Warum Microsoft Copilot (und andere generische KI) im Gewerbeversicherungsgeschäft ein Haftungsrisiko darstellt
Ulme Wennberg
CTO
Warum Copilot fehlschlägt
Die meisten Versicherungsmakler werden früher oder später Microsoft Copilot oder ChatGPT testen, um Unterstützung bei der Policenprüfung zu erhalten. Sie laden ein Dokument hoch, stellen einige Fragen und erhalten eine ansprechend formulierte Zusammenfassung.
Beim Versuch, die Ergebnisse zu verifizieren, werden sie feststellen, dass KI für das Versicherungswesen ungeeignet ist.
Sie liegen mit dem Ergebnis nicht falsch, jedoch mit der Begründung. Generische LLMs (Large Language Models) scheitern im Segment für mittelständische Unternehmen, da sie eine 100-seitige Police wie ein langes Textdokument behandeln. Für eine generische KI ist eine Versicherungspolice lediglich ein fortlaufender Text ohne Struktur.
Die „Fluency“-Falle
Generische Tools sind auf sprachlichen Fluss ausgelegt, nicht auf versicherungstechnische Logik. Sie haben Schwierigkeiten mit der Kernstruktur einer Police:
Das Hierarchie-Problem. Sie erkennen von Natur aus nicht den Unterschied zwischen einer Definition, einem Ausschluss und einer Bedingung.
Die Lücke bei Nachträgen (Endorsements). Wenn ein Nachtrag auf Seite 90 ein Limit auf Seite 5 überschreibt, wird dies von generischer KI übersehen. Es fehlt ihr die Logik für Querverweise, die erforderlich ist, um das Zusammenspiel verschiedener Vertragsteile zu erfassen.
Das Halluzinationsrisiko. Dies ist das eigentliche Problem. Eine generische KI ist darauf ausgelegt, einen kohärenten Textfluss aufrechtzuerhalten. Wenn sie ein Limit nicht findet, erfindet sie unter Umständen eines oder setzt das Vorhandensein einer "Standardklausel" voraus, nur um den Satz zu vervollständigen.
Aus diesem Grund erfordern nicht-standardisierte Segmente, wie das mittlere Segment und das industrielle Gewerbegeschäft (Large Commercial), eine speziell entwickelte KI.
Der Vantel-Vorteil
Bei der Entwicklung von Vantel haben wir nicht einfach ein „Wrapper-Interface“ um einen Chatbot gelegt. Wir haben eine Engine entwickelt, die logische Schlüsse im Bereich des Versicherungswesens zieht.
Daten-Mapping. Wir mappen Verträge zuerst auf versicherungsspezifische Datenstrukturen.
Erkennung stiller Risiken. Wir erkennen, wenn eine Police zu einem Risiko schweigt. In der Versicherungswirtschaft ist Schweigen keine Auslassung, sondern eine potenzielle Deckungslücke.
Quellenverifizierung. Wir arbeiten in einer absolut halluzinationsfreien Umgebung. Jeder einzelne von Vantel extrahierte Datenpunkt ist anklickbar und führt Sie direkt zur genauen Zeile in der PDF-Quelle.
In der Industrieversicherung ist eine KI, die „meistens richtig“ liegt, ein Haftungsrisiko. Sie benötigen ein Werkzeug, das für die Feinheiten dieses Metiers gebaut wurde.
Testen Sie Vantel kostenlos
Erfahren Sie in einer Live-Präsentation mit unserem Team, wie sich Vantel in Ihre Arbeitsabläufe, Sicherheitsanforderungen und Ihr Bestandsgeschäft integrieren lässt.
Blog
Analysen & Kundenberichte
Unternehmensnachrichten
Notion Capital hat Vantel aus 200.000 europäischen B2B-Softwareunternehmen für seinen jährlichen Cloud Challengers Report ausgewählt
Analysen
Warum Microsoft Copilot (und andere generische KI) im Gewerbeversicherungsgeschäft ein Haftungsrisiko darstellt
Unternehmensnachrichten
Vantel wird Mitglied bei Brokerslink: Stärkung der globalen Maklergemeinschaft durch KI
Analysen
Ausblick für 2026: Worauf IT-Entscheider in Versicherungsmaklerunternehmen jetzt setzen müssen
Ein zukunftsorientierter Ausblick darauf, wie KI die gewerblichen Versicherungsmakler bis 2026 verändern wird, und worauf Technologieentscheider jetzt Prioritäten setzen müssen, um aus Pilotprojekten einen dauerhaften Wettbewerbsvorteil zu schaffen.
