Ohne KI-fähige Bestandsführung bleibt jede KI-Strategie ein Papiertiger. Wie Plattformen wie Graphene von Peak3 österreichische Versicherer jetzt konkret voranbringen.
Warum moderne Bestandsführung über Erfolg oder Frust entscheidet
Die meisten österreichischen Versicherer investieren 2025 massiv in KI – und stolpern dann über ein banales Problem: das Kernsystem kann die Ideen nicht tragen. Geniale Use Cases sind in PowerPoint schnell skizziert, aber im Host-System von 1998 laufen sie eben nicht.
Hier liegt der Kern: ohne moderne, KI-fähige Bestandsführung ist jede KI-Strategie ein Papiertiger. Genau an dieser Stelle wird es spannend, wenn man sich Player wie Peak3 ansieht, die mit ihrer Plattform Graphene im InsurLab-Umfeld und auch in Österreich aktiv sind.
In dieser Ausgabe unserer Reihe „KI für österreichische Versicherungen: InsurTech“ schauen wir uns an, wie ein cloudbasiertes Bestandsführungssystem mit eingebauter KI-Fähigkeit Schadenbearbeitung, Betrugserkennung und Produktentwicklung tatsächlich verändert – und was das ganz konkret für österreichische Versicherer bedeutet.
1. Was moderne Bestandsführung für KI in Versicherungen leisten muss
Eine KI-Strategie steht und fällt mit der technischen Basis. Für Versicherer in Österreich heißt das: ein Kernsystem, das Cloud, Daten und KI nativ unterstützt, nicht nur „angebaut“ bekommt.
Die drei entscheidenden Anforderungen
Ein zukunftsfähiges Bestandsführungssystem für Schaden- und Unfallversicherung braucht aus meiner Sicht mindestens diese Eigenschaften:
-
Cloudbasiert und skalierbar
Spitzenlast nach einem Hagelsturm in der Steiermark? Dann muss das System automatisch hochskalieren, statt Schadenmeldungen zu stapeln. -
Modular und konfigurierbar statt monolithisch
Neue Produkte, Tarifvarianten oder Partner-Kooperationen (z.B. mit österreichischen Maklerpools) sollen in Wochen entstehen, nicht in 18‑monatigen IT-Projekten. -
AI-ready by design
KI darf nicht ein einzelner Bot am Rand sein. Das System muss Daten, Prozesse und KI-Agenten orchestrieren können – von der FNOL-Schadenmeldung bis zur Auszahlung.
Peak3 positioniert Graphene genau in dieser Schnittmenge: ein cloudbasiertes, modulares Bestandsführungssystem, das bereits in über 20 Ländern im Einsatz ist und nach eigenen Angaben mehr als zwei Milliarden Policen verwaltet – darunter auch Kunden in Österreich und der Schweiz.
„Für uns ist Künstliche Intelligenz kein Add-on, sondern ein integraler Bestandteil unserer Plattformstrategie.“ – Adrien Lebegue, Peak3
2. Konkrete KI-Anwendungsfälle: Vom FNOL bis zur Betrugserkennung
Die spannende Frage für österreichische Versicherer lautet: Wo bringt KI im Alltag wirklich messbaren Nutzen – heute, nicht erst 2030? Die Beispiele aus der Graphene-Welt sind erstaunlich pragmatisch.
2.1 Automatisierte Schadenaufnahme (FNOL) mit Conversational Interfaces
First Notice of Loss (FNOL) ist der Moment der Wahrheit in der Kundenbeziehung. Hier entscheidet sich, ob jemand die Versicherung als Partner oder als Bremsklotz wahrnimmt.
Ein KI-fähiges System erlaubt etwa:
- Chatbots und Sprachassistenten, die eine Kfz-Schadenmeldung komplett führen: von der Schilderung des Unfalls über Foto-Upload bis zur Plausibilitätsprüfung.
- Dynamische Dialogführung, die auf Basis von Schadenart, Policendaten und Historie gezielt nachfragt.
- Direkte Integration in den Bestand, sodass nach der Meldung kein manueller Nacherfassungsaufwand entsteht.
Für österreichische Kfz- oder Haushaltsversicherer heißt das:
Deutlich kürzere Bearbeitungszeiten, weniger Medienbrüche und ein Service-Erlebnis, das Kunden von E‑Commerce und Banking längst gewohnt sind.
2.2 Dunkelverarbeitung durch OCR, NLP und Entscheidungslogik
Dunkelverarbeitung ist nicht neu – viele Häuser in Österreich haben regelbasierte STP-Strecken. Der Unterschied mit moderner KI-Infrastruktur: mehr Fälle können automatisiert werden, ohne Risiko und Compliance zu vernachlässigen.
Kombiniert werden typischerweise:
- OCR (Optical Character Recognition) zur automatisierten Erkennung von Inhalten aus PDFs, Fotos oder eingescannten Formularen
- NLP (Natural Language Processing), um Freitexte (z.B. Arztberichte, Schadenbeschreibungen) in strukturierte Daten zu überführen
- Regelbasierte Entscheidungsmethodik plus ML-Modelle, um Freigabe, Nachfragen oder Abstufungen zu treffen
Ein typischer Use Case für den österreichischen Markt:
- Arztrechnung in der Kranken-Zusatzversicherung wird hochgeladen
- System liest Diagnosen, Datum, Beträge aus
- Abgleich mit Tarifbedingungen und individuellen Limits
- automatische Leistungsentscheidung und Überweisung, sofern keine Auffälligkeit
2.3 Dynamische Betrugserkennung mit Machine Learning
Betrugserkennung in der Schadenbearbeitung ist in Österreich ein sensibles Thema – regulatorisch, reputativ und prozessual. Ein intelligentes Bestandsführungssystem setzt hier auf Kombination von ML-Modellen und versicherungsspezifischem Expertenwissen.
Das sieht in der Praxis so aus:
- ML-Modelle identifizieren Muster in historischen Schadenfällen (z.B. auffällige Häufungen bestimmter Werkstätten, Diagnosen oder Schadenorte).
- Fachregeln der Schadenexperten legen Grenzen, Schwellenwerte und Sonderfälle fest (z.B. brandaktuelle Katastrophenereignisse, sozial heikle Konstellationen).
- Verdächtige Fälle werden für manuelle Prüfung markiert, während unkritische Vorgänge weiterhin vollautomatisiert laufen.
Das Ergebnis:
höhere Trefferquote bei Betrug, weniger Fehlalarme, und die seriöse Mehrheit der Kunden profitiert von schneller Regulierung.
3. Warum gerade Österreich von AI-ready Kernsystemen profitiert
Österreich ist ein spannender Versicherungsmarkt: stark reguliert, relativ konzentriert, gleichzeitig mit hoher Erwartungshaltung an digitale Services. Hier kann ein moderner Bestandsführungskern besonders viel Hebelwirkung entfalten.
3.1 Altsysteme, lokale Besonderheiten, hoher Wettbewerbsdruck
Viele Versicherer in Österreich kämpfen gleichzeitig mit:
- Überalterten Kernsystemen, oft hostbasiert, schwer integrierbar
- Komplexen Produktstrukturen, u.a. durch jahrzehntelange Makler- und Bank-Kooperationen
- Wachsendem Vergleichsdruck über Online-Vergleichsplattformen
Ein KI-fähiges System wie Graphene lässt sich zweifach nutzen:
- Greenfield: komplett neue digitale Marken oder Produktlinien, z.B. eine reine Online-Haushaltsversicherung
- Core-Modernisierung: Schrittweiser Umzug von Beständen, Sparten oder Prozessen
Ich halte gerade den hybriden Weg für realistisch: einzelne Sparten (oft Kfz oder einfache Sachprodukte) zuerst auf der neuen Plattform, dann Stück für Stück der Rest – mit klaren Business-Cases, etwa:
- 30–50 % schnellere Schadenbearbeitungszeiten
- höhere Dunkelverarbeitungsquoten in Standardfällen
- reduzierte Prozesskosten pro Police
3.2 Operative Exzellenz und BPM als Voraussetzung für KI-Erfolg
KI ohne sauberes Prozessdesign führt nur zu schnellerem Chaos. Darum passen die Schwerpunkte „Operative Exzellenz“ und „Business Process Management (BPM)“ des InsurLab Germany perfekt zur Realität österreichischer Häuser.
Ein System wie Graphene unterstützt das beispielsweise durch:
- No-Code-Konfiguration: Fachbereiche können Workflows, Regeln und Produkte selbst anpassen, ohne jedes Mal ein IT-Großprojekt zu starten.
- Transparente Prozessmodelle: End-to-End-Sicht auf Schaden- und Vertragsprozesse, Messung von Durchlaufzeiten, Engpässen, Dunkelverarbeitungsquoten.
- Standardisierte Schnittstellen: einfache Integration von externen Datenquellen (z.B. Geodaten, Bonitätsinformationen, Katastrophendaten) – entscheidend für saubere Risikobewertung.
Für österreichische Versicherer bedeutet das: erst Prozesse strukturieren und automatisieren, dann KI zielgerichtet darauf anwenden – nicht umgekehrt.
4. Agentische KI und KI-Agenten: der nächste Schritt in der Schadenbearbeitung
Ein spannender Aspekt der aktuellen Graphene-Version ist die Ausrichtung auf Agentic AI – also KI-Agenten, die Aufgaben über mehrere Systeme hinweg selbständig ausführen können.
Was heißt das konkret für den Versicherungsalltag?
Statt eines einzelnen, monolithischen KI-Systems arbeiten mehrere spezialisierte Agenten zusammen, z.B.:
- ein FNOL-Agent, der die Erstmeldung strukturiert und validiert,
- ein Dokumenten-Agent, der eingehende Unterlagen auswertet,
- ein Entscheidungs-Agent, der basierend auf Policen, Regeln und ML-Modellen eine Empfehlung gibt,
- ein Kommunikations-Agent, der Kunden proaktiv über Status, Rückfragen und Zahlungen informiert.
Wichtig dabei:
- Die Orchestrierung liegt im Bestandsführungssystem – dort, wo alle relevanten Daten und Geschäftsregeln zusammenlaufen.
- Sicherheit und Compliance bleiben steuerbar: Rollen, Berechtigungen, Protokollierung und Revisionssicherheit werden nicht der KI überlassen, sondern im Kernsystem verankert.
Gerade in stark regulierten Märkten wie Österreich ist das ein entscheidender Punkt: KI arbeitet nicht „wild“, sondern in klar kontrollierten Bahnen.
5. Co-Creation statt Insellösung: Warum Ökosysteme wie InsurLab wichtig sind
Die Realität ist: Kein Versicherer und kein Anbieter löst die Transformation alleine. Deswegen ist die Mitgliedschaft von Peak3 im InsurLab Germany aus österreichischer Sicht mehr als eine News-Meldung – sie ist ein Signal, wohin sich die Branche bewegt.
Peak3 setzt hier auf Co-Creation:
- aktive Mitarbeit in Fachgruppen und Sonderformaten,
- Einbringen von praxisnahen Use Cases,
- Austausch mit Versicherern, Start-ups und Forschungseinrichtungen.
Für österreichische Versicherer eröffnet das zwei Chancen:
- Zugriff auf erprobte Use Cases aus anderen Märkten (z.B. Niederlande, Frankreich, Schweiz), statt jedes Projekt bei Null zu starten.
- Möglichkeit, eigene regulatorische und markt-spezifische Anforderungen in gemeinsame Lösungen einzubringen – etwa rund um Aufsicht, Datenschutz oder Maklervertrieb.
Wer jetzt aktiv in solchen Ökosystemen mitarbeitet, beschleunigt nicht nur die eigene Transformation, sondern gestaltet auch Standards mit, an die sich später alle halten müssen.
Was österreichische Versicherer jetzt konkret tun sollten
Wer die Möglichkeiten von KI und moderner Bestandsführung ernsthaft nutzen will, sollte 2025 nicht mehr im Konzeptstadium festhängen. Ein pragmatischer Fahrplan sieht aus meiner Sicht so aus:
-
Bestandsaufnahme des Kernsystems
Ehrliche Analyse: Wo blockiert das aktuelle System KI-Use-Cases? Wo sind Medienbrüche, wo fehlen Schnittstellen, wo ist Dunkelverarbeitung heute schon möglich? -
Fokus auf 2–3 priorisierte Use Cases
Typische Kandidaten:- automatisierte Kfz-FNOL,
- Dunkelverarbeitung für einfache Leistungsfälle,
- Betrugserkennung in ausgewählten Sparten.
-
Pilot auf moderner Plattform
Einen Use Case Ende-zu-Ende auf einer KI-fähigen, cloudbasierten Plattform umsetzen – mit klaren KPI-Zielen (z.B. Durchlaufzeit, STP-Quote, Kundenzufriedenheit). -
Schrittweise Erweiterung zum Transformationsprogramm
Aus dem Pilot wird ein Programm: weitere Sparten, weitere Prozesse, stärkerer Einsatz von agentischer KI.
Wer diesen Weg geht, macht aus „KI-Strategie“ ein messbares Transformationsprojekt. Und genau darum geht es in unserer Serie „KI für österreichische Versicherungen: InsurTech“: weniger Buzzwords, mehr konkrete Wirkung in Schadenbearbeitung, Risikobewertung, Betrugserkennung und Produktgestaltung.
Am Ende entscheidet nicht die schönste KI-Präsentation, sondern die Fähigkeit, moderne Technologie sicher in die Kernprozesse zu bringen. Anbieter wie Peak3 mit ihrer Graphene-Plattform zeigen, dass das heute schon möglich ist – auch für österreichische Versicherer.
Die spannende Frage für 2026 wird sein: Wer hat dann bereits produktive KI-Strecken im Bestand laufen – und wer diskutiert immer noch im Strategie-Workshop?