Das Schadenmanagement zu automatisieren ist möglich, rentabel und mit dem europäischen Rechtsrahmen vereinbar — vorausgesetzt, man konzentriert sich nicht ausschließlich auf die operative Effizienz. Versicherer, denen diese Transformation gelingt, arbeiten gleichzeitig an drei Dimensionen: dem regulatorischen Rahmen (AI Act und DSGVO), dem Verhaltensdesign der Kundenprozesse und der Transformation der Berufsbilder. Wer auch nur eine dieser Dimensionen vernachlässigt, erzielt enttäuschende Ergebnisse — unabhängig von der eingesetzten Technologie.
Die Zahlen sprechen für sich: Laut Insurance Nexus halten nur 22 % der Versicherer ihre Schadenmanagementprozesse für erstklassig. Und laut Bain & Company betrachten 87 % der Versicherungsnehmer ihre Schadenerfahrung als entscheidend für ihre Loyalität. In einem Markt, in dem die Gewinnung eines neuen Kunden fünfmal teurer ist als die Bindung eines bestehenden, ist eine schlechte Automatisierung riskanter als gar keine Automatisierung.
Dieser Artikel beleuchtet die drei entscheidenden Dimensionen und zeigt, wie erfolgreiche Organisationen aufgehört haben zu fragen „wie automatisieren wir mehr?“ und stattdessen fragen „wie automatisieren wir besser?“
Zwei Versicherer setzen dieselbe KI ein, um ihr Schadenmanagement zu automatisieren. Gleicher Algorithmus, gleiches Budget, gleiche Ambition. Sechs Monate später verzeichnet der erste eine Akzeptanzrate von 20 % bei sinkender Kundenzufriedenheit. Der zweite erreicht 60 % Akzeptanz mit steigendem NPS.
Was hat sich verändert? Nicht die Technologie. Das Prozessdesign.
Versicherer A präsentiert seinen Service folgendermaßen: „Sie haben einen Kfz-Schaden erlitten. Möchten Sie von unserem Chatbot unterstützt werden, um Ihre Schadenbearbeitung zu beschleunigen? [Ja] [Nein, ich spreche lieber mit einem Berater]“
Versicherer B präsentiert denselben Service anders: „Ihr digitaler Assistent bearbeitet Ihre Anfrage sofort. Sie können jederzeit mit einem Berater sprechen, indem Sie hier klicken.“
Gleiche Technologie. Grundlegend unterschiedliche Ergebnisse. Dieses Beispiel verdeutlicht genau, warum Automatisierung zunächst eine Frage des Designs und erst in zweiter Linie eine Frage der Technologie ist.
Viele Organisationen zögern bei der Automatisierung aus Angst vor Sanktionen. Diese Angst ist berechtigt, sollte aber nicht lähmen. Der europäische Rahmen ist streng und praktikabel zugleich.
Die europäische KI-Verordnung, die am 1. August 2024 in Kraft getreten ist, klassifiziert KI-Systeme nach ihrem Risikoniveau. Für die Versicherungsbranche ist die Lage klar: Risikobewertung und Tarifierung in der Lebens- und Krankenversicherung gelten als Hochrisikosysteme. Diese Klassifizierung verpflichtet zu drei Maßnahmen: vollständige Transparenz über die Funktionsweise des Algorithmus, Nachvollziehbarkeit jeder Entscheidung und eine Grundrechte-Folgenabschätzung.
Die Sanktionen bei Verstößen? Bis zu 30 Millionen Euro oder 6 % des weltweiten Jahresumsatzes, je nachdem, welcher Betrag höher ist.
Die laufende Schadenbearbeitung wird jedoch nicht automatisch als „hohes Risiko“ eingestuft. Ein automatisch bearbeiteter Glasbruchschaden mit Widerspruchsmöglichkeit? Zulässig. Eine vollautomatische Deckungsablehnung ohne Möglichkeit menschlicher Intervention? Problematisch.
Seit 2018 legt die DSGVO in Artikel 22 einen Grundsatz fest: Jede Person hat das Recht, nicht einer ausschließlich auf einer automatisierten Verarbeitung beruhenden Entscheidung unterworfen zu werden, die rechtlich erhebliche Wirkungen entfaltet, ohne dass eine menschliche Eingriffsmöglichkeit besteht. Drei Ausnahmen existieren: ausdrückliche Einwilligung, vertragliche Notwendigkeit oder gesetzliche Ermächtigung. In allen Fällen muss der Versicherungsnehmer eine Erklärung der Entscheidung erhalten, sie anfechten und eine menschliche Überprüfung beantragen können.
Die im Markt entstehende Lösung ist einfach zu beschreiben, aber anspruchsvoller in der Umsetzung: Vorgänge nach ihrer Komplexität und Tragweite segmentieren und dabei das Prinzip Human-in-the-loop anwenden — die menschliche Aufsicht im Entscheidungsprozess.
| Volumenanteil | Schadentypen | Bearbeitungsmodus |
|---|---|---|
| 70 bis 80 % | Glasbruch, Standard-Pannenhilfe, routinemäßige Informationsanfragen (in der Regel unter 500 €) | Überwachte Automatisierung: KI bearbeitet vollständig, ein Algorithmus überwacht Anomalien und eskaliert fragwürdige Fälle an einen Menschen. |
| 15 bis 20 % | Schäden mit geteilter Haftung, hohe Beträge, ungewöhnliche Umstände | KI-Mensch-Zusammenarbeit: KI erfasst, analysiert und schlägt vor. Die endgültige Entscheidung liegt beim Schadenregulierer. |
| 5 bis 10 % | Vulnerabilitätssituationen, streitige Auseinandersetzungen, schwere Schäden mit Körperverletzung | Ausschließliche menschliche Intervention: Empathie und differenziertes Urteilsvermögen vom ersten Kontakt an. |
Diese Architektur ist nicht nur eine regulatorische Auflage. Sie ist auch eine Qualitätsgarantie: Komplexe Vorgänge verdienen einen menschlichen Blick, einfache Vorgänge verdienen eine sofortige Bearbeitung.
Drei unbedingt einzuhaltende Regeln:
Das Wichtigste auf einen Blick
Der AI Act und die DSGVO blockieren die Automatisierung nicht: Sie setzen die Bedingungen. Vor der Implementierung einer Lösung drei Fragen stellen: Hat diese Entscheidung erhebliche rechtliche Auswirkungen? Kann der Versicherungsnehmer die Entscheidung anfechten? Ist die Entscheidung in verständlicher Sprache erklärbar? Wenn alle drei Antworten „ja“ lauten, ist das Projekt auf dem richtigen Weg. Wenn eine „nein“ lautet, muss dieses Risiko vor der Implementierung behoben werden, nicht danach.
Die rechtliche Konformität legt den Rahmen fest. Aber zwischen dem, was erlaubt ist, und dem, was tatsächlich funktioniert, liegt eine Welt, die uns die Verhaltensökonomie verstehen hilft. Zurück zum Beispiel der zwei Versicherer: Der Ergebnisunterschied kommt nicht von der Technologie. Er kommt vom Standardeffekt.
Eine Meta-Analyse der Verhaltensökonomie (Johnson & Goldstein, 2003) zeigt, dass Personen eine um 27 % höhere Wahrscheinlichkeit haben, die als Standard präsentierte Option zu wählen — auch wenn sie frei sind, dies zu ändern. In einem Stressmoment wie einem Schadenfall vereinfacht die Präsentation der schnellsten Option als natürlichen Weg die Entscheidung. Der Versicherungsnehmer behält stets die Kontrolle, ist aber nicht mehr durch Unentschlossenheit gelähmt.
Und hier liegt das Paradox: Nutzer in der Opt-out-Position (wie Versicherer B) fühlen sich autonomer als jene in der Opt-in-Position (wie Versicherer A). Weil sie ihre Wahl nicht von Beginn an rechtfertigen mussten. Sie haben sich einfach vorwärtsbewegt und wissen, dass sie jederzeit aussteigen können.
Regel 1: Automatisierung als natürlichen Weg präsentieren, nicht als zu rechtfertigende Option
❌ „Möchten Sie unseren automatischen Assistenten nutzen oder sprechen Sie lieber mit einem Berater?“
✅ „Ihre Anfrage wird bearbeitet. Sie können jederzeit mit einem Berater sprechen.“
Der Unterschied? Die erste Formulierung erzwingt eine Wahl. Die zweite bietet Sicherheit.
Regel 2: Den Ausstieg einfach und sichtbar machen, nicht beschämend
Die Schaltfläche „Mit einem Berater sprechen“ muss stets sichtbar, positiv formuliert und ohne Reibung zugänglich sein — keine Begründung erforderlich. Eine Forrester-Studie zeigt, dass Nutzer 2,5-mal eher ein automatisiertes System nutzen, wenn sie klar sehen, wie sie es verlassen können.
Regel 3: Erklären, ohne zu überwältigen
Der Versicherungsnehmer möchte keine Vorlesung über KI. Er möchte drei Dinge wissen: Was passiert gerade, wie lange dauert es und wie kann er aussteigen, wenn nötig.
❌ „Unser künstliches Intelligenzsystem analysiert Ihre Akte mit Machine-Learning-Algorithmen, die den DSGVO-Normen entsprechen…“
✅ „Wir analysieren Ihre Akte. Antwort in 2 Minuten. Sie können hier mit einem Berater sprechen.“
Regel 4: Erkennen, wann ein Mensch notwendig ist
Hier greift das Moravec-Paradox: Was für den Menschen schwierig ist, ist für die KI einfach — und umgekehrt. Dieses 1988 vom Forscher Hans Moravec formulierte Prinzip gilt unmittelbar für die Versicherungsbranche.
| KI ist hervorragend in | Menschen sind hervorragend in |
|---|---|
| 10.000 Rechnungen in 30 Sekunden verarbeiten | Verstehen, dass eine allein lebende ältere Person vor jedem Verfahren beruhigt werden muss |
| Widersprüche in einer Schadenmeldung erkennen | Erkennen, dass ein Kunde mit Behinderung ein angepasstes Kommunikationsformat benötigt |
| Potenzielle Betrugsmuster identifizieren (628 Mio. € entdeckt 2024, +35 % ggü. 2023, laut AGIRA) | Einen Grenzfall lösen, bei dem zwei Vertragsgrundsätze in Konflikt geraten |
| Einen Entschädigungsbetrag auf Basis von 50.000 ähnlichen Fällen vorschlagen | Eine Familie nach einem schweren Schaden mit Empathie begleiten |
Das Problem vieler Automatisierungen? Sie kehren diese Logik um. Sie leiten technisch einfache Fälle an die KI weiter, ohne zu fragen, ob diese Fälle auch im menschlichen Sinne einfach sind. Ein Glasbruchschaden ist technisch einfach und emotional neutral: ideal für die Automatisierung. Ein Kfz-Unfall mit leichter Verletzung ist ebenfalls technisch einfach, aber emotional aufgeladen. Eine Person unter Schock nach einem Unfall ist möglicherweise nicht bereit, mit einem Chatbot zu interagieren, und sei er noch so leistungsfähig.
Erfolgreiche Organisationen fragen nicht „können wir diesen Fall automatisieren?“ sondern „verdient dieser Fall von Anfang an eine menschliche Intervention?“ Sie kreuzen zwei Kriterien: die technische Komplexität und die emotionale Belastung des Schadens.
| Geringe emotionale Belastung | Hohe emotionale Belastung | |
|---|---|---|
| Geringe technische Komplexität | Vollständige Automatisierung Bsp.: Glasbruchschaden |
Automatisierung mit sehr sichtbarem Ausstieg Bsp.: Kfz-Unfall ohne Verletzung |
| Hohe technische Komplexität | KI-Mensch-Zusammenarbeit Bsp.: Schaden mit geteilter Haftung |
Mensch von Beginn an Bsp.: Tod eines Versicherungsnehmers, Schaden mit Körperverletzung |
Die Zahlen bestätigen diesen Ansatz. Laut Capgemini reduziert die Automatisierung die Bearbeitungszeiten um durchschnittlich 30 %, aber nur wenn sie auf die richtigen Fälle angewendet wird. Und laut Deloitte erkennen 96 % der Versicherer, die ihre digitale Transformation beschleunigen, dass das Haupthindernis nicht die Technologie ist: Es ist die Akzeptanz der Teams und Kunden.
Das Wichtigste auf einen Blick
Ein gutes Prozessdesign wird nicht an einem Mockup getestet: Es wird mit echten Nutzern in simulierten Stresssituationen getestet. Zwei Indikatoren ab dem Pilotprojekt beobachten: die Ausstiegsrate zum Berater (übersteigt sie 40 %, ist der automatisierte Prozess nicht beruhigend genug) und der Abbruchpunkt (steigen Versicherungsnehmer systematisch an derselben Stelle aus, liegt dort das Designproblem). Diese zwei Signale ermöglichen Anpassungen vor der Skalierung und vermeiden Notfallkorrekturen nach dem Start.
Der rechtliche Rahmen und das Verhaltensdesign sind notwendige Voraussetzungen. Aber nicht hinreichend. Die dritte Dimension, die häufig unterschätzt wird, ist die Transformation der Berufsbilder, die die Automatisierung begleiten muss. Ohne sie bleiben die ersten beiden Dimensionen fragil.
Heute verbringt ein Schadenregulierer durchschnittlich 70 % seiner Zeit mit administrativen Aufgaben: Dateneingabe, Compliance-Prüfung, Anfragen nach ergänzenden Informationen, Verfolgung von Standardverfahren. Diese Arbeit ist notwendig, aber weder wertschöpfend noch differenzierend.
Schlimmer noch: Sie erzeugt das, was Fachleute Brown-out nennen — einen Sinnverlust, der durch die wiederholte Ausführung von Aufgaben entsteht, die als losgelöst vom eigentlichen Zweck des Berufs wahrgenommen werden. Die Symptome sind bekannt: chronische Erschöpfung, Zynismus, hohe Fluktuation. Und die Kosten für die Ersetzung eines erfahrenen Regulierers übersteigen oft 50 % seines Jahresgehalts, ohne den Verlust an Fachwissen zu berücksichtigen.
Eine gut konzipierte Automatisierung eliminiert keine Stellen: Sie transformiert sie. Der Begriff „Zentaur-Modell“ stammt aus dem Schach. 1997 besiegt Deep Blue Kasparov. Aber das ist nicht das Ende der Geschichte. Es ist der Beginn des „Centaur Chess“, bei dem ein von KI unterstützter Mensch sowohl den Menschen allein als auch die KI allein besiegt. Auf die Versicherungsbranche übertragen ergibt sich eine klare Aufgabenverteilung.
KI übernimmt (70 bis 80 % des Volumens):
Der Schadenregulierer konzentriert sich auf (20 bis 30 % des Volumens, aber 80 % des Werts):
Statt 50 einfache Vorgänge pro Tag mit geringer Befriedigung zu bearbeiten, bearbeitet der Regulierer 10 komplexe Vorgänge mit echter Wirkung. Das ist kein Stellenabbau. Es ist eine Aufwertung des Berufsbilds.
Für Versicherungsnehmer: Einfache Vorgänge werden in Minuten statt in Tagen bearbeitet. Komplexe Vorgänge erhalten die Aufmerksamkeit eines Experten, nicht eines überlasteten Sachbearbeiters. Ergebnis: durchschnittlich 30 % Reduktion der Bearbeitungszeiten laut Capgemini, verbunden mit einer gleichzeitigen Verbesserung der Kundenzufriedenheit.
Für Mitarbeitende: Von repetitiven Aufgaben befreit, entdecken Regulierer den Sinn ihres Berufs neu. Die geschätzten Kompetenzen verschieben sich: emotionale Intelligenz, fundiertes Fachwissen, Analysefähigkeit in Mehrdeutigkeit. Mehrere Versicherer, die diese Transformation vollzogen haben, berichten von einem deutlichen Rückgang der Fluktuation und einer besseren Attraktivität für junge Talente.
Für das Unternehmen: Automatisierung reduziert operative Kosten und schafft einen schwer kopierbaren Wettbewerbsvorteil. Jeder kann dieselbe Technologie kaufen. Sie gut einzusetzen — mit dem richtigen Verhaltensdesign, der richtigen Segmentierung und der richtigen Berufstransformation — ist eine andere Geschichte.
Fehler 1: glauben, Technologie allein reicht. Einen Chatbot einzuführen, ohne den Kundenprozess zu überdenken, ist wie ein Rennauto zu kaufen, um auf einem Feldweg zu fahren. Technologie ist nur ein Werkzeug. Das Prozessdesign macht den Unterschied.
Fehler 2: Veränderungsmanagement vernachlässigen. Automatisierung transformiert Berufsbilder tiefgreifend. Werden Mitarbeitende nicht geschult, begleitet und beruhigt, werden sie Widerstand leisten — bewusst oder unbewusst. Veränderungsmanagement bedeutet, zu erklären warum automatisiert wird, in neue Werkzeuge und erwartete Kompetenzen zu schulen, und Teams in Konzeption und kontinuierliche Verbesserung einzubeziehen.
Fehler 3: ohne Unterscheidungsvermögen automatisieren. Nicht alles lässt sich auf dieselbe Weise automatisieren. Die Komplexität/Emotion-Matrix ist kein theoretisches Konzept: Sie ist ein operatives Entscheidungswerkzeug. Einen Kfz-Unfall mit Körperverletzung genauso zu automatisieren wie einen Glasbruchschaden ist ein erhebliches Risiko für Kundenzufriedenheit und Reputation.
Das Wichtigste auf einen Blick
Die Transformation der Berufsbilder kann nicht im Moment der Implementierung improvisiert werden. Sie muss im Voraus vorbereitet werden, mit drei konkreten Fragen: Welche Aufgaben werden Regulierer nicht mehr ausführen? Welche neuen Kompetenzen müssen sie beherrschen? Und wie misst man ihre wachsende Wertschöpfung über die Zeit? Ohne Antworten auf diese drei Fragen vor dem Launch ist Widerstand gegen Veränderung kein hypothetisches Risiko — sondern eine Gewissheit.
Mit mehr als 20 Jahren Erfahrung im Kundenbeziehungsmanagement für Versicherungsunternehmen und 600 auf die spezifischen Herausforderungen des Sektors geschulten Beratern begleitet Armatis seine Versicherungskunden durch diesen Wandel. Was wir systematisch beobachten: Die Projekte, die erfolgreich sind, haben alle drei Dimensionen parallel und nicht nacheinander bearbeitet.
Die regulatorische Konformität wird von Anfang an eingeplant, nicht in letzter Minute nachgebessert. Das Prozessdesign wird vor dem großflächigen Rollout mit echten Nutzern getestet. Und die Transformation der Teams wird antizipiert, mit Kompetenzentwicklungsprogrammen in den Bereichen Empathie, Analyse komplexer Vorgänge und Management sensibler Situationen.
Sie möchten Ihre Schadenmanagementprozesse analysieren? Unsere Experten begleiten Sie bei einer personalisierten Diagnose.
Zwei Texte definieren den Rahmen: Artikel 22 der DSGVO, der vollautomatisierte Entscheidungen mit erheblichen rechtlichen Auswirkungen ohne Möglichkeit menschlicher Überprüfung untersagt, und der europäische AI Act (in Kraft seit August 2024), der bestimmte KI-Systeme im Versicherungsbereich als hohes Risiko einstuft — mit Verpflichtungen zu Transparenz, Nachvollziehbarkeit und Folgenabschätzung. Compliance by Design, die von Anfang an in die Prozessgestaltung integriert ist, ist effizienter und kostengünstiger als eine nachträgliche Konformitätserzwingung.
Der Branchenkonsens basiert auf dem Human-in-the-loop-Modell: 70 bis 80 % der einfachen Schäden können mit algorithmischer Überwachung vollautomatisch bearbeitet werden. 15 bis 20 % erfordern KI-Mensch-Zusammenarbeit. Und 5 bis 10 % verlangen von Anfang an eine ausschließlich menschliche Intervention, insbesondere Vulnerabilitätssituationen oder Schäden mit Körperverletzung.
Der Standardeffekt liefert eine klare Antwort: Automatisierung als natürlichen Weg präsentieren, den Ausstieg zum Berater sichtbar und reibungslos gestalten, und den Prozess in drei einfachen Sätzen erklären. Eine Forrester-Studie zeigt, dass Nutzer 2,5-mal eher ein automatisiertes System nutzen, wenn sie klar sehen, wie sie es verlassen können.
Nicht bei guter Konzeption. Das Zentaur-Modell (KI + Mensch) zeigt, dass die Automatisierung administrativer Aufgaben Regulierer für das freisetzt, was sie besser als die KI können: komplexe Situationen begleiten, sensible Streitfälle verhandeln, Empathie in schwierigen Momenten einbringen. Mehrere Versicherer berichten nach dieser Transformation von sinkender Fluktuation und verbesserter Attraktivität des Berufsbilds.
Technologie ist nicht das Problem. Laut Deloitte erkennen 96 % der Versicherer, die ihre digitale Transformation beschleunigen, dass das Haupthindernis die Akzeptanz der Teams und Kunden ist. Veränderungsmanagement (erklären, schulen, einbeziehen) ist genauso entscheidend wie die Wahl der technischen Lösung.
Bain & Company (2023) — Customer Experience in Insurance: The Critical Role of Claims — bain.com
Capgemini (2024) — World Insurance Report 2024 — capgemini.com
Deloitte (2024) — Insurance Industry Outlook — deloitte.com
Forrester Research (2023) — The State of Customer Experience in Insurance — forrester.com
Insurance Nexus (2024) — Claims Processing Benchmark Study — insurancenexus.com
AGIRA (2024) — Jahresbericht über Versicherungsbetrug — agira.asso.fr
Johnson, E. J. & Goldstein, D. G. (2003) — Do Defaults Save Lives? — Science, 302(5649) — doi.org
Moravec, H. (1988) — Mind Children: The Future of Robot and Human Intelligence — Harvard University Press
Verordnung (EU) 2024/1689 — AI Act — eur-lex.europa.eu
Verordnung (EU) 2016/679 — DSGVO, Artikel 22 — eur-lex.europa.eu
Armatis ist ein führender europäischer BPO-Anbieter im Bereich Customer Experience, der Großunternehmen und Mittelständler in Deutschland und ganz Europa seit über 35 Jahren bei der Verwaltung und Transformation ihres Kundenservices unterstützt. Muttersprachliche Deutschkompetenz, DSGVO/BDSG-Konformität, tiefe Branchenexpertise und echte Omnichannel-Fähigkeiten: Unser Ansatz ist darauf ausgerichtet, die hohen Qualitätsanforderungen des deutschen Marktes vollständig zu erfüllen.
Kontaktieren Sie unsere Teams, um Ihre Herausforderungen zu besprechen.
Rejoignez les leaders qui font confiance à notre expertise multilingue et technologique.