Agentic AI in der Versicherungsbranche - Stand September 2026

Per Juli 2026 haben die Unternehmen der Versicherungsbranche insgesamt 65 Anwendungsfälle aus dem Bereich autonomer KI-Agenten veröffentlicht, wie Evident Research^*) berichtet. Davon fokussieren 28 % auf das Schadenmanagement, 20 % auf interne Prozesse und 17 % auf das Underwriting & Pricing. Betrachtet man die Ergebnisse aller Anwendungsfälle, so generieren 75 % Produktivitätsgewinne, während nur 2 % zu Umsatzzuwächsen führen. Die AXA verlor ihre führende Position an die Allianz, die im Ranking nun Platz 1 belegt. Mit ihrem Projekt „Nemo“ zeigt die Allianz, wie autonome KI-Agenten im Schadenmanagement eingesetzt werden, um die Effizienz zu verbessern. Gleichzeitig ist sichergestellt, dass ein Mensch die endgültige Entscheidung trifft, was dem Prinzip „Human-in-the-Loop“ entspricht.

Inhaltsverzeichnis

Anwendungsfälle agentischer KI nach Anwendungsgebiet und Ergebnistyp

Die Versicherungsbranche setzt zunehmend auf autonome KI-Agenten, wie der Report von „Evident Insights“ zeigt. Bis Juli 2026 haben Versicherungsunternehmen insgesamt 65 Anwendungsfälle aus unterschiedlichen Anwendungsgebieten veröffentlicht.

Verteilung der 65 Anwendungsfälle nach Anwendungsgebiet:

Produktivitätsgewinne sind der wesentliche Ergebnistyp:

Mit einem Anteil von 28 % aller Anwendungsfälle ist das Schadenmanagement gegenwärtig der Showcase für Agentic AI. Underwriting und Pricing machen 17 % aus und nur 2 % repräsentieren eine Umsatzsteigerung. Um die kombinierte Schaden-Kosten-Quote zu verbessern, müssen Versicherungsunternehmen agentische KI nutzen, um ihre Underwriting-Prozesse zu automatisieren und zu optimieren. Dies führt idealerweise zu einer besseren Risikoselektion sowie einem besseren Pricing. In der Versicherungsbranche ist derzeit ein Umschwenken bei der Nutzung von künstlicher Intelligenz zu beobachten: Während diese bisher aufgabenbezogen war, ist sie zunehmend prozessorientiert und workflowbasiert. Die größte Wertschöpfung ergibt sich dort, wo gesamte Prozesse an autonome KI-Agenten abgegeben werden – ein idealer Kandidat für eine höhere Implementierungsrate KI-basierter Workflows ist das Underwriting.

Ein konkretes Fallbeispiel aus dem Schadenmanagement: Das Projekt Nemo der Allianz

Mit ihrem Projekt Nemo^**) hat die Allianz eine Plattform geschaffen, auf der ein Orchestrator-Agent mehrere Sub-Agenten steuert, um Schadenfälle in Bezug auf verdorbene Nahrungsmittel vollständig zu prozessieren. Der Prozess beginnt mit einem Foto des Schadens und endet mit dessen Regulierung. Dadurch wurde die Schadenbearbeitungszeit um 80 % reduziert: Von einigen Tagen auf einige Stunden. Zugleich gewährleistet das Human-in-the-Loop-Prinzip, dass ein Mensch die endgültige Entscheidung trifft – in diesem Fall entscheidet er final über die Auszahlung.

Die beteiligten Agenten sind:

• Planungs-Agent: Startet den Workflow und dient zugleich als Orchestrator-Agent, der sozusagen als Gehirn des Multiagenten-Systems fungiert und das Kontrollzentrum für die Sub-Agenten darstellt.
• Cyber-Agent: Stellt die Datensicherheit über die unterschiedlichen Prozessschritte hinweg sicher.
• Deckungs-Agent: Prüft die Versicherungsdeckung sowie den Anspruch des Versicherungsnehmers.
• Wetter-Agent: Prüft, ob ein korrespondierendes Wetterereignis stattgefunden hat.
• Betrugserkennungs-Agent: Prüft im Hinblick auf einen möglichen Versicherungsbetrug.
• Auszahlungs-Agent: Berechnet die Auszahlung und meldet diese an den Planungs-Agenten.
• Überprüfungs-Agent: Überprüft den gesamten abgelaufenen Prozess, erstellt eine Zusammenfassung aller getroffenen Entscheidungen der KI-Agenten und leitet diese an den menschlichen Schadensachbearbeiter weiter, der die finale Entscheidung über die Auszahlung trifft.

Das Fallbeispiel des Projekts Nemo verdeutlicht, dass agentische KI-Systeme mehrstufige Prozesse abwickeln können, wodurch die Arbeitslast vom Menschen zur Maschine hin verschoben wird. Zugleich bleibt ein Mensch im Loop (Human-in-the-Loop), der final entscheidet.

Das sind die Top 10 der in Agentic AI führenden Versicherungsunternehmen

Evident Research berechnet das Ranking der 30 Versicherungsunternehmen auf Basis von vier Säulen:

• Talent: Fähigkeiten & Entwicklung
• Innovation: Forschung, Patente, Unternehmen, Ökosystem
• Führung: in öffentlicher Kommunikation und Strategie
• Transparenz: in der Verantwortung für KI-Aktivitäten

Die nahe Zukunft von Agentic AI in der Versicherungsindustrie

Während Agentic AI derzeit vor allem Effizienzgewinne generiert, steigt bei Investoren die Erwartung in Bezug auf konkrete finanzielle Gewinne durch den Einsatz der Technologie. Die erfolgreichsten Unternehmen durchlaufen derzeit eine dreigeteilte Transformation:

• Von aufgabenbasierter KI zu agentischen Systemen
• Von produktivitätsbezogenen Fallbeispielen hin zu einer autonomen KI, die Underwriting, Pricing und Schadenergebnis verbessert
• Von isolierten Lösungen hin zu verbundenen Workflows

FAQs

In welchen Bereichen wenden Versicherungsunternehmen derzeit Agentic AI an?

Versicherungsunternehmen wenden Agentic AI in mehreren Domänen an. Die 65 Use Cases teilen sich wie folgt auf: 28 % Schadenmanagement, 20 % interne Prozesse und 17 % Underwriting & Pricing. Das Schadenmanagement ist gegenwärtig der hauptsächliche Showcase für Agentic AI.

Warum liegt Claims so weit vor dem Underwriting?

Die Schadenbearbeitung ist ein hochvolumiger und repetitiver Kernprozess, der durch eine Automatisierung signifikante Effizienzgewinne erzielt. Das macht die Schadenbearbeitung zum bevorzugten Anwendungsgebiet von Agentic AI in der Versicherungsbranche. Dagegen beginnt das Underwriting mit einem Triageprozess, was eine differenziertere Beurteilung und Risikoanalyse erfordert. Zudem ist die Implementierung von Automatisierungslösungen mit einem höheren Aufwand verbunden als bei der Schadenbearbeitung.

Was macht das Projekt Nemo der Allianz?

Projekt Nemo ist ein System autonomer KI-Agenten. Es besteht aus einem Orchestrierungs-Agenten, der mehrere Sub-Agenten steuert. Das System wurde entwickelt, um Schäden in Bezug auf verdorbene Nahrungsmittel zu bearbeiten. Wesentliches Ergebnis ist eine um 80 % reduzierte Schadenbearbeitungszeit, bei der die Dauer von wenigen Tagen auf einige Stunden verringert wurde, während ein Mensch die finale Auszahlungsentscheidung trifft, wodurch das Human-in-the-Loop-Prinzip (HITL) eingehalten wird.

Welcher Versicherer belegt den ersten Platz in Evidents Insurance AI Index?

Die Allianz belegt derzeit Platz 1 in Evidents Insurance AI Index. AXA folgt auf Platz 2. Beide Versicherer haben die Plätze im Vergleich zum Vorjahr getauscht – 2025 belegte AXA den ersten Platz. Manulife ist derzeit auf Platz 3.

Sind agentische KI-Systeme vollständig autonom?

Nein, agentische KI-Systeme sind nicht vollständig autonom. Sie bewältigen mehrstufige Prozesse problemlos, allerdings sollte ein Mensch die finale Entscheidung treffen – besonders wenn kritische Bereiche betroffen sind, wie die Auszahlung von Schäden. Das folgt dem Human-in-the-Loop-Prinzip (HITL). Dieses stellt sicher, dass ein Mensch den Überblick behält und die letzte Entscheidungsinstanz ist, während autonome KI-Agenten die Arbeitslast tragen.

Quellen:

*) Evident Insights – Insurance Key Findings Report
**) Allianz – Der Sturm legt sich, der Allianz KI-Agent räumt auf

Lukas Belka arbeitet seit 2009 in der Versicherungsbranche und kennt sowohl die Erst- als auch die Rückversicherung. Nach vielen Jahren auf der Businessseite fokussiert er seit 2020 auf Datenmodellierung und Data Analytics. 2025 hat er begonnen, mit Agentic AI zu arbeiten, und er ist der Meinung, dass mehr Professionals in der Versicherungsbranche über das CLI mit agentischer KI arbeiten sollten. Dies würde deren Effizienz deutlich verbessern.