Agentic-AI End-to-End Claims-Management: Was steckt dahinter?
Anzeige

Das Schadenmanagement zählt zu den operativ anspruchsvollsten Bereichen der Versicherungswirtschaft. Trotz zahlreicher Optimierungsinitiativen wie Lean Six Sigma, Business-Process-Re-Engineering oder Robotic Process Automation blieb die Komplexität hoch, da jede neue Lösung zusätzliche Regeln erforderte, schreiben die Experten Andreas Decker und Roy Heiderich. Fortschritte durch generative KI mit großen Sprach- und Bildmodellen beschränkten sich meist auf Einzelschritte. Nun revolutioniert eine neue Generation von AI Agents das Schadenmanagement, indem sie erstmals den gesamten Schadenzyklus eigenständig steuern.

Die Herausforderungen sind vielfältig: Rund 25 % der Beschäftigten verlassen den Arbeitsmarkt in den kommenden zehn Jahren, die Schadeninflation für Ersatzteile liegt bei 5–7 % pro Jahr und die Kundenerwartungen steigen kontinuierlich. Zudem wächst der regulatorische Druck, etwa durch die BaFin, die eine maximale Bearbeitungsdauer von 30 Tagen für Ersatzansprüche ausgerufen hat und neue Risiken wie Cybercrime nehmen rapide zu (Anstieg um ca. 20 % im Jahr 2024).

Von der Modellierung zum Ziel – Paradigmenwechsel durch AI Agents

Traditionelle Automatisierungslösungen erfordern eine vollständige Modellierung aller Prozesspfade und Ausnahmen. AI Agents hingegen benötigen lediglich ein Ziel, einen Werkzeugkasten (APIs, Datenbanken, LLMs, Pricing-Engines) und regulatorische Leitplanken (z.B. Unternehmenspolitik, Budgetgrenzen). Sie agieren eigenständig, bewerten Zwischenergebnisse, passen Strategien an und holen bei Bedarf menschliche Expertise hinzu. Der Prozess entsteht dynamisch und kann je nach Schadenfall variieren, ohne die Governance zu unterlaufen.

Agentic-AI End-to-End Claims Management – Faktencheck

Die vollständige Automatisierung von Schadenprozessen ist dabei keine neue Idee, doch AI Agents bringen einen entscheidenden Wandel: Sie optimieren Abläufe selbstständig und involvieren den Menschen nur noch bei Bedarf. Während frühere Systeme jede Variante vorab modellieren mussten, starten AI Agents mit einem Auftrag wie „reguliere Kfz-Glasschaden XY kundenfreundlich und kosteneffizient“ und wählen situativ die passenden Tools – von der Deckungsabfrage über Betrugserkennung bis hin zur Werkstattbuchung. So wird die Schadenbearbeitung erstmals hyper-individualisiert, bleibt aber stets innerhalb klar definierter Qualitäts- und Compliance-Grenzen.

Evolutionsstufen der KI

Traditionelle KI- und Machine-Learning-Modelle verarbeiten vor allem analytische Aufgaben wie das Klassifizieren, Bewerten oder Optimieren von Daten. Generative KI hingegen erzeugt neue Inhalte wie Texte, Audio, Code oder Bilder. Agentische KI geht noch einen Schritt weiter, indem sie eigenständig Maßnahmen plant und ausführt, um definierte Ziele zu erreichen – inklusive des Zugriffs auf externe Tools und Systeme.

Status Agentic AI in der Versicherungswirtschaft

Im Jahr 2025 ist „Agentic AI“ das Schlagwort der Branche gewesen. Einzelne Use Cases sind bereits umgesetzt, wie einige Beispiele aus Unternehmen zeigen, eine ganzheitliche Integration über die gesamte Wertschöpfungskette steht jedoch noch aus. Genau hier setzt die Lösung von ControlExpert an. Der ClaimsPilot, die Agentic AI-Plattform von ControlExpert basiert auf einem mehrschichtigen Agentendesign: Ein Orchestrator-Agent übersetzt übergeordnete Unternehmens-KPIs in konkrete operative Ziele und teilt Workflows dynamisch auf, wobei er auf hoch performanten LLMs basiert. Domänen-Agenten treffen darauf aufbauend fachliche Entscheidungen, etwa zu Deckung, Haftung, Betrug oder Reserven und nutzen dafür feinabgestimmte LLMs sowie Graph-Reasoning-Methoden. Die Action-Agenten setzen diese Entscheidungen anschließend um, indem sie externe Aktionen wie Werkstattsteuerung, Zahlungsanweisungen oder den Kundendialog durchführen. Ergänzt wird dies durch einen Learning Layer, der mittels Feedback-Loops eine kontinuierliche Verbesserung des gesamten Systems sicherstellt.

Nutzen

Alle Agenten kommunizieren miteinander eventbasiert. Die Vorteile einer solchen Lösung sind enorm: die Plattform ermöglicht eine Produktivitätssteigerung um 20–40 %, eine Verbesserung der Schadenquote um bis zu 4 % und eine signifikante Steigerung der Kundenzufriedenheit. Selbst komplexe Veränderungen von Risiken können durch den lernfähigen und flexiblen Aufbau der Plattform beherrscht werden.

Einführungsszenario entlang der Schadensegmentierung

Die Plattform unterscheidet zunächst die drei bekannten Komplexitätsstufen der Schadenbearbeitung:

Einfachschäden werden vollständig durch KI Agenten automatisiert in der Dunkelverarbeitung abgewickelt. Bei mittelschweren Schäden erfolgt die Orchestrierung ebenfalls durch KI Agenten, jedoch mit einer finalen Freigabe durch Schadenmanager:innen. Komplexschäden hingegen sind in der ersten Ausbaustufe nicht im Fokus und werden daher weiterhin außerhalb des automatisierten Prozesses bearbeitet. Die Implementierung der Lösung erfolgt schrittweise, beginnend mit einfachen
Schadenfällen und sukzessiver Erweiterung auf komplexere Szenarien.

Roadmap – Komplexität in Ausbaustufen

Die Umsetzungsroadmap ist entlang dieser Schadensegmentierung orientiert und sieht eine Lösung für die meisten Schadenfälle bis Ende des Jahres 2026 vor. Dabei baut jede Stufe auf denselben Agenten-Grundbausteinen auf, zusätzliche Tools lassen sich ohne Umbau integrieren.

1. Einfachschäden: Fast-Track-Schäden (Glasschäden, Parkschäden, Tierbissschäden, Vandalismus unter 1.000 Euro) mit Fokus auf Sofortregulierung, automatische Werkstattbuchung und Zahlungsauslösung können bereits seit Anfang des Jahres über die Plattform abgewickelt werden

2. Mittelschwere Schäden: Standard-Kollisionen (Ein- bis Zwei-Parteien-Unfälle ohne Personenschaden) inklusive einer mehrstufigen Betrugsprüfung auf Basis von Bildern und Daten aus Gutachten und Rechnungen folgen bis Mitte des Jahres 2026

3. Komplexschäden: Die Übernahme und Bearbeitung von Mehrparteien- und Personenschäden, internationale Beteiligte, Umweltfolgen, erweiterte Module für medizinische Abrechnung, Subrogation, Auslandsdeckung und behördliche Meldepflichten ist für das Jahr 2027 vorgesehen

Use-Case-Spotlight: Telefonische Schadenmeldung

Beispielhaft wird die Lösung für die telefonische First Notice of Loss (FNOL) beschrieben. Die Kontaktaufnahme durch den Versicherungsnehmer oder Anspruchsteller wird durch den Einsatz mehrsprachiger Sprachagenten weitgehend automatisiert, die das Servicecenter entlasten und bei Bedarf nahtlos an menschliche Sachbearbeiter weiterleiten. Zudem können telefonische Schadenmeldungen direkt in eine schriftliche, onlinebasierte FNOL überführt werden. In der Schadenaufnahme und Fallanlage erfolgen die automatisierte Deckungsprüfung, die Annahme und Kategorisierung der Schadenmeldung sowie die vollständige Anlage der Schadenakte, Reservesetzung, während komplexe Fälle gezielt ausgesteuert werden. Ergänzend dazu wird ein Abschlussreport erstellt, der Transparenz über alle eingegangenen und bearbeiteten Schäden schafft. Praxiserfahrungen zeigen, dass durch die Implementierung dieser Lösung eine sofortige Entlastung der Servicebereiche bei gleichzeitig hoher Kundenzufriedenheit erfolgt. Dabei kann die Lösung sowohl als Ergänzung etablierter Telefonprozesse erfolgen als auch vollständige Prozesse im Kundenkontakt abbilden.

Risiko- und Compliance-Perspektive

Erklärbares Handeln in einem regulierten Umfeld ist dabei essenziell. Die Plattform von ControlExpert erzwingt Audit-Trails und sichert kritische Entscheidungen durch Freigabestufen ab. Bei regulatorisch sensiblen Aktionen ist eine menschliche Bestätigung (Human-in-the-Loop) erforderlich. Unternehmens- und BaFin-„No-Go-Zonen“ wie Mindestreserven oder Meldefristen werden als feste Leitplanken parametrisiert. Unser ClaimsPilot entspricht dabei allen Anforderungen des EU AI Act, BSI und relevanten ISO-Normen. ClaimsPilot Deckungs- und Haftungsprüfungen gelten nicht als Hochrisikoanwendungen. Das übergreifende Data & AI Governance-Framework von ControlExpert stellt die Konformität mit zukünftigen Standards sicher.

Fazit – Das Betriebssystem der Schadenwelt

Die ClaimsPilot-Plattform verschiebt den Fokus vom Prozessdesign hin zur Zielarchitektur. Versicherer definieren ihre Ziele – Geschwindigkeit, Wirtschaftlichkeit, Kundennähe – und Agenten finden den optimalen Weg. Unabdingbar ist in diesem Zielbild, dass auch die klassischen Prüfprozesse für Gutachten und Rechnungen bei Bedarf direkt angestoßen werden können, der ClaimsPilot bietet damit eine ganzheitliche Lösung aus einer Hand. Wer jetzt mit der Umsetzung beginnt, sichert sich nicht nur Effizienzgewinne, sondern auch einen Wissensvorsprung in einem Markt, der bald von adaptiven Systemen geprägt sein wird. Das klassische Schaden-dreieck wird durch eine Plattform abgelöst, die gleichzeitig alle Ecken gleichzeitig optimiert.

Autoren: Andreas Decker, Chief Product Officer Solvd Group und Geschäftsführer von ControlExpert; Roy Heiderich, Head of Key Account Management bei ControlExpert.