Eine Versicherung ist für die meisten Menschen kein Produkt, mit dem sie sich gerne ausführlich beschäftigen. Im besten Fall läuft vieles einfach. Und wenn etwas passiert, soll der Schutz funktionieren.
Je leistungsfähiger KI wird, desto mehr kann sie Versicherten abnehmen. Sie kann Informationen einordnen, Bedürfnisse aus vorhandenem Kontext erkennen, Abläufe vorbereiten und zunehmend auch selbst handeln. Mit Agentic AI lassen sich mehrere Schritte verbinden, die heute noch auf verschiedene Systeme oder Teams verteilt sind.
Technisch lässt sich diese Entwicklung weit treiben. Ein persönlicher KI-Agent könnte eines Tages erkennen, dass sich die Lebenssituation verändert hat, den bestehenden Versicherungsschutz prüfen, Angebote vergleichen und anschließend mit einem Agenten des Versicherers die passende Anpassung koordinieren.
Für die versicherte Person wäre ein großer Teil des klassischen Customer Lifecycle kaum noch sichtbar. Das kann sehr komfortabel sein. Es führt aber zu einer wichtigeren Frage als der nächsten Anwendungsidee: Wo ist KI inzwischen Grundvoraussetzung - und wo kann sie eine spürbar bessere Kundenerfahrung schaffen?
KI verändert den Customer Lifecycle stärker als die Bedürfnisse dahinter
Um diese Frage systematisch zu betrachten, modellieren wir den Customer Lifecycle über die gesamte Beziehung hinweg: von Awareness und Consideration über Entscheidung, Abschluss und Leistungserbringung bis zu Nutzung, Service, Bindung, Empfehlung und neuem Bedarf.
Der Wert dieses Modells liegt vor allem darin, dass die Beziehung nach dem Vertragsabschluss weitergeht. Erst in Nutzung und Service zeigt sich, ob ein Leistungsversprechen tatsächlich trägt. Und erst im weiteren Verlauf wird sichtbar, ob ein Versicherer Veränderungen im Bedarf erkennt und relevant bleibt.
KI kann die Ausführung dieses Lifecycles erheblich verändern. Signale werden kontinuierlich ausgewertet, ein möglicher Bedarf wird früher erkannt und der nächste Schritt kann direkt vorbereitet werden. Aus einzelnen Touchpoints wird zunehmend ein Kreislauf aus Wahrnehmen, Bedarf ableiten, Leistung koordinieren, Ergebnis beobachten und daraus lernen.
In einer weitgehend autonomen Variante handeln Agenten auf Kunden- und Unternehmensseite miteinander, Phasen werden übersprungen und Versicherte sind nicht mehr bei jedem Schritt selbst aktiv. Für uns folgt daraus jedoch nicht, dass maximale Autonomie das Ziel sein sollte. Denn während sich die Ausführung stark verändern kann, bleiben die grundlegenden Erwartungen von Menschen vergleichsweise stabil.
Operative KI wird zur Grundvoraussetzung
Unser 2026 Global AI Report: A playbook for insurance zeigt eine interessante Verschiebung. 86,7 % der Versicherungs-KI-Leader nutzen KI bereits in Back- und Mid-Office-Workflows für Automatisierung und Optimierung. Bei den KI-Nachzüglern sind es ebenfalls 80,4 %, bei den übrigen Versicherern 78,8 %. Der Abstand ist vergleichsweise gering.
Das ist nachvollziehbar. Ein klar abgegrenztes internes Produktivitätswerkzeug oder ein Automatisierungsfall mit definiertem Prozess lässt sich meist leichter einführen als eine KI-Anwendung, die unmittelbar in Kundenentscheidungen, Beratung oder Vertrieb eingreift.
Für die Customer Experience ist diese operative Basis trotzdem unverzichtbar. Menschen, Prozesse, Systeme und Tools müssen reibungslos zusammenspielen. Relevante Daten müssen verfügbar sein, Fachprozesse müssen auf neue Signale reagieren können und Entscheidungen müssen in den angeschlossenen Systemen tatsächlich ausführbar sein.
Auch die Fähigkeit, Signale kontinuierlich wahrzunehmen, daraus Bedarf abzuleiten, Leistungen zu orchestrieren und aus Ergebnissen zu lernen, wird damit zunehmend zur Grundfähigkeit. Sie schafft Effizienz, Skalierbarkeit und Verlässlichkeit. Allein daraus entsteht jedoch noch keine differenzierende Kundenerfahrung.
Differenzierung entsteht näher am Kunden
Im Frontoffice ist das Bild deutlich anders. 66,7 % der Versicherungs-KI-Leader nutzen KI bereits in kunden- und partnernahen Interaktionen wie Marketing, Vertrieb sowie Kunden- und Partnererlebnissen. Bei den KI-Nachzüglern sind es 35,3 Prozent. Der Report beschreibt diese fast 30 Prozentpunkte Differenz als eine der klarsten strukturellen Trennlinien im Datensatz.
Entscheidend ist allerdings nicht, möglichst viel KI im Frontoffice zu platzieren. Ein weiterer Chatbot oder eine zusätzliche Empfehlung differenziert nicht automatisch. Differenzierung entsteht dort, wo Versicherer verstehen, was Menschen in einem konkreten Lifecycle-Moment brauchen - und daraus die passende Rolle der KI ableiten.
Bei einer einfachen Serviceanfrage kann das bedeuten, ein Anliegen ohne Wiederholungen und Medienbrüche sofort zu lösen. Nach einem Schaden können Verlässlichkeit, Fairness und eine nachvollziehbare Kommunikation wichtiger sein als maximale Geschwindigkeit. Bei einem erkannten neuen Bedarf kann eine passende Empfehlung hilfreich sein - oder bewusstes Nicht-Handeln.
Die größere Differenzierung liegt deshalb nicht in Frontoffice-KI an sich, sondern im bedürfnisorientierten Einsatz von KI an der Kundenschnittstelle. Die operative Basis macht diesen Einsatz möglich. Der konkrete Kundenbedarf entscheidet, ob er auch wertvoll ist.
Der Mensch bleibt der Maßstab
In unserem Framework für Customer Lifecycle Management (CLM) bündeln wir menschliche Erwartungen in fünf Dimensionen: Zugang und Wahlmöglichkeiten, Leistung und Verlässlichkeit, Beziehung und Fairness, Information und Kontrolle sowie Identifikation.
Diese Bedürfnisse sind nicht in jeder Lifecycle-Phase gleich ausgeprägt und müssen auch nicht in eine starre Bewertung übersetzt werden. Entscheidend ist, für den jeweiligen Kundenmoment die richtigen Fragen zu stellen. Was braucht der Mensch hier tatsächlich? Welche Unsicherheit soll reduziert werden? Wie viel Kontrolle möchte er behalten? Wann schafft Automatisierung Komfort - und wann kann sie Vertrauen kosten?
Damit verändert sich die Logik für KI-Anwendungen. Nicht die verfügbare Technologie bestimmt zuerst den Anwendungsfall. Der Kundenbedarf liefert den Maßstab dafür, welche Rolle KI übernehmen sollte.
Fünf Fragen für den eigenen Customer Lifecycle
Für die praktische Arbeit lässt sich diese Perspektive auf fünf Fragen reduzieren.
- Was brauchen Versicherte in diesem Moment? Geht es um Orientierung, Verlässlichkeit, schnelle Hilfe, geringeren Aufwand, Fairness, Kontrolle oder darum, einen veränderten Bedarf rechtzeitig zu erkennen?
- Welche relevanten Signale liegen bereits vor? Das können Vertragsinformationen, Interaktionen, Serviceverläufe, Schadeninformationen oder andere zulässige Kontextdaten sein.
- Was kann KI daraus sinnvoll ableiten? Vielleicht einen Informationsbedarf, einen nächsten Schritt, einen Hinweis für eine Fachkraft oder eine Situation, in der überhaupt keine Aktion erforderlich ist. Ein Signal ist noch kein Vertriebsanlass.
- Welche Rolle soll KI übernehmen? Information, Empfehlung, Unterstützung für Mitarbeitende, Vorbereitung eines Vorgangs, selbstständige Ausführung - oder bewusstes Nicht-Handeln - sind unterschiedliche Rollen. Sie sollten aus dem Kundenbedarf und dem Kontext abgeleitet werden.
- Was muss innerhalb des Versicherers funktionieren? Menschen, Prozesse, Daten, Systeme und Tools müssen die gewünschte Reaktion zuverlässig tragen. Ein gutes Frontoffice-Versprechen ist nur so gut wie die Wertschöpfung dahinter.
Diese Fragen verbinden die beiden Seiten: die operative Grundvoraussetzung im Unternehmen und die Differenzierung an der Kundenschnittstelle. Relevante Anwendungen entstehen so nicht aus einer fertigen Liste von Anwendungsfällen, sondern aus der konkreten Kundenbeziehung.
Autonomie ist eine Designentscheidung
Aus dem Kundenbedarf folgt auch, wie autonom KI handeln sollte. Bei wiederkehrenden, risikoarmen und leicht reversiblen Vorgängen kann selbstständige Ausführung sinnvoll sein. Bei langfristigen Verträgen, hohen finanziellen Folgen oder sensiblen Schadenentscheidungen können Transparenz, eine explizite Freigabe oder menschliches Urteilsvermögen wichtiger werden.
Gerade nach einem Schaden ist der menschliche Kontakt häufig selbst Teil der Leistung. Menschen suchen in solchen Situationen nicht nur eine schnelle Entscheidung, sondern auch Orientierung, Empathie und die Sicherheit, verstanden zu werden. KI kann hier unterstützen, Informationen aufbereiten und Prozesse beschleunigen. Vertrauen entsteht jedoch oft durch die menschliche Interaktion.
Der passende Grad an Autonomie hängt deshalb unter anderem von Tragweite, Reversibilität, Qualität der Datengrundlage, Erklärbarkeit und den Präferenzen der versicherten Person ab. Nicht maximale Automatisierung ist das Ziel, sondern die passende Rolle der KI für den konkreten Kundenmoment.
Vom Kundenbedarf zur operativen Umsetzung
Genau an dieser Verbindung zwischen Kundenperspektive und Wertschöpfung sehen wir auch unsere Rolle bei NTT DATA. Gemeinsam mit Versicherern können wir den Customer Lifecycle zunächst aus der Bedarfsperspektive betrachten: Welche Erfahrung soll in einer Lifecycle-Phase besser werden? Welche Signale stehen zur Verfügung? Welche Rolle kann KI sinnvoll übernehmen?
Darauf baut die operative Umsetzung auf. Daten müssen verfügbar werden, Prozesse angepasst, Verantwortlichkeiten geklärt und Anwendungen integriert oder modernisiert werden. Governance, Sicherheit und Kontrollmechanismen müssen zum jeweiligen Autonomiegrad passen.
Backoffice und Frontoffice sind dabei keine getrennten Welten. Die operative Exzellenz im Hintergrund schafft die Voraussetzung dafür, dass eine bedarfsgerechte Interaktion an der Kundenschnittstelle zuverlässig funktioniert. Sichtbar differenzierend wird KI dort, wo diese Basis in eine bessere Erfahrung für Versicherte und Partner übersetzt wird.
IHR NÄCHSTER SCHRITT
Welche Erfahrung soll für Versicherte besser werden? Wer darauf eine präzise Antwort hat, kann fundierter entscheiden, wo KI im Customer Lifecycle zur Grundvoraussetzung gehört - und wo sie echte Differenzierung schaffen kann.
Analysieren Sie gemeinsam mit unseren CX- und Insurance-Expertinnen und -Experten, welche KI-Fähigkeiten in Ihrem Customer Lifecycle zur operativen Grundvoraussetzung werden - und wo bedarfsgerechter KI-Einsatz an der Kundenschnittstelle echte Differenzierung schafft.