KI im Risikomanagement ist für viele Unternehmen noch Zukunftsmusik – bei der Cominia Aktuarielle Services GmbH gehört sie längst zum Arbeitsalltag. Tatiana Wandraj, die im Geschäftsbereich Risikomanagement des Aktuarunternehmens tätig ist, spricht im Interview mit Innovation im Unternehmen darüber, welche KI-Anwendungen sich in Aktuariat und Risikomanagement bereits bewährt haben, wo sie schon heute messbare Ergebnisse liefern, welche Voraussetzungen Unternehmen dafür schaffen müssen – und warum am Ende immer noch der Mensch die Verantwortung trägt.
KI im Risikomanagement: Diese Anwendungen haben sich in der Praxis bewährt
Künstliche Intelligenz zählt für Wandraj zu den prägenden Technologien unserer Zeit – in ihrer möglichen Tragweite vergleichbar mit Entwicklungen wie der Elektrifizierung oder dem Internet: Sie optimiert nicht nur Bestehendes, sondern eröffnet neue Möglichkeiten. In der Praxis bewähren sich derzeit vor allem Anwendungen, die Fachkräfte bei daten- und informationsintensiven Tätigkeiten unterstützen: bei der Aufbereitung und Qualitätssicherung von Daten, bei der Plausibilisierung und Validierung von Modellen und Ergebnissen, bei der Analyse umfangreicher Dokumenten- und Wissensbestände sowie bei der Vorbereitung von Dokumentationen, Berichten und Präsentationen.
„Die fachliche Qualitätssicherung und Einordnung sowie wesentliche Entscheidungen verbleiben dabei weiterhin bei den verantwortlichen Expertinnen und Experten.“
Risikomodelle, Prognosen und Stresstests greifen häufig auf Informationen aus unterschiedlichen Systemen und Quellen zurück. KI kann dabei helfen, Daten zu extrahieren, zu klassifizieren, in ein einheitliches Format zu überführen und fehlende oder widersprüchliche Angaben zu identifizieren. Bei einfachen Kontrollen – etwa auf Vollständigkeit, zulässige Wertebereiche oder Summenabstimmungen – sind klassische Regeln und programmierte Prüfungen nach Wandrajs Erfahrung allerdings häufig die verlässlichere Lösung. Data-Analytics- und Machine-Learning-Verfahren können ergänzend ungewöhnliche Entwicklungen, Ausreißer oder Abweichungen erkennen; generative KI kann die analytisch ermittelten Ergebnisse anschließend strukturieren, erläutern und erste Kommentierungsentwürfe vorbereiten.
Ein weiteres wichtiges Anwendungsfeld ist die Analyse umfangreicher Dokumentenbestände: Versicherungsbedingungen, regulatorische Mitteilungen, Richtlinien oder Modelldokumentationen lassen sich automatisiert auslesen und für die weitere Bearbeitung strukturieren. Wissensgraphen und Chatbots ermöglichen es anschließend, Zusammenhänge zwischen Regelungen, Prozessen, Systemen und Zuständigkeiten schneller zu erkennen und relevante Informationen gezielt abzurufen. Zunehmend gewinnen zudem KI-Agenten an Bedeutung, die klar definierte Rollen und Aufgaben übernehmen und festgelegte Prozessschritte koordinieren können – etwa Daten beschaffen, Prüfungen anstoßen, Freigaben einholen oder Ergebnisse weiterleiten.
„Besonders erfolgversprechend ist dabei nicht der isolierte Einsatz einer KI-Anwendung, sondern die Verbindung aus fachlicher Prozessanalyse, Standardisierung, klassischer Automatisierung und gezielt eingesetzter KI.“
Messbare Verbesserungen: Von 2.000 automatisiert ausgelesenen Versicherungsbedingungen bis zur KI-gestützten Präsentation
Besonders deutlich werden die Effekte von KI im Risikomanagement dort, wo große Informationsmengen verarbeitet oder wiederkehrende Recherche-, Prüfungs- und Dokumentationsaufgaben anfallen. Ein konkretes Beispiel aus Wandrajs Projekten bei der Cominia Aktuarielle Services GmbH: Dort wurden bereits rund 2.000 Versicherungsbedingungen automatisiert ausgelesen, klassifiziert und strukturiert aufbereitet. Darüber hinaus entstand eine spezialisierte Wissensdatenbank auf Basis von mehr als 60 freigegebenen Richtlinien. Mitarbeitende müssen die zugrunde liegenden Dokumente dadurch nicht mehr vollständig manuell durchsuchen, sondern können gezielt nach Regelungen und fachlichen Zusammenhängen fragen und erhalten quellenbasierte Antworten mit den relevanten Fundstellen. Der messbare Mehrwert liegt vor allem in deutlich kürzeren Recherche- und Bearbeitungszeiten, einer einheitlicheren Auswertung und der systematischen Erschließung großer Dokumentenmengen.
„Liegt keine belastbare Grundlage vor, muss das System dies transparent anzeigen, anstatt eine vermeintlich eindeutige Antwort zu erzeugen.“
Voraussetzung für einen verlässlichen Einsatz ist laut Wandraj allerdings, dass Dokumente nicht nur technisch verarbeitet, sondern auch fachlich geprüft werden: Aktuarinnen und Aktuare bewerten insbesondere die korrekte Einordnung der Inhalte, Sonderfälle und mögliche Widersprüche. Eine weitere Anwendung im Risikomanagement ist die Modellierung neuer Produkte. Die dafür benötigten Informationen liegen in der Praxis häufig verteilt in Fachkonzepten, Produktbeschreibungen, Versicherungsbedingungen und weiteren Unterlagen vor – KI kann relevante Tarifmerkmale, Geschäftsvorfälle, Leistungsvoraussetzungen, Restriktionen und Abhängigkeiten extrahieren und beispielsweise in einem Wissensgraphen miteinander verknüpfen. Dadurch lässt sich schneller erkennen, welche Modellbausteine betroffen sind, welche fachlichen Besonderheiten berücksichtigt werden müssen und welche Abhängigkeiten zu Bestandsdaten, Rechnungsgrundlagen, Kapitalmarktannahmen oder Managementregeln bestehen. Werden relevante Veränderungen einmal strukturiert erfasst, lassen sie sich zudem für Berichte der versicherungsmathematischen Funktion, den ORSA-Bericht sowie RSR und SFCR weiterverwenden – die fachliche Bewertung und Freigabe bleiben dabei selbstverständlich bei den verantwortlichen Expertinnen und Experten.
Erhebliche Effizienzpotenziale sieht Wandraj auch bei technisch-operativen Aufgaben: KI-Agenten können beispielsweise die Umsetzung von IDV-Richtlinien – von der Prüfung bis zur erforderlichen Dokumentation – weitgehend automatisiert und revisionssicher unterstützen, oder komplexe Excel-Anwendungen mit VBA-Makros entwickeln, automatisiert testen und dokumentieren. Auch bei der Aufbereitung und Visualisierung von Ergebnissen zeigt sich der praktische Nutzen: Bei der Cominia Aktuarielle Services GmbH werden Präsentationen inzwischen grundsätzlich KI-gestützt erstellt, von der inhaltlichen Strukturierung über die Visualisierung mit Icons und Formen bis zur Umsetzung im Corporate Design. Im Einzelfall sind zwar noch Nachbearbeitungen nötig, gegenüber einer vollständig manuellen Erstellung ergibt sich aber eine erhebliche Zeitersparnis.
Diese Voraussetzungen entscheiden über den erfolgreichen Einsatz von KI im Risikomanagement
Viele Unternehmen starten nach Wandrajs Beobachtung mit verfügbaren KI-Anwendungen oder Standardlösungen, bevor die zugrunde liegenden Gesamtprozesse ausreichend analysiert wurden. Dadurch werden häufig einzelne Tätigkeiten verbessert, während manuelle Aufgaben, Doppelarbeiten und ineffiziente Abläufe im Gesamtprozess bestehen bleiben. Ihre Empfehlung: zunächst einen fachlich sinnvollen Zielprozess entwickeln – und analysieren, welche Arbeitsschritte tatsächlich erforderlich sind, an welchen Stellen fachliches, technisches und regulatorisches Know-how benötigt wird und welche Tätigkeiten standardisiert, regelbasiert automatisiert oder durch KI unterstützt werden können.
„Erst Standardisierung, dann Automatisierung!“ – Philipp Munz, Principal für KI-Anwendungen bei der Cominia Aktuarielle Services GmbH
In Projekten bei der Cominia Aktuarielle Services GmbH wird dafür zunächst der Gesamtprozess mit seinen Abläufen, Schnittstellen, Systemen, Datenquellen, Zuständigkeiten und Abhängigkeiten erfasst – soweit sinnvoll ebenfalls KI-gestützt, etwa in Form eines Wissensgraphen. Auf dieser Grundlage lassen sich klare Regeln, Qualitätsanforderungen, Ausnahmen und Entscheidungsgrenzen entwickeln, bevor entschieden wird, welche technische Lösung für den jeweiligen Prozessschritt geeignet ist. Organisatorisch benötigen solche Projekte laut Wandraj einen klaren Auftrag, ausreichende Ressourcen und eine bereichsübergreifende Steuerung; da auch Zuständigkeiten, Rollenprofile und der zukünftige Kapazitätsbedarf betroffen sein können, sollte die Verantwortung bei weitreichenden Veränderungen möglichst hoch im Management, möglichst auf Vorstandsebene, angesiedelt sein. Technisch braucht es eine belastbare Daten- und Dokumentationsbasis, geeignete Schnittstellen und Systemzugänge sowie klare Rollen- und Berechtigungskonzepte – dafür müssen Fachbereiche, IT, Datenmanagement, Informationssicherheit und die späteren Anwenderinnen und Anwender eng zusammenarbeiten. Vor dem produktiven Einsatz ist schließlich eine sorgfältige Testphase unverzichtbar, in der neben dem Regelfall auch Sonderfälle, fehlerhafte oder fehlende Daten, Berechtigungsprobleme, Systemabbrüche und die Übergabe an verantwortliche Mitarbeitende geprüft werden.
Nachvollziehbarkeit, Datenqualität und Regulatorik: Die größten Herausforderungen für KI im Risikomanagement
Eine der größten Herausforderungen liegt laut Wandraj in der Erklärbarkeit und Nachvollziehbarkeit der Ergebnisse: Komplexe KI-Verfahren können sehr leistungsfähig, aber schwieriger zu erklären sein als klassische Modelle. Im Risikomanagement muss dennoch nachvollziehbar bleiben, welche Daten, Annahmen und Einflussgrößen ein Ergebnis geprägt haben, wie belastbar es ist und wo die Grenzen der Anwendung liegen. Dabei bilden die bestehenden regulatorischen Anforderungen den verbindlichen Rahmen: Im Risikomanagement bestehen bereits umfangreiche Vorgaben zur Qualität der verwendeten Daten und Annahmen, zur Validierung, Dokumentation, Governance und zur Nachvollziehbarkeit von Veränderungen. Werden KI-Komponenten in diese Prozesse eingebunden, müssen sie sich in die bestehende Prozess- und Modellgovernance einfügen.
Das Risikomanagement erhält zudem Informationen aus zahlreichen Bereichen – etwa aus Aktuariat, Kapitalanlage, Rechnungswesen, Controlling, Rückversicherung und Planung. Dabei treffen unterschiedliche Systeme, Datenformate, Definitionen, Stichtage und Versionsstände aufeinander. KI kann diese Datenmengen effizient verarbeiten, bestehende Fehler und Inkonsistenzen jedoch ebenso schnell weitertragen; Datenherkunft, Verantwortlichkeiten, Verarbeitungsschritte und Qualitätsanforderungen müssen deshalb eindeutig geregelt sein. Hinzu kommt, dass sich das Verhalten einer KI-Anwendung durch neue Daten, Modellupdates oder veränderte Rahmenbedingungen verschieben kann – Validierung und Überwachung dürfen daher keine einmaligen Tätigkeiten sein, sondern müssen den gesamten Lebenszyklus begleiten. Auch Cyber- und IKT-Risiken gewinnen an Bedeutung: Zusätzliche Schnittstellen, Cloud-Dienste, externe Modelle und KI-Agenten können die Angriffsfläche vergrößern, etwa durch unberechtigte Zugriffe, manipulierte Eingangsdaten, Prompt-Injection-Angriffe oder den Abfluss vertraulicher Unternehmens- und Modelldaten.
„Die zentrale Herausforderung besteht darin, die technischen Möglichkeiten von KI mit den bereits hohen fachlichen und regulatorischen Anforderungen des Risikomanagements in Einklang zu bringen.“
Wie sich die Rolle von Aktuarinnen, Aktuaren und Risikomanagern verändert
Die Rolle von Aktuarinnen, Aktuaren sowie Risikomanagerinnen und Risikomanagern wird sich aus Wandrajs Sicht deutlich verändern, aber nicht an Bedeutung verlieren. KI kann zunehmend zeitintensive und wiederkehrende Tätigkeiten übernehmen – etwa die Aufbereitung von Informationen, Prüfungen, Recherchen oder die Vorbereitung von Dokumentationen und Berichten. Dadurch verlagert sich der Schwerpunkt stärker auf Aufgaben, die fachliches Urteilsvermögen erfordern: die Einordnung und kritische Bewertung von Ergebnissen, die Analyse und Ableitung geeigneter Optimierungs- und Steuerungsmaßnahmen sowie die Validierung und Weiterentwicklung von Modellen und Prozessen.
„Aktuarinnen, Aktuare und Risikomanager werden damit stärker zu Gestaltern und Qualitätsverantwortlichen für KI-gestützte Prozesse.“
Diese Entwicklung trifft in vielen Unternehmen auf einen zunehmenden Fachkräftemangel: In den kommenden Jahren werden zahlreiche erfahrene Mitarbeitende altersbedingt aus dem Berufsleben ausscheiden. Wandraj hält deshalb jetzt einen guten Zeitpunkt, um gemeinsam mit den Wissensträgerinnen und Wissensträgern KI-gestützte Lösungen aufzubauen – etwa indem KI-Agenten erfahrene Mitarbeitende bei ausgewählten Tätigkeiten begleiten und dabei Arbeitsabläufe, fachliche Erläuterungen, Entscheidungswege und besondere Erfahrungswerte dokumentieren und dauerhaft verfügbar machen. Mit genau diesen Fragestellungen hat sich Cominia bereits gemeinsam mit einem großen Lebensversicherer unter dem Motto „Aktuariat der Zukunft“ beschäftigt. Mit der zunehmenden Nutzung KI-gestützter Prozesse und Wissenssysteme erweitert sich zugleich das erforderliche Kompetenzprofil: Neben aktuarieller und risikomanagementbezogener Expertise sowie einem sicheren Verständnis der regulatorischen Anforderungen gewinnen Kenntnisse in Data Science, Machine Learning, generativer KI und Large Language Models an Bedeutung.
Ausblick: So entwickelt sich KI im Risikomanagement in den nächsten drei bis fünf Jahren
Wandraj erwartet, dass sich KI in den kommenden Jahren von einzelnen Pilot- und Assistenzanwendungen zu einem festen Bestandteil der Risikomanagementprozesse entwickelt. Besonders agentenbasierte Systeme werden an Bedeutung gewinnen: Sie werden nicht mehr nur einzelne Aufgaben unterstützen, sondern mehrere klar abgegrenzte Prozessschritte koordinieren und teilweise selbstständig ausführen können. Gleichzeitig wird sich eine hybride Arbeitsweise etablieren, bei der KI zunehmend standardisierbare und datenintensive Tätigkeiten übernimmt, während die fachliche Einordnung, wesentliche Entscheidungen und die Verantwortung beim Menschen bleiben.
Mit der stärkeren Integration von KI werden aus Wandrajs Sicht auch Regulatorik und KI-Governance weiter an Bedeutung gewinnen – Aufsichtsbehörden und Wirtschaftsprüfer dürften sich intensiver damit befassen, wo und wie KI-Anwendungen eingesetzt, gesteuert und kontrolliert werden. Ihre Empfehlung an Unternehmen: schon heute eine klare KI-Strategie entwickeln und erfolgreiche Anwendungen nicht als isolierte Einzellösungen betrachten. Entscheidend werde sein, Erfahrungen aus ersten Projekten in ein skalierbares Betriebsmodell zu überführen und die Organisation so aufzustellen, dass neue technologische Möglichkeiten schnell, kontrolliert und unternehmensweit genutzt werden können.
Drei Empfehlungen für den erfolgreichen Einstieg in KI-Projekte
Unternehmen, die den Einstieg in KI-Projekte im Risikomanagement planen und von Anfang an einen echten Mehrwert erzielen möchten, rät Wandraj zu drei Punkten:
- Erfahrene Expertise früh einbinden: Ansprechpartnerinnen und Ansprechpartner, die sowohl die technologischen Möglichkeiten als auch die fachlichen und regulatorischen Besonderheiten des Risikomanagements kennen, helfen dabei, notwendige Voraussetzungen rechtzeitig zu berücksichtigen, geeignete Anwendungsfälle realistisch zu bewerten und typische Fehlentwicklungen zu vermeiden.
- Mit dem richtigen Prozess starten und Nutzen konkretisieren: Für den Einstieg eignen sich Prozesse, die heute stark manuell geprägt sind, einen spürbaren Engpass darstellen und sich fachlich klar abgrenzen lassen. Der erwartete Nutzen sollte bereits zu Beginn konkretisiert werden – etwa anhand geringerer Bearbeitungszeiten, weniger manueller Nacharbeiten, einer höheren Prüfungsabdeckung oder einer verbesserten Datenqualität.
- Ganzheitlich statt punktuell denken: Nicht nur ein einzelner Arbeitsschritt sollte automatisiert werden, sondern der Prozess mit seinen Daten, Schnittstellen, Zuständigkeiten, Kontrollen und Ausnahmen ganzheitlich betrachtet werden – so, dass die Lösung später erweitert und auf vergleichbare Prozesse übertragen werden kann.
Nach Wandrajs Erfahrung können sich gut ausgewählte und strukturiert umgesetzte Projekte für KI im Risikomanagement innerhalb kurzer Zeiträume wirtschaftlich amortisieren – vorausgesetzt, sie werden kontrolliert eingeführt, anhand klarer Kriterien bewertet und erfolgreiche Lösungen anschließend schrittweise skaliert.
Zur Person: Tatiana Wandraj
Tatiana Wandraj ist als Senior Managerin im Geschäftsbereich Risikomanagement der Cominia Aktuarielle Services GmbH tätig. Ihre fachlichen Schwerpunkte liegen im Risikomanagement und im Aktuarwesen sowie in der Analyse von Versicherungskennzahlen, Prozessen und Daten. Im Geschäftsbereich arbeitet sie gemeinsam mit einem spezialisierten Team für KI und Automatisierung an Einsatzmöglichkeiten Künstlicher Intelligenz – von der Dokumentenanalyse über die Produktmodellierung bis hin zur Berichtserstellung.
Häufige Fragen zu KI im Risikomanagement
Welche Anwendungsfälle für KI im Risikomanagement haben sich bereits bewährt?
Besonders bewährt haben sich KI-Anwendungen, die Fachkräfte bei daten- und informationsintensiven Aufgaben unterstützen: die Aufbereitung und Qualitätssicherung von Daten, die Plausibilisierung von Modellen und Ergebnissen, die Analyse großer Dokumentenbestände über Wissensgraphen und Chatbots sowie erste KI-Agenten, die klar definierte Prozessschritte koordinieren.
Welche Voraussetzungen brauchen Unternehmen für erfolgreiche KI-Projekte im Risikomanagement?
Entscheidend sind ein fachlich analysierter Zielprozess statt eines vorschnellen Tool-Einsatzes, eine bereichsübergreifende Steuerung mit ausreichenden Ressourcen und Rückhalt möglichst auf Vorstandsebene, eine belastbare Daten- und Dokumentationsbasis mit klaren Rollen- und Berechtigungskonzepten sowie eine sorgfältige Testphase vor dem produktiven Einsatz.
Wie verändert KI die Rolle von Aktuarinnen und Risikomanagern?
Der Schwerpunkt verlagert sich von manueller Bearbeitung hin zu fachlichem Urteilsvermögen: Einordnung und kritische Bewertung von KI-Ergebnissen, Validierung und Weiterentwicklung von Modellen sowie die Steuerung und Qualitätssicherung KI-gestützter Prozesse gewinnen an Bedeutung.
