Worüber sollte sich ein Vorstand beim Thema KI heute am meisten Gedanken machen — und was wird dabei häufig unterschätzt?
Ein Vorstand sollte KI heute weniger als reines Use-Case- oder Effizienzprogramm betrachten, sondern als strategische Weichenstellung für Operating Model, Technologiearchitektur, Datenstrategie und Kostensteuerung. Häufig unterschätzt wird, dass KI nicht automatisch Wert schafft: Ohne saubere Daten, klare Prozessverantwortung, Fachbereichs-Ownership und Governance bleibt KI oft im Pilotstatus stecken. Ebenfalls stark unterschätzt wird das Thema AI Economics — also Token-Kosten, Modellwahl, Plattformabhängigkeiten und die Frage, ob KI in der Skalierung tatsächlich wirtschaftlich bleibt.
Wo ist die Lücke zwischen KI-Versprechen und messbarem Mehrwert aktuell am größten?
Die größte Lücke liegt aktuell zwischen vielen überzeugenden POCs und einer breit messbaren Skalierung im Kerngeschäft. Viele Unternehmen berichten von punktuellen Erfolgen in Coding, Dokumentenverarbeitung, Inputmanagement, Kundenservice oder Schaden / Leistung, aber nur wenige können bereits flächendeckend belastbare Business-KPIs oder FTE-Effekte nachweisen. Besonders groß ist die Lücke dort, wo KI auf alte Kernsysteme, fragmentierte Daten, unklare Fachbereichsverantwortung oder langwierige Governance-Prozesse trifft.
Woran werden wir in zwei Jahren erkennen, dass KI in der Versicherungsbranche wirklich „angekommen“ ist?
KI ist wirklich angekommen, wenn sie nicht mehr als Innovationsprogramm diskutiert wird, sondern standardmäßig in Kernprozessen, IT-Entwicklung und Entscheidungsunterstützung eingebettet ist. Erkennbar wird das an messbaren Verbesserungen: höhere Dunkelverarbeitung, schnellere Schaden- und Leistungsbearbeitung, bessere Servicequalität, kürzere Entwicklungszyklen und nachvollziehbare Kosten-Nutzen-Steuerung. Ein weiteres Zeichen wird sein, dass Unternehmen eigene AI-Governance- und AI-Economics-Modelle etabliert haben und Fachbereiche KI nicht mehr „bestellen“, sondern aktiv mitverantworten.