Die Versicherungsbranche hat sich in den Vereinigten Staaten zur Branche mit dem h\u00f6chsten Einsatz von KI entwickelt<\/strong> gemessen an dem Kriterium, das am wichtigsten ist: der H\u00e4ufigkeit automatisierter Entscheidungen, die einzelne Verbraucher betreffen.<\/p>\nJeder Underwriting-Workflow, jede Preisberechnungs-Engine, jedes Modell zur Schadenweiterleitung und jedes Betrugserkennungssystem l\u00e4uft in gro\u00dfem Ma\u00dfstab und liefert Ergebnisse, die dar\u00fcber entscheiden, ob Verbraucher Versicherungsschutz erhalten, zu welchem Preis und zu welchen Bedingungen. Die Risikomanagementprogramme, die diese Entscheidungen steuern, haben jedoch nicht Schritt gehalten, sodass Versicherer zunehmend mit erheblichen unternehmensweiten Auswirkungen konfrontiert sind, w\u00e4hrend die beh\u00f6rdlichen Fristen f\u00fcr die Einhaltung der KI-Vorschriften immer n\u00e4her r\u00fccken.
\nBis vor kurzem war das Thema KI-Governance in der Versicherungsbranche eine Frage des Risikomanagements, die zwischen Compliance-Teams und Rechtsabteilungen er\u00f6rtert wurde, doch dies ist mittlerweile nicht mehr der Fall.
\nDerzeit regeln drei unterschiedliche Rechtsrahmen die Frage der Unternehmensf\u00fchrung im Namen der Netzbetreiber, und die meisten sind auf keinen dieser Rahmen vorbereitet.<\/p>\n
Drei regulatorische Zeitrahmen bestimmen die Einhaltung der Vorschriften im Bereich der KI<\/h2>\n
Die erste Uhr l\u00e4uft ab.
\nDie kalifornischen Vorschriften zur Technologie f\u00fcr automatisierte Entscheidungsfindung (ADMT)<\/strong>, das Teil des umfassenden Datenschutzrahmens des Bundesstaates ist, am 1. Januar 2027 in Kraft treten.<\/strong> Gem\u00e4\u00df dem ADMT m\u00fcssen Organisationen, darunter auch Versicherungsunternehmen, den Verbrauchern ein Widerspruchsrecht, eine aussagekr\u00e4ftige \u00dcberpr\u00fcfung durch einen Menschen sowie dokumentierte Risikobewertungen f\u00fcr jedes automatisierte System gew\u00e4hren, das wesentliche Verbraucherentscheidungen ma\u00dfgeblich beeinflusst.<\/p>\nF\u00fcr Versicherer gelten die Vorschriften in allen Segmenten der Privat- und Gewerbekundenversicherung. Sie gelten zudem f\u00fcr Regelwerke und Bewertungsmodelle, nicht nur f\u00fcr Systeme des maschinellen Lernens. Wichtig ist, dass sie Durchsetzungspflichten mit konkreten regulatorischen Konsequenzen beinhalten. Die kalifornische Datenschutzbeh\u00f6rde (CalPrivacy), die f\u00fcr die Durchsetzung zust\u00e4ndig ist, kann Geldbu\u00dfen von bis zu $7.500 pro Versto\u00df verh\u00e4ngen, die pro Verbraucher bemessen werden. CalPrivacy hat bereits gezeigt, dass sie eher Strafen verh\u00e4ngt als Verwarnungen ausspricht, was sich in einer wachsenden Zahl von Durchsetzungsma\u00dfnahmen zeigt, deren H\u00f6he bei mehreren Hunderttausend beginnt und bis in den zweistelligen Millionenbereich reicht.<\/p>\n
Die zweite Uhr schl\u00e4gt fr\u00fcher. Das AI-Modell-Bulletin der National Association of Insurance Commissioners<\/strong>, nun von 25 Bundesstaaten \u00fcbernommen<\/strong>, verpflichtet die Netzbetreiber zur Einrichtung eines schriftlichen KI-Governance-Programms, das die Entwicklung, Beschaffung, Pr\u00fcfung, \u00dcberwachung und Kontrolle von KI-Systemen umfasst. Der erste Pr\u00fcfungszyklus im Live-Betrieb beginnt im vierten Quartal, noch bevor die Durchsetzung durch die ADMT \u00fcberhaupt einsetzt.<\/p>\nDie dritte Glocke hat bereits geschlagen. Rundschreiben Nr. 7 des New Yorker Finanzdienstleistungsministeriums (NYDFS) aus dem Jahr 2024<\/strong>, verpflichtet in New York t\u00e4tige Versicherungsunternehmen, \u00fcber ein schriftliches KI-Governance-Programm zu verf\u00fcgen, f\u00fcr das die Unternehmensleitung die Verantwortung tr\u00e4gt. Versicherungsunternehmen, die in New York t\u00e4tig sind und kein schriftliches KI-Governance-Programm vorweisen k\u00f6nnen, versto\u00dfen bereits gegen die Vorschriften.<\/p>\nDiese Compliance-Programme weisen gemeinsame Infrastrukturanforderungen auf: eine dokumentierte \u00dcbersicht \u00fcber automatisierte Entscheidungsprozesse, Modell- und data-Zuordnungen, Mechanismen zum Schutz der Verbraucherrechte, Nachweise zur Risikobewertung, Programme zur \u00dcberwachung von Lieferanten sowie schriftlich festgelegte Governance-Richtlinien. Versicherer, die jedes Rahmenwerk als isolierte Compliance-Vorgabe betrachten, verursachen redundante Kosten in ihren Betriebsabl\u00e4ufen und schaffen strukturelle L\u00fccken in ihrer Governance, was mit hoher Wahrscheinlichkeit zu kostspieligen Nachbesserungen f\u00fchren wird, sobald sich weitere Bundesstaaten dieser Initiative anschlie\u00dfen.<\/p>\n
Der Umfang ist gr\u00f6\u00dfer, als ihn die meisten Netzbetreiber erfasst haben<\/h2>\n
Das gef\u00e4hrlichste Missverst\u00e4ndnis im Zusammenhang mit der KI-Governance in der Versicherungsbranche ist die Annahme, dass diese Rahmenwerke ausschlie\u00dflich auf KI und maschinelles Lernen ausgerichtet sind. Dies ist jedoch nicht der Fall.<\/p>\n
Jedes automatisierte System, das eine wesentliche Verbraucherentscheidung ma\u00dfgeblich beeinflusst, f\u00e4llt unter die ADMT<\/strong>. Dazu w\u00fcrde beispielsweise eine vor 15 Jahren entwickelte Regel-Engine geh\u00f6ren, sofern sie Auswirkungen auf die Preisgestaltung, die Anspruchsberechtigung oder den Versicherungsschutz hat. Ebenfalls dazu z\u00e4hlen Modelle zur Betrugsbewertung und Workflows zur Bearbeitung von Schadensf\u00e4llen sowie eine Vielzahl wesentlicher Entscheidungsprozesse im gesamten Unternehmen. Entscheidend ist nicht die Technologie an sich, sondern die Frage, ob die jeweilige Entscheidung das Leben der Verbraucher ma\u00dfgeblich beeinflusst.<\/p>\nDas NAIC-Rahmenwerk erweitert diese Anforderung noch weiter und umfasst nicht nur die Systeme, sondern auch die dahinterstehenden Anbieter und data-Beziehungen. Das NYDFS geht sogar noch einen Schritt weiter: Versicherer m\u00fcssen sowohl ihre internen Modelle als auch die externen data-Anbieter, die zur Versorgung dieser Modelle herangezogen werden, regulieren. F\u00fcr Schaden- und Unfallversicherungsunternehmen, die nutzungsabh\u00e4ngige Versicherungsprogramme auf Basis von Telematik und verhaltensbezogenen data-Daten von Drittanbietern betreiben, ist dies von gro\u00dfer Bedeutung. Das Rahmenwerk gilt f\u00fcr die gesamte data-Lieferkette, nicht nur f\u00fcr das Entscheidungssystem.<\/p>\n
Versicherungsunternehmen, die diese Arbeit durchgef\u00fchrt haben, stellen durchweg fest, dass das Compliance-Risiko gr\u00f6\u00dfer ist, als sie erwartet hatten: veraltete Regelwerke, die noch aus der Zeit vor der Einf\u00fchrung formeller KI-Programme stammen, in Kernplattformen eingebettete Modelle von Drittanbietern sowie Arbeitsabl\u00e4ufe, die seit Jahren Ergebnisse f\u00fcr Verbraucher weiterleiten, ohne jemals offiziell als Entscheidungssysteme klassifiziert worden zu sein.<\/p>\n
Die meisten haben diese \u00dcbung noch nicht durchgef\u00fchrt, und genau darauf achten die Pr\u00fcfer zunehmend.<\/p>\n
Der Trend bei den Landesgesetzen h\u00e4lt unvermindert an<\/h2>\n
Der seit 2023 geltende Gesetzentwurf SB 21-169 des Bundesstaates Colorado schreibt vor, dass Lebensversicherungsgesellschaften Ma\u00dfnahmen zur Gew\u00e4hrleistung der Fairness von Algorithmen dokumentieren und dem Versicherungsbeauftragten des Bundesstaates j\u00e4hrliche Bescheinigungen vorlegen m\u00fcssen. Damals betrachtete die Versicherungsbranche dies als eine speziell auf Colorado bezogene Compliance-Anforderung. Dies war jedoch nicht der Fall. Es handelte sich vielmehr um ein Muster.<\/p>\n
Das ADMT-Rahmenwerk Kaliforniens hat dieselbe Logik auf automatisierte Entscheidungen in allen Versicherungssparten ausgeweitet und umfasst dabei Verbraucherrechte, Erkl\u00e4rbarkeit und Rechenschaftspflicht. In New York gelten seit Anfang 2024 vergleichbare Anforderungen. Illinois, Maryland und Connecticut treiben derzeit analoge Rahmenwerke voran. Das NAIC-Bulletin hat mittlerweile 25 Bundesstaaten erreicht und findet weiterhin Verbreitung.<\/p>\n
Das gef\u00e4hrlichste Missverst\u00e4ndnis in KI-Governance im Versicherungswesen<\/strong> Der Unterschied besteht darin, dass diese Rahmenwerke ausschlie\u00dflich auf KI und maschinelles Lernen ausgerichtet sind. Versicherer, die jede Entwicklung als isoliertes Ereignis betrachtet haben, haben von Bundesstaat zu Bundesstaat unterschiedliche, punktuelle Programme aufgebaut. Versicherer, die das Muster erkennen, entwickeln integrierte Programme, die darauf ausgelegt sind, neuen Anforderungen gerecht zu werden, sobald weitere Bundesstaaten nachziehen, ohne dass jedes Mal von Grund auf neu begonnen werden muss. Der Unterschied liegt nicht nur in den Kosten, sondern auch in der Wettbewerbsgeschwindigkeit. Wenn der n\u00e4chste Bundesstaat Ma\u00dfnahmen ergreift, muss ein Anbieter lediglich Anpassungen vornehmen, w\u00e4hrend andere von Grund auf neu beginnen m\u00fcssen.<\/p>\nDer Unterschied liegt nicht nur in den Kosten, sondern auch in der Wettbewerbsgeschwindigkeit.<\/p><\/blockquote>\n
Was \u201ebereit f\u00fcr den Einsatz\u201c voraussetzt<\/h2>\n
Das Ziel der KI-Governance im Versicherungswesen ist nicht die Einhaltung von Vorschriften um ihrer selbst willen. Es geht vielmehr um die F\u00e4higkeit, automatisierte Entscheidungsprozesse in gro\u00dfem Ma\u00dfstab einzusetzen \u2013 mit der Gewissheit, dass diese Prozesse erkl\u00e4rt, begr\u00fcndet und angepasst werden k\u00f6nnen, wenn Aufsichtsbeh\u00f6rden, Verbraucher oder gesch\u00e4ftliche Rahmenbedingungen dies erfordern. Versicherungsunternehmen, die diese Infrastruktur bereits jetzt aufbauen, bew\u00e4ltigen nicht nur regulatorische Risiken. Sie schaffen die operative Grundlage f\u00fcr Wettbewerbsvorteile in einem KI-intensiven Markt.<\/p>\n
Folgende Voraussetzungen muss diese Infrastruktur erf\u00fcllen:<\/p>\n
\n- Ein dokumentiertes Verzeichnis aller automatisierten Entscheidungen<\/strong> nach den Anwendungsbereichskriterien von ADMT, NAIC und NYDFS klassifiziert. Dabei handelt es sich nicht nur um KI-Systeme, sondern auch um Regel-Engines, Bewertungsmodelle und Profiling-Tools.<\/li>\n
- Eine vollst\u00e4ndige \u00dcbersicht \u00fcber die data, die in diese Entscheidungen einflie\u00dft<\/strong>, einschlie\u00dflich externer Quellen und Beitr\u00e4ge von Drittanbietern.<\/li>\n
- Verbraucherhinweise und Widerspruchsm\u00f6glichkeiten, die in der Praxis funktionieren<\/strong>, nicht als politische Erkl\u00e4rungen, sondern als Mechanismen, die die Ergebnisse von Entscheidungen beeinflussen.<\/li>\n
- Manuelle Pr\u00fcfungsverfahren, bei denen die Pr\u00fcfer \u00fcber eine echte Entscheidungsbefugnis verf\u00fcgen<\/strong> und ihre Begr\u00fcndungen so zu dokumentieren, dass sie f\u00fcr die Aufsichtsbeh\u00f6rden abrufbar sind.<\/li>\n
- Formelle Risikobewertungen f\u00fcr jedes System zur Materialentscheidung:<\/strong> nachweisliche Belege daf\u00fcr, dass der Bef\u00f6rderer die von seinen automatisierten Systemen ausgehenden Risiken bewertet, verstanden und unter Kontrolle hat.<\/li>\n<\/ul>\n
All dies ist keine neue Theorie der Unternehmensf\u00fchrung. Aufsichtsbeh\u00f6rden in zahlreichen L\u00e4ndern haben dies bereits gesetzlich verankert. Die Versicherungsunternehmen werden daran gemessen werden, wenn die Pr\u00fcfer vor Ort erscheinen.<\/p>\n
Das Zeitfenster f\u00fcr den Bau l\u00e4uft ab<\/h2>\n
Der NAIC-Pr\u00fcfungszyklus beginnt in diesem Herbst.<\/p>\n
Die Durchsetzung der ADMT-Vorschriften beginnt am 1. Januar.<\/strong> Beides steht kurz bevor und erfordert eine funktions\u00fcbergreifende Koordination zwischen den Bereichen data, Technologie, Recht, Risikopr\u00fcfung und Schadenbearbeitung. Versicherer, die ohne ein schriftlich festgehaltenes AIS-Programm, ohne eine ADMT-Bereitschaftspr\u00fcfung und ohne ein NYDFS-konformes Governance-Rahmenwerk f\u00fcr KI in die zweite H\u00e4lfte des Jahres 2026 starten, bereiten sich nicht auf eine Pr\u00fcfung vor \u2013 sie befinden sich bereits im Pr\u00fcfungsraum.<\/p>\nDie gute Nachricht ist, dass die f\u00fcr alle drei Frameworks erforderliche Infrastruktur gemeinsame Elemente aufweist.<\/strong> Ein integriertes Programm, das einmalig entwickelt und darauf ausgelegt ist, die Anforderungen von ADMT, NAIC und NYDFS gleichzeitig zu erf\u00fcllen, ist kosteng\u00fcnstiger und sorgt f\u00fcr eine besser begr\u00fcndbare Unternehmensf\u00fchrung als drei parallele Compliance-Arbeitsstr\u00e4nge. Versicherer, die ein solches Programm bereits jetzt aufbauen, werden strukturelle Vorteile hinsichtlich der Pr\u00fcfungsbereitschaft, der Einf\u00fchrungsgeschwindigkeit und des Managements der Beziehungen zu den Aufsichtsbeh\u00f6rden genie\u00dfen, die ihre sp\u00e4ter einsteigenden Wettbewerber nicht schnell nachahmen k\u00f6nnen.<\/p>\nTransportunternehmen, die auf einen g\u00fcnstigeren Zeitpunkt f\u00fcr den Start warten, interpretieren ihren Zeitplan falsch.<\/p>\n
Die automatisierten Entscheidungen werden bereits umgesetzt. Die Rahmenbedingungen sind in Kraft. Jeder Monat ohne ein KI-Governance-Programm bedeutet regulatorische Schulden, und der Tilgungsplan steht fest.<\/p>","protected":false},"excerpt":{"rendered":"
Mit dem \u00dcbergang der KI von dialogorientierten Chatbots hin zu autonomen, agentenbasierten Arbeitsabl\u00e4ufen sind Weiterbildungs- und Einf\u00fchrungsdienstleistungen f\u00fcr Unternehmen zum grundlegenden Motor der KI-Transformation und der organisatorischen Skalierbarkeit geworden. Das einfache Prompt-Engineering hat sich zu einer vielschichtigen Disziplin entwickelt, die Spezifikation, Kontext-Engineering, Low-Code-Orchestrierung und Prozessneugestaltung umfasst. Unternehmen, die die Einf\u00fchrung von KI als ganzheitliche Gesch\u00e4ftstransformation und nicht als blo\u00dfen Einsatz technischer Tools betrachten, erzielen eine deutlich h\u00f6here Geschwindigkeit und einen wesentlich h\u00f6heren ROI. Artefact steht im Zentrum dieser Entwicklung und bef\u00e4higt Unternehmen, die Kompetenzen ihrer Belegschaft zu modernisieren, Kernprozesse unter Ber\u00fccksichtigung menschlicher Ermessensentscheidungen neu zu gestalten und eine robuste Governance zu etablieren, um KI sicher und schnell zu skalieren.<\/p>","protected":false},"featured_media":293340,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995,21930],"blog-language":[2991],"class_list":["post-1401268","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-category-finance","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/1401268","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/293340"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=1401268"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=1401268"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=1401268"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}