Zum Hauptinhalt springen
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)

APIs, MCP und die neue Plattformwelt

„Was ist der aktuelle Stand bei diesem Schadenvorgang?“ – Eine Frage, die Versicherungsmaklern regelmäßig begegnet. Ein angebundener KI-Assistent könnte relevante Informationen abrufen und zusammenfassen. Voraussetzung sind aktuelle Daten, geeignete Schnittstellen und klar definierte Zugriffsrechte.
Wie verbinden APIs und MCP das Bestandsmanagement mit KI?

APIs – Anwendungsprogrammierschnittstellen – stellen definierte Daten und Funktionen für andere Anwendungen bereit. Darüber lassen sich beispielsweise Vertragsinformationen abrufen oder Aufgaben anlegen. Welche Funktionen verfügbar sind und welche Eingaben sie benötigen, kann etwa mit dem OpenAPI-Standard beschrieben werden (vgl. OpenAPI Initiative, 2026).

Das Model Context Protocol (MCP) ergänzt diese Anbindung um einen offenen Kommunikationsstandard für KI-Anwendungen. Ein MCP-Server kann vorhandene API-Funktionen als beschriebene Werkzeuge, sogenannte Tools, zugänglich machen. Dadurch können kompatible KI-Anwendungen diese einheitlich erkennen und aufrufen (vgl. MCP: Tools, 2026).

MCP ersetzt dabei weder die API noch das Berechtigungssystem. Ein MCP-Server kann zusätzliche Zugriffsbeschränkungen umsetzen, gewährleistet aber nicht automatisch Sicherheit (vgl. MCP: Security Best Practices).

KI-Agenten im Makleralltag

Zur Vorbereitung eines Kundengesprächs könnte ein KI-Assistent Vertragsstände, Schadenfälle und offene Aufgaben zusammenfassen. Ob dafür eine direkte API-Anbindung oder zusätzlich MCP sinnvoll ist, hängt von den vorgesehenen Anwendungen und Integrationen ab.

Für openVIVA ist dabei entscheidend, welche Funktionen die APIs bereitstellen und wie die bestehenden Berechtigungen bei externen Zugriffen durchgesetzt werden. Das differenzierte Berechtigungssystem gewährleistet kontrollierte Datenzugriffe durch externe Systeme, welche über eine API angebunden werden können. Je nach Anforderung der Aufgabe kann im späteren Fall ein MCP für standardisierte Kommunikation mit der KI sinnvoll sein. Aktuell verfügt openVIVA über granulare Vorkehrungen, welche eine sichere Nutzung von API-Schnittstellen und somit einen reglementierten Zugriff auf die Datenbank gewährleisten.

Kontrolle bleibt entscheidend

Wer darf welche Daten lesen, verändern oder Prozesse auslösen? Diese Berechtigungen müssen bei jedem Aufruf geprüft werden. Fehlende Prüfungen auf Datensatz- und Funktionsebene zählen zu den zentralen API-Risiken (vgl. OWASP, 2023). KI-Agenten sollten deshalb nur die notwendigen Rechte erhalten. Folgenschwere Aktionen sollten eine menschliche Freigabe erfordern (vgl. OWASP: Excessive Agency, 2025).



Berechtigungen verhindern allerdings keine Halluzinationen: Auch mit korrekten Quelldaten kann eine KI falsche Aussagen erzeugen. Überprüfbare Quellen und fachliche Kontrollen bleiben daher wichtig (vgl. OWASP: Misinformation, 2025).
So entsteht eine offene Plattformwelt mit kontrollierten Zugängen: Das Bestandsmanagement bleibt die verbindliche Datenbasis, während KI bei Auswertung und Bearbeitung unterstützt.


Quellen:

Goodwin, Michael (2024). Was ist eine Anwendungsprogrammierschnittstelle (Application Programming Interface, API)? https://www.ibm.com/de-de/think/topics/api (12.10.2026)

Model Context Protocol (2026). What is the Model Context Protocol (MCP)? https://modelcontextprotocol.io/docs/2026-07-28/getting-started/intro (12.10.2026)

Model Context Protocol (2026). About MCP – Architecture overview.
https://modelcontextprotocol.io/docs/2026-07-28/learn/architecture

OpenAPI Initiative (2026). Introduction. https://learn.openapis.org/introduction.html (23.10.2026)

OWASP Open Worldwide Application Security Project (2023). OWASP Top 10 API Security Risks. https://api-security.owasp.org/editions/2023/en/0x11-t10 (12.10.2026)

Sicher unterwegs: Nicht der Prompt schützt Systeme, sondern ihre Architektur

KI sicher in Arbeitsprozesse integrieren

Cybersicherheit beginnt nicht erst mit dem ersten Hackerangriff. Proaktives Handeln im Bereich Sicherheit startet bereits mit Berechtigungssystemen und Zugriffseinschränkungen. Wer darf auf welche Daten zugreifen? Welche Systeme dürfen miteinander kommunizieren? Welche Arbeitsschritte dürfen automatisiert ausgeführt werden? Je mehr Unternehmen ihre Prozesse automatisieren und vernetzen, oder KI einsetzen, desto wichtiger wird ein belastbarer Sicherheitsrahmen. Gerade in der Versicherungsbranche können Ausfälle, manipulierte oder falsche Informationen sowie unberechtigte Zugriffe schwerwiegende und weitreichende Folgen vom Kunden bis zum Versicherer haben.

Ein Prompt ist keine Sicherheitsarchitektur

Dabei ist künstliche Intelligenz nicht per se das Risiko. Ein System, das zu viele Handlungsmöglichkeiten und Rechte erhält, kann ein großes Gefahrenpotenzial enthalten. KI handelt nicht aus eigenem Antrieb, sondern zielorientiert. Sie versucht, einen erteilten Auftrag mit den verfügbaren Mitteln zu erfüllen und kann dabei vorhandene Lücken oder Schwachstellen nutzen, wenn diese sie zur Lösung führen.

In einem kontrollierten Forschungsversuch von Palisade Research wurde daher im Jahr 2025 zum „Specification Gaming“ in einer isolierten Docker-Testumgebung – auch KI-Regulatory-Sandbox (vgl. verifywise.ai, 2026) genannt – KI-Agenten im Rahmen eines Schachspiels Zugriff auf die lokale Spielumgebung gewährt. Man wollte herausfinden, wie KI-Modelle ein System „austricksen“, wenn sie eine schwierige Aufgabe lösen sollen. Als einige KI-Agenten erkannten, dass sie regulär nicht gewinnen konnten, überschrieben sie kurzerhand die Brettstellung oder ersetzten die gegnerische Maschine, um zu siegen. Das offizielle Ziel lautete dabei schlicht, dass sie das Spiel gewinnen sollen. Man erkannte, dass KI-Agenten mit konkretem Ziel und weitreichenden Zugriffsrechten auch unerwartete Wege wählten, um ein Ziel formal zu erfüllen. (Vgl. Palisade Research, 2025)

Vertrauen ist gut, Kontrolle ist besser!

Ein Prompt kann beschreiben, was ein KI-System tun soll. Er setzt jedoch keine Leitplanken für Cybersicherheit oder garantiert eine sichere Systemarchitektur. Entscheidend ist, auf welchen Daten, Werkzeuge und Schnittstellen ein KI-Agent tatsächlich zugreifen kann und darf oder wo er ohne eine menschliche Freigabe nicht weiter agieren kann.

Ein klar definierter Rahmen für den Handlungsraum, in dem sich ein KI-Agent bewegen darf, ist daher die Grundvoraussetzung für sicheres Arbeiten. Stark limitierte und transparente Zugriffsberechtigungen und gezielt begrenzte APIs für Ihr ERP sind der erste Schritt. Kontrollpunkte durch menschliche Freigaben sichern die Arbeit – besonders mit sensiblen Daten – zusätzlich ab. Regelmäßige Software-Updates, gesicherte Backups und kontinuierliches Monitoring können außerdem dazu beitragen, dass man einen sicheren Umgang mit KI fördert. (Vgl. GenAI, 2026)


Faktencheck

Als modernes, wettbewerbsorientiertes Unternehmen sollten Vorkehrungen und Cybersicherheitsmaßnahmen kontinuierlich überwacht und gestärkt werden. Wenn künstliche Intelligenz in einem klar definierten Rahmen arbeiten kann, kann sie auch Prozesse effizienter gestalten, ohne Risiken im Bereich Sicherheit oder Datenverlust zu schüren. Innovation und Sicherheit können miteinander wachsen, wenn man sich der Gefahren bewusst ist und aktiv daran arbeitet, das Risiko so gering wie möglich zu halten.


Quellen

Palisade Research „Demonstrating specification gaming in reasoning models“ (2025): https://palisaderesearch.org/research/specification-gaming

GenAI „LLM06:2025 Excessive Agency“ (21.09.2026): https://genai.owasp.org/llmrisk/llm062025-excessive-agency/

verifywise.ai: „Ki-Regulatory-Sandbox“ (23.09.2026): https://verifywise.ai/de/lexicon/ai-regulatory-sandbox

KI im Fokus: Single Source of Truth

Single Source of Truth: Wie Standardsoftware die verlässliche Basis für künstliche Intelligenz bildet

Arbeiten mit KI – aber auf welcher Datenbasis?

Wie lässt sich KI in bestehende ERP-Systeme einbinden? Welche APIs braucht es und wie bleibt der Zugriff sicher?
Doch bevor man in die technische Umsetzung geht, muss man sich zuvor die Frage stellen, wie verlässlich und aktuell die verwendeten Daten sind.

Daten sind schon heute der Rohstoff der Versicherungswirtschaft. Handlungskompetenz entsteht jedoch erst, wenn sie verstanden, vernetzt und intelligent eingesetzt werden können. Bei vielen Branchenexperten steht deshalb nicht nur künstliche Intelligenz im Mittelpunkt, sondern auch die Datenqualität und die Ausgangslage mit der die KI arbeiten kann. Dafür braucht es klare Strukturen – und einen zuverlässigen Softwarepartner mit Expertise, der die Daten und Prozesse der Versicherungswirtschaft versteht.

KI braucht mehr als nur den Zugriff auf Daten 

In der komplexen Versicherungsbranche liegen Daten in Verträgen, in Schadenmeldungen, im Bestand – verteilt in Excel-Tabelle, Maklerverwaltungsprogrammen, E-Mails – die Liste ist lang. KI ist zwar in der Lage, diese Informationen zu finden, durch fehlende Zuordnung, widersprüchlichen Angaben oder veralteten Vertragsständen, kann jedoch die Daten weder verlässlich bewerten noch weiterverarbeiten. Sobald Informationen wie in einer Standardsoftware fachlich zugeordnet und strukturiert, aktuell und transparent in Prozesse eingebettet werden, kann Künstliche Intelligenz einen echten Mehrwert für die tägliche Arbeit schaffen.

Das eigentliche Problem: Fragmentierte Daten statt fehlender KI

Eine große Herausforderung im Arbeitsalltag ist die Tatsache, dass Duplikate, unterschiedliche Vertragsstände oder nicht zugeordnete Dokumente zu einem Datenchaos führen. Ein potentielles Risiko, wenn man KI mit fragmentierten Daten arbeiten lässt. Es ist der Nährboden für fehlerhafte Ergebnisse und doppelten Arbeitsaufwand.

Besonders wichtig ist daher für die KI eine Single Source of Truth. Darunter versteht man nicht zwingend eine einzige Datenbank, sondern eine verbindliche, qualitätsgesicherte, fachlich definierte Datenbasis. Für jeden relevanten Datensatz ist klar definiert, welches System die maßgebliche Quelle ist, wer verantwortlich ist und welcher Dokumentenstand Gültigkeit besitzt.

Um diese verbindliche Datenbasis zu schaffen und zu unterstützen, kann die Arbeit mit einer Enterprise Resource Planning Software, in der Daten gepflegt werden, Zuständigkeiten und Regeln vorherrschen, hilfreich sein. Ein ERP ist aus diesem Grund mehr als nur eine Datenbank! Es gibt der KI die notwendige Orientierung sowie strukturierte Daten:

  • Informationen zu Kunde, Vertrag oder Schaden werden fachlich miteinander verbunden
  • Datenstände und historisierte Daten (z.B. bei Verträgen) werden nachvollziehbar und transparent dargestellt
  • Berechtigungssysteme und Verantwortlichkeiten können abgebildet werden
  • Geschäftsprozesse werden automatisiert und in hilfreiche Workflows übertragen
  • Externe Daten und Informationen können kontrolliert über APIs integriert werden

Standardsoftware wird zur Quelle für erfolgversprechenden KI-Einsatz

Ein sauber gepflegtes Bestandsdatenmanagement, historisierte Verträge, kontextbasierte Daten:
Eine integrierte Standardsoftware schafft die Voraussetzung, Daten nicht nur zentral zu verwalten, sondern sie fachlich im Rahmen von persönlicher Betreuung zu verknüpfen, zu historisieren und prozesssicher nutzbar zu machen.

Schaut man in die Praxis, erkennt man schnell, weshalb unstrukturierte Daten ein Risiko darstellen. Ein Schaden lässt sich nicht nur anhand einer Schadennummer bewerten. Viel wichtiger und wertvoller sind dabei Informationen wie Vertragslaufzeit, Deckungsumfang, Selbstbehalt, Schadenhistorie, beteiligte Akteure, etc. Nicht zu vergessen sind neben Datenqualität auch Governance oder Verantwortlichkeiten und Berechtigungsrollen. Ein Kosmos an Faktoren, die im Rahmen eines effizienten Schadenmanagements zu berücksichtigen sind. Dabei ist nicht die Anzahl der eingesetzten KI-Tools erfolgversprechend, sondern die Daten- und Kontextqualität. Mit einer integrierten Standardsoftware hat man die Möglichkeit, eine verlässliche Daten- und Prozessbasis zu schaffen, mit der KI effizient und transparent arbeiten kann.


Faktencheck

KI erreicht ihren Mehrwert nicht dadurch, dass sie auf Unmengen an Daten zugreifen kann, sondern dadurch, dass sie die relevanten Daten im richtigen Kontext versteht und verarbeitet. Sie braucht einen verlässlichen Blick auf die fachliche Realität. Eine Standardsoftware wie openVIVA verbindet Kunden mit Schäden, Verträgen, Kommunikation und Prozessen entlang der gesamten Wertschöpfungskette und schafft so ein transparentes Gesamtbild.

openVIVA wird dadurch zu Ihrem Stabilisator, auf dessen Fundament KI sicher recherchieren und kontrolliert in Arbeitsprozesse integriert werden kann.


Quellen

KI-Erfolg beginnt bei den Daten: Fraunhofer FIT auf der Hannover Messe (31.03.2026): https://www.fit.fraunhofer.de/de/presse/26-03-31_KI-Erfolg-beginnt-bei-den-Daten-Fraunhofer-FIT-auf-der-Hannover-Messe.html?utm

Dossier: Künstliche Intelligenz (30.03.2026): https://www.gdv.de/gdv/themen/digitalisierung/kuenstliche-intelligenz

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.