Shift Technology hat kürzlich ein Webinar zum Einfluss agentischer KI auf die Versicherungsbranche veranstaltet. Moderiert wurde die Veranstaltung von Patrice Amann, EMEA Regional Business Lead – WW Financial Services bei Microsoft; im Panel diskutierten Robert Malan (Associate Partner, QuantumBlack, AI by McKinsey), Eric Sibony (Mitgründer und CSO, Shift Technology) und Grady Behrens (Product Marketing Lead, Shift Technology). Der folgende Artikel fasst die wichtigsten im englischen Austausch behandelten Themen zusammen.
Generative KI sorgte für Schlagzeilen – aber es war nur der Anfang. Agentische KI ermöglicht inzwischen eine greifbare Transformation der Schadenprozesse und liefert messbaren Mehrwert. Während generative KI bei Einzelaufgaben — etwa Datenerfassung, Dokumentenkategorisierung oder Conversational Agents — brilliert, gehen agentenbasierte Systeme deutlich weiter. KI‑Agenten können mehrstufig denken, mit strukturierten und unstrukturierten Daten arbeiten und eigenständig komplexe Workflows der Schadenbearbeitung ausführen. Für Versicherer bedeutet das nicht nur die Automatisierung vieler zeit‑ und ressourcenintensiver Tätigkeiten, sondern auch Unterstützung für Sachbearbeiter bei anspruchsvollen Entscheidungen.
Was agentische KI leisten kann
Agentische KI stellt die jüngste Weiterentwicklung der Large Language Models (LLMs) dar und nutzt besonders deren Fähigkeit zu Schlussfolgerungen, Workflow‑Orchestrierung und Aktionsauslösung. Im Kontext der Schadenautomatisierung kann sie das Verhalten erfahrener Sachbearbeiter aus historischen Ergebnissen nachbilden, mehrstufige Prozesse orchestrieren — Interpretation → Kontextualisierung → Entscheidungen → Aktionen — und mit Systemen des Versicherers sowie seiner Dienstleister interagieren. So lassen sich Prozesse und Teilprozesse von der Schadenmeldung bis zur Auszahlung vollständig automatisieren. Wichtig ist dabei, dass Agenten bei Bedarf an einen menschlichen Bearbeiter eskalieren und gleichzeitig die Informationen und Empfehlungen liefern, die für optimale Entscheidungen erforderlich sind.
Warum das relevant ist
KI — und speziell KI für Versicherungen — ist nicht universell einsetzbar. Predictive KI hat die Erkennung von Anomalien in großen Datenmengen möglich gemacht und eignet sich daher hervorragend zur Betrugserkennung. Generative KI hat leistungsfähige Möglichkeiten zur Analyse und Zusammenfassung unstrukturierter Daten eröffnet. Agentische Systeme zeichnen sich jedoch dadurch aus, dass sie mehrstufige Handlungen ausführen und Workflows orchestrieren können. In Umfang und Reichweite erlaubt agentische KI die End‑to‑End‑Automatisierung komplexer Fälle, die zuvor menschliches Urteilsvermögen erforderten, und reduziert so den Aufwand bei den schwierigsten Teilen der Schadenbearbeitung, ohne die notwendige Aufsicht auszuhebeln.
Konkrete Ergebnisse
Erste produktive Einsätze zeigen bereits messbare Vorteile. In bestimmten Workflows haben sich Durchlaufzeiten von Wochen auf Minuten reduziert. In einigen Implementierungen wurden Automatisierungsquoten von über 50 % erreicht.
Neben der reinen Automatisierungsgenauigkeit unterstützen KI‑Agenten Sachbearbeiter direkt: Sie klassifizieren, priorisieren und schlagen die besten nächsten Schritte vor, um Schadenaufwände zu senken und die Kundenzufriedenheit zu maximieren. Erste Anwender berichten von einer Reduktion der Schadenaufwendungen um rund 3 % sowie einer Effizienzsteigerung von 30 % in der Schadenbearbeitung.
Einige wichtige Empfehlungen :
Einbindung des Menschen
Technologie allein reicht nicht. Agentische KI funktioniert am besten, wenn sie in ein passendes Betriebsmodell eingebettet ist. Vor jedem Rollout sollte implizites Expertenwissen in Workshops erfasst werden, um fachspezifische Regeln und Prozesse einzubeziehen. Versicherer benötigen interdisziplinäre Teams, die Agenten gemeinsam mit den Endanwendern entwickeln — Projekte dürfen nicht als reine „Laborexperimente“ behandelt werden. Ebenfalls entscheidend ist die Datenqualität: Agenten benötigen verlässliche, in Echtzeit verfügbare Eingaben, um relevante Entscheidungen treffen zu können. Häufig ist der erste Schritt zur Einführung eines Agenten die Modernisierung von Datenflüssen und Governance.
Governance — Vertrauen durch Design
Agenten können durchaus von den Vorgaben abweichen, weshalb eine pragmatische Steuerung erforderlich ist. Legen Sie konfigurierbare Kontrollpunkte und Schwellenwerte für menschliche Eingriffe fest, bewahren Sie die Nachvollziehbarkeit von Entscheidungen und führen Sie Pre-/Post‑Audits durch, die sich auf verwendete Datenpunkte und Regeln konzentrieren. Implementieren Sie kontinuierliches Monitoring und erneute Modelltrainings, um Abweichungen und kostspielige Halluzinationen zu verhindern. Kurz: Behandeln Sie Agenten wie Mitarbeitende, die Überprüfung und kontinuierliche Verbesserung brauchen.
Nachvollziehbare KPIs
Fokussieren Sie sich auf Kennzahlen, die den Geschäftswert abbilden: Genauigkeit (z. B. bei Dokumentenextraktion, Haftungsbewertung), Automatisierungsrate und Durchlaufzeit (etwa die Reduktion von Wochen auf Minuten). Messen Sie zudem operationelle Auswirkungen wie Einarbeitungszeit neuer Mitarbeiter oder Reaktionsfähigkeit bei Großschadenereignissen, um den breiteren Nutzen der agentischen Automatisierung zu quantifizieren.
Praktische Roadmap für den Einsatz
Starten Sie mit Pilotprojekten, die komplexe, wertstiftende Prozesse adressieren, statt mit trivialen Aufgaben. Extrahieren und strukturieren Sie historische Datensätze und integrieren Sie die Urteile von Experten, um Trainingsdatensätze zu erstellen, die reale Entscheidungen widerspiegeln. Bauen Sie eine funktionsübergreifende „Fabrik” für die Bereitstellung auf, um Agenten zu entwickeln, zu testen, einzusetzen und zu überwachen. Definieren Sie KPIs und Schutzmechanismen von Anfang an, beginnen Sie vorsichtig mit menschlichen Review und erhöhen Sie schrittweise den Grad der Autonomie, sobald die Zuverlässigkeit nachgewiesen ist. Iteration ist zentral: Agenten benötigen fortlaufende Überwachung, erneutes Modelltraining und Governance, um wirksam zu bleiben.
Fazit
Agentische KI ersetzt nicht das menschliche Urteilsvermögen – sie definiert dessen Anwendung neu. Sachbearbeiter werden sich von der manuellen Bearbeitung hin zur Überprüfung, Bearbeitung von Sonderfällen und Entscheidungen mit höherem Mehrwert verlagern. Versicherer müssen ihre Abläufe überdenken, damit Menschen und Agenten als Team zusammenarbeiten können: Agenten für Skalierbarkeit und Regelmäßigkeit, Menschen für Urteilsvermögen, Empathie und Governance.
Mehr Informationen zur agentischen KI‑Lösung von Shift Technology finden Sie in unserer Pressemitteilung zu Shift Claims.
