Bis zu 80 Prozent Produktivitätsgewinn im Pricing, Modellläufe von 36 Stunden auf 2 bis 3 Stunden, eine Schadenquote auf Rekordtief. Vom Baugeschäft über Katastrophen-Pricing bis zur aktuariellen Tarifentwicklung zeigen führende Versicherer, wie KI die technische Marge verbessert. Für deutsche Versicherer ist Pricing eines der wirkungsvollsten KI-Felder.
Was ist KI-gestütztes Pricing?
KI-gestütztes Pricing nutzt maschinelles Lernen, um Tarife feiner, schneller und nachvollziehbarer zu kalkulieren. Modelle werten viele Risikosignale aus, automatisieren Feature-Engineering und Modellläufe und verkürzen aktuarielle Zyklen von Wochen auf Stunden, bei zugleich besser erklärbaren Ergebnissen.
Swiss Re: Bau-Pricing von Wochen auf einen Tag
Im Baugeschäft brauchte das Pricing bei Swiss Re früher bis zu drei Wochen, verteilt über 25 Arbeitsschritte und 14 Anwendungen. KI-Agenten führen diese mehrstufigen Aufgaben weitgehend selbstständig aus und reduzierten den Prozess auf weniger als fünf Anwendungen; ein Preis lässt sich heute teils an einem Tag bestimmen. Der Produktivitätsgewinn von bis zu 80 Prozent entsteht durch den Wegfall manueller Übergaben zwischen vielen Systemen.
Tokio Marine HCC und Moody’s: Katastrophen-Pricing in Stunden
Tokio Marine HCC modernisierte sein Katastrophen-Pricing mit dem cloud-nativen Risk Modeler von Moody’s. Automatisierte Pipelines übernehmen Import, Geocoding, Modellläufe und die Überführung ins Pricing. Portfolio-Modellläufe verkürzten sich von 36 bis 48 Stunden auf 2 bis 3 Stunden, wodurch das Geschäft ohne zusätzliches Personal wachsen kann.
Lemonade: KI-Pricing drückt die Schadenquote
Lemonade wertet mit einem ML-Modell zahlreiche Signale zu Kunde und Objekt aus und koppelt das KI-Pricing an ein Lifetime-Value-Modell. Diese präzisere Risikoselektion, zusammen mit den nötigen behördlichen Tariffreigaben, drückte die Brutto-Schadenquote im dritten Quartal 2025 auf ein Rekordtief von 62 Prozent, nach 73 Prozent im Vorjahr.
Branch, Akur8 und die Aktuariat-Plattform
Der US-Versicherer Branch nutzt die Plattform des Insurtechs Akur8 für automatisiertes Feature-Engineering, schnelle Modellentwicklung und Geomodeling; das Pricing wird schneller, präziser und regulatorisch erklärbar. Akur8 selbst ist breit adaptiert: über 250 Kunden in mehr als 40 Ländern, darunter AXA, Generali, Munich Re, MAPFRE und Tokio Marine, mehr als 3.000 Aktuare nutzen die Plattform täglich, das ARR wuchs 2025 um 50 Prozent.
Die Zahlen hinter den Cases
- Swiss Re: bis zu 80 Prozent Produktivitätsgewinn, Bau-Pricing teils an einem Tag statt bis zu drei Wochen
- Tokio Marine HCC mit Moody’s: Modellläufe von 36 bis 48 Stunden auf 2 bis 3 Stunden
- Lemonade: Brutto-Schadenquote Q3 2025 auf Rekordtief 62 Prozent (Vorjahr 73 Prozent)
- Akur8: über 250 Kunden in mehr als 40 Ländern, mehr als 3.000 Aktuare täglich, ARR plus 50 Prozent 2025
Quellen: Swiss-Re-CEO-Aussagen (swissinfo.ch), Moody’s, Lemonade Q3-2025-Shareholder-Letter (SEC), Crowdfund Insider und fintech.global.
Über 60 weitere Praxisbeispiele finden Sie in unserem Guide
Künstliche Intelligenz ist in der Versicherung längst Realität: 80 Prozent kürzere Schadenbearbeitungszeiten, 55 Prozent weniger Aufwand pro Angebot, dreistellige Millionenbeträge an aufgedecktem Betrug. Unser kostenloser Guide bündelt 61 dokumentierte Praxisbeispiele führender Versicherer entlang der gesamten Wertschöpfungskette, jeweils mit belegten Effekten und eingeordnet in einen Governance-Rahmen aus DSGVO, BaFin und EU-KI-Verordnung. Laden Sie sich den Überblick für Entscheider jetzt als PDF herunter.
Was deutsche Versicherer daraus mitnehmen
Der größte Hebel liegt nicht in der reinen Geschwindigkeit, sondern in der Kombination aus Tempo, Präzision und Nachvollziehbarkeit. Setzen Sie auf transparente, regulatorisch prüfbare Modelle und entwickeln Sie die Rolle der Aktuare vom Modellbauer zum Validierer. Wie KI entlang der Wertschöpfungskette wirkt, zeigt unser Beitrag zu KI in der Versicherungsbranche.
Governance: schnell und trotzdem regelkonform
KI-Systeme zur Preisbildung gegenüber natürlichen Personen gelten in der Lebens- und Krankenversicherung nach der EU-KI-Verordnung als hochriskant. Der Datenschutz nach DSGVO, die aufsichtsrechtlichen Erwartungen der BaFin und die Vorgaben der EU-KI-Verordnung verlangen Nachvollziehbarkeit, Diskriminierungsfreiheit und klare Verantwortlichkeiten. Genau deshalb sind erklärbare Pricing-Modelle kein Nice-to-have, sondern die Voraussetzung für den breiten Einsatz.
Technisch gelingt das am besten, wenn KI nicht als monolithisches Großprojekt, sondern als modularer Microservice über stabile Schnittstellen in die bestehende Systemlandschaft eingebunden wird. So lässt sich ein Anwendungsfall klein und risikoarm starten, später skalieren und ein Modell austauschen, ohne den Kernbetrieb zu gefährden.
Mehr Praxisbeispiele im kostenlosen Guide
Diese Pricing-Cases sind vier von über 60 dokumentierten Praxisbeispielen führender Versicherer entlang der gesamten Wertschöpfungskette. Das vollständige und kostenlose PDF zum Download finden Sie hier.
