Koordinatoren und Kontrolleure
Mehr als 80 KI-Modelle, 23 Tage schnellere Haftungsklärung, mehr als 40.000 Trainingsstunden für die eigene Belegschaft — die britische Aviva zeigt in einer Fallstudie, was passiert, wenn ein Versicherer KI-Agenten nicht nur ausprobiert, sondern in den Betrieb bringt. Ein Whitepaper aus dieser Woche erklärt, warum das die Ausnahme ist: 95 Prozent der untersuchten Unternehmen können bislang keinen messbaren Ertrag ihrer KI-Investitionen nachweisen.
Was bei Aviva funktioniert hat
Gemeinsam mit dem Beratungsarm QuantumBlack setzte der britische Versicherer Aviva mehr als 80 KI-Modelle entlang des gesamten Kfz-Schadenprozesses ein, wie eine Fallstudie von McKinsey beschreibt. Ergebnis: komplexe Haftungsklärungen liefen 23 Tage schneller, die Zuordnung von Fällen an die richtige Bearbeitungsstelle wurde um 30 Prozent treffsicherer, Kundenbeschwerden sanken um 65 Prozent. Für 2024 bezifferte Aviva die Einsparung aus der Schadentransformation gegenüber Investoren auf mehr als 60 Millionen britische Pfund.
Bemerkenswert ist, was neben den 80 Modellen steht: mehr als 40.000 Stunden investierte Aviva in die Weiterbildung der eigenen Belegschaft, damit sie die neuen Werkzeuge tatsächlich nutzen kann. Nicht die Modelle allein trugen das Ergebnis, sondern die Zeit, die parallel in die Menschen ging, die mit ihnen arbeiten.
Die Ausnahme, nicht die Regel
Wie selten ein Fall wie Aviva ist, zeigt ein Whitepaper der Plattform Lernende Systeme vom 15. September 2026, „Generative KI und KI-Agenten in Unternehmen. Vom Assistenten zum Akteur". Darin heißt es wörtlich: Eine renommierte Studie zeige, dass 95 Prozent der untersuchten Unternehmen bislang keinen messbaren ROI ihrer generativen oder agentischen KI nachweisen können — das Whitepaper selbst nennt die Studie dabei nicht namentlich, nur die Zahl. Zwischen ersten Anwendungen und produktivem Betrieb liegt demnach bei den meisten Unternehmen eine Lücke; viele Projekte bleiben im Pilotstatus stecken.
Als Hürden nennt das Whitepaper vier Dinge: mangelnde Zuverlässigkeit und Steuerbarkeit der Systeme, Kosten, sowie Defizite bei Integration und bei Governance — der Frage, wer für eine Agenten-Entscheidung eigentlich verantwortlich ist. Gerade Letzteres wiegt in regulierten Branchen schwerer als anderswo: Wer eine Kundenentscheidung an einen Agenten delegiert, muss hinterher erklären können, wie sie zustande kam.
Eine der Empfehlungen: Zugriffsrechte für Agenten von Anfang an begrenzen, statt sie nachträglich einzuschränken, wenn ein System mehr tut, als vorgesehen war. Dazu klare Zielbilder für Prozesse und Kompetenzen, verbindliche Richtlinien — und systematischer Kompetenzaufbau der Belegschaft, nicht nebenbei.
Wie Allianz es angeht — noch ohne Zahlen
Ein Beispiel dafür, wie ein Versicherer diese Punkte von vornherein mitdenkt, ist die Allianz. Im Januar 2026 kündigte der Konzern eine globale Partnerschaft mit Anthropic an: Claude als internes Werkzeug für alle Mitarbeitenden, eigens entwickelte Agenten für mehrstufige Prozesse etwa in der Kfz- und Krankenversicherung — kritische Entscheidungen bleiben dabei bei Menschen —, dazu dokumentierte, prüfbare Entscheidungswege. Anders als bei Aviva handelt es sich hier um eine Ankündigung, nicht um eine gemessene Wirkung: Öffentliche Zahlen zu Ergebnissen liegen bislang nicht vor. Bemerkenswert ist trotzdem, dass Governance und Nachvollziehbarkeit von Anfang an Teil der Partnerschaft waren, nicht ein Nachtrag nach dem ersten Vorfall.
Damit lassen sich Aviva und Allianz nicht direkt vergleichen — die eine liefert Zahlen aus dem laufenden Betrieb, die andere eine Absicht. Interessant ist trotzdem, dass beide an derselben Stelle ansetzen: nicht beim Agenten selbst, sondern bei der Frage, wer ihn beaufsichtigt und wie seine Entscheidungen nachvollziehbar bleiben.
Was beide Beispiele lehren
Weder Aviva noch Allianz haben Agenten einfach auf einen Prozess losgelassen und abgewartet. Aviva hat vor den 80 Modellen in Weiterbildung investiert; Allianz hat Governance von Beginn der Partnerschaft an mitgeplant, nicht erst nach dem ersten Zwischenfall nachgerüstet. Das ist die unspektakuläre Seite der KI-Einführung — sie kommt in keiner Produktankündigung als Hauptsatz vor, entscheidet aber offenbar darüber, ob aus einem Pilotprojekt ein Betrieb wird, der zu den fünf Prozent mit messbarem Ertrag zählt statt zu den 95.
Was die fünf Prozent anders machen
Wer prüfen will, wo das eigene Haus steht, kann sich an den vier Hürden aus dem Whitepaper entlanghangeln: Sind die eingesetzten Systeme zuverlässig genug, dass ihre Vorschläge sich lohnen zu prüfen? Sind die Kosten bekannt und nicht nur die Lizenzgebühr? Ist Integration in bestehende Systeme mitgedacht? Und, am wichtigsten: Steht fest, wer eine Agenten-Entscheidung verantwortet, bevor der erste Agent live geht — nicht danach.
Der Unterschied zwischen den 95 Prozent ohne messbaren Ertrag und einem Fall wie Aviva liegt dabei kaum in der Technik. Aviva hat in Weiterbildung investiert, bevor sie Ergebnisse verlangte; Allianz hat Governance mitgeplant, bevor der erste Agent lief. Wer die Reihenfolge umdreht — erst der Agent, dann die Klärung, wer ihn verantwortet —, baut sich die Lücke selbst ein, vor der das Whitepaper warnt.