Der GenAI-ROI-Check: Warum die Kostenquote 2026 trotz KI nicht sinkt

Die Ernüchterung nach dem Hype

Wir schreiben das Jahr 2026. In den letzten zwei Jahren gab es kaum einen Geschäftsbericht eines Versicherers, in dem „Generative KI“ nicht als der große Hebel für die Effizienz gefeiert wurde. Doch ein Blick auf die aktuellen Zahlen (z.B. Analysen von Gartner oder die Combined Ratios der Branche) zeigt ein paradoxes Bild: Die Verwaltungskosten sinken nicht. Im Gegenteil: Sie stagnieren auf hohem Niveau oder steigen sogar leicht an.

Wo ist das Geld geblieben?

Das Problem ist das sogenannte Produktivitäts-Paradoxon. Die Branche macht derzeit drei schmerzhafte Erfahrungen:

1. Die hohen Kosten der "Sauberkeit": KI ist wie ein Formel-1-Motor; er läuft nicht mit billigem Diesel. Viele Versicherer mussten erst Millionen in ihre Datenarchitektur investieren, um die KI überhaupt sinnvoll nutzen zu können. Diese Investitionskosten (Capex) fressen die operativen Einsparungen (Opex) der ersten Jahre komplett auf.

2. Der "Rebound-Effekt": Automatisierung führt oft dazu, dass die Komplexität der Anfragen steigt. Wenn die KI die einfachen Fälle übernimmt, bleiben für die Mitarbeiter nur noch die "harten Nüsse". Das senkt die gefühlte Produktivität, da die Bearbeitungszeit pro verbliebenem Fall massiv ansteigt.

3. Regulatorik als Bremsklotz: Der EU AI Act und verschärfte IKS-Anforderungen zwingen Versicherer dazu, teure Kontrollinstanzen für ihre KI-Systeme aufzubauen. Was man an Sachbearbeitern einspart, gibt man für Compliance-Officer und KI-Auditoren wieder aus.

Fazit für Berater und Vorstände

Wer nur auf die "Magie der Algorithmen" gesetzt hat, stellt 2026 fest, dass die Rechnung nicht aufgeht. Ein positiver ROI lässt sich nicht durch das Einkaufen von KI-Tools erzielen, sondern nur durch eine radikale Vereinfachung der zugrunde liegenden Prozesse.

KI kann einen schlechten Prozess nicht heilen – sie macht ihn höchstens schneller schlecht. Der Fokus muss daher wieder auf das Fundament: Strukturierte Prozesslandkarten und klare Risikoabwägungen.

---

Details:

Tatsächlich gibt es für das Jahr 2025 und den Beginn von 2026 Daten und Analysen, die belegen, dass die Kostenquoten (Administrative Expense Ratios) trotz KI-Einsatz oft stabil bleiben oder sogar steigen.

1. Das "Solow-Paradoxon" der KI (Produktivität vs. Investition)

Bereits Ende 2024 und 2025 haben namhafte Institute wie Gartner und Goldman Sachs Berichte veröffentlicht, die die wirtschaftliche Ernüchterung thematisieren.

• Gartner (2025 Prediction): Gartner prognostizierte, dass bis Ende 2025 mindestens 30 % der GenAI-Projekte nach dem Proof-of-Concept abgebrochen werden, weil der wirtschaftliche Nutzen (ROI) aufgrund schlechter Datenqualität und hoher Betriebskosten nicht nachweisbar ist.

• Goldman Sachs ("GenAI: Too Much Spend, Too Little Benefit?"): Eine vielbeachtete Studie von Jim Covello (Head of Equity Research) argumentiert, dass die Kosten für die Infrastruktur (Chips, Energie, Lizenzen) so hoch sind, dass die Effizienzgewinne in absehbarer Zeit nicht ausreichen, um diese Investitionen zu rechtfertigen.

2. Spezifische Daten aus der Versicherungswirtschaft

Für die Versicherungswirtschaft im Speziellen lässt sich dies an folgenden Punkten festmachen:

• Versicherungsmonitor / Branchenanalysen (2025): Berichte zeigen, dass die Combined Ratio (Schaden-Kosten-Quote) bei vielen Versicherern 2025 unter Druck blieb. Während die Schadenkosten inflationär stiegen, konnten die Verwaltungskosten durch KI nicht schnell genug gesenkt werden.

• McKinsey Global Insurance Report: McKinsey weist oft darauf hin, dass Versicherer zwar Pilotprojekte haben, die Skalierung aber an der Legacy-IT scheitert. Die Kosten für die "Modernisierung des Fundaments", um KI überhaupt nutzen zu können, übersteigen kurzfristig die Einsparungen in der Sachbearbeitung.

3. Warum die Kosten nicht sinken

Drei konkrete "Kostentreiber der KI" anführen, die die Ersparnis auffressen:

1. Explosion der unstrukturierten Anfragen: KI macht es Kunden einfacher, Anfragen zu stellen (Chatbots). Das Volumen der Interaktionen steigt dadurch massiv an. Auch wenn die KI 80 % löst, bleiben 20 % komplexe Fälle übrig, die durch das gestiegene Gesamtvolumen die Sachbearbeiter stärker belasten als zuvor.

2. Die "Human-in-the-Loop"-Kosten: Wegen der Halluzinationsgefahr und regulatorischer Anforderungen (EU AI Act) müssen KI-Ergebnisse oft aufwendig manuell geprüft werden. Man ersetzt eine günstige Datenerfassung durch eine teure Expertenkontrolle.

3. Lizenz- und Schatten-IT-Kosten: Die Kosten für Enterprise-Lizenzen (z. B. Microsoft Copilot) sind pro Mitarbeiter signifikant. Wenn nicht gleichzeitig Personal abgebaut wird (was wegen des Fachkräftemangels oft gar nicht gewollt oder möglich ist), steigen die Fixkosten pro Kopf.