Menu

Agentische KI in der Schadenbearbeitung: Was Allianz Project Nemo zeigt

Avatar von Steffen Heilmann

am

von

Sieben KI-Agenten regulieren einfache Schäden in unter fünf Minuten, mit dem Menschen als finaler Instanz. Was die Allianz mit Project Nemo in Australien zeigt, markiert den Sprung von einzelnen automatisierten Schritten hin zu ganzen Prozessketten. Die Bearbeitungszeit sinkt um rund 80 Prozent, von Tagen auf Stunden.

Was ist agentische KI in der Schadenbearbeitung?

Agentische KI bezeichnet mehrere spezialisierte KI-Agenten, die zusammenarbeiten und einen Prozess weitgehend eigenständig durchlaufen, statt nur einzelne Aufgaben zu unterstützen. In der Schadenbearbeitung übernimmt jeder Agent einen Schritt, von der Deckungsprüfung über die Betrugsprüfung bis zur Auszahlungsvorbereitung. Die finale Entscheidung bleibt beim Menschen (Human-in-the-Loop).

Was Allianz Project Nemo leistet

Bei Project Nemo bearbeiten sieben spezialisierte KI-Agenten, unter anderem für Planung, Deckung, Wetter, Betrug, Auszahlung und Audit, einfache Hausrat-Schäden end-to-end, etwa Lebensmittelverderb unter 500 australischen Dollar. Den finalen Auszahlungsentscheid trifft ein Schadenexperte. Der volle Workflow läuft in unter fünf Minuten, die Bearbeitungszeit sinkt um rund 80 Prozent von mehreren Tagen auf Stunden. Gebaut wurde die Lösung in unter 100 Tagen.

Die Zahlen hinter dem Case

  • sieben spezialisierte KI-Agenten (u. a. Planung, Deckung, Wetter, Betrug, Auszahlung, Audit)
  • rund 80 Prozent kürzere Bearbeitungszeit, von Tagen auf Stunden
  • vollständiger Workflow in unter 5 Minuten
  • finale Auszahlungsentscheidung beim Menschen (Human-in-the-Loop)
  • Lösung in unter 100 Tagen gebaut

Die Angaben stammen aus dem Report „KI in der Versicherung“ und der dort verlinkten Primärquelle (Allianz Mediencenter).

Cover Praxisbeispiel guide

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 größere Hebel liegt nicht in einem einzelnen Tool, sondern in der Verkettung mehrerer Agenten entlang des gesamten Schadenprozesses. Beginnen Sie bei klar abgegrenzten, häufigen Standardfällen mit niedriger Schadenhöhe und einer definierten menschlichen Letztentscheidung. So entstehen schnelle Erfolge bei kontrolliertem Risiko, bevor komplexe Fälle folgen. Dunkelverarbeitung und Betrugskontrolle gehören dabei von Anfang an zusammengedacht. Wie KI die Schadenbearbeitung insgesamt verändert, zeigt unser Beitrag zu KI in der Schadenbearbeitung.

Governance: schnell und trotzdem regelkonform

KI-Agenten, die eigenständig Schäden bewerten und Auszahlungen vorbereiten, berühren unmittelbar regulatorische Anforderungen. Der Datenschutz nach DSGVO, die Erwartungen der BaFin und die Vorgaben der EU-KI-Verordnung verlangen Nachvollziehbarkeit, klare Verantwortlichkeiten und einen Human-in-the-Loop an den richtigen Stellen. Technisch gelingt das am besten, wenn KI nicht als monolithisches Großprojekt, sondern als modularer Microservice über stabile Schnittstellen in die bestehende Systemlandschaft eingebunden wird.

Mehr Praxisbeispiele im kostenlosen Guide

Dieser Case ist eines von über 60 dokumentierten Praxisbeispielen führender Versicherer entlang der gesamten Wertschöpfungskette. Das vollständige und kostenlose PDF zum Download finden Sie hier.

Cover Praxisbeispiel guide

    Durch das Ausfüllen dieses Formulars erklären Sie sich damit einverstanden, E-Mail-Kommunikationen von SDA SE Open Industry Solutions zu erhalten. Sie können sich jederzeit von dieser Kommunikationen abmelden