Hohe KI-Budgets allein garantieren keinen Erfolg in der Kapitalanlage. Entscheidend ist die Qualität der zugrunde liegenden Daten. Warum verlässliche Daten zum eigentlichen Wettbewerbsvorteil werden, welche Rolle KI-Agenten künftig spielen und weshalb Versicherer jetzt vor allem in ihre Datenbasis investieren sollten, erklärt Christine Berthold-Poje, Partner Geschäftsentwicklung DACH bei Clearwater Analytics.
Der Clearwater Global GenAI Report „GenAI and the Data Divide" (Sommer 2026) untersucht den Einsatz von KI in der Kapitalanlage. Grundlage ist eine Befragung von 178 leitenden Führungskräften (CFOs, CEOs, CIOs, CROs und CTOs) aus Versicherungs-Asset-Management, allgemeinem Asset Management, Hedgefonds und Private-Credit-Managern in Europa, den USA und Asien, durchgeführt durch das unabhängige Marktforschungsinstitut PureProfile im Auftrag von Clearwater Analytics.
Für jeden Versicherer, der KI einsetzt, kommt irgendwann der Moment der Erkenntnis: Warum funktioniert das bei einigen Unternehmen und bei anderen nicht?
Christine Berthold-Poje: Die Debatte darüber, ob KI in der Kapitalanlage überhaupt einen Platz hat, ist vorbei. 79 % der befragten Führungskräfte erwarten inzwischen, dass KI-gestützte Unternehmen jene überflügeln werden, die nicht auf KI setzen, und 95 % der Firmen haben ihre KI-Budgets in den vergangenen zwölf Monaten erhöht. Die eigentliche Frage, die jetzt jedes Unternehmen beschäftigt, lautet nicht mehr „ob“, sondern „warum es bei manchen funktioniert und bei anderen nicht“.
Die Studie von Clearwater nennt zwei Ursachen. Die erste betrifft die Belegschaft von Unternehmen. Zwar erkennen 62 % der Firmen eine Lücke bei KI-Kompetenzen, doch bereits 55 % fühlen sich vorbereitet, dieser zukünftig zu begegnen. Firmen investieren aktiv darin: 70 % führen KI-Schulungen ein, 44 % betreiben Weiterbildungsprogramme, 49 % gestalten Rollen neu, und 47 % verlangen KI-Kompetenzen bereits bei Neueinstellungen.
Der zweite Ursache ist strukturell, und genau hier liegt der eigentliche Unterschied zwischen erfolgreichen und weniger erfolgreichen Unternehmen: die Datengrundlage, auf der KI überhaupt läuft. Der Report zeigt eindeutig, dass die Unternehmen mit den stärksten operativen Ergebnissen nicht zwangsläufig diejenigen sind, die am meisten in KI investieren, sondern jene, die auf Daten aufbauen, denen sie vertrauen können. Nicht die Höhe der Investitionen oder die Dauer der KI-Nutzung innerhalb eines Unternehmens entscheidet über Erfolg oder Stillstand, sondern die Datenqualität.
Welche Hürden gibt es bei der Erzielung von Datenqualität und wie kann man diese überwinden?
Die zentrale Hürde ist nicht fehlende Datenmenge, sondern fehlendes Vertrauen in die Genauigkeit der vorhandenen Daten. 99 % der Führungskräfte nennen unzuverlässige Daten als die größte Barriere für das Vertrauen in KI-Ergebnisse. Der Report deckt dabei eine entscheidende Lücke auf: Es besteht ein Unterschied von 23 Prozentpunkten zwischen dem Vertrauen in die Vollständigkeit der Daten eines Unternehmens und dem Vertrauen in deren Genauigkeit. Konkret bewerten 79 % ihre Daten als gut oder exzellent, was Vollständigkeit und Abdeckung betrifft. Bei Genauigkeit und Zuverlässigkeit, also den Dimensionen, die ein Ergebnis tatsächlich handlungsfähig machen, sinkt dieser Wert auf 56 %.
Diese Lücke hat direkte Folgen. 79 % der Befragten sorgen sich um sogenannte „Vertrauenserosion“: Wird ein KI-Fehler öffentlich bekannt, schreibt die Führungsebene das Tool vorschnell als fehlerhaft ab, obwohl das eigentliche Problem in den zugrunde liegenden Daten liegt. Unternehmen, die mit unzuverlässigen Daten arbeiten, erhalten nicht nur schlechtere Ergebnisse, sie erzeugen bei sichtbaren Fehlern auch grundsätzliche Vorbehalte gegenüber den Werkzeugen selbst.
Ein weiteres Symptom dieser Hürde zeigt sich in der Kluft zwischen Anspruch und Umsetzung: 93 % der Führungskräfte halten die KI-Funktionen für wichtig oder sehr wichtig, doch nur 40 % nutzen KI tatsächlich bei mehr als einem Viertel ihrer operativen Entscheidungen. Diese Diskrepanz ist ein direkter Hinweis auf Bedenken hinsichtlich Datenqualität und -genauigkeit, denn all die versprochenen Funktionsverbesserungen hängen stark von sauberen, abgeglichenen, strukturierten Daten ab, die zuverlässig durch verbundene Systeme fließen.
Die Überwindung dieser Hürde liegt laut Report nicht darin, noch mehr in KI-Modelle zu investieren, sondern die Investition in die Datengrundlage proportional mitwachsen zu lassen. Die Investitionen in Dateninfrastruktur hinken den Investitionen in KI-Modelle bislang oftmals hinterher, und genau aus diesem Grund liefern viele KI-Implementierung unterhalb ihres Potenzials. Die entscheidende Frage, die sich jedes Unternehmen laut Report stellen sollte: Investiert man ebenso viel in die eigene Datenqualität wie in den Einsatz von KI selbst?
95 % der Befragten haben ihre KI-Budgets in den letzten 12 Monaten aufgestockt. Wovor haben die Unternehmen am meisten Angst?
Die Zahlen zur Budgetentwicklung sind eindeutig: 95 % der Unternehmen haben ihre KI-Ausgaben in den vergangenen zwölf Monaten erhöht, 85 % planen für das kommende Jahr eine Budgeterhöhung um mindestens 50 %, und 23 % rechnen sogar mit einer Verdopplung oder mehr. Dieses Engagement steht jedoch nicht ohne Gegendruck: 91 % der Führungskräfte berichten, dass Investoren ihre Prüfung des KI-Einsatzes verschärfen. Kunden fragen aktiv nach, wie KI die Beratung und Berichte beeinflusst, die sie erhalten, und Regulatoren beginnen, die Governance von KI-generierten Ergebnissen genauer zu untersuchen.
Die größte Sorge der Unternehmen gilt dabei nicht der Technologie selbst, sondern genau der Datenzuverlässigkeit, die im vorigen Abschnitt bereits als zentrale Vertrauenshürde beschrieben wurde. Der Report bringt die Lage pointiert auf den Punkt: Das Engagement der Unternehmen steht außer Frage. Offen ist einzig, ob die steigenden KI-Budgets auch auf dem richtigen Fundament eingesetzt werden. Diese Unsicherheit begleitet den Budgetzuwachs. Firmen wollen nicht nur mehr in KI investieren, sie wollen auch verhindern, dass diese Investition an einer unzureichenden Datengrundlage scheitert.
Bemerkenswert ist zudem, dass 84 % der Befragten sich selbst als ihren Wettbewerbern voraus oder zumindest ebenbürtig einschätzen, was KI betrifft. Diese Zuversicht steht in einem gewissen Spannungsverhältnis zur tatsächlichen Nutzung: Wie oben erwähnt, nutzen nur 40 % KI bei mehr als einem Viertel ihrer operativen Entscheidungen, obwohl 93 % sie für wichtig halten. Die eigentliche Angst der Unternehmen richtet sich also weniger gegen die Investition an sich, sondern gegen das Risiko, dass die eigenen Datenfundamente diesem gestiegenen Anspruch nicht standhalten, und dass genau das im entscheidenden Moment sichtbar wird, sei es gegenüber Kunden, Investoren oder Regulatoren.
Welche Aufgaben kann KI für Versicherer übernehmen? Und welche Rolle spielen dabei KI-Agenten?
Der Report zeigt, dass KI bereits heute konkrete, messbare Ergebnisse in zentralen Funktionen liefert. Im Risikomanagement ist der Effekt am deutlichsten sichtbar: 92 % der Unternehmen berichten, dass ihr Risikomanagement proaktiver geworden ist, 32 % beschreiben es sogar als deutlich proaktiver. Die Prognosefähigkeit hat sich bei 87 % der Firmen verbessert, die regulatorische Berichterstattung ist bei ebenfalls 87 % schneller geworden, 39 % der Befragten arbeiten mindestens 25 % schneller als zuvor, und bei 81 % der Unternehmen haben sich die Abschlusszyklen im Finanzbereich verbessert.
Bei einem tieferen Blick auf die erwarteten Einsatzfelder zeigt sich, dass KI in nahezu allen Kernbereichen des Investmentlebenszyklus eines Unternehmens einen großen bis transformativen Einfluss haben wird: 62 % erwarten dies beim Generieren und Zusammenfassen von Inhalten, 58 % beim Empfehlen und Optimieren, 57 % beim Prognostizieren und Simulieren, 53 % beim Erstellen und Warten von Systemen (Entwicklerproduktivität), 52 % bei der Ausführung und Automatisierung sowie 36 % beim Erkennen und Analysieren von Datenfehlern. Nur ein einziges der 178 befragten Unternehmen gab an, dass KI in den nächsten drei Jahren keine wirklich integrale Rolle im operativen Geschäft spielen werde.
Eine besondere Rolle kommt dabei agentischer KI zu, also autonomen Systemen, die mehrstufige Aufgaben mit minimalem menschlichem Eingriff bewältigen können. Bereits heute halten 91 % der Führungskräfte agentische KI für wichtig für ihren Betrieb, wenn auch aktuell nur 2 % sie als „kritisch“ einstufen. Der Blick nach vorn zeigt jedoch eine deutliche Verschiebung: In drei Jahren erwarten 30 % der Befragten, dass KI-Agenten ein kritischer Bestandteil des operativen Managements sein werden, die übrigen 70 % stufen sie zumindest als wichtig ein. Diese wachsende Abhängigkeit wird sich laut Report besonders in den datenintensiven Funktionen niederschlagen, die bereits heute am stärksten von KI profitieren: Abstimmung/Reconciliation, regulatorische Berichterstattung, Kundenkommunikation und Finanzabschluss.
5. Wie kann KI im Versicherungsvertrieb eingesetzt werden? Wie profitieren Kunden davon?
Auf der kommerziellen Seite erwarten 66 % der Führungskräfte, dass KI einen spürbar besseren Kundenservice ermöglicht, und 56 % gehen davon aus, dass KI-gestützte Unternehmen eine höhere Rendite (Alpha) erzielen werden. Durch verbesserte Margen sehen 66 % der Befragten das Potenzial, Gebühren für Kunden zu senken, während 58 % glauben, dass sich dadurch auch höhere Löhne für die bestehende Belegschaft finanzieren lassen. Zusammengenommen beschreibt dies eine Branche, in der sich der Maßstab für starke Leistung verschiebt: besserer Service, niedrigere Gebühren und höhere Rendite zugleich.
Auf Kundenseite zeigt sich ein echter Wandel: 85 % der Befragten berichten von positiver oder sehr positiver Kundenstimmung gegenüber dem KI-Einsatz ihres Unternehmens, und in jedem einzelnen befragten Unternehmen fragen Kunden aktiv nach, wie KI eingesetzt wird. Der Umfang dieser Nachfragen ist erheblich: Bei 40 % der Firmen fragen 10–25 % der Kunden danach, bei 43 % sind es 25–50 %, und bei 17 % fragt sogar mehr als die Hälfte der Kunden. KI-Fähigkeit wird damit zunehmend Teil der Sorgfaltspflicht-Prozesse und ein Differenzierungsmerkmal für das Vertrauen, das Kunden und Interessenten in die Fähigkeit eines Unternehmens setzen, Investitionsentscheidungen zu treffen und Compliance einzuhalten.
Konkret sehen Unternehmen den größten Nutzen für Kunden vor allem in der Automatisierung der Kommunikation: 42 % erwarten, dass KI die Kundenkommunikation vor allem durch Automatisierung verbessert, 25 % nennen KI-gestützten Kundensupport, und weitere 25 % sehen den größten Vorteil in mehr Transparenz und zeitnäheren Informationen für Kunden. Interessant ist, dass nur 6 % die Personalisierung im großen Maßstab, eine der meistgenannten Eigenschaften im KI-Marketing, als größten Vorteil für das Kundenengagement einstufen. Das deutet darauf hin, dass persönliche menschliche Interaktion weiterhin eine bedeutende Rolle in individuellen Kundenbeziehungen spielt, auch wenn KI Service und Bereitstellung insgesamt transformiert.
Bemerkenswert ist zudem, was Kunden laut den befragten Unternehmen tatsächlich am wichtigsten ist, wenn es um KI geht: 42 % nennen Data Governance als oberste Priorität ihrer Kunden, 25 % Automatisierung, 24 % Unternehmenssicherheit, aber nur 8 % Datengenauigkeit. Das steht im deutlichen Gegensatz dazu, was die Unternehmen selbst als größte Sorge benennen.
Eine Erkenntnis der Studie besteht darin, aufzuzeigen, dass die Unternehmen mit den höchsten Renditen nicht diejenigen sind, die am meisten für KI ausgeben. Ist da ein blinder Fleck?
Ja, und der Report benennt ihn sehr klar. Die Annahme, dass größere Budgets und ein früherer KI-Einsatz automatisch die größten Erträge bringen, bestätigt sich in den Daten nicht: Die höchsten Budgets brachten keine zusätzlichen Erträge, und auch die längste Erfahrung im Umgang mit KI zeigte keinen messbaren Vorteil. Was die erfolgreichsten Unternehmen tatsächlich einte, war etwas Schmaleres und deutlich schwerer zu Erreichendes: Daten, denen sie vertrauen konnten.
Der Grund, warum ausgerechnet die Daten und nicht die naheliegenden Stellhebel den Unterschied machen, liegt darin, dass alle offensichtlichen Vorteile längst zum Standard geworden sind. Ausgaben sind kein Unterscheidungsmerkmal mehr, weil praktisch jeder investiert, 95 % haben ihre Budgets in diesem Jahr erhöht. Früher Einsatz ist ebenfalls kein Unterscheidungsmerkmal, da die Anzahl der Jahre, die ein Unternehmen KI bereits nutzt, nichts über seine tatsächlichen Erträge aussagt. Selbst eine gut vorbereitete Belegschaft ist kein Differenzierungsmerkmal mehr, da sich die Qualifikationslücke branchenweit schließt (62 % der Unternehmen sehen zwar noch eine Lücke bei KI-Kompetenzen, aber bereits 55 % fühlen sich vorbereitet, dieser zu begegnen). Was sich wie ein Vorteil anfühlt, ist längst zur Grundausstattung geworden.
Ein Blick auf die Zahlen zeigt, wo der Unterschied tatsächlich liegt: Nur 56 % der Unternehmen bewerten ihre Daten als genau, gegenüber 79 %, die sie als vollständig einstufen. Vollständigkeit ist damit längst Standard, Genauigkeit hingegen der eigentliche Vorsprung.
Der blinde Fleck wird besonders deutlich, wenn man auf die Kundenperspektive blickt: Ausgerechnet bei den eigenen Kunden, deren Vertrauen jedes Unternehmen umwirbt, stufen die befragten Führungskräfte selbst Datengenauigkeit als das am wenigsten wichtige Kriterium ein (nur 8 % nennen es als oberste Priorität ihrer Kunden): vermutlich, weil sie annehmen, dass Kunden diese ohnehin voraussetzen.
Der Report fasst die Konsequenz für Führungsteams in vier klaren Handlungsempfehlungen zusammen: Datengenauigkeit priorisieren, nicht nur Vollständigkeit; die Investition in die Datengrundlage proportional zur Investition in KI-Modelle steigern; Datenqualität als kundenrelevantes Differenzierungsmerkmal behandeln, selbst wenn Kunden nicht explizit danach fragen; und Bereitschaft der Belegschaft nicht mit tatsächlicher KI-Reife verwechseln, da Letztere strukturell und damit deutlich schwerer zu erreichen ist. Am Ende drehte sich die eigentliche Debatte laut Report nie wirklich um die Frage, ob man in KI investieren sollte, sondern darum, ob man in die Daten darunter investiert.