Automatisierte Schadensmeldungsverarbeitung

Das echte Ausmaß des Problems

In einem mittelständischen Versicherungsunternehmen oder einer Maklerverwaltung kommen Schadensmeldungen auf mehreren Kanälen gleichzeitig herein: per E-Mail, über das Kundenportal, telefonisch (protokolliert als Notiz), per Fax bei älteren Kunden, manchmal noch per Post. Jede Meldung muss manuell gelesen, klassifiziert, priorisiert und an die richtige Sachbearbeiterin weitergeleitet werden. Wer glaubt, das sei ein Randproblem, sollte sich die Zahlen ansehen.

Ein mittelgroßer Sachversicherer mit 50.000 Verträgen empfängt in der Spitze (nach Sturmereignissen, Hagelschlag, Hochwasser) mehrere Hundert Schadensmeldungen pro Tag — an normalen Tagen 30 bis 80. Jede Meldung braucht durchschnittlich 8 bis 15 Minuten manuelle Erstbearbeitung: Kanal identifizieren, Vertragsnummer suchen, Schadensart klassifizieren, Dringlichkeit einschätzen, Zuständigkeit klären, Ticket anlegen, Eingangsbestätigung versenden. Das macht bei 50 Meldungen täglich rund 8 Stunden reine Triagearbeit — bei einer einzigen Person.

Das eigentliche Problem ist nicht das Normaltag-Volumen. Es sind Spitzenlagen: Ein regionaler Hagelschaden produziert in 48 Stunden 400 Meldungen, die klassische Triage bricht zusammen, Kunden warten Tage auf eine erste Rückmeldung, Sachbearbeiter:innen sind überlastet, Fehler häufen sich. Genau in dem Moment, in dem die Qualität der Erstbearbeitung am wichtigsten wäre, ist sie am schlechtesten.

So funktioniert es in der Praxis

KI-gestützte Schadensmeldungsverarbeitung greift am Eingang an: Alle eingehenden Meldungen — unabhängig vom Kanal — werden automatisch gescannt und klassifiziert, bevor ein Mensch sie sieht.

Das Modell liest den Volltext der E-Mail oder das ausgefüllte Formular und extrahiert automatisch: Schadensart (Haftpflicht, Kfz, Gebäude, Hausrat etc.), Schadenshergang (kurze Zusammenfassung), Dringlichkeit (sofortiger Personenschaden vs. Bagatellschaden), Vollständigkeit (fehlen Fotos, Vertragsnummer oder Zeugenangaben?). Auf Basis dieser Klassifikation legt das System automatisch ein Ticket in der Schadensbearbeitung an, weist es dem richtigen Team zu, versetzt es in die richtige Prioritätswarteschlange und sendet dem Kunden eine personalisierte Eingangsbestätigung — mit einem realistischen Bearbeitungshorizont.

Was durch Menschenhände 10 Minuten dauert, erledigt die KI in Sekunden. Die Sachbearbeiter:in öffnet morgens ihre Warteschlange und findet bereits klassifizierte, priorisierte Fälle — statt eines unsortierten Posteingangs, den sie selbst aufarbeiten muss. In Spitzenlagen wie Hagelschäden läuft die Triage weiter durch, ohne dass Sachbearbeiter:innen in Überstunden flüchten müssen.

Wichtig: Das System entscheidet nicht, ob ein Schaden anerkannt wird. Das bleibt menschliche Sacharbeit. Es entscheidet nur, wer den Fall bekommt, in welcher Reihenfolge und mit welchem Kontext.

Welche Tools passen hierzu

Salesforce Service Cloud mit Einstein AI ist im Versicherungsmarkt verbreitet und bietet native Klassifizierungs- und Routing-Funktionen. Wenn dein Unternehmen Salesforce bereits nutzt, ist das die direkteste Erweiterung. Lizenzkosten: ab ca. 75 Euro pro Nutzer/Monat für Service Cloud.

Microsoft Azure AI + Power Automate bietet eine flexible, anpassbare Lösung für Unternehmen, die bereits in der Microsoft-Infrastruktur arbeiten. Klassifikatoren können auf eigene Schadensdaten trainiert werden. Gut für Unternehmen, die hohe Datenschutzanforderungen haben und Daten on-premise halten wollen.

Guidewire (InsuranceSuite mit ClaimCenter) ist die dominierende Kernsystemlösung im deutschen Versicherungsmarkt mit zunehmenden KI-Funktionen. Relevant, wenn ClaimCenter ohnehin im Einsatz ist.

Claude oder ChatGPT können über die API als Klassifikations-Engine in einen bestehenden Workflow integriert werden — ein kleinerer Makler oder eine regionale Versicherung kann damit ohne teures Kernsystem einen automatisierten Posteingangs-Router bauen. Entwicklungsaufwand: ca. 10.000–20.000 Euro einmalig, laufende API-Kosten: cents pro Schadensmeldung.

Was es kostet — realistisch gerechnet

Einstieg mit API-basierter Lösung (Claude/GPT-4o-Integration):

• Entwicklungsaufwand: 10.000–20.000 Euro einmalig (Anbindung an E-Mail-System und Ticketsystem)
• Laufende Kosten: ca. 0,02–0,10 Euro pro Schadensmeldung (API-Kosten)
• Beispiel: 1.000 Meldungen/Monat = 20–100 Euro laufende API-Kosten

Integrierte Plattformlösung (z. B. Salesforce Einstein):

• Lizenz: ab 75 Euro/Nutzer/Monat (plus Basis-Salesforce-Lizenz)
• Einrichtungsaufwand: 2–4 Wochen mit Systemintegrator
• Sinnvoll ab ca. 15+ Sachbearbeiter:innen und >500 Meldungen/Monat

ROI-Rechnung am Beispiel: Sachbearbeiter:in kostet ca. 45.000 Euro Jahresgehalt plus Lohnnebenkosten = ca. 30 Euro/Stunde. Bei 50 Schadensmeldungen täglich, 10 Minuten Triageaufwand pro Meldung = 8,3 Stunden/Tag reine Triage. KI reduziert das auf 2 Stunden Qualitätsprüfung = 6,3 Stunden eingespart = 189 Euro/Tag = ca. 4.000 Euro/Monat Zeitwert einer Sachbearbeiterstelle. Entwicklungskosten amortisiert in 3–4 Monaten.

Realistischer Zeitplan

Phase	Dauer	Was passiert	Typisches Risiko
Anforderungsanalyse	Woche 1–2	Schadensarten dokumentieren, Routing-Regeln aufnehmen, Datenqualität der eingehenden Meldungen prüfen	Routing-Regeln sind nicht dokumentiert — existieren nur als implizites Wissen der Sachbearbeitung
Klassifikationsmodell bauen	Woche 3–6	Trainings- oder Prompt-Daten aufbereiten, Klassifikator auf historischen Meldungen testen	Trainingsdaten zu wenig oder zu einseitig — Seltene Schadenstypen werden falsch klassifiziert
Pilot mit echtem Posteingang	Woche 7–10	Parallel-Betrieb: KI klassifiziert, Mensch prüft und korrigiert, Feedback-Schleife läuft	KI-Output wird nicht systematisch korrigiert — keine Qualitätsverbesserung
Vollbetrieb	Ab Woche 11	Automatisches Routing für alle eingehenden Meldungen, menschliche Prüfung nur noch bei unsicheren Fällen	Vertrauen zu groß — Fehlklassifikationen werden nicht bemerkt

Häufige Einwände

„Schadensmeldungen enthalten sensible Kundendaten — wir können das nicht an externe KI schicken.” Das ist ein zentraler Datenschutzpunkt, der ernst zu nehmen ist. Personenbezogene Daten (Name, Adresse, Versicherungsnummer, Schadenshergang) dürfen nur auf Basis einer rechtlichen Grundlage verarbeitet werden. Die Lösung: Entweder ein Anbieter mit Serverstandort in der EU und fertigem AVV (Anthropic, OpenAI Europe, Azure), oder eine On-Premise-Lösung, bei der Daten das Unternehmensnetzwerk nicht verlassen. Für viele mittelständische Versicherungen und Makler ist das technisch lösbar — es muss aber von Anfang an als Anforderung geplant werden, nicht als Nachgedanke.

„Was passiert, wenn ein Haftpflichtschaden als Bagatelle klassifiziert wird und zu lange wartet?” Das ist das Risiko jedes Routing-Systems — auch das manuell betriebene. Der Unterschied: Ein gutes KI-System kennzeichnet Fälle, bei denen es unsicher ist, und eskaliert diese automatisch an menschliche Prüfung. Klare Schwellenwerte (z. B.: alle Meldungen mit dem Wort „Personenschaden” oder „Arzt” sofort eskalieren) machen das System robust gegen die teuersten Fehler. Die Konfiguration dieser Sicherheitsnetz-Regeln ist ein wichtiger Teil der Einführung.

---

Wenn deine Schadensmeldungsverarbeitung in Spitzenzeiten regelmäßig zusammenbricht oder dein Posteingang täglich zu viel manuelle Sortierarbeit erzeugt — meld dich. Wir schauen uns an, was bei dir realistisch automatisierbar ist.