Versicherer skalieren KI nur so schnell wie ihre Organisation

Immer mehr Versicherer haben KI-Anwendungen erfolgreich pilotiert. Der Sprung in den breiten, produktiven Einsatz gelingt jedoch nur wenigen. Welche strategischen, technischen und organisatorischen Voraussetzungen dafür nötig sind, stand im Mittelpunkt des Topic Day „Scaling AI: Von Pilot zu Performance" des InsurLab Germany, den die Brancheninitiative am 9. Juli 2026 gemeinsam mit ihrem Mitglied und Gastgeber SAS in Heidelberg ausrichtete.

Die Zahl produktiver KI-Anwendungen in der Versicherungswirtschaft wächst spürbar, in Kundenservice, Vertrieb, Underwriting, Schadenbearbeitung und Pricing. Zugleich zeigt sich ein Muster: Der GDV beziffert den Anteil KI-relevanter Berufsprofile in der deutschen Versicherungsbranche innerhalb eines Jahres auf einen Sprung von rund fünf auf einundzwanzig Prozent. Skalierung ist damit längst keine reine IT-Frage mehr, sondern verändert, wer im Unternehmen was tut.

Die Technik liefert längst Beweise

Dass es nicht an der Reife der Technologie liegt, zeigen die Ergebnisse einzelner Häuser bereits heute. Bei der RheinLand Versicherungsgruppe werden mittlerweile über 60 Prozent der bearbeiteten Neuschäden automatisiert angelegt. Ein deutscher VVaG hat gemeinsam mit inca die Bearbeitungszeit von zuvor zwei bis vier Tagen auf rund 24 Stunden gesenkt. SAS beziffert die Effizienzsteigerung bei der Erstellung komplexer Pricing-Modelle auf 25 Prozent. Diese Ergebnisse sind kein Zufall einzelner Pilotprojekte, sondern belegen, dass produktionsreife KI in der Versicherungswirtschaft längst angekommen ist. Die eigentliche Herausforderung liegt woanders.

Das bringt eine Priorisierungsaufgabe mit sich, die viele Häuser unterschätzen. Nicht jede pilotierte Anwendung verdient einen Ausbau. Entscheidend ist, welchen Beitrag ein Vorhaben zu Produktivität, Servicequalität oder besseren Entscheidungen leistet und ob die organisatorischen Voraussetzungen für einen Regelbetrieb überhaupt vorhanden sind. Dieser Beitrag sollte von Beginn an mit klaren Kennzahlen hinterlegt und im laufenden Betrieb überprüft werden. Wo diese Bewertung fehlt, entstehen Portfolios aus Einzellösungen, die sich gegenseitig blockieren, statt sich zu verstärken.

Die Systemfrage kommt vor der Skalierungsfrage

Viele KI-Anwendungen sind dezentral in einzelnen Fachbereichen entstanden, mit gutem Grund: Nähe zum Problem beschleunigt die Entwicklung. Mit jeder weiteren produktiven Lösung wächst jedoch die Zahl unterschiedlicher Schnittstellen, isolierter Datenzugänge und individueller Freigabeverfahren. Was im Piloten kaum auffällt, wird beim zehnten oder zwanzigsten System zum eigentlichen Kostentreiber. Tragfähig wird Skalierung erst, wenn eine zentrale Einheit Plattformen, Methoden und Leitplanken bereitstellt, während die Fachbereiche ihr Prozesswissen und die fachliche Verantwortung behalten. Diese Aufgabenteilung reicht bis in Vertriebsstrukturen hinein, etwa in die Frage, welche Rolle Makler künftig in einer stärker KI-gestützten Kundenbeziehung spielen.

Governance wird zur Dauerfunktion

Mit Agentic AI verändert sich das Risikoprofil noch einmal. Systeme beschaffen zunehmend selbstständig Informationen, nutzen Werkzeuge und koordinieren Prozessschritte über mehrere Systeme hinweg. Damit nehmen sie direkten Einfluss auf operative Entscheidungen. Wer auf welche Daten zugreifen darf, welche Handlungen zulässig sind und wann eine menschliche Freigabe zwingend ist, lässt sich nicht mehr einmalig festlegen und dann abhaken. Versicherer, die hier bereits weiter sind, haben Governance stattdessen als fortlaufende Funktion im Betriebsmodell verankert, mit standardisierten Testverfahren und klar zugeordneten Verantwortlichkeiten, nach dem Vorbild von GRC-Strukturen, wie sie etwa im Bankensektor bereits erprobt sind.

Der eigentliche Engpass sitzt in der Organisation

Als größte Bremse für AI at Scale gilt in der Praxis inzwischen seltener die Technologie, häufiger fehlende Plattform- und Datenhoheit – ein Organisationsproblem, kein technisches. Wie groß die Lücke zwischen Führungswahrnehmung und Praxis dabei ausfallen kann, zeigt eine aktuelle Studie von Eraneos unter 658 Fachkräften und Führungspersonen: 68 Prozent der C-Level-Führungskräfte gehen davon aus, dass ihre Mitarbeitenden der KI vertrauen, doch nur 21 Prozent der Fachkräfte bestätigen das für sich selbst. Die Folge zeigt sich im Arbeitsalltag: Über alle Befragten hinweg verwerfen 74 Prozent mindestens 40 Prozent der KI-Empfehlungen, unter Fachkräften sind es sogar 83 Prozent, unter C-Level-Führungskräften 60 Prozent. Mit klarer Guidance sinkt der Gesamtanteil auf 54 Prozent. Häufig verworfene Empfehlungen führen zu zusätzlichen Prüfungen und manuellen Eingriffen und begrenzen damit die Skalierungswirkung.

Fachbereiche, IT, Datenorganisation, Risikomanagement und Compliance müssen deshalb enger zusammenarbeiten, weil ihre Entscheidungen direkt ineinandergreifen. Gleichzeitig verschieben sich Aufgabenprofile: Routinetätigkeiten wandern zur KI, während fachliche Beurteilung und der Umgang mit komplexen Ausnahmefällen an Gewicht gewinnen. Diese Zielkonflikte lassen sich nicht auflösen, nur gestalten: Zwischen mehr Automatisierung und dem Erhalt von Kontrollkompetenz, zwischen zentralen Standards und dem Freiraum, den fachliche Innovation braucht.

Wie unterschiedlich Versicherer und weitere Akteure aus dem Ökosystem diese Fragen derzeit beantworten, zeigten unter anderem Beiträge von ARAG, W&W, R+V, RheinLand Versicherungen, AXA, HUK-COBURG, ÖRAG, AOK Plus, Provinzial, Versicherungskammer Bayern, Wertgarantie und GVV Versicherungen sowie von SAS, Schwarz Digits, EPAM, adesso, Arvato Systems, muffintech, inca, Eraneos und Fraport beim InsurLab-Topic-Day „Scaling AI: Von Pilot zu Performance" in Heidelberg. Die Veranstaltung knüpfte damit inhaltlich an den 2026 erschienenen InsurLab-Sammelband „Scaling AI: Von Pilot zu Performance" an, dessen Kernthesen in einem Webinar am 7. August vertieft werden.

Ein Gastbeitrag von InsurLab Germany.