Case-Study: Versicherungsbroker mit 4-Tagen-zu-4-Stunden Triage-Zyklus

Die Herausforderung

Die Triage von Schadensmeldungen war der Engpass: vom Eingang einer Mail mit Fotos und PDF-Anhängen bis zur ersten Bearbeitung durch einen Sachbearbeiter vergingen typisch 3–5 Werktage. Bei 850 Schäden/Jahr summierte sich das zu erheblicher Wartezeit für Mandanten und einem Reputations-Risiko. Gleichzeitig: AVB- und Policen-Suche bei spezifischen Fragen kostete pro Anfrage 8–20 Minuten — und 4–6 Sachbearbeiter waren parallel mit dem Thema beschäftigt. Compliance-Rahmen: revDSG, FINMA-Outsourcing-Richtlinien (FINMA-RS 18/3), interne Audit-Pflichten der Versicherungspartner. Spezielle Herausforderung: Personenschäden und Datenschäden mit besonders schützenswerten Gesundheitsdaten müssen separat behandelt werden.

Team, Timeline, Budget

Phasen-Aufbau

1. 01/ 06

   Phase 1: Compliance-Setup und Risiko-Modell (Woche 1–4)

   Aufbau des Compliance-Rahmens: revDSG-Architektur, FINMA-Outsourcing-Dokumentation, DSFA für die geplante Verarbeitung, Datenschutz-Erklärung des Brokerhauses aktualisiert. Risiko-Klassifikation: welche Schadens-Typen darf AI triagieren, welche müssen sofort menschlich? Personenschäden, Berufshaftpflicht mit Strafrechts-Bezug, Schäden > CHF 50'000 sind direkt menschlich. Sach- und Hausratschäden bis CHF 50'000 dürfen AI-triagiert werden.

2. 02/ 06

   Phase 2: Schadensmeldungs-Triage (Woche 5–8)

   Multimodale Pipeline: eingehende Mails werden parsen (Anhänge, Bilder, Texte), Multimodal-Modell (GPT-5 mit Schweizer DPF-Vertrag) klassifiziert Schaden-Art, schätzt Schwere, prüft Vollständigkeit der Unterlagen. Strukturierter Output an Sachbearbeiter-Cockpit. Bei Personenschaden oder Sensitiv-Daten: Eskalation, kein AI-Vorschlag. Bei klar abgegrenzten Sach-Schäden: vollständig vorbereitete Meldung mit Verfahrens-Vorschlag.

3. 03/ 06

   Phase 3: AVB- und Policen-Assistent (Woche 9–12)

   Vector-Store-Aufbau mit allen AVB-Versionen der Versicherungs-Partner (47 verschiedene Versicherer × 12–18 Versions-Generationen), Policen-Volltexte, Branchen-Spezifika. RAG-Pipeline mit Claude Opus 4.7 für Reasoning. Sachbearbeiter fragt 'Ist Glasbruch in Police XYZ gedeckt?', Antwort kommt mit Klausel-Referenz und Seitenzahl. Keine Antwort ohne Quelle.

4. 04/ 06

   Phase 4: Antrags-Vollständigkeits-Check (Woche 13–14)

   Neue Anträge und Vertrags-Änderungen werden gegen Vorlage geprüft. Bei fehlenden Angaben: höfliche Rückfrage im Brokerhaus-Ton, generiert mit Claude. Reminder-Zyklus für Rückläufe. Sachbearbeiter sieht nur vollständige Anträge.

5. 05/ 06

   Phase 5: Beratungs-Vorbereitung (Woche 15–16)

   Pre-Meeting-Briefing für KMU-Beratungen: alle bestehenden Verträge, identifizierte Lücken (basierend auf Branchen-Benchmark), Vorschläge zu Tarif-Optionen. Wichtig: AI bereitet vor, der Broker entscheidet, was empfohlen wird. Kein automatischer Sale, keine Provisions-Optimierung im Prompt.

6. 06/ 06

   Phase 6: Konsolidierung und Compliance-Audit (Monat 5–10)

   Quartalsweise Modell-Validierungs-Reviews. Externes Compliance-Audit nach Monat 4 mit positivem Ergebnis. Erweiterung: Forderungs-Klassifikation für Schadens-Belege (Monat 7), automatische Ablauf-Erinnerungen mit Mandanten-Persönlich-Touch (Monat 9).

Technische Architektur

Vorher / Nachher

Was wir gelernt haben

1. 01

   Compliance-Setup zuerst, AI-Funktion zweitens. Bei Versicherungs-KMU sind FINMA und revDSG nicht 'Hindernisse', sondern das Gerüst, das den AI-Einsatz überhaupt erst trägt. Wir haben 4 Wochen für Compliance-Architektur investiert — und sparen seitdem unzählige Audit-Korrekturen.

2. 02

   Personenschäden niemals AI-triagieren. Das ist eine Linie, die wir explizit gezogen haben — sowohl rechtlich (besonders schützenswerte Gesundheitsdaten) als auch operativ (emotionaler Erstkontakt verlangt menschliche Sensibilität).

3. 03

   AVB-Vector-Store ist der grösste Hebel. Die Versicherungs-Mitarbeitenden waren wirklich überrascht, wie schnell sie Antworten finden — eine Erfahrung, die das Vertrauen in die ganze AI-Initiative gestärkt hat.

4. 04

   Modell-Validierung quartalsweise klingt aufwändig, ist es aber nicht. Mit standardisierten Test-Sets (50–100 echte Fälle pro Use-Case) dauert es 1–2 Tage und ist auditierbar dokumentiert.

5. 05

   Provisions-Optimierung im Prompt explizit verbieten. Wir haben das früh diskutiert: die AI darf nicht 'verkaufen', sie darf nur 'beraten'. Das ist ein bewusster Markt-Verzicht, der die Mandanten-Beziehung schützt.