A human hand reaching towards a robotic hand symbolizing technology and connection.

October 18, 2026

By Earnix-Team

Warum bleibt Intelligenz so häufig auf halbem Weg zum Unternehmen stecken? Kathy Klingler von Earnix erläutert, wie ein vernetzter Ansatz zur Entscheidungsfindung Versicherern hilft, KI und Analytics in konkrete, messbare Ergebnisse umzusetzen.

Build vs. Buy im Versicherungswesen: Was sich durch KI verändert und was nicht

October 8, 2026

By Earnix-Team

Generative KI hat verändert, was Versicherungsteams selbst entwickeln können. Für Versicherer, die ihre Technologiestrategien bewerten, stellt sich damit erneut eine vertraute Frage: Wenn KI die Eigenentwicklung erleichtert, warum kaufen?

Colorful Cubes And Puzzle Piece

September 30, 2026

By Emmanuelle Boujo

Wir beleuchten das Konzept vertikaler KI in der Versicherungsbranche. Zunächst zeigen wir, warum die Komplexität stark regulierter Branchen organisatorische Intelligenz verlangt, und erläutern dann, weshalb das Versicherungswesen zum nächsten großen Bewährungsfeld für KI wird.

AIOS: Von KI-Analyse zu konkreten Maßnahmen im Versicherungswesen

August 25, 2026

By Earnix-Team

Leistungsstarke Modelle allein garantieren noch keine besseren Versicherungsentscheidungen. Erfahren Sie, wie AIOS KI, Geschäftsregeln, Workflows und menschliche Expertise vernetzt, damit Versicherer Erkenntnisse in kontrollierte, erklärbare und messbare Maßnahmen im großen Maßstab übersetzen können.

People Sitting at the Table

July 8, 2026

By Earnix-Team

Erfahren Sie, wie Versicherer ihre Produktdokumentation in strukturierte, KI-basierte Informationen umwandeln können, um personalisierte Empfehlungen zu geben, Beratende bei der sicheren Beantwortung von Produktfragen zu unterstützen und den Kundendialog in großem Umfang relevanter zu gestalten.

Modell-zu-Tarifstruktur-Destillation: Wie aus komplexen ML-Modellen einfache Tabellen werden

June 25, 2026

By Yuval Ben Dror & Yitzhak Yahalom

Erfahren Sie, wie Versicherer mit Modell-zu-Tarifstruktur-Destillation komplexe Machine-Learning-Modelle in transparente, produktionsreife Rating-Strukturen umwandeln, und dabei die prädiktive Performance erhalten und gleichzeitig Governance-, operative und Regulierungsanforderungen erfüllen.