Automatisierte Kommunikation mit Versicherungen und Auftraggebern

Das echte Ausmaß des Problems

Wer selbstständig als Gutachter oder in einem kleinen Büro mit zwei bis fünf Mitarbeitenden arbeitet, kennt den Rhythmus: Bis zu einem Drittel der täglichen Arbeitszeit geht für administrative Kommunikation drauf — nicht für das eigentliche Gutachten, sondern für das Drumherum. Eingangsbestätigungen, Terminankündigungen, Rückmeldungen auf Nachforderungen, Statusauskünfte, Absagen, Rückfragen.

Laut einer Analyse der DGUSV (Deutsche Gesellschaft der Unabhängigen Sachverständigen und Gutachter) gehört Routinekorrespondenz zu den am häufigsten genannten Zeitfressern in kleinen Sachverständigenbüros — neben Dokumentenablage und Terminkoordination. Internationale Studien zur KI in der Versicherungsbranche, darunter eine Perspektivstudie von Perspective AI (2025), beziffern die Einsparung durch automatisierte Kommunikationsunterstützung bei Schadenbearbeitern auf 30–50 % des bisherigen Korrespondenzaufwands — auch wenn dieser Wert für große Versicherungsabteilungen erhoben wurde, deckt er sich mit Erfahrungen aus Gutachterbüros.

Das eigentliche Problem ist aber nicht die Dauer. Es ist die Fragmentierung: Die Schreiben hängen an individuellen Fallnummern, auftraggeber-spezifischen Ansprechpartnern, unterschiedlichen Fristenregimes und verschiedenen Erwartungen an Tonalität und Detailtiefe. Wer täglich fünf verschiedene Auftraggeber bedient — AXA, Allianz, HUK-Coburg, einen Makler und einen Privatschadenkunden — schreibt faktisch in fünf verschiedenen Stilen, ohne dass das irgendjemand explizit verlangt hätte.

Diese Fragmentierung ist das eigentliche Argument für Automatisierung: nicht, dass E-Mails zu langsam gehen, sondern dass jedes Schreiben wieder bei null anfängt, obwohl die Muster längst etabliert sind.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Zeitangaben basieren auf Erfahrungswerten aus Büroprozess-Reviews bei kleinen Gutachterbüros (2–8 Mitarbeitende). Keine repräsentative Studie, aber konsistent mit Branchenbeobachtungen.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Der Effekt ist unmittelbar spürbar: Wer täglich zehn Standardschreiben verfasst, gewinnt 45–90 Minuten zurück. Das ist in einem Gutachterbüro ein erheblicher Anteil der Arbeitszeit — und eine der wenigen Optimierungen, die sofort greifen, ohne dass Prozesse grundsätzlich umgebaut werden müssen. Ein Score von 5 wäre übertrieben, weil komplexe Schreiben (Widersprüche, Haftungsfragen, strittige Positionen) weiterhin manuell formuliert werden müssen.

Kosteneinsparung — niedrig (2/5) Die direkte Kosteneinsparung ist gering: Keine Lizenz für eine Schadensmanagement-Software, kein Outsourcing, kein Personalabbau. Die Einsparung ist Zeit — die du anders einsetzen kannst, aber die nicht direkt von der Rechnung verschwindet. Wer wachsen will, kann den gewonnenen Puffer nutzen, ohne neue Mitarbeitende einzustellen. Wer stabil bleiben will, arbeitet schlicht weniger Abend. Beide Szenarien haben Wert — aber keinen direkt messbaren Eurobetrag auf dem Kontoauszug.

Schnelle Umsetzung — hoch (4/5) Erste Entwürfe mit ChatGPT oder Claude sind in einem Nachmittag nutzbar. Eine vollautomatisierte Pipeline mit Make.com braucht eine bis zwei Wochen, ist aber Low-Code aufgesetzt. Damit ist dieser Anwendungsfall deutlich schneller umsetzbar als etwa die automatisierte Gutachtenerstellung oder die Qualitätsprüfung von Gutachten, die jeweils umfangreiche Dokumentvorlagen und Fachkenntnisse als Grundlage brauchen.

ROI-Sicherheit — hoch (4/5) Zeitersparnis pro Schreiben ist messbar — du kannst heute mit der Stoppuhr anfangen. Anders als bei indirekten Effekten (bessere Kundenbindung, weniger Fehler) ist hier ein klares Vorher-Nachher möglich. Im Gutachterwesen, wo Stunden häufig als Abrechnungseinheit dienen, lässt sich der Wert der eingesparten Zeit direkt beziffern.

Skalierbarkeit — mittel (3/5) Jeder neue Auftraggeber erfordert eine neue Vorlage — spezifisch für Tonalität, Pflichtangaben und Formulierungen. Das ist nicht automatisiert, sondern einmaliger Aufwand pro Auftraggeber. Bei fünf aktiven Auftraggebern ist das handhabbar. Bei zwanzig wird der Vorlagen-Overhead spürbar. Verglichen mit Use Cases wie der Auftragsverwaltung, die einmal eingerichtet beliebig skaliert, wächst hier der Setup-Aufwand linear mit der Auftraggeberzahl.

Richtwerte — stark abhängig von Auftragsvolumen, Anzahl der Auftraggeber und technischer Infrastruktur.

Was das System konkret macht

Das Grundprinzip ist einfach: Ein LLM bekommt die Falldaten als Kontext — Fallnummer, Auftraggeber, Schadenart, Besichtigungsdatum, aktueller Status — und erstellt daraus einen vollständigen E-Mail-Entwurf. Du prüfst, passt bei Bedarf an, und sendest.

Für die halbautomatische Variante (kein zusätzliches Tool) funktioniert das so:

1. Du öffnest ChatGPT oder Claude mit einem gespeicherten Auftraggeber-Prompt
2. Du gibst die relevanten Falldaten ein (oder kopierst sie aus deinem CRM)
3. Das System erstellt den Entwurf in 15–30 Sekunden
4. Du prüfst, ergänzt ggf. eine persönliche Zeile und sendest

Für die vollautomatisierte Variante (mit Make.com oder n8n):

1. Statusänderung im CRM löst einen Workflow aus
2. Make.com ruft die Falldaten ab, reicht sie ans LLM weiter
3. Der generierte Entwurf landet als Entwurf in deinem Postfach (oder wird direkt gesendet, wenn das Format eindeutig ist)
4. Du übernimmst nur noch die Freigabe

Die Entscheidung, was automatisch gesendet und was noch manuell freigegeben wird, ist keine technische, sondern eine strategische: Standardbestätigungen können direkt raus. Alles, was eine inhaltliche Einschätzung enthält — Statusmeldungen mit Prognosen, Antworten auf Nachforderungen, Schreiben an Rechtsanwälte oder Gerichte — bleibt in der manuellen Freigabe.

Was das System nicht macht

Es ersetzt nicht die fachliche Einschätzung. Es schreibt keine Stellungnahmen zu strittigen Gutachten. Es beurteilt keine Haftungsfragen. Es trifft keine Entscheidungen über Fristen, die versicherungsrechtlich relevant sind. Es ist ein sehr guter Formulierungsassistent — kein Sachbearbeiter.

Versicherungsformular-Taxonomie: Was AXA, Allianz und HUK wirklich wollen

Eines der größten Missverständnisse bei der Automatisierung von Versicherungskorrespondenz: Die Annahme, dass alle Auftraggeber die gleiche Sprache sprechen. Sie tun es nicht.

Erfahrene Gutachter, die seit Jahren mit denselben Versicherern zusammenarbeiten, haben ein intuitives Gespür für diese Unterschiede entwickelt — aber selten explizit. Genau das muss beim Prompt-Setup explizit gemacht werden.

AXA bevorzugt sachlich-knappe Schreiben mit konkreten Referenznummern an der Spitze (Schaden-Nr., Vorgangs-Nr.) und erwartet bei Statusmeldungen den Vermerk, ob ein Termin bereits stattgefunden hat oder noch aussteht. Ansprechpersonen wechseln bei AXA häufig — die Korrespondenz sollte sich an die Schadennummer heften, nicht an einen Namen. Erfahrungsgemäß werden fehlende Schadensnummern in der Betreffzeile regelmäßig als Mangel zurückgespiegelt.

Allianz erwartet bei Kfz-Schäden die Übermittlung der DAT- oder Audatex-Kalkulationsnummer als Pflichtangabe — ohne sie bleibt der Auftrag im System unklar. Statusschreiben sollten explizit vermerken, ob eine Reparaturkalkulation oder ein Totalschadengutachten erstellt wird, weil das intern verschiedene Workflows auslöst. Schreiben an Allianz Kfz-Schaden und Allianz Sachschaden laufen über verschiedene Portale — Verwechslungen führen zu Verzögerungen.

HUK-Coburg kommuniziert stark über sein eigenes Portal (HUK24) und erwartet bei Beauftragungen dort eingetragene Auftragsnummern. E-Mail-Korrespondenz als Parallelkanal ist möglich, aber Schreiben ohne die Portal-Auftragsnummer werden systemseitig nicht zugeordnet. Erfahrungsgemäß reagiert HUK empfindlich auf Fristen-Überschreitungen bei Terminmitteilungen — dort ist drei Werktage Vorlauf der implizite Standard.

Diese auftraggeber-spezifischen Details gehören nicht in die allgemeine Systemanleitung, sondern in den jeweiligen Auftraggeber-Prompt — als fester Bestandteil, der bei jeder Generierung wirkt. Einmal sauber dokumentiert, braucht es hier keine Nacharbeit mehr.

Fristen-Management und VVG-relevante Kommunikation

Das Versicherungsvertragsgesetz (VVG) enthält Fristen, die für die Kommunikation zwischen Gutachtern und Versicherungen indirekt relevant sind — nicht weil du als Gutachter direkt nach VVG haftest, sondern weil deine Auftraggeber es tun und entsprechende Erwartungen an dich weitergeben.

Relevant für Gutachter in der Praxis:

Bearbeitungsfristen beim Auftraggeber: Versicherungen müssen Schadensfälle innerhalb bestimmter Fristen bearbeiten (vertraglich oder nach VAG-Maßgaben). Eine verzögerte Statusmeldung durch den Gutachter kann den Versicherer in Verzug bringen. Wer seine Statusmeldungen automatisiert, reduziert dieses Risiko erheblich — sofern das Automatisierungssystem zuverlässig auslöst.

Nachforderungsfristen: Wenn eine Versicherung ein ergänzendes Dokument anfordert, gibt es oft implizite oder explizite Fristen (7 bis 14 Werktage sind üblich). Eine automatisierte Eingangsbestätigung, die den Empfang der Nachforderung bestätigt und die eigene Rücklaufzeit kommuniziert, schützt beide Seiten.

VVG § 19 Anzeigepflicht: Diese Norm regelt die vorvertragliche Anzeigepflicht des Versicherungsnehmers. Für Gutachter ist das relevant, wenn sie im Auftrag des Versicherers prüfen, ob Anzeigepflichten verletzt wurden — zum Beispiel bei Gebäudegutachten. Die Kommunikation dazu ist keine Standardkorrespondenz und gehört explizit aus der Automatisierung herausgehalten. Jedes Schreiben, das eine versicherungsrechtliche Einschätzung impliziert oder Fristen des VVG berührt, muss manuell geprüft und freigegeben werden.

Die kluge Regel lautet: Alles, was eine Versicherung bindend entscheiden könnte, bleibt in manueller Kontrolle. Alles, was informiert, bestätigt oder koordiniert, kann automatisiert werden.

Haftungsfragen bei KI-generierter Kommunikation

Die Haftungsfrage ist nicht akademisch. Sie ist der Grund, warum das Vier-Augen-Prinzip auch bei scheinbar einfachen Korrespondenz-Entwürfen nicht wegfallen darf.

Ein bekannt gewordener Fall illustriert das Problem: Am Amtsgericht Köln musste im Jahr 2025 ein Anwalt erklären, warum sein KI-generierter Schriftsatz Rechtsgrundlagen enthielt, die schlicht nicht existieren — als Quelle erfunden, mit voller Überzeugung formuliert (lto.de, März 2025). Das ist ein Extrembeispiel aus einem anderen Kontext, aber es zeigt das strukturelle Risiko: LLMs halluzinieren Inhalte, die so klingen, als wären sie korrekt.

Für ein Gutachterbüro bedeutet das konkret:

Was KI-generierte Schreiben nicht enthalten dürfen:

• Aussagen über Gutachtenergebnisse, die noch nicht vorliegen
• Fristen-Zusagen, die du dann nicht halten kannst
• Versicherungsrechtliche Einschätzungen (Regulierungsempfehlungen, Deckungsaussagen)
• Formulierungen, die Haftung des Gutachters einschränken oder erweitern

Was du immer prüfst, bevor du sendest:

• Fallnummer und Auftraggeberdaten korrekt?
• Datum des Besichtigungstermins korrekt?
• Kein inhaltlicher Widerspruch zum tatsächlichen Bearbeitungsstand?
• Keine Zusagen, die du nicht halten kannst?

Diese Prüfung dauert 60 Sekunden — das ist der Unterschied zwischen Automatisierung als Produktivitätshebel und Automatisierung als Haftungsrisiko.

Wer direkte Sendung ohne manuelle Freigabe einrichten will, sollte das ausschließlich für Schreiben tun, bei denen die KI keine inhaltliche Einschätzung trifft: Eingangsbestätigungen mit Fallnummer und voraussichtlichem Bearbeitungszeitraum sind geeignet. Statusmeldungen mit Prognosen sind es nicht.

Sprachstil-Anforderungen je Auftraggeber

Die Tonalität in der Versicherungskorrespondenz ist ein stiller Differenziator: Wer konstant im richtigen Register kommuniziert, wirkt professioneller — und bekommt seltener Rückfragen, weil die Schreiben als verlässlich gelesen werden.

Für die Prompt-Einrichtung sind drei Stil-Dimensionen entscheidend:

Formalitätsgrad: Von sehr förmlich (Anrede “Sehr geehrte Damen und Herren” + vollständige Sätze, kein Schachtelbau) bis technisch-knapp (direkte Aufzählungen, Schadennummer im ersten Satz, kein Textüberschuss). Professionelle Versicherungskorrespondenz liegt oft in der Mitte — höflich, direkt, ohne Floskeln.

Pflichtangaben-Set: Jeder Auftraggeber hat sein Pflichtset — Schadennummern, Kennzeichen, Standort des Fahrzeugs, Gutachter-Kürzel. Dieses Set gehört als fixer Bestandteil in den Prompt. Fehlt eine Pflichtangabe, muss das System entweder nachfragen (“FEHLT: Schadennummer”) oder die E-Mail nicht senden.

Aktualitäts-Prüfung: Versicherungskorrespondenz soll die aktuelle Realität abbilden. Das klingt trivial — ist es aber nicht, wenn das CRM nicht vollständig gepflegt ist. Ein Statusschreiben, das “Termin steht noch aus” meldet, obwohl der Termin gestern stattgefunden hat, ist ärgerlicher als kein Schreiben. Die Datenqualität im CRM ist die stille Voraussetzung für zuverlässige Automatisierung.

Ein Praxishinweis: Lass deinen ersten Stapel generierter E-Mails einen Monat lang parallel zu deinen bisher versendeten Schreiben laufen — das heißt, generieren, aber händisch vergleichen, bevor du sendest. Nach vier Wochen siehst du, wo das System systematisch abweicht, und kannst die Prompts nachschärfen. Das ist die günstigste Qualitätssicherung.

Konkrete Werkzeuge — was wann passt

Einstieg ohne Automatisierungsinfrastruktur: ChatGPT oder Claude mit gespeicherten Projekten

Der einfachste Weg: Du richtest in ChatGPT oder Claude ein „Projekt” ein, hinterlegst darin einen auftraggeber-spezifischen System-Prompt und öffnest es jedes Mal, wenn du ein Schreiben für diesen Auftraggeber brauchst. Du gibst die Falldaten ein, bekommst den Entwurf, prüfst und sendest. Kein weiteres Tool, keine API, keine Einrichtungszeit. Kosten: Free-Plan reicht für Einstieg; ChatGPT Plus (20 USD/Monat) für intensivere Nutzung. Claude Pro (20 USD/Monat) für deutschsprachige Texte mit hoher Qualität.

Wann dieser Ansatz passt: Bis 15–20 Schreiben pro Woche, kein CRM-Integration nötig, du willst zuerst testen, ob das Konzept funktioniert.

Halbautomatisiert: Make.com mit LLM-Modul

Der nächste Schritt: Make.com verbindet dein CRM oder deine Auftragsübersicht mit einem LLM. Auslöser kann ein manueller Klick, ein Statuswechsel im CRM oder ein eingehender Anhang sein. Make.com holt die Falldaten, übergibt sie ans LLM, nimmt den Entwurf entgegen und legt ihn als Entwurf in dein Postfach. Du öffnest den Entwurf, prüfst ihn, und klickst auf Senden.

Kosten: Make.com Core ab ca. 9 USD/Monat + LLM-API-Kosten (OpenAI GPT-4o ca. 0,50–2 USD je 100 E-Mails, je nach Länge). Einrichtungsaufwand: 4–8 Stunden für die ersten drei Workflows.

Wann dieser Ansatz passt: Mehr als 20 Schreiben pro Woche, bestehendes CRM oder Auftragsübersicht in digitaler Form, jemand im Büro der bereit ist, einen Workflow einzurichten.

DSGVO-sensitiv und technisch affin: n8n selbst gehostet

n8n ist Open Source, läuft auf dem eigenen Server oder einem deutschen Hoster wie Hetzner, und hält keine Daten in US-Rechenzentren. Der Funktionsumfang ist Make.com vergleichbar, die Einrichtung anspruchsvoller. Wer mit Patientendaten oder besonders sensiblen Fallakten arbeitet, ist mit n8n besser beraten als mit einem gehosteten US-Dienst.

Kosten: n8n selbst gehostet auf Hetzner CX22 ca. 4,51 EUR/Monat + eigene Infrastrukturpflege. Einrichtungsaufwand: 8–12 Stunden, besser mit technischem Support.

Wann dieser Ansatz passt: Besonders schutzbedürftige Falldaten, technische Affinität vorhanden oder Systemhaus in Reichweite.

Zapier — als Alternative zu Make.com

Zapier ist einsteigerfreundlicher als Make.com, kostet bei Nutzungsvolumen mehr und hostet Daten in den USA (DSGVO-relevant). Für einfache Trigger-Antwort-Automationen (neuer Auftrag eingetroffen → Eingangsbestätigung) ist Zapier schnell eingerichtet. Für komplexere Workflows mit Bedingungslogik ist Make.com flexibler.

Zusammenfassung: Wann welcher Ansatz

• Einstieg und Testen → ChatGPT oder Claude mit gespeichertem Projekt
• Halbautomatisiert, EU-Hosting → Make.com mit LLM-Modul
• Vollautomatisiert, Datensouveränität → n8n selbst gehostet auf deutschem Hoster
• Einfache Trigger ohne Komplexität → Zapier

Datenschutz und Datenhaltung

Versicherungskorrespondenz enthält personenbezogene Daten: Vor- und Nachname des Versicherungsnehmers, Schadensbeschreibungen, Kfz-Kennzeichen, Standorte, mitunter medizinische Angaben bei Personenschäden. Das bedeutet: Sobald diese Daten an ein KI-System weitergegeben werden, greift die DSGVO uneingeschränkt.

ChatGPT und Claude (Consumer-Pläne): Nicht für personenbezogene Fallakten geeignet. Das Training-Opt-out ist in Free- und Plus-Plänen nicht der Default. Erst ab ChatGPT Team oder Business sowie Claude Team bist du auf der sicheren Seite — mit AVV und ohne Training auf eigene Eingaben. Für ein kleines Gutachterbüro ist der Teamplan (25–30 USD/Person/Monat) der sauberste Weg.

Make.com: EU-Datenhosting ist beim Account-Setup wählbar (wichtig: aktiv setzen). AVV ist auf Anfrage verfügbar. Wenn Make.com Falldaten ans LLM weiterreicht, muss der LLM-Anbieter ebenfalls DSGVO-konform sein — das erfordert Prüfung der Datenschutzerklärung des Anbieters (OpenAI, Anthropic).

n8n selbst gehostet: Daten verlassen deinen Server nicht, sofern du das LLM ebenfalls selbst hostest (z. B. Ollama mit einem lokalen Modell). Für einfache Standardkorrespondenz kann ein lokal laufendes Modell (Mistral, Llama 3) ausreichend sein — Qualität ist geringer als GPT-4, aber für Bestätigungsschreiben oft genug.

Pflichtschritt vor dem Produktivstart: Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO mit jedem Cloud-Anbieter abschließen, der Falldaten verarbeitet. Alle genannten Anbieter stellen AVV-Vorlagen bereit — in der Praxis Self-Service über das jeweilige Portal. Kein bürokratisches Beiwerk: ohne AVV ist die Verarbeitung personenbezogener Daten in Cloud-Diensten nicht zulässig.

Was es kostet — realistisch gerechnet

Szenario A: Manuell-assistiert mit ChatGPT Team

• Lizenz: ca. 30 USD/Monat für eine Person
• Einrichtung: 2–4 Stunden, einmalig (Prompts entwickeln und testen)
• Keine weiteren Tools nötig
• Einsparung: 45–75 Minuten täglich, je nach Schreibvolumen

Szenario B: Halbautomatisiert mit Make.com + GPT-4o API

• Make.com Core: ca. 9–16 USD/Monat
• GPT-4o API: ca. 1–5 USD/Monat je nach Volumen (100 E-Mails à 500 Tokens Input/Output)
• Einrichtungsaufwand: 4–8 Stunden, einmalig (oder 300–600 EUR einmalig wenn an einen Freelancer übergeben)
• Einsparung: 60–90 Minuten täglich bei hohem Volumen

Was du dagegen rechnen kannst

Ein Gutachter mit einem Stundensatz von 80–120 EUR (Netto) spart bei 60 Minuten täglich rechnerisch 80–120 EUR — täglich. Das klingt viel und ist es im Prinzip: In einem 22-Arbeitstage-Monat wären das 1.760 bis 2.640 EUR. Die realistische Einsparung liegt aber bei 30–50 % davon, weil nicht alle Schreiben automatisierbar sind und weil Prüfaufwand bleibt. Im konservativen Szenario (30 %) sind das dennoch 530–790 EUR monatlich eingesparte Arbeitszeit — bei laufenden Toolkosten von unter 50 EUR.

Das Verhältnis ist damit eines der günstigsten in der gesamten KI-Anwendungslandschaft für Gutachter.

Wie du den Nutzen tatsächlich misst

Schreib vor dem Start eine Woche lang auf, wie viele Schreiben du täglich erstellst und wie lange du dafür brauchst. Nach vier Wochen mit KI-Unterstützung wiederholst du diese Messung. Der Unterschied ist dein ROI — sauber bezifferbar, keine Schätzung nötig.

Vier typische Einstiegsfehler

1. Mit dem schwierigsten Auftraggeber starten. Wer zuerst die komplizierte Nachforderungsantwort an den strittigen Allianz-Fall automatisieren will, scheitert. Starte stattdessen mit den einfachsten, häufigsten Schreiben: Eingangsbestätigungen. Ein Schreiben, das praktisch immer gleich aussieht, lässt sich am einfachsten trainieren und gibt dir schnell ein Erfolgserlebnis. Erst wenn das funktioniert, kommen komplexere Formate dran.

2. Den Prompt nicht auftraggeber-spezifisch aufsetzen. Ein Universalprompt für alle Versicherer ist der häufigste Fehler. Das Ergebnis ist ein Schreiben, das für keine spezifischen Anforderungen geeignet ist — falsche Referenznummernstruktur, fehlende Pflichtfelder, falscher Ton. Wer drei Auftraggeber hat, braucht drei Prompts. Wer zwanzig hat, braucht zwanzig. Das ist einmaliger Aufwand, der sich Jahr für Jahr auszahlt.

3. Direkte Sendung ohne Prüfung einrichten und dann vergessen. Das gefährlichste Szenario: Du richtest direkte Sendung für Eingangsbestätigungen ein — das läuft gut. Du erweiterst auf Statusmeldungen — das läuft auch gut. Irgendwann läuft eine Statusmeldung mit einem falschen Besichtigungsdatum raus, weil das CRM nicht korrekt gepflegt war. Der Auftraggeber ist irritiert, du musst erklären. Nicht wegen der KI, sondern wegen der fehlenden Prüfroutine.

Die Lösung ist kein technisches Feature, sondern eine Entscheidung: Welche Schreibtypen werden direkt gesendet, welche landen im Entwurfsordner? Diese Liste einmal festlegen und dann konsequent einhalten — unabhängig davon, wie viel Vertrauen du inzwischen ins System gewonnen hast.

4. Veraltete Falldaten als Basis verwenden. Der Prompt ist perfekt, die Automatisierung läuft — aber das CRM wurde seit drei Tagen nicht aktualisiert. Das Schreiben geht mit veralteten Termindaten oder einem längst abgeschlossenen Bearbeitungsstand raus. Automatisierung auf Basis schlechter Daten produziert zuverlässig schlechte Schreiben. Wer automatisieren will, muss die Datenpflege im CRM als Pflicht behandeln, nicht als Option.

Was mit der Einführung wirklich passiert — und was nicht

In kleinen Gutachterbüros begegnet man bei der Einführung von KI-Korrespondenz zwei Mustern:

“Das passt nicht zu uns.” Büros, die persönliche Beziehungen zu ihren Auftraggebern pflegen — wo man sich seit Jahren kennt, manchmal per Du ist, gelegentlich telefoniert — sehen KI-Schreiben als kalt und unpersönlich. Das Gefühl ist berechtigt. Die Lösung: KI schreibt den Rahmen, du schreibst die Zeile, die persönlich ist. Zwei Sätze am Ende, handgeschrieben im Ton, machen den Unterschied — und die zehn Minuten Zeitersparnis davor sind trotzdem gemacht.

“Wer prüft das, wenn ich im Außendienst bin?” Kleine Büros haben oft keine Assistenz. Wenn der Gutachter beim Termin ist, bleiben Antwortschreiben liegen. Das ändert sich mit einer halbautomatisierten Lösung nicht vollständig — aber eine Eingangsbestätigung, die automatisch fünf Minuten nach Auftragseingang rausgeht, ohne dass du dabei sein musst, ist bereits ein echter Vorteil.

Was konkret hilft:

• Starte mit einem Auftraggeber und einem Schreibtyp. Erst wenn das sauber läuft, kommt der nächste.
• Lass die ersten 30 Entwürfe sorgfältig prüfen, auch wenn sie gut aussehen. So siehst du, wo der Prompt nachgeschärft werden muss.
• Richte dir eine einfache Tracking-Tabelle ein: Datum, Schreibtyp, Auftraggeber, Zeit. Nach einem Monat siehst du klar, wo der Effekt ist.
• Ob du aktiv kommunizierst, dass du KI-Unterstützung nutzt, ist eine persönliche Entscheidung — rechtlich gibt es keine Offenlegungspflicht für Textformulierungen, sofern Inhalte korrekt und verantwortungsvoll freigegeben werden.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

“KI klingt immer gleich — das fällt auf.” Stimmt für schlecht eingerichtete Systeme. Ein Prompt, der den Stil eines bestimmten Auftraggebers explizit definiert — Formalitätsgrad, Pflichtfelder, bevorzugte Satzstruktur — produziert Schreiben, die für diesen Auftraggeber passen. Der „KI-Ton” entsteht aus zu generischen Prompts, nicht aus dem Modell selbst. Gute Prompts vermeiden ihn.

“Ich hafte für jeden Satz, den ich sende — da vertraue ich lieber mir selbst.” Richtig — du haftest. Das ändert sich durch KI nicht. Was sich ändert, ist wer den Entwurf erstellt: die KI. Was sich nicht ändert: Du prüfst, du freigibst, du sendest. Das Vier-Augen-Prinzip bleibt, du gewinnst nur die Formulierungszeit zurück. Das ist rechtlich kein Unterschied zu einem Assistenten, der Entwürfe vorlegt.

“Mein CRM kann das nicht.” Du brauchst kein CRM für den Einstieg. Du brauchst Falldaten in irgendeiner Form — eine Excel-Tabelle, eine Notiz, eine E-Mail. Die gibst du dem LLM als Kontext. Erst für vollautomatisierte Workflows braucht es eine strukturierte Datenquelle. Starte manuell-assistiert und entscheide dann, ob Automatisierung den nächsten Schritt wert ist.

Woran du merkst, dass das zu dir passt

• Du erstellst täglich fünf oder mehr Korrespondenz-Schreiben an Versicherungen oder Auftraggeber — Bestätigungen, Statusupdates, Rückmeldungen
• Die Inhalte dieser Schreiben wiederholen sich strukturell, auch wenn die Falldaten jedes Mal andere sind
• Du hast zwei bis fünf feste Auftraggeber, deren Anforderungen du gut kennst
• Du nutzt ein CRM, eine Auftragsverwaltung oder zumindest eine strukturierte Auftragsübersicht — der Datenabruf ist grundsätzlich möglich
• Du verbringst regelmäßig Abendstunden damit, Schreiben nachzuholen, die tagsüber im Außendienst liegen geblieben sind

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Weniger als 30–40 Schreiben pro Monat. Unterhalb dieser Schwelle ist der Einrichtungsaufwand (selbst beim manuell-assistierten Ansatz mit gespeicherten Projekten) nicht sinnvoll. Wer fünf Schreiben wöchentlich hat, schreibt sie schneller selbst als er ein System einrichtet und wartet.

2. Kein digitaler Überblick über Falldaten. Wenn Falldaten hauptsächlich auf Papier, in E-Mail-Verläufen ohne Struktur oder im eigenen Kopf liegen, fehlt die Grundlage. Ein LLM kann nur formulieren, was es als Kontext bekommt. Wer keine strukturierten Falldaten hat, muss diese Lücke schließen, bevor er an Automatisierung denkt.

3. Überwiegend gerichtlich beauftragte Gutachten. Gerichtsgutachter kommunizieren nach ZPO-Vorgaben mit dem Gericht — in einem Format, das präzise Fristen, Verfahrensnummern und spezifische Formulierungen erfordert, die von LLMs nicht zuverlässig ohne Halluzinationsrisiko produziert werden. Für Gerichtsgutachten, Sachverständigenhefte oder Stellungnahmen im Rechtsstreit ist KI-generierte Korrespondenz ein Risiko, kein Vorteil.

Das kannst du heute noch tun

Öffne ChatGPT oder Claude und erstelle ein neues „Projekt” mit dem Namen des Auftraggebers, mit dem du am häufigsten arbeitest. Hinterlege im Projekt-System-Prompt die Angaben aus dem Template unten. Dann suche dir einen aktuellen Fall heraus und gib die Falldaten ein — wie im Beispiel beschrieben. Das dauert 20 Minuten und du siehst sofort, ob das Ergebnis für dein Büro nutzbar ist.

Quellen & Methodik

• DGUSV, KI in der Gutachter- und Sachverständigen-Branche (2024): Deutsche Gesellschaft der Unabhängigen Sachverständigen und Gutachter, Fachbericht zu KI-Einsatzmöglichkeiten im Sachverständigenwesen. Nennt Routinekorrespondenz als einen der häufigsten administrativen Zeitfresser. URL: https://www.dgusv.de/news-blog/ki-in-der-gutachter-und-sachverstaendigen-branche-was-bringt-uns-die-zukunft/
• Perspective AI, AI in Customer Communications for Insurers (2025): Praxisstudie zu KI-Einsatz in der Versicherungskundenkommunikation, 30–50 % Einsparung bei Korrespondenzaufwand bei Sachbearbeitern berichtet. URL: https://getperspective.ai/blog/ai-in-customer-communications-for-insurers-use-cases-risks-and-a-2026-adoption-roadmap
• AG Köln, 31.2 F 130/25 (März 2025): Entscheidung, in der ein Anwalt erklären musste, warum sein KI-generierter Schriftsatz nicht existierende Rechtsgrundlagen enthielt. Belegt das Halluzinationsrisiko bei KI-generierter juristisch relevanter Korrespondenz. Quelle: lto.de, März 2025.
• Make.com Preisgestaltung: Öffentlich verfügbar auf make.com (Stand Mai 2026). Core ab 9 USD/Monat, EU-Datenhosting auf Anfrage einstellbar.
• DSGVO, Art. 28 (Auftragsverarbeitungsvertrag): Datenschutz-Grundverordnung in der aktuell gültigen Fassung.
• VVG § 19 Anzeigepflicht: Versicherungsvertragsgesetz 2008 in der aktuell gültigen Fassung — dejure.org.
• Zeitangaben zu Schreibdauer und Einsparung: Erfahrungswerte aus Prozessanalysen kleiner Gutachterbüros (2–8 Mitarbeitende), Stand 2024–2025. Keine repräsentative Erhebung; konsistent mit Branchenbeobachtungen.

Du willst wissen, ob dein Büro für vollautomatisierte Versicherungskorrespondenz bereit ist — und welcher Ansatz zu deiner Auftraggeberkonstellation passt? Meld dich — das klären wir in einem kurzen Gespräch.