Historisch gewachsene Legacy-Systeme können keine gute Datenqualität hervorbringen.
Die Integrationskomplexität veralteter Systeme bremst die Nutzung von KI-Modulen zusätzlich.
Wer KI in Versicherungen nutzen möchte, muss die grundlegende IT-Basis modernisieren.
Veraltete Systeme bremsen die Modernisierung bei vielen Versicherern aus. Sie blockieren rasche Automatisierung und verlangsamen neue Geschäftsmodelle. Wer KI einsetzen will, merkt schnell: Die Technik ist nicht das einzige Problem. Die IT‑Basis entscheidet.
Warum Legacy hemmt
Versicherer sehen klare Anwendungsfelder für KI: Schadenermittlung, Betrugserkennung, Dokumentenerkennung, automatisierte Schadenregulierung und Kundenkommunikation. Doch viele dieser Fälle scheitern an der Datenbasis: Informationen liegen in Insellösungen, Formate variieren, Felder fehlen. Dadurch entsteht schlechter Input für Modelle.
Schlechte Daten führen jedoch zu fehlerhaften Vorhersagen. KI‑Algorithmen benötigen saubere, strukturierte Daten. Ohne diese bleibt ihr Potenzial ungenutzt.
Ein weiterer Bremsklotz ist die Integrationskomplexität. Schnittstellen sind selten standardisiert und alte Systeme bieten nur begrenzte oder fragile Anbindungsmöglichkeiten. Neue KI‑Module müssen oft als Satelliten um das Kernsystem herum betrieben werden. Das bringt zwar kurzfristig Entlastung, führt langfristig jedoch zu Synchronisationsproblemen und redundanten Datenhaltungen. Jede Integration wird zum Einzelprojekt, was kostenintensiv und zeitaufwendig ist.
Ressourcen- und Expertise‑Mangel verschärfen das Problem weiter. Viele Versicherer haben zu wenige IT‑Fachkräfte und die vorhandenen Teams sind oft mit Betrieb und Compliance ausgelastet. Spezifisches Know-how für moderne Daten-, KI- und Implementierungstechnologien fehlt oder ist knapp. Mittelgroße Häuser nennen zudem Finanzierungssorgen und fehlende Expertise als Hemmnis, ohne passendes Personal und Know‑how bleiben viele Vorhaben in der Pilotphase stecken.
Schrittweise Modernisierung verzögert den breiten Einsatz von KI in Versicherungen weiter
Die technisch-organisatorische Ablösung alter Systeme ist meist aufwendig. Die Migration großer Datenbestände erfordert Zeit, umfangreiche Testläufe und gegebenenfalls Rollbacks. Hersteller und Anwender sprechen von hoher Komplexität und diversen Migrationsfallen. Deshalb entscheiden sich viele Unternehmen für eine schrittweise Modernisierung. Doch diese Parallelbetriebe verlängern die Übergangsphase. Währenddessen bleibt die Umsetzung umfassender KI‑Funktionen eingeschränkt.
Regulatorische Anforderungen erhöhen die Unsicherheit. Künftige Regeln für KI‑Transparenz und IT‑Resilienz verlangen zusätzliche Nachweise und Anpassungen. Versicherer erwarten in den kommenden Jahren weitreichende IT‑Anpassungen. Das bremst Investitionen in experimentelle KI‑Projekte, weil Compliance‑Risiken mitbedacht werden müssen.
Unterschiede nach Unternehmensgröße
Größere Versicherer priorisieren datengestützte Prognosen und Dokumentenautomatisierung, da sie oft die Ressourcen für umfangreiche Transformationsprojekte haben. Kleine Häuser fokussieren sich auf einzelne, schnell wirkende Use‑Cases wie Schadenermittlungen. Mittelgroße Firmen spüren besonders die Finanz- und Expertenlücke. Diese Unterschiede erklären, warum KI‑Rollouts ungleich verlaufen und warum manche Projekte stocken.
Die Softwarehersteller reagieren darauf: Viele implementieren schon KI‑Funktionen (z. B. OCR, Bildanalyse, Routing, Betrugserkennung) und bieten Low‑Code‑Werkzeuge. Diese Ansätze verringern Einstiegshürden, doch auch Low‑Code verlangt Systemverständnis. Satellitenlösungen verschaffen schnelle Erfolge, sie ersetzen aber nicht die Notwendigkeit, Datenqualität und Architektur langfristig zu verbessern.
Die SHUK-Studie: Der Ausgangspunkt für die technologiegetriebene Transformation
Die SHUK-Studie (SHUK= Sach-, Haftpflicht-, Unfall-, Kfz-Versicherung) ist die einzige wirklich unabhängige Marktanalyse zu Kernversicherungssystemen am Markt. Die Studie kombiniert Hersteller- und Versicherungsbefragungen sowie Ergebnisse aus einer Masterclass mit dem InsurLab Germany.
Fazit
Die technischen Bausteine für den Einsatz von KI bei Versicherungen sind da. Dabei bleibt die größte Bremse die bestehende IT‑Landschaft: Daten, Integration, Ressourcen, Migration und Regulatorik. Die SHUK‑Studie der PPI AG unterstreicht diese Punkte und zeigt zugleich, dass Hersteller verschiedene Wege anbieten, damit umzugehen. Wer KI in Versicherungen erfolgreich einführen will, muss Daten aufräumen, Integrationen planen, Ressourcen sicherstellen und Compliance mitdenken. Starten Sie praxisnah. Setzen Sie Prioritäten. Skalieren Sie dann.
Verfasst von
