Versicherer neue KI-Lösungen großflächig implementieren, müssen sie vor allem ihre Denkweise ändern. Erfolgreiche Häuser planen KI nicht als Pilot, sondern von Anfang an für Skalierung und Wiederverwendung. Das bedeutet ganz konkret: Die erste Frage sollte nicht sein, welches KI‑Tool eingeführt wird, sondern welche Prozesse heute manuellen Mehraufwand und vermeidbare Kosten verursachen und wo KI diese strukturell reduzieren kann. Wer umgekehrt mit Tools startet, läuft Gefahr, Lösungen für Herausforderungen einzukaufen, die fachlich nie definiert wurden. Gleichzeitig braucht es eine klare Priorisierung nach Kundennutzen und Wirkung, nicht nach technischer Machbarkeit. Und ganz pragmatisch: Ohne belastbare Daten, feste Verantwortlichkeiten und ein Partner‑Ökosystem, das mitwächst, stößt selbst die beste KI sehr schnell an ihre Grenzen.

Warum sehen Sie ohne passendes Operating Model keine Zukunft für den flächendeckenden KI-Einsatz im Kundenservice?

Ohne passendes Operating Model fehlt der Rahmen, um KI im Kundenservice dauerhaft sicher und wirtschaftlich zu betreiben. Datenschutzvorgaben und Richtlinien werden komplexer, KI‑Kosten müssen aktiv gesteuert werden und KI‑Tools werden zunehmend unkontrolliert eingesetzt. Genau dafür braucht es klare Spielregeln: Wer darf welche KI-Funktionen einsetzen, wie werden Risiken ausgesteuert und wie bleiben Kosten und Qualität im Griff? Ohne diese Orchestrierung entsteht keine skalierbare Lösung, sondern eine fragementierte KI-Plattformlandschaft aus Einzelanwendungen: schwer steuerbar und kaum zukunftsfähig. Wichtig ist in diesem Zusammenhang auch ein weit verbreitetes Missverständnis: KI automatisiert nicht den Prozess, sondern zunächst den aktuellen Zustand des Prozesses. Wenn dieser komplex oder brüchig ist, skaliert KI genau diese Brüchigkeit – schneller und mit weniger Kontrolle. Die Frage ist also nicht: Wo können wir KI einsetzen? Sondern, welches operative Geschäftsproblem können wir mit KI lösen und welchen dahinterliegenden Prozess müssen wir erst optimieren, bevor wir ihn mit KI automatisieren.

Was sind die zentralen Bausteine eines zukunftsfähigen Operation Models für KI-gestützte Serviceeinheiten?

Ein zukunftsfähiges Operating Model verbindet klare strategische Leitplanken mit der Fähigkeit, KI über Entwicklung, Betrieb und Weiterentwicklung hinweg zu steuern. Dazu gehören strukturierter Aufbau, messbarer Betrieb und kontinuierliche Weiterentwicklung – unterstützt durch fundierte Daten, passende Architektur und verantwortungsvollen Einsatz. Erst dieses Zusammenspiel macht KI im Service dauerhaft wirksam.

Welche organisatorischen Schritte empfehlen Sie Versicherern, um KI-Piloten im Kundenservice erfolgreich in die Breite zu bringen?

Um KI‑Piloten wirklich in die Breite zu skalieren, sollten Versicherer früh klare organisatorische Strukturen schaffen und KI nicht als Projekt, sondern als dauerhafte Fähigkeit etablieren. Erfolgreiche Häuser bündeln Verantwortung fachbereichsübergreifend, priorisieren Use‑Cases zentral und gewährleisten einen geregelten Übergang in den Linienbetrieb. In der Umsetzung bewährt sich ein iteratives Vorgehen mit wenigen, klar priorisierten Use‑Cases, die schnell Wirkung entfalten und zugleich die Basis für weitere Anwendungen schaffen. Früh sichtbare Erfolge stärken Vertrauen und erzeugen die notwendige Dynamik, um KI nachhaltig in der Organisation zu verankern.

Wie verändert KI die klassischen Rollen im Kundenservice?

KI verschiebt die Rolle im Kundenservice spürbar. Mitarbeitende bearbeiten immer weniger Standardfälle selbst, diese werden automatisiert über Bots und Assistenten bearbeitet. Das zeigt sich auch in den Zahlen: Zwar laufen heute oft 50 % der Servicekontakte über Self‑Service‑Kanäle, aber nur etwa 14 % werden dort vollständig gelöst. Genau hier bleibt der Mensch entscheidend – beim Eingreifen, Bewerten und Entscheiden: Mitarbeitende prüfen KIVorschläge, greifen bei komplexen oder sensiblen Fällen ein und übernehmen eskalative Entscheidungen. Man kann sagen, sie entwickeln sich vom klassischen Sachbearbeiter hin zum Supervisor der KI, verbunden mit mehr Verantwortung, höherem Anspruch und neuen Fähigkeiten rund um Fachurteil, Qualitätssicherung und Kundeninteraktion.

Welche neuen Kompetenzen müssen Serviceeinheiten aufbauen, um KI verantwortungsvoll und effizient zu nutzen?

Serviceeinheiten benötigen ein Grundverständnis zur funktions- und arbeitsweise von KI-Lösungen, klar definierte Prozesse und verlässliche Daten. Entscheidend ist außerdem die Fähigkeit, KI im Betrieb aktiv und mit klarer Verantwortung, ausreichendem Monitoring und regelmäßiger Nachjustierung zu steuern.

Hybride Workforce bedeutet auch neue Führungsaufgaben: Was können Führungskräfte tun, um Transparenz zu schaffen, Automatisierungsängste abzubauen und Vertrauen in KI-Entscheidungen zu festigen?

Wichtig ist vor allem, dass Führungskräfte klar definieren und kommunizieren, in welchen Anwendungsbereichen KI eingesetzt wird und eigenständig entscheidet, wo sie unterstützt und wo die finale Verantwortung beim Menschen liegt. Gleichzeitig hilft es, KI bewusst als Entlastung und Qualitätshebel zu positionieren, nicht als Einsparungsinstrument. Vertrauen entsteht dann im operativen Alltag: durch nachvollziehbare Entscheidungslogiken, erklärbare Ergebnisse und konsequente Qualitätssicherung im Betrieb.

Wenn Sie in die Zukunft blicken: Wie entwickelt sich der Kundenservice bei Versicherern bis 2030? Wird KI zum neuen Standard oder bleibt der menschliche Servicemitarbeitende im Zentrum der Serviceerfahrung?

Bis 2030 wird intensive KI-Nutzung im Kundenservice klar zum Standard – aber nicht als Ersatz für den Menschen. Routine‑ und Standardanliegen werden weitgehend automatisiert, aber dennoch personalisiert bearbeitet. Der menschliche Servicemitarbeitende bleibt dort im Zentrum, wo es um komplexe Entscheidungen, emotionale Situationen oder individuelle Beratung geht. Gleichzeitig verändern sich Organisation und Rolle: weniger klassische Callcenter‑Logik, mehr intelligente Orchestrierung von Kanälen, KI und Menschen. Der eigentliche Wert entsteht genau in diesem Zusammenspiel. Anders ausgedrückt: die Entwicklung rund um KI geht von „human in the loop“ hin zu „human in the lead“ – und das ist genau richtig.