Agentische KI in der Versicherung: VivaTech als Blaupause

Im europäischen Versicherungsmarkt liegt derzeit eine Zahl wie ein Stein im Magen vieler Vorstände: über 60 % der großen Versicherer geben an, dass ihre KI-Initiativen noch keinen klar messbaren ROI liefern. Gleichzeitig steigt der Druck – Kund:innen erwarten digitale Services auf Netflix-Niveau, Regulatoren verschärfen die Vorgaben, und neue InsurTechs testen mutig alles, was generative und agentische KI hergeben.

Genau an dieser Schnittstelle bewegt sich VivaTech 2025 in Paris. Dort zeigt Zelros im Capgemini-Bereich eine Demo zu agentischer KI für Banken und Versicherungen. Das Event ist spannend, aber noch wichtiger ist die Frage: Was können österreichische Versicherer konkret daraus ableiten – ohne erst auf die nächste Messe zu warten?

In diesem Beitrag geht es nicht um Messe-Hype. Es geht darum, was agentische KI im Versicherungsalltag wirklich leisten kann, welche Use Cases sich lohnen, wie man regulatorische Anforderungen (inkl. EU-AI-Act) einhält – und wie Sie aus solchen Demos eine handfeste Transformations-Roadmap für Ihr Haus machen.

---

Was bedeutet „agentische KI“ für Versicherungen – ganz praktisch?

Agentische KI in der Versicherung heißt: KI-Systeme agieren nicht nur reaktiv, sondern planen, entscheiden und führen Schritte eigenständig aus, innerhalb klar definierter Leitplanken. Sie sind nicht einfach „schlaue Chatbots“, sondern verhalten sich eher wie digitale Co-Worker.

Konkret kann eine agentische KI im Versicherungsumfeld:

• Informationen aus mehreren Systemen zusammenführen (Bestand, CRM, DWH)
• eigenständig passende Produkte oder Maßnahmen vorschlagen
• Standardprozesse anstoßen (z.B. E-Mails, Aufgaben im Ticketsystem, Workflows im Bestandssystem)
• Zwischenergebnisse bewerten und den nächsten Schritt planen

Agentische KI ist der Schritt vom Assistenz-Tool zum Mit-Arbeiter – immer unter Aufsicht von Mensch und Compliance.

Für österreichische Versicherer ist das spannend, weil die Margen sinken, der Fachkräftemangel wächst und gleichzeitig die Kundenerwartungen steigen. Agentische KI adressiert genau diese drei Schmerzpunkte: Effizienz, Qualität und Geschwindigkeit.

---

Typische Use Cases: Wo agentische KI heute schon Wirkung zeigt

Der Nutzen entsteht nicht im Labor, sondern in ganz konkreten Prozessen. Hier sind die Bereiche, in denen sich agentische KI aktuell am schnellsten rechnet.

1. Beratung & Vertrieb: Der digitale Co-Pilot für Makler:innen und Agenturen

Beratung ist komplex: Tarifvielfalt, regulatorische Vorgaben, Produktupdates, interne Kampagnen. Viele Vermittler:innen kämpfen schlicht mit Informationsflut.

Eine agentische KI kann:

• Kundendaten und Historie analysieren und Next-Best-Offer-Vorschläge machen
• während des Kundengesprächs Echtzeit-Empfehlungen anzeigen (z.B. Unterversicherung, passende Zusatzbausteine)
• automatisch Gesprächszusammenfassungen erstellen
• Dokumentation im CRM weitgehend übernehmen

Beispiel: Eine Kundin ruft wegen einer Kfz-Änderung an. Die KI erkennt, dass sie keine Unfallversicherung hat, berechnet anhand Alter, Beruf und Familienstand ein passendes Angebot, liefert Argumentationshilfen und erstellt im Hintergrund gleich den Angebotsentwurf. Der/die Berater:in entscheidet – die KI bereitet alles vor.

Nutzen:

• Mehr Cross- und Upselling bei gleichbleibender Gesprächszeit
• Weniger Dokumentationsaufwand
• Höhere Beratungsqualität und Konsistenz

2. Contact Center & BPO: Kürzere Bearbeitungszeiten, weniger Eskalationen

In Contact Centern zählt jede Sekunde. Gleichzeitig sind die Anliegen oft emotional und komplex – gerade in Schadenfällen.

Agentische KI kann hier:

• Anrufe, Mails und Chats vorqualifizieren und korrekt routen
• während des Gesprächs Lösungswege aus Richtlinien, Wissensdatenbank und Policen ziehen
• Workflows anstoßen (z.B. Schadenanlage, Nachforderung fehlender Unterlagen)
• nach dem Call Fallnotizen automatisch generieren

Die Realität in vielen Häusern: Mitarbeitende klicken sich durch 5–7 Systeme, um alle Infos zu sehen. Eine agentische KI-Applikation bündelt diese Informationen und macht konkrete Vorschläge: "Schadenreserve anpassen", "Kulanzempfehlung X", "Hinweis auf rechtliche Klausel Y".

3. Customer Service & Backoffice: Dunkelverarbeitung plus menschliche Kontrolle

Im Backoffice sind die Prozesse oft regelbasiert und wiederkehrend – ein ideales Spielfeld für agentische KI.

Typische Szenarien:

• Policenerstellung und -änderung (Adressänderungen, Bankdaten, Deckungserweiterungen)
• Dokumentenklassifikation (Eingangs-Post, E-Mails, Uploads im Kundenportal)
• Erste Schadenbewertung inkl. Plausibilitätscheck
• Abgleich von Kundendaten mit Sanktionslisten und internen Risikoregeln

Die KI arbeitet dabei wie ein digitaler Sachbearbeiter: Sie sammelt die Infos, entscheidet auf Basis definierter Regeln und gibt bei Unsicherheiten an Menschen ab. So entsteht teilweise oder vollautomatisierte Dunkelverarbeitung, ohne Blackbox.

4. Data & IT: Governed AI statt Wildwuchs

Für Data- und IT-Leiter:innen ist agentische KI Fluch und Segen zugleich: enormer Nutzen – aber auch neue Risiken.

Gut aufgesetzte Plattformen (wie die, die Zelros auf Events wie VivaTech zeigt) unterstützen u.a.:

• zentrale Governance für Modelle, Prompts und Policies
• einheitliche Schnittstellen zu Bestandssystemen, CRM, DWH
• Monitoring von Qualität, Bias, Drift und Performance
• einfache Möglichkeiten, neue Use Cases zu testen, ohne jedes Mal ein Großprojekt zu starten

Die Konsequenz: Statt zehn isolierten Excel- und Chatbot-Piloten entsteht eine skalierbare KI-Landschaft, die auditierbar und revisionssicher ist.

---

Regulatorik, Ethik & EU-AI-Act: Wie man KI-Risiken kontrolliert

Agentische KI darf im Versicherungsumfeld nie „wild“ agieren. Transparenz, Nachvollziehbarkeit und Datenschutz sind Pflicht – nicht nur aus Compliance-Gründen, sondern auch, um Vertrauen bei Kund:innen und Vermittler:innen zu sichern.

Zentrale Anforderungen für österreichische Versicherer

1. EU-AI-Act & Versicherungsaufsicht

   • Risikoklassifizierung der Use Cases (z.B. Pricing, Underwriting, Claims)
   • Dokumentation von Modellen, Trainingsdaten und Entscheidungslogik
   • Mechanismen für menschliche Aufsicht (Human-in-the-loop)

2. DSGVO & Datenschutz

   • Datenminimierung und klare Zweckbindung
   • Logging, wer wann auf welche Daten zugreift
   • saubere Trennung von Trainings- und Produktivdaten

3. Nachvollziehbare Entscheidungen

   • Erklärbare Modelle oder ergänzende Erklärschichten (z.B. Feature-Attribution)
   • Protokolle, welche Faktoren zu welcher Empfehlung geführt haben

Gut gemachte agentische KI-Plattformen integrieren diese Aspekte nativ: Rollen- und Rechtemanagement, Audit-Trails, Explainability-Layer, Consent-Management. Genau hier lohnt sich für Versicherungen der Blick auf Demos wie jene von Zelros – nicht nur auf „schöne Oberflächen“, sondern explizit auf Governance-Funktionen.

Eine KI-Lösung, die sich nicht sauber auditieren lässt, ist im regulierten Versicherungsmarkt faktisch unbrauchbar.

---

Von der Messe zur Roadmap: So übersetzen Sie VivaTech-Inspiration in Projekte

Viele Digital- und Innovationsleiter:innen kennen das Problem: Man sieht beeindruckende Demos, fliegt begeistert heim – und der Alltag frisst alles wieder auf. Damit das dieses Mal anders läuft, braucht es einen klaren Ansatz.

Schritt 1: Business-Pain definieren statt Technologie shoppen

Statt mit „Wir brauchen auch generative KI“ zu starten, ist die bessere Frage:

• Wo verlieren wir heute am meisten Zeit?
• Wo sind Kund:innen unzufrieden (z.B. lange Durchlaufzeiten, Intransparenz)?
• Welche Prozesse sind regulatorisch sensibel, aber stark manuell?

Typische Top-Kandidaten in österreichischen Häusern sind:

• Kfz-Schaden (hohes Volumen, hoher Preisdruck)
• Kranken-Leistungsbearbeitung
• Makler- und Agenturbetreuung

Schritt 2: Use Case konkretisieren und „agentisch“ denken

Nehmen wir z.B. den First Notice of Loss (FNOL) im Kfz-Schaden. Statt nur einen Chatbot vorzuschalten, könnte eine agentische KI:

1. Kundendaten, Deckung und Historie prüfen
2. Checklisten für den/die Sachbearbeiter:in erstellen
3. Betrugsindikatoren bewerten
4. eine vorläufige Schadenreserve vorschlagen
5. Kommunikationsschritte mit Kund:in vorbereiten

So entsteht ein End-to-End-Agent, der den gesamten Vorgang begleitet – nicht nur eine nette Oberfläche im Frontend.

Schritt 3: ROI und Machbarkeit realistisch bewerten

Für Vorstände und CFOs zählen harte Zahlen. Ein sauber beschriebenes KI-Pilotprojekt sollte enthalten:

• Zielgröße (z.B. „Bearbeitungszeit FNOL -30 %“, „Cross-Selling-Quote +15 % im First-Year-Business“)
• Umfang (welche Sparten, welche Kanäle, welches Volumen)
• Datenlage (sind genug historische Daten vorhanden?)
• Risiken (Bias, Regulatorik, IT-Sicherheit)

Auf dieser Basis wird klar, welche Demos von Anbietern wie Zelros wirklich relevant sind – und wo sich eine vertiefte Zusammenarbeit lohnt.

---

Best Practices für österreichische Versicherer: Was sich 2025 bewährt

Viele Häuser in Europa haben in den letzten zwei Jahren ihre ersten seriösen KI-Wellen hinter sich. Aus diesen Erfahrungen lassen sich klare Muster ableiten.

1. Kein KI-Projekt ohne Fachbereichs-Ownership

Wenn KI-Projekte ausschließlich aus IT oder Innovation getrieben werden, landen sie oft in der „Showcase-Schublade“. Erfolgreich sind Vorhaben, bei denen Fachbereiche (Vertrieb, Schaden, Leistung) die Führung übernehmen und KPIs definieren.

2. Plattform statt Einzellösungen

Zehn isolierte KI-Tools bedeuten zehnmal Governance-Aufwand und zehn Angriffsflächen. Besser ist eine zentrale AI-Plattform, auf der:

• verschiedene agentische Use Cases betrieben werden können
• Zugriffe, Protokolle und Modelle einheitlich gemanagt werden
• Compliance und IT-Security gemeinsam wirken

Genau dieses Plattformdenken steht bei Demos wie jener von Zelros im Fokus – und sollte auch Maßstab für Ihre Ausschreibungen sein.

3. Schnell testen, streng messen

Pilotprojekte sollten innerhalb von 3–6 Monaten echte Ergebnisse liefern:

• A/B-Tests im Vertrieb
• kontrollierte Rollouts in einzelnen Regionen oder Partnerkanälen
• klare KPI-Reviews nach jedem Sprint

Wer KI wie ein klassisches 3-Jahres-IT-Projekt behandelt, verliert den Anschluss.

4. Mitarbeitende früh einbinden

Agentische KI verändert Rollenbilder – das erzeugt Unsicherheit. Versicherer, die früh und offen kommunizieren („KI nimmt Euch Routinetätigkeiten, nicht den Job“) und Mitarbeitende schulen, sehen höhere Akzeptanz und bessere Ergebnisse.

---

Fazit: VivaTech als Startpunkt für Ihre agentische KI-Strategie

Agentische KI ist für Versicherungen kein Zukunftsthema mehr, sondern 2025 bereits ein Wettbewerbsfaktor. Lösungen wie die von Zelros – präsentiert auf Veranstaltungen wie VivaTech – zeigen, was heute in Beratung, Contact Center, Schaden und Backoffice möglich ist.

Für österreichische Versicherungen heißt das:

• Identifizieren Sie konkrete Pain Points, statt „KI allgemein“ einzukaufen.
• Denken Sie in End-to-End-Agenten, nicht nur in Chatbots.
• Setzen Sie auf Plattformen mit sauberer Governance, die EU-AI-Act, DSGVO und Aufsichtsvorgaben unterstützen.
• Starten Sie mit klar messbaren Piloten und skalieren Sie konsequent.

Wer jetzt strukturiert beginnt, kann 2026 nicht nur von niedrigeren Kosten, sondern auch von zufriedeneren Kund:innen und Vermittler:innen profitieren. Die eigentliche Frage ist daher nicht, ob agentische KI in österreichischen Versicherungen ankommt – sondern welche Häuser sie strategisch nutzen und damit die nächste Wachstumswelle im InsurTech-Bereich anführen.