Zielsetzung: Mehr als nur Prozessoptimierung

Die Kernfrage lautete: Wie kann unser traditionelles Versicherungsunternehmen langfristig wettbewerbsfähig bleiben und sich zugleich neu positionieren?
Im Rahmen des Strategiepapieres wurden daher folgende Ziele formuliert:

1. Automatisierung und Flexibilisierung der Backend-Prozesse (Policierung, Schadensabwicklung, Kundenservice), um Kosten zu reduzieren und Reaktionszeiten zu senken.
2. Datenbasierte Produktinnovation: Entwicklung neuer Versicherungsprodukte, die stärker personalisiert sind und Echtzeit-Daten (z. B. IoT, Wearables, Telematik) berücksichtigen.
3. Kostensenkungen: In der Vergangenheit stiegen die operativen Kosten stetig an (Außendienst, Personal, hohe Verwaltungsaufwände, IT Dienstleister). Dies war auf Dauer nicht konkurrenzfähig, da neuere Marktteilnehmer mit weniger Personal und digitalen Prozessen niedrige Preise bieten konnten.
4. Verbesserung des Kundenerlebnisses: Angebote, Tarife und Services sollten deutlich transparenter und rund um die Uhr digital verfügbar sein.
5. Erweiterung der Geschäftsmodelle: Aufbau neuer Geschäftsbereiche, ggf. in Partnerschaften mit anderen Branchen (z. B. Mobilitätssektor, Gesundheitstechnik).
6. Umwandlung der Filialstruktur von reinen „Verkaufsstellen“ in Beratungs- und Service-Hubs, in denen KI-gestützte Analysen, aber menschliche Expertise weiterhin den Unterschied machen.
   
   

Mit dem Begriff Multi-KI war gemeint, dass nicht nur ein einzelner KI-Algorithmus eingesetzt wird, sondern ein Modulsystem unterschiedlichster KI-Funktionen: von Conversational Bots und Predictive Analytics bis hin zu Generativer KI für die Entwicklung neuer Policen-Varianten und automatisierter Vertragsdokumente.

Klare Vision, aber flexible Umsetzung

• • Zu Beginn hilft die konzernweite KI-Leitlinie , alle an Bord zu holen.
  • Gleichzeitig musste das Management genügend Spielraum zulassen, um auf technologische Sprünge (z. B. Generative KI) zu reagieren. 
  • Change im Kopf – das Unternehmen hatte zwar bereits erste Digitalisierungsinitiativen gestartet, doch die Belegschaft und Teile des Managements sind zögerlich: „Wir waren doch immer erfolgreich, warum jetzt alles umkrempeln?“
  • Ein spürbarer kultureller Widerstand gegen den tiefgreifenden technologischen Wandel erschwert den Start.

Strategie-Fine-Tuning und Organisationsanpassung

• Das Management definierte eine neue Konzernstruktur, in der digitale Geschäftsmodelle verankert wurden.
• Gleichzeitig wird ein zentrales KI-Kompetenzzentrum eingerichtet, das bereichsübergreifend Innovationen vorantrieb.
• Ein „Digital Transformation Board“ entschied über Budgets, priorisierte Use Cases und stellte sicher, dass Fach- und IT-Abteilungen eng zusammenarbeiteten.

Einführung der Core-Multi-KI-Plattform

• Aufbau einer Cloud-basierten Plattform, in der sämtliche KI-Module integriert waren.
• Einführung von Data Lake-Technologien und vereinheitlichten Schnittstellen (API-Architektur) zwischen Altsystemen (Mainframe, Legacy-CRM) und neuen KI-Services.

Multi-KI statt monolithischer Lösungen

• • Die Strategie, einzelne KI-Module separat zu entwickeln und dann in einer Cloud-Plattform zu vereinen, bewährte sich.
  • So können Spezialprozesse (z. B. Dokumentenverarbeitung, Bilderkennung) unabhängig skalieren, ohne zentrale Systeme ständig umbauen zu müssen.

Neue Rollen und Skills proaktiv schaffen

• • Eine der größten Erfolgsfaktoren wird das frühzeitige Upskilling der Belegschaft.
  • Mitarbeitende in der Schadenabwicklung erhielten z. B. technische Weiterbildungen, um eigenständig KI-Ausnahmefälle zu prüfen oder Prozessoptimierungen vorzuschlagen.

Kundenfokus behalten

• • Trotz aller Internetechnologie und Prozessautomation bleibt der Mensch im Mittelpunkt.
  • Der Konzern baute weiterhin auf seinen Außendienst, bei der man im Zweifel doch mit einem menschlichen Berater sprechen kann. Dieses „Hybridmodell“ kam bei vielen Kunden sehr gut an.

Potenzial für neue Produkte:

• • Etwa Versicherungs-Tarife, die sich in Echtzeit dynamisch an das Verhalten der Versicherten anpassen (Pay-per-Use-Modelle).
  • Die Versicherungsmathematik verändert sich dank Big Data und KI weiter. So könnten künftig Klima-Risiko-Modelle viel präziser kalkuliert und in Deckungskonzepte für Unternehmen eingebracht werden.

Change Management-Ansatz:

• • Beratungsprozess: Ein externes Beratungs-Team (bestehend aus KI-Expert/innen, Prozessberater/innen und Change Manager/innen) wurde beauftragt, das Management zu unterstützen.
  • Gemeinsame Workshops mit Führungskräften und Mitarbeitenden, um Ängste (z. B. vor Arbeitsplatzverlust) und Motivatoren (z. B. neue Karrierechancen) offen zu diskutieren.
  • Einrichtung eines kontinuierlichen Kommunikationsplans („Change News“) – vom Vorstand bis zum Außendienst.
    
    

Fokusthema: Außendienst und Filialen

Mit rund fast 50% Mitarbeitenden im Außendienst (Vertrieb, Beratung) stellten sich besondere Fragen:

• • Angst vor Wegfall: Viele befürchteten, dass KI sie ersetzen könnte.
  • Neue Kompetenzen: Die ehemals reine Versicherungsberatung wurde um digitale Produktverkaufstools erweitert, inkl. Tarif-Simulationen in Echtzeit.
  • Änderung der Tätigkeit: Statt klassischem „Verkaufsgespräch“ erfolgte eine verstärkte Kundenbegleitung über digitale Kanäle (Video-Meetings, Chatbots, E-Mail-Kampagnen).
  • Regelmäßige Kommunikation über den Sinn dieses Wandels: „Wir machen euch nicht überflüssig, sondern wollen euer Fachwissen mit digitalen Assistenten aufwerten.“
  • Begleitprogramme: Seminare, in denen erfahrene Außendienstler lernen konnten, wie sie mithilfe von KI-Tools Kundensituationen schneller erfassen und passgenaue Angebote erstellen.
  • Pilotregionen: Das Unternehmen startete in Gebieten mit hoher Filialdichte und beobachtete die Ergebnisse: Wie reagieren Kund/innen, wie sehr sinken Bearbeitungszeiten, wie werden KI-Tools angenommen