Viele Versicherer testen KI-Agenten. Doch der Sprung vom Pilotprojekt in den produktiven Betrieb gelingt oft nicht. Welche Hürden Unternehmen überwinden müssen und wie agentische KI im Schadenmanagement echten Mehrwert schaffen kann, erklärt Marco Meisen, Mitglied der Geschäftsführung (CTO) der Verisk Med GmbH.
2030 werden mehr KI-Agenten als Menschen existieren, prognostiziert Sven Gabor Jánszky, einer der bekanntesten deutschen Zukunftsforscher. Ob dieser Punkt früher oder später erreicht wird – das Potenzial der Technologie ist bereits heute enorm. Für viele Versicherer, die Agenten einsetzen, bleibt der wirtschaftliche Nutzen allerdings hinter den Erwartungen zurück. Was die größten Hürden sind und wie Versicherern der Einstieg in agentische Workflows gelingt, zeigt Marco Meisen, Managing Director Technology, Claims Europe bei Verisk.
Status quo der KI-Transformation
Das Bewusstsein ist da: Knapp 70 Prozent der Befragten waren schon 2025 in der „State of the Industry Survey“ von Verisk überzeugt, dass generative KI in den nächsten fünf Jahren den größten Einfluss auf die Branche haben wird.
Es gibt kaum ein Unternehmen, das derzeit nicht mit Large Language Models (LLMs) und KI-Agenten experimentiert. Doch worum geht es dabei eigentlich genau?
Large Language Models (LLMs) sind KI-Modelle, die auf großen Datenmengen trainiert wurden, um Sprache zu verstehen und zu generieren. Sie bilden die Grundlage für viele moderne Anwendungen – von Chatbots bis hin zu automatisierten Textanalysen.
KI-Agenten gehen einen Schritt weiter: Sie nutzen solche Modelle, um Aufgaben innerhalb definierter Rahmenbedingungen auszuführen, Informationen aufzubereiten sowie Mitarbeitende bei Entscheidungen zu unterstützen und sind in bestehende Prozesse integriert. Im Kontext dieses Artikels verstehen wir darunter KI-Anwendungen, die für spezifische Aufgaben konfiguriert und in operative Workflows eingebettet sind.
Wer mit dem Management von Versicherern spricht, erkennt aktuell jedoch ein wiederkehrendes Muster: Der Einsatz von KI kommt derzeit selten über Pilotprojekte hinaus.
Die größten Herausforderungen für den produktiven Einsatz
Die Einführung agentischer KI-Systeme und KI-gestützter Workflows stellt Versicherer vor andere Aufgaben als die Einführung traditioneller Software: Es müssen neue technische, rechtliche und organisatorische Rahmenbedingungen geschaffen werden – und genau hier kommen viele Unternehmen an ihre Grenzen.
Infrastruktur und Datenqualität
Versicherer müssen die notwendige IT-Infrastruktur aufbauen, um KI-Agenten stabil, sicher und skalierbar zu betreiben. Gewachsene Systemlandschaften, alte Schnittstellen, Datensilos und begrenzte lokale Ressourcen erschweren den Start mit eigenen KI-Systemen. Hinzu kommt: KI ist nur so gut wie die Daten, mit denen sie arbeitet.
Governance und Compliance
In der Schadenregulierung werden personenbezogene und zum Teil auch medizinische Daten verarbeitet. Versicherer müssen gewährleisten, dass sie die Anforderungen an Transparenz, Kontrolle und Dokumentation des EU AI Act erfüllen und ihre Systeme regulatorisch richtig einordnen.
Wie umfassend KI auch integriert wird, die Haftung bleibt beim Versicherer. Für Unternehmen ist es daher unerlässlich, KI-Agenten auf Abweichungen und Bias zu monitoren, regelmäßig feinzujustieren und an Schlüsselstellen im Prozess weiter auf menschliche Kontrolle zu setzen.
Wie können Versicherer jetzt konkret beginnen?
Damit KI-Agenten aus Pilotprojekten in skalierbare Workflows finden und die möglichen Effizienz- und Kostenvorteile einspielen, sollten Versicherer systematisch vorgehen.
1. Die richtigen Use Cases wählen
Die Möglichkeiten von KI-Agenten sind vielfältig, aber nicht jedes Einsatzszenario ist rentabel. Welche Prozesse kosten die meiste Zeit? Wo fehlen Fachkräfte? Wo entstehen hohe Kosten? Eine strukturierte Analyse von Engpässen in den Fachabteilungen stellt sicher, dass die Use Cases mit dem höchsten Return on Investment priorisiert werden.
2. Prozesse neu denken, nicht nur digitalisieren
KI-Agenten können zwar bestehende Prozesse beschleunigen. Der größere Nutzen entsteht aber, wenn Versicherer Prozesse hinterfragen und so umgestalten, dass Agenten in Zukunft nahtlos skalierbar sind und standardisierte Prozessschritte innerhalb definierter Grenzen automatisieren können.
3. „Build or Buy“ bewusst entscheiden
Ob selbstkonfigurierte Agenten oder externe Systeme bessere Ergebnisse erzielen, lässt sich pauschal nicht beantworten. Am Ende zählt, welche Qualität, Verlässlichkeit und Nachvollziehbarkeit die Ergebnisse haben. Entscheidend hierfür sind nicht nur die eingesetzten Modelle und Daten, sondern auch die fachliche Gestaltung der Prompts, Regeln und Prüfmechanismen. Gerade in komplexen Versicherungsprozessen reicht ein allgemein formulierter Prompt nicht aus. Es braucht tiefes Prozessverständnis, klare fachliche Vorgaben und eine kontinuierliche Qualitätssicherung. Externe Partner lohnen sich vor allem, wenn moderne Infrastruktur oder ausreichende Daten fehlen, hochregulierte Prozesse regelkonform und kontrolliert automatisiert werden sollen oder spezifisches, zum Beispiel medizinisches, Fachwissen notwendig ist.
4. Mitarbeitende befähigen
Mitarbeitende müssen KI-Ergebnisse einschätzen, Fehler erkennen und wissen, wann Vorgänge zu eskalieren sind. Dafür sind einmalige Schulungen nicht ausreichend. Stattdessen sollten Versicherer auf wiederkehrende, rollenspezifische Praxistrainings setzen.
5. Erfolgsmessung von Anfang an definieren
Versicherer sollten von Anfang an Erfolgskennzahlen definieren, beispielsweise Bearbeitungszeiten, Kosten pro Schadenfall, First-Time-Right-Quote oder Qualität der Dokumentation.
Die wichtigsten Einsatzbereiche
Neben Kundenservice und Underwriting gehört laut Capgeminis Report „Financial Services 2026“ das Schadenmanagement zu den priorisierten Einsatzbereichen von KI-Agenten. Auch laut Projekterhebungen von Verisk lassen sich hier Produktivitätssteigerungen von bis zu 85 Prozent erreichen. Aber nicht jeder denkbare Use Case ist auch ein Business Case.
Ein Positivbeispiel sind komplexe Personenschäden oder Vorwürfe ärztlicher Behandlungsfehler. Agenten können beispielsweise medizinische Unterlagen, Gutachten, Rechnungen und Korrespondenz in wenigen Minuten analysieren, strukturieren und für die weitere fachliche Prüfung aufbereiten. Sachbearbeitende müssen nicht mehr Stunden aufwenden, um Tausende Seiten zu lesen, sondern starten direkt mit einer strukturierten Zusammenfassung als Entscheidungsgrundlage in die Beurteilung, in der potenzielle Inkonsistenzen, fehlende Unterlagen oder prüfbedürftige Punkte in der Behandlungschronologie und in den vorliegenden Anspruchsbegründungen gekennzeichnet werden.
Eine neue Ära der Schadenregulierung
Mit KI-Agenten beginnt eine neue Ära in der Schadenregulierung. Denn die intelligenten Systeme helfen dabei, Prozesse zu beschleunigen, knappe Expertise zu skalieren, Entscheidungen vorzubereiten und Mitarbeitende bei der Bearbeitung komplexer Fälle zu unterstützen. So lässt sich Servicequalität trotz Kostendruck halten. Im Wettbewerb um den größten KI-Vorteil werden dabei die Unternehmen vorne liegen, die KI, Daten und Menschen am intelligentesten orchestrieren.