Key Takeaways aus dem Expertentalk

1. KI erfordert verlässlichen Kontext und Governance im Kernsystem

• Kernaussage: Der Übergang von isolierten KI-Piloten zu skalierbarer, produktiver Wirkung ist primär eine Frage der IT-Architektur.
• Details: KI-Agenten und -Anwendungen benötigen verlässliche Daten sowie direkten Zugriff auf Transaktionskontexte, Verträge und regulatorische Regeln. Ein modernes, cloudbasiertes Kernsystem dient dabei als stabile Grundlage („Durability“), auf der KI-Innovationen schnell und kontrolliert umgesetzt werden können („Agility“).

2. Datenbasierte KI-Risikobeurteilung schafft messbaren Geschäftserfolg

• Kernaussage: Der gezielte Einsatz von KI und Analytics in der Risikobeurteilung – etwa beim Pricing oder bei Daten – führt zu direktem Wachstum und verbessertem Kundennutzen.
• Details: Am Beispiel der HUK-COBURG zeigt sich, dass KI-unterstützte Pricing-Ansätze zu 25 % mehr Pkw-Neugeschäft bei verbesserter Profitabilität führten. Zudem ermöglichen KI-Modelle durch die Analyse von Telematikdaten (z. B. über 1,5 Mio. Fahrten täglich) eine hochpräzise, individuelle Risikobewertung.

3. Entscheidungsreife vor der Umsetzung: Reifegrad und Relevanz prüfen

• Kernaussage: IT- und KI-Projekte scheitern selten an der Technologie selbst, sondern an unvollständigen oder unklaren Anforderungen vor Projektbeginn.
• Details: Um Fehlinvestitionen zu vermeiden, müssen Ideen vorab systematisch bewertet werden (z. B. mittels Reifegrad und AI Relevance Score). Nur mit klaren, entscheidungsreifen Anforderungen lässt sich aus vagen Initiativen zielgerichteter, messbarer Projekterfolg erzielen.