Anwendungsfälle für agentische KI: Ergebnisse schon heute erzielen

Unter agentischer KI versteht man KI-Systeme, die autonom Entscheidungen treffen und anschließend proaktiv agieren können. Sie verspricht, zahlreiche strategische und operative Aspekte der Versicherungswirtschaft grundlegend zu verändern.

Agentische KI im Versicherungswesen steckt noch in den Kinderschuhen, und ihr Potenzial für die gesamte Branche ist bislang weitgehend ungenutzt. Bei vollständiger Implementierung kann agentische KI Versicherern weitere Umsatzpotenziale, geringere Ausgaben, höhere Effizienz und einen verbesserten Kundendialog sowie gesteigerte Kundenzufriedenheit über den gesamten Lebenszyklus der Customer Experience (CX) hinweg ermöglichen.

In diesem Blogbeitrag zeigen wir eine Auswahl der zahlreichen Möglichkeiten auf, wie agentische KI in der Versicherungsbranche über verschiedene Funktionen hinweg eingesetzt werden kann. Dabei betrachten wir unterschiedliche Anwendungsfälle von agentischer KI in der Versicherungsbranche sowie die geschäftlichen Vorteile, die sich aus deren Nutzung ergeben können.

Was ist agentische KI im Versicherungswesen?

KI insgesamt entwickelt sich weiter rasant und revolutioniert das Versicherungswesen. Vermutlich gibt es keine andere Technologie, die das Erscheinungsbild des Versicherungssektors bislang so schnell und so tiefgreifend gewandelt hat. Ihre bewährten Fähigkeiten und messbaren Erfolge sind beeindruckend – und doch entsteht der Eindruck, dass wir erst am Anfang ihrer transformativen Möglichkeiten stehen.

Als Teil der KI-Revolution befindet sich agentische KI in ihrer Einführung noch in einem sehr frühen Stadium. Gartner berichtet etwa, dass agentische KI im Jahr 2024 in weniger als 1 % aller Unternehmenssoftware-Anwendungen genutzt wurde. Gartner prognostiziert jedoch, dass bis 2028 33 % der Unternehmenssoftware-Anwendungen agentische KI enthalten werden, wodurch 15 % der täglichen Arbeitsentscheidungen autonom getroffen werden können.

Wie bei nahezu jeder Technologie – vor allem in ihrer Anfangsphase – gibt es viele Definitionen dessen, was agentische KI ist und was sie leistet. Doch in allen Definitionen finden sich typischerweise diese Kernelemente:

• Agentische KI bezeichnet fortgeschrittene Systeme der künstlichen Intelligenz, die eigenständig Entscheidungen treffen und handeln können.

• Sie zielt darauf ab, mit minimalem menschlichem Eingreifen konkret definierte Ziele zu erreichen.

• Im Gegensatz zur herkömmlichen KI, die meist auf direkt vom Menschen initiierte Eingaben reagiert, kann agentische KI eigenständig Informationen aus ihrer Umgebung sammeln, um Aufgaben zu planen, anzupassen und selbstständig auszuführen – häufig in Abstimmung mit anderen Software-Agenten oder Systemen.

• Für eine stark regulierte Branche wie das Versicherungswesen ist besonders relevant, dass diese Agenten so konzipiert sind, dass sie innerhalb klar definierter Grenzen agieren und so gewährleisten, dass menschliche Aufsicht und ethische Überlegungen integrale Bestandteile ihrer Funktionsweise bleiben.

Agentische KI setzt sich in vielen Branchen und Geschäftsbereichen zunehmend durch. Schon heute erweist sie sich als vielversprechend in Anwendungsgebieten wie Kundenservice und -support, Risikoanalyse und -management, Patientenüberwachung und Terminvergabe im Gesundheitswesen, Cybersicherheit, Management von Lieferketten und Lagerbeständen, Personalverwaltung sowie in der Softwareentwicklung.

So funktioniert agentische KI

Das Konzept agentischer KI ist einfach und umfasst im Prozess die folgenden Schritte :

• Wahrnehmung: Die KI sammelt Daten aus ihrer Umgebung, beispielsweise über Sensoren, APIs oder andere Eingabekanäle.

• Schlussfolgerung und Planung: Das System verarbeitet die Daten, um den sinnvollsten Handlungsplan zu bestimmen. Es bewertet mögliche Lösungen und legt Schritte fest, um die gewünschten Ergebnisse zu erreichen.

• Entscheidungsfindung: Auf Basis von Algorithmen und früheren Erfahrungen wählt die KI die passendste Vorgehensweise. Verstärkendes Lernen (Reinforcement Learning) unterstützt sie dabei, ihre Entscheidungen im Laufe der Zeit zu verbessern, indem sie aus Erfolgen und Misserfolg lernt.

• Ausführung: Die KI führt die gewählte Aktion aus, etwa indem sie eine Antwort sendet, einen Prozess anstößt oder ein Gerät steuert.

• Feedback und Lernen: Nach Abschluss der Aufgabe bewertet die KI die Ergebnisse. Auf Grundlage dieses Feedbacks passt sie künftige Aktionen an und verbessert so schrittweise ihre Performance.

Die Performance agentischer KI-Modelle hängt vor allem damit zusammen, dass dieser Prozess rekursiv ist, sich also so oft und so lange wiederholt, wie erforderlich. Dadurch kann agentische KI in dynamischen Umgebungen effektiv agieren, ihre Fähigkeiten kontinuierlich verbessern und mit der Zeit immer bessere Ergebnisse erzielen.

Agentische KI bietet Vorteile für Versicherer und Kunden

Agentische KI-Systeme können die digitale Transformation von Versicherern erheblich vorantreiben, da sie eigenständig Entscheidungen treffen, sich an neue Informationen anpassen und Aufgaben mit nur geringem menschlichem Eingriff ausführen.

Diese Transformation eröffnet Versicherern zahlreiche Vorteile in verschiedenen operativen Bereichen:

• Genauere Risikobewertung und Underwriting

  Herkömmliches Underwriting stützt sich auf die manuelle Analyse historischer Daten. Dies führt häufig zu veralteten oder ungenauen Risikobewertungen, langen Vorlaufzeiten bei der Kontaktaufnahme mit Interessenten und Kunden sowie zu Verzögerungen bei der Entwicklung und Markteinführung neuer Produkte.

  KI hat diese Situation enorm verbessert. Agentische KI geht noch einen Schritt weiter, indem sie immer heterogenere Datenquellen einbezieht, darunter Telematik, Aktivität in sozialen Medien, Verhaltensdaten und Open-Banking-Daten, und so eine dynamische Risikobewertung in Echtzeit weiter optimiert.

  Davon profitieren auch die Kunden, da sie es Versicherern ermöglicht, individueller zugeschnittene, attraktiv gestaltete Policen anzubieten und Entscheidungsoptionen nahezu in Echtzeit genau im Moment der Entscheidung bereitzustellen.

• Stärker personalisiertes und wettbewerbsfähigeres Pricing

  Schon vor agentischer KI gehörte zu den Vorteilen einer verbesserten Risikobewertung und eines optimierten Underwritings die Fähigkeit der Versicherer, präzisere und wettbewerbsfähigere Pricing-Modelle zu entwickeln und umzusetzen und neue Pricing-Modelle deutlich schneller auszurollen als mit ihren veralteten, manuellen Prozessen. Durch den zusätzlichen Schub, den agentische KI bietet, verstärken sich diese Vorteile für Versicherer und Kunden noch einmal.

• Schnellere Schadenregulierung

  Agentische KI beschleunigt die Schadenbearbeitung, indem sie Tätigkeiten wie die Prüfung von Dokumenten, die Bewertung von Schäden und die Freigabe von Leistungen automatisiert. Versicherer profitieren von geringeren Kosten und weniger manuellen Eingriffen, während Kunden ihre Leistungen schneller und mit weniger Kontakten zu Mitarbeitenden des Versicherers erhalten.

• Frühzeitige und proaktive Betrugserkennung

  Versicherungsbetrug stellt für Versicherer weltweit ein dauerhaftes und teures Problem dar. Agentische KI verbessert die Aufdeckung und Prävention von Betrug, indem sie Muster und Auffälligkeiten in großen Datenbeständen analysiert, um potenziellen Betrug schneller zu identifizieren. Dieser proaktive Ansatz – statt nur im Nachhinein auf bereits erfolgten Betrug zu reagieren – ermöglicht es Versicherern, verdächtige Schäden frühzeitig zu markieren und Betrug bereits in der Antragsphase zu verhindern. So lassen sich finanzielle Verluste begrenzen und die Compliance mit regulatorischen Anforderungen stärken.

  Verbraucher profitieren durch geringere Prämiensteigerungen, da Betrug die Policenkosten in die Höhe treibt und sie zusätzlich über Themen wie Identitätsdiebstahl oder Online-Betrügerprofile treffen kann.

• Verbesserter Kundendialog und stärkere Bindung

  Agentische KI verbessert das Kundenerlebnis durch personalisierte Interaktionen und Support rund um die Uhr. KI-gestützte digitale Assistenten können Kunden bei der Policenauswahl unterstützen, Echtzeitinformationen zum Status von Schäden und auf die individuelle Situation zugeschnittene Empfehlungen geben. Dieses hohe Maß an Personalisierung fördert stärkere Kundenbeziehungen und steigert die Zufriedenheit.

• Senkung der Betriebskosten

  Durch die Automatisierung von Routineaufgaben wie Datenerfassung und Schadenbearbeitung senkt agentische KI die Betriebskosten und reduziert das menschliche Fehlerrisiko. So können Mitarbeitende sich verstärkt komplexeren, wertschöpfenden Aufgaben widmen, was die Gesamtproduktivität erhöht. Gelingt es Versicherern, ihre Kosten zu begrenzen und Preisinflation einzudämmen, können Kunden mit wettbewerbsfähigerem Pricing und einem erweiterten Angebot an Policenoptionen rechnen.

• Wettbewerbsvorteil

  Insgesamt sind Versicherer, die agentische KI einsetzen, schneller in der Lage, auf Marktveränderungen und Kundenbedürfnisse zu reagieren. Sie können schnellere und präzisere Services, stärker personalisierte Produkte und besseres Pricing anbieten. Dieser technologische Vorsprung verschafft ihnen einen klaren Wettbewerbsvorteil und insbesondere frühe Anwender können sich als Branchenführer positionieren.

Anwendungsbereiche agentischer KI im Versicherungswesen

Heute gibt es zahlreiche und vielfältige Anwendungsfälle für agentische KI im Versicherungswesen. Im Grunde werden sie allein durch die Vorstellungskraft der Implementierenden sowie durch den geschäftlichen Fokus des Versicherers und die konkreten Geschäftsprobleme begrenzt, die er lösen möchte.

Im Folgenden finden Sie eine Reihe von Anwendungsfällen für Versicherungen mit agentischer KI, gegliedert nach den Geschäftsbereichen des Versicherers. (Ein weiterer Vorteil agentischer KI ist, dass sie die bereichsübergreifende Zusammenarbeit und Effizienz unterstützt; zugleich kann diese Übersicht als Vorlage für Use Cases innerhalb der bestehenden Organisationsstrukturen eines Versicherers dienen.)

• Underwriting:

  • Automatisierte Risikobewertung: Agentische KI kann Daten (z. B. Gebäudeaufnahmen, Geodaten, Baugenehmigungen) eigenständig erfassen und auswerten, um Risiken zu bewerten und Underwriting-Entscheidungen ohne menschliches Eingreifen zu empfehlen oder direkt zu treffen.

  • Dynamisches Pricing: KI-Agenten können Prämien nahezu in Echtzeit kontinuierlich anpassen, gestützt auf neue Datenquellen wie Informationen aus IoT-Geräten oder klimatische bzw. Wetterveränderungen.

  • Portfolio-Optimierung: Mit Unterstützung dieser Software-Agenten können Versicherer fortlaufend neue Möglichkeiten identifizieren, um ihre Risikoportfolios neu auszubalancieren, indem sie schwache oder übermäßig exponierte Segmente erkennen.

• Schadenbearbeitung:

  • Automatisierte Erstmeldung von Schäden (FNOL, First Notice of Loss): Agentische KI kann automatisiert die Aufnahme von Schadenfällen anstoßen und steuern, sobald Meldungen aus Quellen wie IoT-Geräten, Telematik oder mobilen Apps eingehen.

  • Autonome Schadenabwicklung: Von der Prüfung bis zur Auszahlung kann agentische KI den Deckungsschutz verifizieren, Schäden bewerten (z. B. anhand hochgeladener Bilder oder Drohnenaufnahmen) und einfache Schäden ohne menschliche Beteiligung regulieren. Fälle mit höherem Klärungsbedarf werden für menschliche Sachbearbeiter markiert und kommen bereits teilweise vorbearbeitet an.

  • Betrugserkennung und -prävention: KI-Agenten können verdächtige Muster in Schadenmeldungen in Echtzeit erkennen und blockieren, eigenständig weitergehende Untersuchungen anstoßen und/oder menschliche Schadensachbearbeiter darauf hinweisen, dass Handlungsbedarf besteht.

• Kundenservice und -bindung:

  • Proaktive Kundenkommunikation: Die KI-Agenten der Versicherer können Versicherungsnehmer frühzeitig zu Verlängerungen, Risiken (z. B. herannahenden Unwettern) oder Deckungslücken kontaktieren.

  • Virtuelle Agenten/Konziergefunktionen: Diese agentischen KI-Funktionen können anspruchsvolle Kundenanliegen über unterschiedliche Kanäle, wie E‑Mail, Telefon, Chat, mit klar definierten Zielen bearbeiten (z. B. Reklamationsmanagement oder Upselling). Besonders wirkungsvoll ist dies in Verbindung mit der neuesten Generation von Kundeninteraktionssystemen, die ebenfalls zunehmend von „Standard“-KI auf agentische Ansätze umstellen.

  • Personalisierte Policenempfehlungen: Agentensoftware kann auf Basis von Änderungen in der Lebenssituation des Kunden (z. B. Heirat) oder Veränderungen am Eigentum (neues Haus oder Auto, Totalschaden etc.) Anpassungen an Policen oder neue Produkte vorschlagen. 
    

• Risikotechnik und Verlustprävention:

  • IoT-gestützte Überwachung und Warnmeldungen: Der Einsatz von Sensoren und vernetzten Geräten (z. B. in Gebäuden oder Fahrzeugen), um drohende Gefahren zu erkennen und geeignete Gegenmaßnahmen einzuleiten (z. B. automatisches Abstellen von Wasserleitungen), sind ideale Einsatzfelder für agentische KI.

  • „Digitale Zwillinge“ für Objektbewertung: Ein Versicherer kann agentische KI nutzen, um Risiken (z. B. Hochwasser, Brand, Erdbeben) zu simulieren und auf Basis dieser Simulationen bauliche Veränderungen oder Anpassungen der Deckung zu empfehlen.

  • Autonome Inspektionen von Objekten: KI-Agenten können eigenständig Drohnen oder Bodenroboter einsetzen, um Objekte für das Underwriting oder die Beurteilung nach einem Schaden zu inspizieren. 
    

• Produkt- und Marktentwicklung:

  • Aufspüren von Marktlücken: Agentische KI-Lösungen können Daten von Wettbewerbern, aus sozialen Medien und aus dem Verhalten der Versicherungsnehmer eigenständig auswerten, um unzureichend bediente Bedürfnisse zu identifizieren und die Entwicklung neuer Produkte, Services und Pricing-Modelle deutlich schneller anzustoßen, als es mit heutigen Methoden möglich ist.

  • Mikro-Produktentwicklung: Im Bestreben, Zielgruppen bis hin zu Einzelpersonen oder sehr kleinen Gruppen zu bedienen, kann agentische KI bei der Konzeption und Einführung von Nischen- oder nutzungsbasierten Versicherungsprodukten ohne Vorbereitung unterstützen – basierend auf Marktsignalen oder neuen Risiken (z. B. Cyberbedrohungen für Smart Homes oder Fahrzeuge).

• Regulierung und Compliance:

  Aufgrund der besonders hohen Sensibilität dieses Aufgabenfeldes und des erheblichen finanziellen sowie reputationsbezogenen Risikos für den Versicherer wird dieser Bereich vermutlich zu den letzten gehören, die der neuen Technologie überlassen werden. Mittel- bis langfristig ist ein Einsatz dennoch gut vorstellbar.

  • Autonome Policenprüfungen: Software-Agenten sind in der Lage, Underwriting und Schadenbearbeitung kontinuierlich auf die Einhaltung regulatorischer Vorschriften zu prüfen, Auffälligkeiten frühzeitig kennzuzeichnen oder zu beheben bzw. sie an interne Prüfteams weiterzuleiten, noch bevor Meldungen oder andere Schritte erfolgen, die den Versicherer Bußgeldern oder aufsichtsrechtlichen Maßnahmen aussetzen könnten.

  • Echtzeit-Reporting: Angesichts der sich laufend ändernden Regularien in der Branche kann agentische KI regulatorische Meldungen oder Aktualisierungen perspektivisch automatisch erstellen und einreichen.

• Weitere Aspekte des internen Betriebs:

  • Workflow-Optimierung: Um die organisatorische Agilität zu maximieren und Ressourcen optimal zu nutzen, kann agentische KI Ressourcen dynamisch zwischen Bereichen wie Underwriting, Schadenbearbeitung und Service verschieben, wobei sie die aktuelle Personalausstattung und Arbeitsauslastung berücksichtigt und schnell auf unerwartete Veränderungen reagiert (z. B. Naturkatastrophen mit entsprechendem Anstieg des Schadenvolumens).

  • Wissensmanagement: Agentische KI kann fortlaufend aus aktuellen und vergangenen Fällen lernen und interne Richtlinien, Playbooks, Prozesse und Entscheidungslogiken entsprechend anpassen. So lässt sich das Lernen von bestehenden Mitarbeitenden und neuen Kolleginnen und Kollegen beschleunigen und ihre Produktivität innerhalb kürzerer Zeit erhöhen.

Verwandtes Thema: Datenmodernisierung für Versicherer: 74 % nutzen weiterhin Altsysteme

Zukünftige Innovationen für die Versicherungsbranche

Da agentische KI eine noch junge Technologie mit enormem Potenzial ist und die heutigen Anwendungen gerade erst entstehen, ist es sehr wahrscheinlich, dass sich heutige Prognosen später als zu vorsichtig oder zu stark am Status quo orientiert herausstellen. Die Kristallkugel muss daher immer wieder neu poliert werden – ebenso, wie sich die Technologie der agentischen KI selbst rasant weiterentwickeln wird.

Vor diesem Hintergrund nachfolgend einige Überlegungen dazu, wie sich diese Technologie im Versicherungswesen entwickeln könnte. (Hinweis: Viele dieser Innovationen gelten branchenübergreifend und nicht nur für das Versicherungswesen.)

• Wandel des Softwareentwicklungsberufs und des Softwarelebenszyklus

  Sowohl in der internen Softwareentwicklung als auch beim Einsatz durch externe Entwicklungspartner wird erwartet, dass agentische KI zunehmend komplette Softwareentwicklungs- und Wartungslebenszyklen eigenständig steuert.

  Solche Systeme könnten vollständige Architekturen konzipieren, Code schreiben und debuggen sowie die Qualitätssicherung überwachen. Dadurch würde die Entwicklung von Software stark beschleunigt und die digitale Produktentwicklung nachhaltig verändert.

  Besonders spannend ist, wie agentische KI die Entwicklung und Optimierung von Software-Copilots vorantreiben könnte, in einer Art symbiotischem Zusammenspiel, das ihre Fähigkeit zur Unterstützung von Menschen bei Aufgaben schnell verbessert und die Weiterentwicklung der Copilots und ihres Mehrwerts vorwegnimmt und beschleunigt.

• Neue Entwicklungen in der Cybersicherheit

  Im Vergleich zu aktuellen, KI-basierten oder herkömmlichen, Technologien sollen agentische KI-Systeme die Cybersicherheit stärken, indem sie den Netzwerkverkehr automatisch überwachen, Auffälligkeiten identifizieren und Bedrohungen in Echtzeit begegnen.

  Auch wenn agentische KI auf vielen bereits etablierten Methoden wie Machine Learning, Verhaltensanalysen und Anomalieerkennung aufbaut, wird erwartet, dass KI-Agenten die Cybersicherheit sowohl hinsichtlich ihrer Komplexität als auch ihrer Reaktionsgeschwindigkeit auf ein neues Level heben. Dieser umfassendere, proaktivere Ansatz soll die Sicherheitslage von Unternehmen verbessern und Fachkräfte entlasten, damit sie sich auf die schwierigsten Problemstellungen konzentrieren können.

• Veränderung der HR-Funktion

  Im Bereich Human Resources könnte agentische KI Abläufe wie die Vorauswahl von Bewerbern, die Terminplanung für Vorstellungsgespräche, das Onboarding und individuelle Mitarbeiterschulungen weiter automatisieren. Durch die Auswertung von Performance-Daten können diese Systeme individuell angepasste Karriereempfehlungen geben, HR-Abläufe effizienter gestalten und Führungskräften neue Instrumente für die Zusammenarbeit mit ihren Mitarbeitenden und deren Entwicklung bereitstellen.

Starten Sie jetzt mit Earnix

Um ihr Wachstum zu beschleunigen und ihre Erträge zu steigern, müssen Versicherer ihre Tools und Methoden in allen Bereichen optimieren.

Jetzt ist der richtige Moment, innovative Tools einzuführen, die Machine Learning und KI einsetzen, und sich für einen Partner zu entscheiden, der diese Tools kontinuierlich weiterentwickelt und mit Innovationen wie agentischer KI vorangeht.

Entdecken Sie, was Earnix für Ihr Unternehmen leisten kann. Kontaktieren Sie uns oder vereinbaren Sie eine Demo, um mehr zu erfahren.