Zum Hauptinhalt springen

Monat: November 2026

Wird KI der bessere Versicherungsmakler?

Die Suche nach der nächsten Versicherung beginnt bei Kunden künftig möglicherweise nicht mehr mit einem Anruf beim Makler des Vertrauens oder einer Google-Anfrage. Bevor potenzielle Kunden den persönlichen Kontakt suchen, bietet die KI einen vermeintlich neutralen und unverbindlichen Ausgangspunkt ganz ohne Vertragsbindung oder Eigeninteresse. Auch ist es viel bequemer, unverbindlicher und zeitsparender die Recherchearbeit von einer KI vorbereiten zu lassen. Für die Versicherungsakteure wie Versicherer, Makler und Assekuradeure entsteht damit eine neue Herausforderung: Sind unsere Produkte dort auffindbar, wo Kunden ihren Entscheidungsprozess starten und wie platzieren wir uns dort nachhaltig?

Ist GEO das neue SEO?

Unter GEO verstehen wir „Generative Engine Optimization“ und der Begriff beschreibt die strategische Optimierung von Webinhalten für KI-gestützte Anwendungen. Die bekannten LLMs generieren Antworten im Vergleich zur klassischen Google-Suche nicht durch das Anzeigen von Links. Sie fassen Artikel zusammen, interpretieren diese und bewerten die Quellen. (Vgl. IONOS, 2026) 

Für Versicherungsunternehmen bedeutet dies, dass man über eine klassische schlagwortorientierte Strategie bei den Online-Inhalten hinausdenken muss. Man sollte sich als Unternehmen mit den Anforderungen seiner Kunden auseinandersetzen. Welche Themen beschäftigen Kunden, bevor sie zu meinem Unternehmen Kontakt aufnehmen? Welche Begriffe möchten sie verstehen, welche Leistungen möchten sie vergleichen oder welche Optionen prüfen?

KI-Sichtbarkeit optimieren

Der erste Schritt, um online an Relevanz zu gewinnen, ist eine zugängliche und fachlich belastbare Informationsbasis. Die wichtigsten Landingpages der Website sollten indexiert und mit Metatexten versehen sein. Die Grundlagen der Suchmaschinenoptimierung bleiben also weiterhin relevant. (Vgl. Google Search Central, 2026) Darauf baut die redaktionelle Arbeit auf, die auch regelmäßig von Experten auf Aktualität und Verständlichkeit geprüft werden sollte. Beantworten Sie zum Beispiel die möglichen Fragen Ihrer Kunden im Rahmen von ausführlichen FAQs auf Ihrer Website. Google empfiehlt für seine KI-Suchfunktionen hilfreiche, eigenständige Inhalte, eine klare technische Struktur und wichtige Informationen in Textform. Eine spezielle Datei oder ein besonderes Schema-Markup ist laut Google dafür nicht erforderlich. Die strategische Aufgabe für die Marketingabteilungen der Versicherer und Makler lautet daher: Welche Fragen können wir aus eigener Fachkenntnis besser beantworten als eine austauschbare Grafik? (Vgl. Google Search Central, 2026)


Faktencheck

Für Versicherungsunternehmen beginnt GEO somit mit einer konkreten Analyse typischer Kundenfragen. Welche entscheidungsrelevanten Fragen beantwortet unsere Website bereits gut, und wo fehlen klare, aktuelle Antworten? Wer diese Lücken schließt und qualifizierte Inhalte liefert, kann eine belastbare Ausgangslage für die KI-Suche schaffen.


Quellen

IONOS (2026). Generative Engine Optimization (GEO) erklärt. https://www.ionos.de/digitalguide/online-marketing/suchmaschinenmarketing/generative-engine-optimization/. (16.11.2026)

Google Search Central (2026). AI features and your website. https://developers.google.com/search/docs/appearance/ai-features (18.11.2026) 

Google Search Central (2026). Optimizing your website for generative AI features on Google Search. https://developers.google.com/search/docs/fundamentals/ai-optimization-guide  (18.11.2026) 

Embedded AI

Embedded AI – Künstliche Intelligenz als Teil unserer Geschäftsprozesse

Bei mb Support stellen wir uns regelmäßig die Frage: Wie viel Mehrwert entsteht durch die Nutzung von künstlicher Intelligenz? Daher setzen wir uns zum Ziel, KI kontinuierlich in bestehende Arbeitsabläufe zu integrieren ganz ohne zusätzliche Arbeitsschritte oder Medienbrüche. Ein möglicher Ansatz aus der Forschung dafür lautet: „Embedded AI“.

Ist „Embedded“ das neue „Agentic“?

Embedded AI bezeichnet die Integration von künstlicher Intelligenz in bestehende Softwareanwendungen – wie z.B. ERP- oder Bestandsführungssysteme – und Geschäftsprozesse. Statt KI als eigenständiges Werkzeug zu verwenden, stehen ihre Funktionen dort zur Verfügung, wo Mitarbeitende ihre täglichen Aufgaben erledigen. (Vgl. SAP, 2025)

Der große Vorteil von Embedded AI zeigt sich bei der Verfügbarkeit von bereits bestehendem Kontext, der beispielsweise aus einem ERP stammt. Während ein allgemeiner KI-Agent oder LLM wie ChatGPT, Gemini oder Claude zunächst mit Informationen über einen Prompt versorgt werden muss, kann eine eingebettete KI-Lösung über geeignete APIs auf relevante Geschäfts- und Prozessdaten zugreifen. (Vgl. SAP, 2025; Microsoft, o. J.) Informationen können somit unmittelbar im jeweiligen Geschäftsvorgang ausgewertet, Dokumente zusammengefasst und nächste Bearbeitungsschritte vorgeschlagen werden.

Unternehmenskontext liefert verbesserte Ergebnisse

Damit KI fachlich relevante Ergebnisse liefern kann, benötigt sie Zugriffsrechte auf die relevanten Informationen. Hier spielen ERP- und Bestandsführungssysteme als Single Source of Truth eine wichtige Rolle. Sie können strukturierte Informationen über Kunden, Verträge, Risiken und Schäden sowie deren Zusammenhänge bereitstellen. Dabei erhöht sich nicht nur die Anzahl der angestoßenen Aufgaben sowie der gestiegene Performance-Bedarf, sondern auch die Anforderung an Sicherheit und Kontrolle. Somit werden klar definierte Zugriffsrechte und technische Grenzen zur Voraussetzung. (Vgl. OWASP, o. J.)


Je besser die KI mit aktuellen Daten, fachlichen Zusammenhängen und dem jeweiligen Prozesskontext versorgt wird, desto fundierter können ihre Ergebnisse ausfallen und Halluzinationsraten reduziert werden. Eine Garantie für korrekte Antworten ist das allerdings nicht. Unvollständige oder fehlerhafte Daten können weiterhin zu falschen Schlussfolgerungen führen, weshalb ein menschlicher Kontrollpunkt bei komplexen und risikoreichen Aufgaben weiterhin erforderlich sein wird.


Faktencheck

Für Embedded AI ist das Ziel, künstliche Intelligenz vom isolierten Werkzeug zum integrierten Bestandteil des Arbeitsalltags weiterzuentwickeln. Für die Versicherungswirtschaft liegt das Potenzial insbesondere darin, vorhandenes Unternehmenswissen gezielter zu nutzen, wiederkehrende Arbeitsschritte zu vereinfachen sowie zu automatisieren. (Vgl. van Aubel, 2026)


Quellen

Microsoft Learn (o. J.). Retrieval augmented generation (RAG) and indexes in Microsoft Foundry. https://learn.microsoft.com/en-us/azure/foundry/concepts/retrieval-augmented-generation (29.10.2026)
OSWASP (o. J.). AI Agent Security Cheat Sheet. https://cheatsheetseries.owasp.org/cheatsheets/AI_Agent_Security_Cheat_Sheet.html (29.10.2026)
SAP (2005). New Joule Agents and Embedded Intelligence. https://news.sap.com/2025/10/sap-connect-business-ai-new-joule-agents-embedded-intelligence/ (29.10.2026)
Van Aubel, Andrea (2026). Agentische KI. Automatisierung ist kein Technologieprojekt. https://versicherungsmonitor.de/2026/10/20/agentische-ki-automatisierung-ist-kein-technologieprojekt/ (21.10.2026)

Agentin AI

Agentic AI: Wenn der KI-Agent nicht nur antwortet, sondern handelt

Diskutieren Sie noch oder handelt er schon? Der KI-Agent. Ein System mit künstlicher Intelligenz, das autonom Aufgaben ausführt, indem es prozessorientierte und fachspezifische Workflows mit den vorhandenen Tools entwirft. (vgl. Gutowska, 2026) Mit Agentic AI rückt dabei die selbstständige Bearbeitung von zusammenhängenden Aufgaben für künstliche Intelligenz in den Fokus.

Über APIs haben KI-Agenten beispielsweise die Möglichkeit, Bestandsdaten abzurufen, automatisiertes Dokumentenmanagement durchzuführen oder verschiedene Bearbeitungsvorgänge anzulegen.
Wie autonom ein KI-Agent dabei vorgehen darf, wird durch klar begrenzte Zugriffsrechte, zulässige Aktionen, festgelegte Freigaben und menschliche Kontrollpunkte festgelegt.

KI-Assistent, Workflow oder KI-Agent?

Wie viel Eigenständigkeit eine KI im Arbeitsalltag übernimmt, zeigt sich daran, wer den Bearbeitungsweg steuert. Dabei muss man zunächst diverse Arbeitsweisen gegenüberstellen:

  • Dialogorientierter KI-Assistent: dieses KI-Tool unterstützt Sie auf Anfrage beispielsweise durch Zusammenfassungen oder Formulierungsvorschläge.
  • Vordefinierter Workflow: Festgelegte Schritte werden automatisiert und können teilweise mit KI-Unterstützung ausgeführt werden.
  • KI-Agent: Innerhalb eines definierten Handlungsspielraums nutzt der KI-Agent Werkzeuge und Handlungsschritte und sucht sich eigenständig Lösungsansätze, die er zum Erledigen einer Aufgabe und von Zwischenergebnissen benötigt.

Die Übergänge zwischen den einzelnen Optionen sind jedoch fließend. Auch KI-Assistenten können Aktionen auslösen oder KI-Agenten in feste Workflows eingebunden sein. (Vgl. Anthropic, 2024)

Von der Priorität zur Praxis

Es steht wohl kein anderes Thema höher auf den Prioritätenlisten der Akteure aus der Versicherungsbranche als künstliche Intelligenz. Doch wie weit ist KI bereits im Versicherungsalltag angekommen? Laut Versicherungsmonitor haben bisher nur 11 % der Versicherer künstliche Intelligenz durchgängig in ihre Geschäftsprozesse und Alltagsarbeiten eingebaut. (Vgl. van Aubel, 2026) Die Gründe dafür liegen in ganz unterschiedlichen Bereichen: fehlende KI-Kompetenzen, Ressourcenknappheit, veraltete Legacy Systems, unstrukturierte Daten oder gesetzliche Regulierung. (Vgl. van Aubel, 2026)


Faktencheck

Prozesse zu automatisieren bedeutet nicht, bestehende Systeme durch KI-Anwendungen komplett zu ersetzen. Vielmehr gilt: Stabil im Kern, offen für die Zukunft. Eine verlässliche Datenbasis mit Fachwissen als Kern wird ergänzt und unterstützt durch KI-Agenten. Es darf dabei nie unterschätzt werden: Die Ergebnisse des KI-Agenten sind dabei immer nur so gut wie die Qualität der Daten, auf die er zugreifen kann.


Quellen

Anthropic (2024). Building effective agents. https://www.anthropic.com/research/building-effective-agents (23.10.2026)

Gutowska, Anna (2026). KI-Agenten definiert. https://www.ibm.com/de-de/think/topics/ai-agents (15.10.2026)

SAP (2026). Describing SAP Business AI. https://learning.sap.com/courses/exploring-sap-business-technology-platform/describing-artificial-intelligence-ai-_f6c2ab8d-2fa1-45db-9895-ac84b635ced5 (23.10.2026)

Van Aubel, Andrea (2026). Agentische KI. Automatisierung ist kein Technologieprojekt. https://versicherungsmonitor.de/2026/10/20/agentische-ki-automatisierung-ist-kein-technologieprojekt/ (21.10.2026)

Zwei ineinandergreifende orange Vierecke, dynamisch nach oben gerichtet und auf einen dunkelgrauen Würfel gestützt
Datenschutz-Übersicht

Diese Website verwendet Cookies, damit wir dir die bestmögliche Benutzererfahrung bieten können. Cookie-Informationen werden in deinem Browser gespeichert und führen Funktionen aus, wie das Wiedererkennen von dir, wenn du auf unsere Website zurückkehrst, und hilft unserem Team zu verstehen, welche Abschnitte der Website für dich am interessantesten und nützlichsten sind.