KI im Versicherungsprozess muss nachvollziehbar bleiben. Entscheidend ist, dass zu jedem Vorgang dokumentiert wird, welche Eingabedaten und Regeln verwendet wurden, welches Ergebnis die KI erzeugt hat und wer die Entscheidung freigegeben hat. So lassen sich Vorgänge auch später transparent erklären und prüfen.

Wann sich KI in der Versicherung rechnet, lässt sich anhand der eigenen Prozesse ermitteln. Vorgangszahlen, Rückfragequote, Bearbeitungszeit und Kosten bilden die Grundlage für eine konkrete Potenzialrechnung. Zusätzlich können kürzere Wartezeiten, weniger Mehrfachkontakte und schnellere Prozesse wirtschaftliche Effekte schaffen.

Sachbearbeiter werden von Routine entlastet, die Arbeit wird fachlicher und weniger administrativ, und die KI liefert Entscheidungsvorschläge statt Endentscheidungen. Das ist keine Abschwächung aus Vorsicht, sondern die Beschreibung dessen, was tatsächlich automatisierbar ist: das Zusammentragen, nicht das Beurteilen. Was wegfällt Postfächer beobachten. Feststellen, dass eine Angabe fehlt. Eine E-Mail formulieren, um sie anzufordern. Eine Wiedervorlage setzen. Nachsehen, ob g

KI sollte nicht neben dem Kernprozess arbeiten, sondern darin. Über REST-APIs für Echtzeitprozesse und Batch-Verarbeitung für Massenvorgänge lässt sich KI an bestehende Kernsysteme anbinden. Daten werden aus den relevanten Systemen gelesen und Ergebnisse direkt zurückgespielt. So entstehen durchgängige Prozesse statt neuer KI-Insellösungen.

KI-Governance schafft die Grundlage, um KI im Versicherungsunternehmen kontrolliert und nachvollziehbar zu betreiben. Entscheidend sind klare Verantwortlichkeiten, definierte Qualitätskriterien, eine Richtlinie für die KI-Nutzung sowie kontinuierliches Monitoring mit Rückmeldeschleifen. Damit werden Steuerung und regulatorische Anforderungen zusammengeführt.

Für den Einsatz von KI in Versicherungsprozessen ist nicht zwingend ein großes Datenprojekt nötig. Häufig reichen die Informationen, die bereits im Prozess vorhanden sind: Dokumente und E-Mails, Vertrags- und Stammdaten, Bedingungen sowie optional Bilder und Belege. Entscheidend ist vor allem, welche Datenquelle im jeweiligen Prozess maßgeblich ist.

Für den Einstieg in KI brauchen Versicherer nicht zwingend eigene Data Scientists. Wichtiger sind das Prozesswissen aus dem Fachbereich, ein klar benannter Fachentscheider und ein IT-Ansprechpartner für Schnittstellen und Datenwege. Mit zunehmendem KI-Einsatz wachsen die Anforderungen an Governance, Monitoring und Qualitätsmanagement.

Durch Transparenz über die Ziele, einfache Schulungen, klar definierte Rollen, Beteiligung an der Pilotphase und dadurch, dass Sorgen ernst genommen statt weggeredet werden. Das klingt selbstverständlich und ist es nicht: In der Praxis wird über Technik gesprochen, bevor die Frage beantwortet ist, die alle beschäftigt. Die Frage, die zuerst kommt Sie lautet nicht „wie funktioniert das", sondern „was bedeutet das für meine Arbeit". Solange sie unbeantwortet bleibt, wird jede S

Der Einstieg in KI muss nicht mit einem Großprojekt beginnen. Entscheidend ist ein klar abgegrenzter, messbarer Anwendungsfall. Danach folgen definierte Datenwege, eine Pilotumgebung mit Ausgangsmessung und die schrittweise Skalierung. So wird aus einem ersten KI-Use-Case ein belastbarer Ansatz für weitere Versicherungsprozesse.

KI-Projekte in Versicherungen scheitern selten an der Technologie. Häufiger liegen die Ursachen in zu großen Projekten, unklaren Zielen, fehlender Prozessverantwortung, mangelnder Teststrategie oder ungeklärter Datenqualität. Auch die Mitarbeitenden früh einzubeziehen, ist entscheidend für den erfolgreichen Einsatz von KI.

Durch Prüfung, nicht durch Vertrauen. Fachliche Tests gegen bekannte Fälle, Tests über die gesamte Prozesskette, Versionierung jeder Anweisung und jedes Modells, laufendes Monitoring der Ergebnisse und definierte Qualitätsmetriken – das ist das Verfahren. Der Unterschied zu klassischer Software liegt darin, dass ein KI-System nicht deterministisch antwortet und deshalb dauerhaft beobachtet werden muss, nicht nur einmal abgenommen. Fachliche Tests Grundlage ist ein Satz echter

Wie lassen sich KI-Modelle sicher in der IT-Landschaft eines Versicherers betreiben? Wir zeigen, wie 9elf26.ai in der Cloud des Versicherers läuft, wie Daten geschützt werden und wie sich die Plattform über Schnittstellen in bestehende Kernsysteme integriert. Im Fokus stehen dabei auch DSGVO, DORA und die Anforderungen an einen nachvollziehbaren KI-Betrieb.

Indem sie die Datenaufbereitung übernimmt, die vor jeder Analyse steht. Bestands- und Schadendaten werden automatisiert ausgewertet, Prognosen und Reports erstellt – und zwar so, dass die Auswertung transparent und reproduzierbar bleibt, statt in gewachsenen Tabellen und manuellen Zwischenschritten zu verschwinden. Der aktuarielle Kern, also Methodenwahl und Beurteilung, bleibt beim Aktuar. Was entfällt, ist die Vorarbeit. Warum das Aktuariat ein eigenes Feld ist In Schaden,

Nein – jedenfalls nicht allein. Artikel 22 der Datenschutz-Grundverordnung gibt betroffenen Personen das Recht, nicht einer ausschließlich automatisierten Entscheidung unterworfen zu werden, die ihnen gegenüber rechtliche Wirkung entfaltet oder sie in ähnlicher Weise erheblich beeinträchtigt. Die Ablehnung eines Antrags und die Ablehnung einer Schadenleistung fallen regelmäßig darunter. Zulässig bleibt automatisierte Entscheidung nur in engen Ausnahmefällen und immer mit Schu

Automatisiert wird nicht die Entscheidung, sondern das Einsammeln. Ein KI-System liest die eingehende Schadenmeldung, erkennt das Anliegen, prüft gegen die für diesen Schadenfall erforderlichen Angaben, fordert die fehlenden selbstständig beim Kunden oder Vermittler an, legt den Vorgang auf Wiedervorlage und verfolgt ihn weiter, bis alles vorliegt. Erst dann übernimmt der Sachbearbeiter – mit einem vollständigen Fall und einer Zusammenfassung. Dieser Beitrag beschreibt die ei

Die Nachfragequote ist der Anteil der eingehenden Vorgänge, die nicht abschließend bearbeitet werden können, weil Angaben oder Unterlagen fehlen. Sie ist eine der aufschlussreichsten Kennzahlen der Sachbearbeitung – und eine der am seltensten gemessenen. Der Grund ist strukturell: Der Aufwand für das Nachfassen entsteht zwischen den Systemen und wird deshalb von keinem einzelnen System ausgewiesen. Dieser Beitrag definiert die Kennzahl, zeigt, wie man sie ohne Projekt ermitte

Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der KI-Verordnung. Für Versicherer heißt das konkret: Wo ein KI-System unmittelbar mit Kunden interagiert – etwa ein Chatbot im Kundenportal – muss erkennbar sein, dass die Person mit einer KI kommuniziert und nicht mit einem Menschen. Für eine automatisiert erzeugte Nachforderungs-E-Mail an einen einzelnen Versicherungsnehmer ist die Rechtslage dagegen weniger eindeutig, als viele Ratgeber derzeit behaupt

Neuer Skill der 9elf26.ai Plattform: Mit fraudify manipulierte Schadenfotos automatisch erkennen

Mit dem neuen Skill versdb integriert die 9elf26.ai Plattform Versicherungsrecht direkt in die Deckungsprüfung. Aktuelle Rechtsprechung, relevante Urteile und Versicherungsbedingungen stehen automatisch im Bearbeitungsprozess zur Verfügung.

Mit dem neuen Skill der 9elf26.ai Plattform bewerten Versicherer Klimarisiken und Naturgefahren objektgenau im Underwriting. Der Natur- und Klimareport der Datenservice+ GmbH steht automatisch direkt im Bearbeitungsprozess zur Verfügung und unterstützt fundierte Risikobewertungen.