Generative KI hat in den letzten Jahren in der Versicherungsbranche erstaunlich viel Aufmerksamkeit und Investitionen auf sich gezogen, und im Jahr 2025 wird agentische KI für zusätzliche Aufmerksamkeit und Begeisterung sorgen.
Offenbar eilt jede Branche, die GenAI-Technologie zu übernehmen, und die Versicherungsbranche bildet keine Ausnahme. Unternehmen mit GPT-Modellen – wie OpenAI, Amazon, Google, Microsoft, Meta, Anthropic und andere – investieren weiterhin stark in die Entwicklung und Verbesserung ihrer jeweiligen großen Sprachmodelle (LLMs). Diese Modelle zeigen den Versicherern, dass sie das Potenzial haben, die Versicherungsbranche zu revolutionieren, und beeinflussen bereits jetzt die Art und Weise, wie Versicherer Geschäfte machen, in erheblichem Maße.
Celent geht davon aus, dass die Geschwindigkeit des technologischen Fortschritts im Bereich GenAI (z. B. agentische KI, schnellere/effizientere Rechenleistung wie DeepSeek und Alibabas QwQ-32B) – in Verbindung mit dem Wettbewerbsdruck und der zunehmenden Reife von GenAI-Anwendungen durch wachsendes Vertrauen der Versicherer und regulatorische Klarheit – weiterhin die Investitionsbereitschaft der Versicherer anheizen wird.
> Webinar | Erfahren Sie, wie IDP die Modernisierung der Versicherungsbranche vorantreibt
Wo befinden wir uns jetzt?
Laut einer Celent-Umfrage unter nordamerikanischen Versicherern im März 2025 über den Einsatz von generativer KI in der Versicherungsbranche hören die Versicherer den Ruf: 44 % verfügen bereits über eine GenAI-basierte Lösung in der Produktion. Dies stellt einen Anstieg von 57 % im Vergleich zu denjenigen dar, die GenAI im Jahr 2024 in Produktion hatten. Darüber hinaus gaben weitere 38 % an, dass sie innerhalb des nächsten Jahres eine GenAI-Lösung in Produktion nehmen werden.
Wenn die prognostizierte Nutzung eintrifft, werden bis zum ersten Quartal 2026 etwa 80 % der US-Versicherungsunternehmen eine GenAI-basierte Lösung implementiert haben – eine beeindruckende Statistik. Die Einführung generativer KI erstreckt sich dabei über die gesamte Wertschöpfungskette der Versicherungsbranche, wobei der Schwerpunkt auf der internen Kundenerfahrung (d. h. auf den Mitarbeitern) liegt.
Darüber hinaus erobern sich die Bereiche Schadensregulierung und Risikoprüfung schnell die Spitzenposition, was höchstwahrscheinlich auf die enormen Effizienzgewinne zurückzuführen ist, die Versicherer bei der Dokumentenaufnahme und -zusammenfassung riesiger Datenmengen, insbesondere unstrukturierter Daten, in Anwendungsfällen der Schadensregulierung und Risikoprüfung erzielen.
Viele Versicherer nutzen auch Beziehungen zu Drittanbietern, um schnell das zu erhalten, was sie benötigen. Die gute Nachricht: Basierend auf unseren Erkenntnissen aus dem jüngsten Bericht von Celent „GenAI in Legacy Modernization“ passen Plattform- und Serviceanbieter ihre Plattformen und Dienste schnell an generative KI an und fügen in einem sehr kurzen Zeitrahmen eine Vielzahl neuer Funktionen hinzu.
Die Zukunft der agentenbasierten KI und das rasante Tempo des Wandels
Eine Sache, die Versicherer lernen, ist, dass die Inbetriebnahme der GPT-Modelle mit einem rasanten Tempo der Veränderungen einherging. Und hier kommt die agentische KI ins Spiel, die sich auf KI-Systeme bezieht, die autonom handeln, Entscheidungen treffen und Aufgaben basierend auf Datenanalysen ausführen können.
Agentische KI beginnt langsam, in der Versicherungsbranche an Bedeutung zu gewinnen, und wird schnell zum neuen Diskussionsthema für den nächsten Schritt in der Anwendung von KI.
Agentische KI birgt ein erhebliches zukünftiges Potenzial zur Transformation von Versicherungsabläufen in verschiedenen Funktionen. Dieser Schritt hin zu unabhängigeren KI-Agenten verspricht, die Arbeitsweise von Versicherungsunternehmen neu zu gestalten, was zu einer noch höheren Effizienz, verbesserten Kundenerfahrungen und einem optimierten Risikomanagement führen wird.
Bereits jetzt setzt ein kleiner Prozentsatz der Versicherer agentische KI-Lösungen in Pilotprojekten und Proof-of-Concepts ein, wobei einige wenige (4 %) in die Produktion übergehen. Wie in der jüngsten GenAI-Umfrage von Celent festgestellt wurde, gaben 22 % der Versicherer an, dass sie bis Ende 2026 eine agentenbasierte KI-Lösung in Produktion haben werden.
Das Potenzial für agentische KI in Versicherungsoperationen
Kundenservice
Virtuelle Assistenten, die komplexe Abfragen zu Policen bearbeiten, können rund um die Uhr hyper-personalisierten Support über mehrere Kanäle bieten und Kunden durch Prozesse wie das Onboarding oder die Einreichung von Schadensmeldungen führen. Agentische KI kann Versicherungsnehmer zudem proaktiv mit rechtzeitigen Erinnerungen und Vorschlägen zur Deckung ansprechen und so die allgemeine Kundenerfahrung verbessern.
Risikoprüfung
Agentische KI analysiert große Mengen an strukturierten und unstrukturierten Daten in Echtzeit, um genauere und dynamischere Risikoprofile zu erstellen. Dies ermöglicht eine personalisierte Preisgestaltung und Empfehlungen für Policen, wodurch falsch bewertete Risiken reduziert werden. Wie generative KI verschafft auch agentische KI den Risikoprüfern mehr Zeit, sich auf komplexe Fälle und endgültige Genehmigungen zu konzentrieren.
Schadenfallbearbeitung
Agentische KI hat das Potenzial, den gesamten Lebenszyklus der Schadensbearbeitung zu automatisieren – von der ersten Bewertung und Dokumentenprüfung bis hin zu Betrugserkennung und Auszahlungsempfehlungen. Sie wird die Bearbeitungszeiten erheblich verkürzen, dank der Verbesserung der betrieblichen Effizienz und Minimierung manueller Arbeitsschritte zu einer direkten Bearbeitung beitragen und durch eine schnellere Schadensregulierung die Kundenzufriedenheit verbessern.
Betrugserkennung und -prävention
Durch die kontinuierliche Analyse von Datenmustern und die Überwachung von Schadenmeldungen in Echtzeit auf Anomalien stärkt agentische KI die Betrugserkennung. Sie kann mit externen Datenbanken kooperieren, um die Authentizität von Schadensmeldungen zu validieren, und so helfen, Verluste durch betrügerische Aktivitäten zu verringern.
Klimarisiko- und ESG-Modellierung
Agentische KI kann Umweltdaten in Echtzeit analysieren, um die Risikomodellierung im Zusammenhang mit dem Klimawandel und anderen ESG-Faktoren zu verbessern.
Allgemeine betriebliche Effizienz
Agentische KI automatisiert routinemäßige Verwaltungsfunktionen wie Richtlinienaktualisierungen, Schadensgenehmigungen und Compliance-Berichte. Sie kann darüber hinaus die Mitarbeiterressourcen optimieren, Fehler reduzieren und die Kosten für Nacharbeit senken, was zu Einsparungen bei den Betriebskosten und einer verbesserten Rentabilität führt.
Bessere Einhaltung gesetzlicher Vorschriften
Agentische KI optimiert die Berichterstattung und trägt zur Einhaltung von Regeln bei.
Das folgende Diagramm ist die Antwort der Versicherer auf die Frage nach ihren Gedanken zu den zukünftigen Auswirkungen von agentischer KI auf die gesamte Wertschöpfungskette der Versicherungsbranche:
Mit neuer KI-Technologie kommen neue Herausforderungen
Trotz des immensen Potenzials müssen mehrere Herausforderungen bewältigt werden, um generative KI und agentische KI erfolgreich in der Versicherungsbranche zu implementieren.
Einhaltung gesetzlicher Vorschriften und Erklärbarkeit
Versicherer müssen Transparenz bei der KI-Entscheidungsfindung gewährleisten, um regulatorische Standards zu erfüllen und diskriminierende Praktiken zu verhindern. Der „Black-Box“-Charakter vieler LLMs erschwert es, ihre Entscheidungsprozesse zu erklären.
Bewältigung der Herausforderung:
- Priorisieren Sie Transparenz und Erklärbarkeit in KI-Modellen, indem Sie sich nach Möglichkeit für interpretierbare KI-Techniken entscheiden.
- Implementieren Sie starke KI-Governance-Frameworks, die regelmäßige Audits auf Voreingenommenheit und Fairness umfassen.
- Führen Sie detaillierte Aufzeichnungen über die verwendeten Daten, die Modellentwicklung und die Entscheidungsprozesse für regulatorische Überprüfungen, auch wenn dies derzeit nicht erforderlich ist.
- Treten Sie mit Regulierungsgruppen in Kontakt, um die sich entwickelnden Anforderungen an KI im Versicherungswesen zu verstehen.
Voreingenommenheit und ethische Überlegungen
Jedes LLM kann die in den Daten, mit denen es trainiert wurde, vorhandenen Vorurteile reproduzieren, was zu unfairen oder diskriminierenden Ergebnissen führen kann. Versicherer sind verpflichtet, Fairness zu gewährleisten und ethische Überlegungen zu berücksichtigen.
Bewältigung der Herausforderung:
- Legen Sie klare ethische Richtlinien und Prinzipien für KI fest. Diese Grundsätze sollten die Werte und gesetzlichen Anforderungen der Organisation widerspiegeln.
- Bieten Sie umfangreiche Schulungen an, um sicherzustellen, dass GenAI effektiv schlussfolgern und zuverlässige Ausgaben liefern kann.
- Kuratieren und prüfen Sie Trainingsdaten auf mögliche Verzerrungen.
- Verwenden Sie während der Modellentwicklung Techniken zur Erkennung und Minderung von Verzerrungen.
- Überwachen Sie kontinuierlich KI-Systeme auf diskriminierende Muster und kalibrieren Sie die Modelle bei Bedarf neu.
Integration bestehender Systeme
Die Integration neuer KI-Systeme in bestehende Systeminfrastruktur kann komplex und kostspielig sein.
Bewältigung der Herausforderung:
- Verfolgen Sie einen schrittweisen Ansatz für die Integration, indem Sie Schlüsselbereiche für die Implementierung von KI priorisieren.
- Nutzen Sie APIs und Middleware, um bestehende Systeme mit neuen KI-Plattformen zu verbinden.
- Erwägen Sie cloudbasierte Lösungen für mehr Flexibilität und Skalierbarkeit.
Bedenken hinsichtlich der Verdrängung von Arbeitsplätzen
Prozessautomatisierung, die durch irgendeine Form von KI angetrieben wird, kann bei der Belegschaft Bedenken hinsichtlich der Verdrängung von Arbeitsplätzen hervorrufen.
Bewältigung der Herausforderung:
- Erstellen Sie einen Kommunikationsplan für alle Aspekte der KI.
- Investieren Sie in die Schulung und Weiterbildung der bestehenden Mitarbeitenden.
- Erstellen Sie eine KI-Universität und/oder ein KI-Zertifizierungsprogramm.
- Kooperieren Sie mit externen KI-Anbietern und Beratern, um interne Fähigkeiten zu entwickeln oder Qualifikationslücken zu überbrücken.
Hohe anfängliche Implementierungskosten
Investitionen in die erforderlichen Technologien, Fachkräfte und Infrastrukturen für generative KI und agentische KI können mit erheblichen Vorabkosten verbunden sein.
Bewältigung der Herausforderung:
- Nutzen Sie Cloud-Plattformen, um auf skalierbare und kostengünstige Rechenressourcen zuzugreifen.
- Optimieren Sie KI-Modelle für eine optimale Leistung.
- Investieren Sie in die notwendige IT-Infrastruktur und das erforderliche Fachwissen, um KI-Bereitstellungen zu unterstützen.
Potenzial für unbeabsichtigte Folgen
Da KI-Agenten mit zunehmender Autonomie arbeiten, besteht das Risiko unbeabsichtigter Handlungen oder Ergebnisse, die sich negativ auf die Kunden oder das Unternehmen auswirken könnten.
Bewältigung der Herausforderung:
- KI-Agenten sollten umfangreichen Tests in simulierten Umgebungen unterzogen werden, die reale Szenarien nachbilden, einschließlich Randfällen und potenzieller Ausfallmodi.
- Verwenden Sie formale Methoden, um die Korrektheit und Sicherheitseigenschaften von KI-Agentenkomponenten zu verifizieren.
- Entwickeln Sie Agenten mit modularen Komponenten und legen Sie Wert auf Interpretierbarkeit (Verständnis, warum ein Agent eine bestimmte Entscheidung getroffen hat), um die Fehlersuche, Überwachung und das Verständnis potenzieller Fehlerquellen zu vereinfachen.
- Entwerfen Sie Agenten mit nur den notwendigen Berechtigungen und Zugriff auf Daten und Systeme, die für ihre spezifischen Aufgaben erforderlich sind.
KI-Agenten sollten umfangreichen Tests in simulierten Umgebungen unterzogen werden, die reale Szenarien nachbilden, einschließlich Randfällen und potenzieller Ausfallmodi.
Die zukünftige Landschaft
Die Zukunft der agentischen KI in der Versicherungsbranche wird wahrscheinlich einen hochintegrierten Ansatz beinhalten, bei dem die Stärken der KI mit dem Fachwissen der Mitarbeitenden kombiniert werden. Autonome KI-Agenten werden Routineaufgaben übernehmen und datengestützte Erkenntnisse bereitstellen.
Sobald die Effizienzsteigerungen realisiert sind, werden sich die Mitarbeitenden stärker auf komplexe Entscheidungsfindung, Ausnahmebehandlung und strategische Initiativen konzentrieren. Die Entwicklung benutzerfreundlicher No-Code-Schnittstellen wird auch eine breitere Akzeptanz in verschiedenen Versicherungsteams ermöglichen.
Mit der Reifung der agentischen KI-Technologie und der Bewältigung von Herausforderungen wird agentische KI zu einer Schlüsselkomponente der Lösungslandschaft der Versicherungsbranche, die Innovationen vorantreibt und erheblichen Mehrwert liefert.
Über den Autor
Keith Raymond ist ein leitender Analyst in der nordamerikanischen Versicherungspraxis von Celent. Er verfügt über umfangreiche Branchenerfahrung und ist ein erfahrener Experte für KI, generative KI, Prozessautomatisierung, Geschäftstransformation und Betriebsabläufe in den Bereichen Sach- und Unfallversicherung sowie Lebens-, Kranken- und Rentenversicherungen. Keiths Forschung konzentriert sich auf die Prozessautomatisierung in der gesamten Wertschöpfungskette der Versicherungsbranche und er ist der Autor einer Celent-Berichtsreihe über die Auswirkungen generativer KI auf den Versicherungsbetrieb. Er hält regelmäßig Vorträge auf großen Technologiekonferenzen der Versicherungsbranche, wie Insurtech Connect, Insurtech Insights und Insurance Innovators. Keith leitet außerdem ein GenAI-Bootcamp für nordamerikanische Versicherer und das jährliche GenAI-Symposium von Celent.
