30 Prozent mehr Angebote, 55 Prozent schneller zum Angebot, rund 40 Prozent höhere Abschlussquoten. Und das ohne zusätzliches Underwriting-Personal. Was der US-Versicherer AIG mit generativer KI im Underwriting erreicht, zeigt, wohin sich die Risikoprüfung bewegt: weg vom manuellen Durchsuchen hunderter Dokumente, hin zu KI-Assistenten, die Underwritern in Sekunden zuarbeiten. Für deutsche Versicherer ist der Fall ein konkreter Vorgeschmack auf den nächsten Effizienzsprung.
Was ist KI im Underwriting?
KI im Underwriting bezeichnet den Einsatz von maschinellem Lernen und generativer KI, um Risiken schneller und präziser zu bewerten. Die Technologie liest und strukturiert Antragsunterlagen, fasst umfangreiche Dokumente zusammen, gleicht Angaben mit den Underwriting-Richtlinien ab und liefert eine belegte Entscheidungsgrundlage. Der Mensch behält die finale Entscheidung, die KI übernimmt die zeitraubende Vorarbeit.
Was AIG Assist leistet
AIG unterstützt seine Underwriter mit dem generativen KI-Tool AIG Assist. Statt hunderte Seiten Submission-Material manuell zu sichten, erhalten Underwriter aufbereitete Risikoeinschätzungen und finden relevante Informationen in natürlicher Sprache. Im Bereich Lexington Middle Market Property führte das laut dem Q1-2026-Earnings-Call zu deutlich messbaren Ergebnissen.
In der nächsten Phase baut AIG gemeinsam mit Palantir und Anthropic ein Multi-Agenten-System. Eine Orchestrierungs-Schicht koordiniert spezialisierte Agenten: Ein Agent übernimmt die Aufnahme und Datenextraktion von Submissions, ein weiterer prüft das Risiko gegen die Underwriting-Richtlinien, ein dritter benchmarkt das Pricing gegen die Portfolio-Ziele. Ein Kollaborations-Agent führt die Ergebnisse zusammen, während Menschen die Aufsicht behalten und jederzeit eingreifen können. Das vollständige System befindet sich noch im Beta-Test.
Die Zahlen hinter dem Case
- 30 Prozent mehr quotierte Submissions
- 55 Prozent kürzere Zeit bis zum Angebot
- rund 40 Prozent höhere Abschlussquoten
- erreicht ohne zusätzliches Underwriting-Personal
Die Kennzahlen stammen aus dem AIG Q1-2026-Earnings-Call (CEO Peter Zaffino) und beziehen sich auf den Bereich Lexington Middle Market Property.
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 Underwriting-Durchsatz steigt, wenn KI die Dokumentenarbeit übernimmt und Underwriter sich auf die eigentliche Entscheidung konzentrieren. Der größere Hebel liegt jedoch nicht in einem einzelnen Tool, sondern in der Verkettung mehrerer Agenten entlang des gesamten Underwriting-Prozesses, von der Submission-Aufnahme über die Richtlinienprüfung bis zum Pricing-Benchmarking. Und schnellere Angebote erhöhen die Abschlussquote, weil kaufbereite Interessenten nicht auf lange Bearbeitungszeiten warten. Wo Versicherer beim KI-Vertrieb konkret ansetzen, beschreibt unser Beitrag zu KI im Versicherungsvertrieb.
Governance: schnell und trotzdem regelkonform
Ein KI-System, das eigenständig Risiken bewertet und Underwriting-Entscheidungen vorbereitet, berührt unmittelbar regulatorische Anforderungen. Der Datenschutz nach DSGVO, die aufsichtsrechtlichen Erwartungen der BaFin und die Vorgaben der EU-KI-Verordnung verlangen Nachvollziehbarkeit, klare Verantwortlichkeiten und einen Human-in-the-Loop an den richtigen Stellen. Für deutsche Versicherer ist das kein Bremsklotz, sondern die Voraussetzung, um KI im Underwriting überhaupt in der Breite einzusetzen.
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
Der AIG-Case ist eines von über 60 dokumentierten Praxisbeispielen führender Versicherer entlang der gesamten Wertschöpfungskette. Das vollständige und kostenlose PDF zum Download finden Sie hier.
