Versicherungsschäden: vom Schaden zur Entscheidung, die Ihre Experten prüfen können

Ein Schaden ist selten eine einzige Frage. Die Sachbearbeitung wechselt zwischen Policenwortlaut, Kostenvoranschlägen, Fallhistorie und internen Systemen. Eine flüssige KI-Antwort genügt nicht, wenn der Beleg oder der Regulierungsbetrag falsch ist.

Der Fehlerfall ist konkret. Ein allgemeines Policenlimit kann korrekt zitiert sein und trotzdem zur falschen Entscheidung führen, weil für genau diesen Schaden ein Glas Sublimit gilt. Ein fehlender Kostenvoranschlag muss zu einer Anforderung beim Anspruchsteller werden, nie zu einer selbstsicheren Schätzung. Jedes System, das Schäden vorbereitet, muss den maßgeblichen Beleg sichtbar machen und die vorgeschlagene Entscheidung prüfbar halten.

Gleichzeitig steigt die Messlatte der Governance. EU AI Act, DORA und die Erwartungen der EIOPA an eine risikobasierte KI-Governance bedeuten: Jede Entscheidung braucht eine nachvollziehbare Spur, und Schadendaten müssen im Haus des Versicherers bleiben. Die Frage ist nicht mehr, ob KI in der Schadenbearbeitung eingesetzt wird, sondern wie sie unter Kontrolle läuft.

Eigen überführt die Arbeitsweise Ihrer Schadenspezialisten in koordinierte KI-Workflows. Es sammelt die Fallfakten, prüft die Policenregeln, verifiziert Belege und bereitet eine dokumentierte Empfehlung zur menschlichen Freigabe vor. Vier Stufen:

1. 01
   Methode erfassen
   Eine Schadenspezialistin beschreibt in gewöhnlicher Sprache, wie der Schaden zu bearbeiten ist. Kein Workflow zum Zeichnen, kein Skript zum Schreiben.
2. 02
   Arbeit planen
   Eigen kompiliert die Methode in einen Plan aus abhängigen und parallelen Schritten und gibt jedem Schritt nur die Werkzeuge und das Modell, die er braucht.
3. 03
   Ausführen und verifizieren
   Agents rufen Policen- und Schadendaten ab, prüfen Belege gegen die Quelle, wenden Limits und Selbstbeteiligung an und berechnen den zahlbaren Betrag. Jeder Schritt hält fest, was er gelesen und verwendet hat.
4. 04
   Zur Prüfung aufbereiten
   Ein Vorschlag kommt mit Quellverweisen, der Berechnung und markierten Ausnahmen an. Ein Mensch gibt ihn frei. Das System zahlt nichts aus und kommuniziert nichts.

“Prüfe, ob der Schaden in die Versicherungsperiode fällt und kein Ausschluss greift. Hol den Reparaturkostenvoranschlag; wenn er fehlt, fordere ihn an. Wende die Selbstbeteiligung und ein etwaiges Sublimit an, prüfe das Gesamtlimit und gib alles Ungewöhnliche mit den Belegen an eine Prüferin.”

Aus diesen wenigen Sätzen baut Eigen das Netzwerk: ein Koordinator und zwölf Arbeitseinheiten. Schaden abrufen, Police abrufen, Versicherungsperiode prüfen, Ausschlüsse prüfen, Kostenvoranschlag einholen, Belege verifizieren, Vorschäden prüfen, Selbstbeteiligung anwenden, Gesamtlimit anwenden, Zahlung berechnen, Entscheidung entwerfen, Übergabe an die Prüfung. Unabhängige Schritte laufen parallel, und die Expertin schreibt null Zeilen Code.

Jede freigegebene Methode wird in EigenBrain bewahrt und wiederverwendet. Das Urteil Ihrer erfahrensten Sachbearbeiter bleibt so im Haus, wenn sie gehen, und die nächste Schadenart ist schneller gebaut. Schaden und Corporate KYC teilen den Großteil ihrer Struktur: Belege abrufen, gegen die Quelle verifizieren, Regeln und Limits anwenden, Ausnahmen weiterleiten.

Die neun Szenarien decken eine saubere Regulierung, eine fehlende Rechnung, ein Deckungssublimit, einen nicht verfügbaren Kostenvoranschlag, der nicht erfunden werden darf, einen Kostenvoranschlag in einem Dokument, eine widersprüchliche Historie, einen Schaden über dem Gesamtlimit, einen Ausschluss und einen Schaden vor Deckungsbeginn ab. Die Klauselverweise folgen den veröffentlichten deutschen Kfz Bedingungen. Jedes geprüfte System erhält dieselben Schäden und Werkzeuge, und ein deterministischer Bewerter benotet den Endzustand. Realistisch in den Verfahren, synthetisch in den Daten.

Die modellierte Wirtschaftlichkeit

Bei 50.000 Schäden im Jahr kostet ein einzelner Frontier Agent je nach Modell zwischen 5.290 und 26.870 USD im Jahr an KI-Verarbeitung, zu Listenpreisen vom Oktober 2026. Allein die Modellwahl bewegt die Kosten um das Fünffache. Eigen auf drei kleinen offenen Modellen in der Infrastruktur des Versicherers ist mit 17.213 USD im Jahr modelliert, 66 Prozent unter GPT-6 Astra, bei 88 Prozent weniger GPU-Aufwand als beim Selbsthosting eines großen offenen Modells.

Gegen die günstigste API entscheidet die Prüfzeit. Vierzehn Sekunden eingesparte Prüfzeit je Schaden erreichen die Gewinnschwelle, und bei 60 USD je Stunde ist jede eingesparte Prüfminute je Schaden 50.000 USD im Jahr wert. Wird aus einem manuellen 20-Minuten-Schaden eine 5-Minuten-Prüfung, sind das 12.500 freigesetzte Expertenstunden im Jahr.

• Jedes Modell läuft innerhalb der Sicherheitsgrenze des Versicherers auf 24-GB-GPUs, On-Premise oder in einer deutschen Cloud.
• Kein externer Fallback, ausgehender Datenverkehr blockiert, Werkzeugzugriff folgt Ihren Berechtigungen.
• Menschliche Freigabestufen bei jeder Entscheidung. Wissen gelangt erst nach Freigabe in EigenBrain.

Bringen Sie uns einen Schadenworkflow

Wir suchen einen Pilotpartner aus der Versicherungsbranche, um einen abgegrenzten Workflow an historischen Fällen in Ihrer Infrastruktur zu evaluieren: Entscheidungsqualität, Belegqualität, menschlicher Prüfaufwand, Abschlusszuverlässigkeit und Kosten je verwertbarem Vorschlag. Unser Ziel: Aus einem manuellen 20-Minuten-Schaden wird eine 5-Minuten-Prüfung. Die Ergebnisse gehen zuerst an Sie.