LEARNING HUB
KI-AdoptionProzess-DesignChange & Leadership
#01·Versicherung·18. März 2026

KI-gestützte Schaden-Triage: 38 % schnellere Erstbearbeitung in der Schaden-Regulierung

„Wir haben nicht das schickste Modell gewählt, sondern das, das morgen früh um acht in unserem Posteingang sitzt.“
FÜR WEN

Für CIOs, COOs und Bereichsleitungen in regulierten Branchen (Versicherung, Banken), die den ersten produktiven KI-Einsatz im Kerngeschäft planen.

Beitrag
9 Min. lesen
● VERFÜGBAR
Podcast
25 Min. hören
● VERFÜGBAR
PODCAST · LIVE25 Min.

Erstellt mit der New Fire KI · Stimmen synthetisch

Großkonzern Versicherung
Schadenregulierung Komposit · DE
IMPACT
−38 %
Time-to-First-Response in der Erstprüfung
FLOW2IMPACT
Verknüpft
SCHLAGWORTE
KI-TransformationProzessdesignChangeVersicherung
00

Was Sie aus diesem Case mitnehmen

  1. 01

    Wie ein konservatives KI-Modell mit hoher Akzeptanz ein präzises mit hoher Skepsis schlägt

  2. 02

    Wann Datenschutz und Betriebsrat in den Sprint gehören (Sprint 1, nicht Sprint 4)

  3. 03

    Warum die UI-Sprache wichtiger ist als das Modell selbst

  4. 04

    Wie ein Single-Use-Case-Pilot die Skalierung beschleunigt statt verlangsamt

01

Problemstellung

In der Schadenmeldung Komposit lagen Erstprüfungen im Schnitt 3,8 Tage liegen, bis ein Sachbearbeiter den Vorgang bewertet hat. Die Folge: unzufriedene Versicherungsnehmer, Drift in der Bearbeitungsqualität und überhitzte Backlogs in Spitzenwochen. Klassische Automatisierungs-Workflows scheiterten an der Heterogenität der Eingangskanäle (E-Mail, PDF, Foto, Maklerportal).

02

Lösungsmöglichkeit

Drei Optionen wurden abgewogen: (1) RPA mit Regelwerk auf den größten Schadensparten, (2) Kauf einer Out-of-the-Box-Lösung eines US-InsurTechs, (3) eigenes Triage-Modell auf bestehenden Akten + LLM-gestützte Klassifikation. Entschieden wurde Option 3, weil die fachliche Tiefe der Sparten-Kenntnisse intern bleiben sollte und die Trainingsdaten ohnehin vorhanden waren.

03

Wie wir vorgegangen sind

  1. 1
    Wochen 1–2 · Reibungsanalyse

    Shadowing in 4 Teams, Aufnahme von 120 echten Vorgängen, Identifikation der drei größten Engpässe (Vollständigkeit der Meldung, Sparten-Zuordnung, Dringlichkeitsbewertung).

  2. 2
    Wochen 3–6 · Quick-Win-Pilot

    Triage-Klassifikator auf 18 Monaten anonymisierter Schadenakten trainiert. UI-Integration als Sidebar im bestehenden Bearbeitungssystem (kein Tool-Wechsel für die Sachbearbeiter).

  3. 3
    Wochen 7–14 · Skalierung

    Rollout in zwei weiteren Sparten, Etablierung Modell-Monitoring, Definition KPI-Set (Genauigkeit, Time-to-First-Response, Sachbearbeiter-Akzeptanz).

  4. 4
    Ab Woche 15 · Verankerung

    Champion-Netzwerk in den Teams, monatlicher Modell-Review, Übergabe in den Regelbetrieb der Datenorganisation.

04

Stolpersteine

  • Erste Modellversion war zu „mutig“ und hat unklare Fälle zu schnell hoch eingestuft. Folge: Vertrauen in Sachbearbeiter-Teams ist abgerutscht — wir mussten zurück auf eine konservative Schwelle.

  • Datenschutz-Genehmigung dauerte länger als technisches Setup (4 Wochen vs. 2 Wochen).

  • Betriebsrat war zu spät einbezogen. Nachverhandlung kostete weitere 3 Wochen.

05

Learnings

  • Ein konservatives Modell mit hoher Akzeptanz schlägt ein präzises Modell mit hoher Skepsis.

  • Datenschutz und Betriebsrat gehören in Sprint 1, nicht in Sprint 4.

  • Sachbearbeiter wollen nicht ersetzt, sondern entlastet werden — Sprache der UI ist genauso wichtig wie das Modell selbst.

06

Workaround — Change-Kollaps vermeiden

Iterativ statt Big Bang

Statt eines großen „KI-Rollouts“ haben wir mit einer einzigen Sparte (Hausrat) und nur einem Use Case (Sparten-Zuordnung) gestartet. Der echte Bearbeitungsworkflow blieb unverändert; das Modell schlug nur vor. Erst nach 6 Wochen messbarer Akzeptanz wurde der zweite Use Case aktiviert. So konnten wir Change-Kollaps und Backlash vermeiden — und hatten zugleich nach 6 Wochen einen ersten echten Wirkungs-Nachweis im Haus.

07

Finale Lösung & Maßnahme

Triage-Layer ist heute in vier Sparten produktiv. Modell läuft in der eigenen Cloud, Re-Training quartalsweise. Time-to-First-Response sank von 3,8 auf 2,4 Tage (−38 %). Sachbearbeiter berichten in der internen Umfrage zu 81 % „spürbare Entlastung“. Nächster Schritt: Übertragung auf Maklerportal-Eingang.

−38 %
Time-to-First-Response in der Erstprüfung
Verknüpft
Flow2Impact-Phase
DE
Standort
CASE DURCH

Möchten Sie diesen Lerninhalt vertiefen?

Weitere Cases erscheinen demnächst auch als Podcast. Bis dahin: 30 Minuten direktes Gespräch sind oft schneller.