top of page

Michael Kraus

Geschäftsführer 9elf26.ai

Michael Kraus begleitet Versicherungsunternehmen bei der Einführung von KI-Lösungen und der Digitalisierung von Prozessen. Sein Fokus liegt auf praxisnahen Anwendungen und nachhaltiger Transformation.

Was sind typische Fehler bei der KI-Einführung in Versicherungen?

  • Autorenbild: Michael Kraus
    Michael Kraus
  • 28. Aug.
  • 2 Min. Lesezeit

Fünf Fehler erklären die meisten gescheiterten Vorhaben: zu große Projekte, fehlende klare Ziele, kein Prozessverantwortlicher, keine Teststrategie und unklare Datenqualität. Keiner davon ist technischer Natur – und das ist die eigentliche Nachricht. KI-Vorhaben scheitern in der Versicherung fast nie am Modell.


Zu große Projekte

Der häufigste Fehler ist der Zuschnitt. Wer alle Schadenarten und alle Eingangskanäle gleichzeitig anfassen will, verbringt Monate mit Abstimmung und hat nach zwei Quartalen kein Ergebnis, das jemandem gehört. Ein Prozess, eine Fallgruppe, ein Kanal – und ein messbarer Erfolg, der eine Erweiterung rechtfertigt.


Fehlende Ziele und fehlender Ausgangswert

„Effizienter werden" ist kein Ziel. Ein Ziel ist eine Zahl mit einem Vorher. Wer den Ausgangswert nicht erhoben hat – Anteil nicht bearbeitbarer Eingänge, Rückfragen pro Vorgang, Zeit bis zur Bearbeitbarkeit –, kann später keine Verbesserung belegen und wird die Diskussion über den Nutzen verlieren, selbst wenn der Nutzen eingetreten ist.


Kein Prozessverantwortlicher

Ein Vorhaben ohne benannte Person aus dem Fachbereich, die über Regeln, Kataloge und Textvorlagen entscheidet, bleibt in Abstimmungen hängen. Die IT kann diese Rolle nicht übernehmen, weil die Fragen fachlich sind: Was ist erforderlich, wann wird erinnert, was passiert bei Nichtreaktion.


Keine Teststrategie

Ohne einen Satz bekannter Fälle und definierte Abnahmekriterien wird über Eindrücke diskutiert statt über Ergebnisse. Die Teststrategie sollte vor dem ersten Ergebnis festliegen, nicht danach – sonst wird sie unbewusst an das gemessen, was das System zufällig gut kann.


Unklare Datenqualität

Nicht jede Lücke ist ein Datenqualitätsproblem, aber unklare Zuständigkeit für Stammdaten und Bedingungswerke ist eines. Es lohnt, vorher zu klären, welche Quelle im Zweifel gilt.


Und der Fehler, der in keiner Liste steht

Die Belegschaft nicht mitzunehmen. Wenn Sachbearbeiter erfahren, dass eine KI künftig ihre Kunden anschreibt, ist die erste Frage: Was schreibt sie, und wer sieht das vorher? Diese Frage früh und konkret zu beantworten – mit eigenen Textvorlagen, eigenen Fristen und protokollierten Nachfragen – kostet ein Gespräch und entscheidet über Mitarbeit oder Zurückhaltung.

 
 

Ähnliche Beiträge

Alle ansehen
Wie schnell rechnet sich KI in der Versicherung?

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 Potenzial

 
 
bottom of page