LLMs in der Schadenbearbeitung: Chancen und Risiken

Kategorien: IT-Infrastruktur, KI, Uncategorized6 min read

LLMs in der Schadenbearbeitung: Versicherer zwischen Effizienzgewinn, Regulierung und digitaler Souveränität

Die Schadenbearbeitung gehört zu den datenintensivsten Kernprozessen der Versicherungswirtschaft. Täglich müssen Versicherungsunternehmen große Mengen an Informationen aus Schadenmeldungen, Fotos, Gutachten, Verträgen, E-Mails und weiterer Kundenkorrespondenz erfassen, prüfen, dokumentieren und bewerten. Große Sprachmodelle, sogenannte Large Language Models (LLMs), eröffnen hier neue Möglichkeiten für die digitale Transformation der Schadenregulierung. Sie können Informationen strukturieren, Dokumente analysieren, Inhalte zusammenfassen und Entwürfe für die Kundenkommunikation erstellen. Gleichzeitig rücken Fragen zu Datenschutz, Compliance, Governance, Haftung und digitaler Souveränität stärker in den Fokus.

Am Beispiel eines Wasserschadens wird das Potenzial generativer KI besonders deutlich. Neben der eigentlichen Schadenmeldung liegen häufig zahlreiche weitere Informationen vor, darunter Fotos des Schadens, Vertragsunterlagen, Kostenvoranschläge sowie Sachverständigen- und Gutachterberichte. Die Sichtung, Einordnung und Aufbereitung dieser Dokumente erfordert Zeit und bindet erhebliche personelle Ressourcen. LLMs können diesen Prozess beschleunigen, indem sie Daten konsolidieren, relevante Inhalte identifizieren und verständliche Zusammenfassungen erstellen. Dadurch gewinnen Schadenbearbeiter mehr Zeit für die fachliche Prüfung und die eigentliche Leistungsentscheidung.

Mit dem Einsatz externer KI-Systeme werden jedoch oftmals sensible Kundendaten verarbeitet. Namen, Anschriften, Vertragsinformationen und unter Umständen besonders schützenswerte personenbezogene Daten können Bestandteil der Verarbeitung sein. Für Versicherer entsteht dadurch die Verpflichtung, jederzeit nachvollziehen zu können, welche Daten verarbeitet werden, wohin sie übertragen werden, wer Zugriff erhält und wie lange eine Speicherung erfolgt. Transparenz über Datenflüsse und Datenverarbeitung wird damit zu einer zentralen Voraussetzung für einen rechtskonformen Einsatz von künstlicher Intelligenz in der Schadenbearbeitung.

Zusätzliche Relevanz erhält das Thema durch die regulatorischen Entwicklungen auf europäischer und nationaler Ebene. Seit Ende Juli 2026 übernimmt die Bundesanstalt für Finanzdienstleistungsaufsicht die Rolle der Marktüberwachungsbehörde für KI-Systeme, die von beaufsichtigten Versicherungsunternehmen im Rahmen regulierter Finanztätigkeiten eingesetzt werden. Versicherer müssen daher sicherstellen, dass externe KI-Lösungen nahtlos in bestehende Datenschutz-, Sicherheits- und Kontrollstrukturen integriert werden. Gleichzeitig gelten externe KI-Dienste im Kontext der europäischen DORA-Verordnung als IT-Drittdienstleistungen. Daraus ergeben sich zusätzliche Anforderungen an Risikomanagement, Vertragsgestaltung, Dokumentationspflichten sowie Exit- und Notfallstrategien.

Vor der Einführung eines LLM-Dienstes steht deshalb eine umfassende Anbieterprüfung. Dabei genügt es nicht, lediglich den Standort eines Rechenzentrums zu betrachten. Selbst wenn Daten innerhalb der Europäischen Union gespeichert werden, können internationale Konzernstrukturen oder eingebundene Dienstleister Zugriffsmöglichkeiten schaffen, die über europäische Grenzen hinausreichen. Für Versicherungsunternehmen wird es deshalb immer wichtiger, den vollständigen Datenverarbeitungsprozess zu verstehen und sämtliche beteiligten Unternehmen transparent nachzuvollziehen.

Besondere Aufmerksamkeit verdient zudem die Frage, welches KI-Modell tatsächlich hinter einem Angebot steht. Nicht jeder als europäisch vermarktete KI-Assistent basiert ausschließlich auf einer europäischen Infrastruktur. Teilweise werden Modelle internationaler Technologiekonzerne über Schnittstellen integriert. Alternativ existieren offene Sprachmodelle, die vollständig innerhalb Europas betrieben werden können. Für Versicherer gewinnt daher die Transparenz der technischen Architektur an Bedeutung. Ebenso wichtig ist die Fähigkeit, potenzielle Abhängigkeiten von einzelnen Technologieanbietern frühzeitig zu erkennen und strategisch zu bewerten.

Auch die rechtlichen Rahmenbedingungen reichen deutlich über die Frage des Speicherortes hinaus. Unternehmen, die dem US-amerikanischen CLOUD Act unterliegen, können unter bestimmten Voraussetzungen verpflichtet werden, Daten an US-Behörden herauszugeben. Dies kann auch Tochtergesellschaften betreffen, deren technische Infrastruktur innerhalb Europas betrieben wird. Für Versicherer entsteht daraus die Notwendigkeit, Auftragsverarbeitungsverträge, Datenschutzvereinbarungen und technische Dokumentationen sorgfältig aufeinander abzustimmen und mögliche Risiken umfassend zu bewerten. Zertifizierungen wie ISO 27001 oder ein C5-Testat können die Beurteilung unterstützen, ersetzen jedoch keine individuelle Risikoanalyse.

Ebenso relevant ist das gewählte Betriebsmodell eines Anbieters. Öffentliche KI-Chatdienste unterliegen häufig anderen Regelungen hinsichtlich Datenspeicherung, Modelltraining und Datenverarbeitung als Enterprise-Lösungen oder individuell angebundene Schnittstellen. Für Versicherungsunternehmen ist daher nicht allein die Technologie entscheidend, sondern auch die konkrete Form ihrer Bereitstellung und Nutzung. In vielen Fällen werden professionelle Unternehmenslösungen notwendig sein, um regulatorische und datenschutzrechtliche Anforderungen vollständig zu erfüllen.

Besonders sensibel ist der Einsatz von künstlicher Intelligenz bei Personenschäden und in der Personenversicherung. In diesen Bereichen werden häufig Gesundheitsdaten, medizinische Befunde und weitere besonders schutzwürdige Informationen verarbeitet. Versicherer müssen deshalb klar definieren, welche Daten an externe Systeme übermittelt werden dürfen. Wo immer möglich, sollten personenbezogene Informationen anonymisiert oder pseudonymisiert werden. Darüber hinaus ist zu prüfen, zu welchen Zwecken Anbieter Eingaben verwenden und welche Speicherfristen gelten. Daten können nicht nur für die Bearbeitung einer Anfrage genutzt werden, sondern auch für technische Analysen, Supportprozesse, Fehlerbehebungen oder Maßnahmen zur Missbrauchserkennung.

Von zentraler Bedeutung bleibt zudem die Steuerung von Zugriffsrechten. Kann ein KI-Assistent auf Schadenakten zugreifen, müssen Berechtigungen bereits in den zugrunde liegenden Systemen eindeutig geregelt sein. Mitarbeitende dürfen dem Sprachmodell ausschließlich jene Informationen zur Verfügung stellen, auf die sie selbst zugriffsberechtigt sind. Der Einsatz von KI darf bestehende Sicherheits- und Berechtigungskonzepte weder umgehen noch aufweichen.

Gleichzeitig lösen moderne Sprachmodelle nicht die Frage der fachlichen Verantwortung. Auch leistungsfähige KI-Systeme können Inhalte fehlerhaft interpretieren, Vertragsklauseln missverstehen oder wesentliche Aspekte eines Schadenfalls übersehen. Insbesondere bei komplexen Gutachten und umfangreichen Vertragswerken besteht das Risiko, dass entscheidende Details unzureichend berücksichtigt werden. KI-generierte Zusammenfassungen und Antwortentwürfe dürfen daher nicht ungeprüft in den Kundenkontakt übernommen werden. Die Verantwortung für Entscheidungen verbleibt weiterhin bei Versicherern und ihren qualifizierten Fachkräften.

Eine wesentliche Rolle spielen dabei transparente Dokumentations- und Kontrollmechanismen. Protokolle über Zugriffe, Bearbeitungsschritte, Änderungen und Freigaben schaffen Nachvollziehbarkeit und unterstützen interne Revisionen ebenso wie die Untersuchung möglicher Sicherheitsvorfälle. Darüber hinaus sollten Versicherungsunternehmen klare Governance-Strukturen etablieren, Zuständigkeiten definieren und festlegen, wann Datenschutz-, Compliance- oder IT-Sicherheitsexperten in Entscheidungsprozesse eingebunden werden müssen.

Mit der zunehmenden Integration generativer KI gewinnt auch die digitale Souveränität an Bedeutung. Je stärker Versicherer ihre Prozesse an einen einzelnen Anbieter binden, desto aufwendiger und kostenintensiver kann ein späterer Wechsel werden. Unternehmen sollten deshalb frühzeitig prüfen, ob Dokumente, Workflows, Konfigurationen und Gesprächsverläufe exportiert und in andere Systeme übertragen werden können. Offene Sprachmodelle bieten hier häufig Vorteile, da sie flexibel in unterschiedlichen IT-Umgebungen betrieben werden können und die Abhängigkeit von einzelnen Technologieanbietern reduzieren.

Allerdings geht eine größere Unabhängigkeit häufig mit zusätzlichen Anforderungen einher. Wer ein Sprachmodell selbst betreibt, muss Wartung, Aktualisierung, Betriebssicherheit, Cybersecurity und technische Schutzmaßnahmen eigenständig organisieren. Die Wahl der geeigneten Betriebsform hängt deshalb vom Schutzbedarf der Daten, dem gewünschten Integrationsgrad sowie den verfügbaren personellen und technischen Ressourcen ab. Eine universelle Lösung existiert nicht.

Fest steht jedoch, dass Large Language Models die Schadenbearbeitung nachhaltig verändern werden. Die Technologie bietet erhebliche Potenziale für effizientere Prozesse, kürzere Bearbeitungszeiten, höhere Produktivität und eine verbesserte Kundenkommunikation. Gleichzeitig steigen die Anforderungen an Datenschutz, Governance, Compliance, Transparenz und Anbietersteuerung. Langfristig erfolgreich werden jene Versicherer sein, die die Chancen künstlicher Intelligenz konsequent nutzen und zugleich die Kontrolle über Daten, Prozesse und Entscheidungen bewahren.

Der Artikel erschien im Original zuerst auf versicherungswirtschaft-heute.de unter dem Titel „LLM in der Schadensbearbeitung: Wer behält die Kontrolle über Daten und Entscheidungen?“. Redaktionelle Bearbeitung: MK

LLMs in der Schadenbearbeitung: Chancen und Risiken

Kategorien: IT-Infrastruktur, KI, Uncategorized6 min read

LLMs in der Schadenbearbeitung: Versicherer zwischen Effizienzgewinn, Regulierung und digitaler Souveränität

Die Schadenbearbeitung gehört zu den datenintensivsten Kernprozessen der Versicherungswirtschaft. Täglich müssen Versicherungsunternehmen große Mengen an Informationen aus Schadenmeldungen, Fotos, Gutachten, Verträgen, E-Mails und weiterer Kundenkorrespondenz erfassen, prüfen, dokumentieren und bewerten. Große Sprachmodelle, sogenannte Large Language Models (LLMs), eröffnen hier neue Möglichkeiten für die digitale Transformation der Schadenregulierung. Sie können Informationen strukturieren, Dokumente analysieren, Inhalte zusammenfassen und Entwürfe für die Kundenkommunikation erstellen. Gleichzeitig rücken Fragen zu Datenschutz, Compliance, Governance, Haftung und digitaler Souveränität stärker in den Fokus.

Am Beispiel eines Wasserschadens wird das Potenzial generativer KI besonders deutlich. Neben der eigentlichen Schadenmeldung liegen häufig zahlreiche weitere Informationen vor, darunter Fotos des Schadens, Vertragsunterlagen, Kostenvoranschläge sowie Sachverständigen- und Gutachterberichte. Die Sichtung, Einordnung und Aufbereitung dieser Dokumente erfordert Zeit und bindet erhebliche personelle Ressourcen. LLMs können diesen Prozess beschleunigen, indem sie Daten konsolidieren, relevante Inhalte identifizieren und verständliche Zusammenfassungen erstellen. Dadurch gewinnen Schadenbearbeiter mehr Zeit für die fachliche Prüfung und die eigentliche Leistungsentscheidung.

Mit dem Einsatz externer KI-Systeme werden jedoch oftmals sensible Kundendaten verarbeitet. Namen, Anschriften, Vertragsinformationen und unter Umständen besonders schützenswerte personenbezogene Daten können Bestandteil der Verarbeitung sein. Für Versicherer entsteht dadurch die Verpflichtung, jederzeit nachvollziehen zu können, welche Daten verarbeitet werden, wohin sie übertragen werden, wer Zugriff erhält und wie lange eine Speicherung erfolgt. Transparenz über Datenflüsse und Datenverarbeitung wird damit zu einer zentralen Voraussetzung für einen rechtskonformen Einsatz von künstlicher Intelligenz in der Schadenbearbeitung.

Zusätzliche Relevanz erhält das Thema durch die regulatorischen Entwicklungen auf europäischer und nationaler Ebene. Seit Ende Juli 2026 übernimmt die Bundesanstalt für Finanzdienstleistungsaufsicht die Rolle der Marktüberwachungsbehörde für KI-Systeme, die von beaufsichtigten Versicherungsunternehmen im Rahmen regulierter Finanztätigkeiten eingesetzt werden. Versicherer müssen daher sicherstellen, dass externe KI-Lösungen nahtlos in bestehende Datenschutz-, Sicherheits- und Kontrollstrukturen integriert werden. Gleichzeitig gelten externe KI-Dienste im Kontext der europäischen DORA-Verordnung als IT-Drittdienstleistungen. Daraus ergeben sich zusätzliche Anforderungen an Risikomanagement, Vertragsgestaltung, Dokumentationspflichten sowie Exit- und Notfallstrategien.

Vor der Einführung eines LLM-Dienstes steht deshalb eine umfassende Anbieterprüfung. Dabei genügt es nicht, lediglich den Standort eines Rechenzentrums zu betrachten. Selbst wenn Daten innerhalb der Europäischen Union gespeichert werden, können internationale Konzernstrukturen oder eingebundene Dienstleister Zugriffsmöglichkeiten schaffen, die über europäische Grenzen hinausreichen. Für Versicherungsunternehmen wird es deshalb immer wichtiger, den vollständigen Datenverarbeitungsprozess zu verstehen und sämtliche beteiligten Unternehmen transparent nachzuvollziehen.

Besondere Aufmerksamkeit verdient zudem die Frage, welches KI-Modell tatsächlich hinter einem Angebot steht. Nicht jeder als europäisch vermarktete KI-Assistent basiert ausschließlich auf einer europäischen Infrastruktur. Teilweise werden Modelle internationaler Technologiekonzerne über Schnittstellen integriert. Alternativ existieren offene Sprachmodelle, die vollständig innerhalb Europas betrieben werden können. Für Versicherer gewinnt daher die Transparenz der technischen Architektur an Bedeutung. Ebenso wichtig ist die Fähigkeit, potenzielle Abhängigkeiten von einzelnen Technologieanbietern frühzeitig zu erkennen und strategisch zu bewerten.

Auch die rechtlichen Rahmenbedingungen reichen deutlich über die Frage des Speicherortes hinaus. Unternehmen, die dem US-amerikanischen CLOUD Act unterliegen, können unter bestimmten Voraussetzungen verpflichtet werden, Daten an US-Behörden herauszugeben. Dies kann auch Tochtergesellschaften betreffen, deren technische Infrastruktur innerhalb Europas betrieben wird. Für Versicherer entsteht daraus die Notwendigkeit, Auftragsverarbeitungsverträge, Datenschutzvereinbarungen und technische Dokumentationen sorgfältig aufeinander abzustimmen und mögliche Risiken umfassend zu bewerten. Zertifizierungen wie ISO 27001 oder ein C5-Testat können die Beurteilung unterstützen, ersetzen jedoch keine individuelle Risikoanalyse.

Ebenso relevant ist das gewählte Betriebsmodell eines Anbieters. Öffentliche KI-Chatdienste unterliegen häufig anderen Regelungen hinsichtlich Datenspeicherung, Modelltraining und Datenverarbeitung als Enterprise-Lösungen oder individuell angebundene Schnittstellen. Für Versicherungsunternehmen ist daher nicht allein die Technologie entscheidend, sondern auch die konkrete Form ihrer Bereitstellung und Nutzung. In vielen Fällen werden professionelle Unternehmenslösungen notwendig sein, um regulatorische und datenschutzrechtliche Anforderungen vollständig zu erfüllen.

Besonders sensibel ist der Einsatz von künstlicher Intelligenz bei Personenschäden und in der Personenversicherung. In diesen Bereichen werden häufig Gesundheitsdaten, medizinische Befunde und weitere besonders schutzwürdige Informationen verarbeitet. Versicherer müssen deshalb klar definieren, welche Daten an externe Systeme übermittelt werden dürfen. Wo immer möglich, sollten personenbezogene Informationen anonymisiert oder pseudonymisiert werden. Darüber hinaus ist zu prüfen, zu welchen Zwecken Anbieter Eingaben verwenden und welche Speicherfristen gelten. Daten können nicht nur für die Bearbeitung einer Anfrage genutzt werden, sondern auch für technische Analysen, Supportprozesse, Fehlerbehebungen oder Maßnahmen zur Missbrauchserkennung.

Von zentraler Bedeutung bleibt zudem die Steuerung von Zugriffsrechten. Kann ein KI-Assistent auf Schadenakten zugreifen, müssen Berechtigungen bereits in den zugrunde liegenden Systemen eindeutig geregelt sein. Mitarbeitende dürfen dem Sprachmodell ausschließlich jene Informationen zur Verfügung stellen, auf die sie selbst zugriffsberechtigt sind. Der Einsatz von KI darf bestehende Sicherheits- und Berechtigungskonzepte weder umgehen noch aufweichen.

Gleichzeitig lösen moderne Sprachmodelle nicht die Frage der fachlichen Verantwortung. Auch leistungsfähige KI-Systeme können Inhalte fehlerhaft interpretieren, Vertragsklauseln missverstehen oder wesentliche Aspekte eines Schadenfalls übersehen. Insbesondere bei komplexen Gutachten und umfangreichen Vertragswerken besteht das Risiko, dass entscheidende Details unzureichend berücksichtigt werden. KI-generierte Zusammenfassungen und Antwortentwürfe dürfen daher nicht ungeprüft in den Kundenkontakt übernommen werden. Die Verantwortung für Entscheidungen verbleibt weiterhin bei Versicherern und ihren qualifizierten Fachkräften.

Eine wesentliche Rolle spielen dabei transparente Dokumentations- und Kontrollmechanismen. Protokolle über Zugriffe, Bearbeitungsschritte, Änderungen und Freigaben schaffen Nachvollziehbarkeit und unterstützen interne Revisionen ebenso wie die Untersuchung möglicher Sicherheitsvorfälle. Darüber hinaus sollten Versicherungsunternehmen klare Governance-Strukturen etablieren, Zuständigkeiten definieren und festlegen, wann Datenschutz-, Compliance- oder IT-Sicherheitsexperten in Entscheidungsprozesse eingebunden werden müssen.

Mit der zunehmenden Integration generativer KI gewinnt auch die digitale Souveränität an Bedeutung. Je stärker Versicherer ihre Prozesse an einen einzelnen Anbieter binden, desto aufwendiger und kostenintensiver kann ein späterer Wechsel werden. Unternehmen sollten deshalb frühzeitig prüfen, ob Dokumente, Workflows, Konfigurationen und Gesprächsverläufe exportiert und in andere Systeme übertragen werden können. Offene Sprachmodelle bieten hier häufig Vorteile, da sie flexibel in unterschiedlichen IT-Umgebungen betrieben werden können und die Abhängigkeit von einzelnen Technologieanbietern reduzieren.

Allerdings geht eine größere Unabhängigkeit häufig mit zusätzlichen Anforderungen einher. Wer ein Sprachmodell selbst betreibt, muss Wartung, Aktualisierung, Betriebssicherheit, Cybersecurity und technische Schutzmaßnahmen eigenständig organisieren. Die Wahl der geeigneten Betriebsform hängt deshalb vom Schutzbedarf der Daten, dem gewünschten Integrationsgrad sowie den verfügbaren personellen und technischen Ressourcen ab. Eine universelle Lösung existiert nicht.

Fest steht jedoch, dass Large Language Models die Schadenbearbeitung nachhaltig verändern werden. Die Technologie bietet erhebliche Potenziale für effizientere Prozesse, kürzere Bearbeitungszeiten, höhere Produktivität und eine verbesserte Kundenkommunikation. Gleichzeitig steigen die Anforderungen an Datenschutz, Governance, Compliance, Transparenz und Anbietersteuerung. Langfristig erfolgreich werden jene Versicherer sein, die die Chancen künstlicher Intelligenz konsequent nutzen und zugleich die Kontrolle über Daten, Prozesse und Entscheidungen bewahren.

Der Artikel erschien im Original zuerst auf versicherungswirtschaft-heute.de unter dem Titel „LLM in der Schadensbearbeitung: Wer behält die Kontrolle über Daten und Entscheidungen?“. Redaktionelle Bearbeitung: MK