Artikel : Der Weg zur KI-nativen Finanzorganisation für Versicherungen
Versicherungen stehen vor der Frage, wie sich das Finanzressort durch Künstliche Intelligenz in den kommenden Jahren verändern wird. Zwischen ersten KI-Anwendungsfällen, der Neugestaltung von Prozessen und dem Aufbau eines KI-nativen Operating Models entstehen neue Anforderungen an Organisation, Governance und Mitarbeitende. Der Beitrag zeigt einen möglichen Drei-Phasen-Weg zur KI-nativen Finanzorganisation auf.
Viele Finanzvorstände von Versicherungen wissen, spüren oder erwarten, dass ihre Finanzressorts in fünf Jahren ganz anders aussehen werden als heute. KI als mächtige, sehr fähige Technologie verändert die Arbeitsweise, die Organisation und die Zusammenarbeit von Menschen mit Technologie und untereinander. Das ist bereits jetzt zu erkennen und nicht zu vernachlässigen.
Allerdings besteht große Unsicherheit darüber, wie der Weg dorthin aussehen könnte. Mit diesem Beitrag möchten wir einen Impuls liefern, wie er gestaltet werden kann.
Grundsätzlich ist davon auszugehen, dass KI das Finanzressort auf vielen Ebenen verändern wird: strategisch, organisatorisch und technologisch.

Um nur einige Aspekte anzureißen:
Zum einen wird KI die Anforderungen an die Mitarbeitenden verändern. Sie werden mit der künstlichen Intelligenz zusammenarbeiten und die Technologie beherrschen müssen.
Auf einer zweiten Ebene wird KI die Prozesse, wie sie heute durchgeführt werden, massiv verändern. Viele transaktionale Tätigkeiten, die heute mit Excel Spreadsheets, in Planungsapplikationen oder auf Reportingsystemen stattfinden, werden wenn ausschließlich durch oder mit KI durchgeführt, völlig anders ablaufen.
Mitarbeitende werden Prompts schreiben und die Ergebnisse mit KI validieren.
Das bringt uns aber auch zu der Frage, wie die Aufbauorganisation des Finanzressorts aussehen wird und welcher Governance-Regeln es bedarf, damit KI unter weitestgehend beherrschten Bedingungen genutzt werden kann. Wie wir wissen, kann KI ggf. halluzinieren. Es ist unsere Aufgabe, KI so aufzubauen, dass sie kontrolliert und sicher läuft.
Wie können wir sicherstellen, dass die Ergebnisse der künstlichen Intelligenz genauso sicher oder vielleicht sogar noch sicherer sind als die, die von menschlicher Intelligenz erstellt werden? All das sind Fragen, denen sich die Finanzvorstände gegenübersehen, gepaart mit dem Risiko, wie die Mitarbeitenden auf diese Veränderungen reagieren werden und wie es die Teams verändern wird.
Werden die Mitarbeitenden in der Lage sein, diesen Weg mitzugehen? Werden sie ihn mitgehen wollen?
Wir haben einen Vorschlag erarbeitet, wie der Weg zu einem KI-nativen Finanzressort einer Versicherung strukturiert werden könnte. Die Reise dorthin wird sich über mehrere Jahre erstrecken. In dieser Zeit müssen mannigfaltige Themen adressiert werden und das möglichst nicht parallel.
Wir schlagen vor, diesen Weg in drei Phasen zu gehen.

Phase 1: KI-Anwendungsfälle – Grundlagen schaffen und Momentum kreieren
Hier geht es darum, die ersten Schritte strukturiert zu gehen. KI-Technologie wurde meist bereits von der IT zur Verfügung gestellt (z.B. Microsoft Copilot oder Anthropic Claude). Wichtig ist es dann, affine Mitarbeitende zu haben, die sich dem Thema annehmen, also eine KI-Task-Force aufsetzen, die den weiteren Prozess treibt und später einmal zum Kern einer KI-Rolle im Finanzressort entwickelt werden kann.
Es hat sich bewährt, mit strategischen Überlegungen zu starten:
Was wollen wir erreichen?
Wie könnte die Zukunft in fünf Jahren aussehen?
Welche Resultate werden erfolgsentscheidend sein?
Ein klares Bild ist für den Change-Prozess entscheidend. Es braucht ein Mission Statement, eine Vision und auch eine offene Kommunikation an die Mitarbeitenden.
Inhaltlich geht es nun zunächst darum, einzelne Anwendungsfälle zu identifizieren und umzusetzen. Welche Technologie hierbei zum Einsatz kommt ist sekundär: Ausprobieren, Erfahrungen sammeln und Erfolge kommunizieren ist wichtiger. In dieser Phase wird üblicherweise ein Portfolio zusammengestellt, was einen guten Arbeitsvorrat für die Task Force liefert und dann priorisiert bearbeitet werden kann. Dieses Programm wird sich ungefähr auf ein Jahr erstrecken und so gelingt ein guter Start in die Welt der Gen AI mit ihren LLMs.
Phase 2: KI-optimierte Prozesse – neu erfinden und ihren Wert skalieren
In einer zweiten Phase, idealerweise in einem zweiten Jahr, könnte es dann darum gehen, konkrete Prozesse zu identifizieren und unter Einsatz von KI zu optimieren. Auch hier gibt es interessante Ansätze: Unternehmen könnten dabei einen ersten Schritt von Gen AI in Richtung Agentic AI gehen, indem Tools wie Claude Code, PowerAutomate, Make oder n8n zum Einsatz kommen.
Zwei kurze Beispiele: So ließen sich Claude Code oder Microsoft Fabric Apps verwenden, um intern Tools zu entwickeln, die den Abschlussprozess (z.B. den IFRS Einzel- oder Gruppenabschluss) unterstützen, strukturieren und verbessern. Tools wie das von n8n automatisieren Buchungsprozesse (z.B. Buchung einer Schadenrückstellung) und Reportingprozesse (z.B. Erstellen der QRTs) end to end.
Danach ist oft die Zeit reif, eine strategische Softwareentscheidung zu treffen. So arbeitet Swiss Re strategisch mit Palantir und die Allianz mit Anthropic. Aber auch die breit verwendeten Produkte von Oracle, IBM, SAP etc. verfügen inzwischen über KI-Anwendungen. Soll der Nutzen auch in der P&L des Unternehmens ankommen, ist eine strategische Technologie- und Plattformentscheidung ratsam.
Phase 3: Skalierung der KI-Nutzung – Aufbau eines KI-nativen Operating Models
Erste Erfolge sind nun bereits P&L-wirksam, aber die Skalierung erfolgt in der Regel im zweiten bis dritten Jahr. In diesem Zeitraum sollte in enger Abstimmung mit der IT die Grundlage gelegt werden.
Dabei ist die größte Herausforderung, weg von singulären Datenanbindungen aus einzelnen Haupt- und Nebenbüchern und hin zu einer konsistenten und übergreifenden Datenbasis zu gehen. Dafür haben sich Analytics-Plattformen wie Databricks, MS Azure/Fabric oder Snowflake bewährt, die meist ohnehin bereits IT-seitig im Einsatz sind. Diese ermöglichen es, weitere Intelligenz z.B. in die Prozesse des Risikomanagements, der FP&A oder FAR-Abteilung zu integrieren.
Dazu braucht es dann auch eine gut strukturierte Governance mit klaren Rollen (Business, Governance, Technik), nicht nur um externe Anforderungen wie die des EU AI Acts oder DORA zu erfüllen, sondern auch um eine gute Zusammenarbeit aller Beteiligten sicherzustellen.
Zu diesem Zeitpunkt ist der Einsatz der KI dann so weit klar. Man weiß, ob man die Mission erreicht hat und ob die Vision realistisch war bzw. ob sie zumindest in Teilen schon erreicht wurde. Dann sollte die Finanzorganisation entsprechend parallel transformiert werden. Vermutlich wird das bedeuten, diese mehr an den neuen Rollen als an den etablierten Fachabteilungen (Aktuariat, Rechnungswesen, Controlling etc.) auszurichten. Aber das ist ein anderes Thema.
KI bietet somit große Chancen im Finanzbereich; es ist an uns, den Wandel proaktiv zu gestalten.
Wiegard, M., Porsch, J.

