KI-Agenten unter Schweizer Datenschutz: Erfahrungen aus VERSIFY

Versicherungsbroker arbeiten in einem Umfeld mit hoher Komplexität und strengen regulatorischen Anforderungen. In der Schweiz sind Datenschutz, Sicherheit und Compliance keine Kür, sondern Pflicht. Die Verwaltung von Versicherungsverträgen für Geschäftskunden und öffentliche Kunden wie Gemeinden ist aufwendig, ebenso das Vergleichen von Angeboten und die Bearbeitung von Schadenfällen.

VERSIFY wollte diese Abläufe vollständig digitalisieren. Gemeinsam haben wir eine Plattform aufgebaut, auf der Kunden ihre Verträge online verwalten, neue Angebote anfragen und Offerten vergleichen. KI kommt dabei an mehreren Stellen zum Einsatz: in einem Chat-Assistenten, der durch die Schadenmeldung führt, in der strukturierten Analyse von Versicherungsangeboten und in der Korrespondenz mit den Versicherungen.

Ein KI-Feature in eine Software einzubauen, ist heute schnell gemacht. Bei VERSIFY mussten aber drei Anforderungen gleichzeitig erfüllt sein, und erst ihr Zusammenspiel macht die Aufgabe anspruchsvoll.

Erstens müssen die Sprachmodelle jederzeit austauschbar sein, ob von OpenAI, Anthropic oder Google. Der Markt bewegt sich schnell, Preise und Fähigkeiten ändern sich laufend, und eine Plattform, die an einen einzigen Anbieter gebunden ist, verliert diese Freiheit.

Zweitens müssen die Abläufe wiederholbar präzise Ergebnisse liefern. Eine Antwort, die plausibel klingt, reicht nicht, wenn es um Deckungssummen und Vertragsbedingungen geht. Das Ergebnis muss fundiert sein, und es muss beim nächsten Mal genauso fundiert sein.

Drittens müssen die Daten unter Schweizer Datenschutz verarbeitet werden. Das schränkt die Auswahl der Modelle ein und damit auch die erste Anforderung: Austauschbar sind nur Modelle, die diese Bedingung erfüllen.

Diese Anforderungen lassen sich nicht nachträglich erfüllen. Sie müssen von Anfang an in der Architektur stecken. Bei VERSIFY waren Datenschutz und Compliance deshalb von Beginn an fester Bestandteil der Architektur und nicht ein Punkt auf der Liste vor dem Go-live.

Austauschbarkeit heisst konkret: Die Geschäftslogik spricht nicht direkt mit einem bestimmten Anbieter. Welches Modell eine Aufgabe übernimmt, ist eine Frage der Konfiguration, kein Umbau. Wiederholbare Präzision heisst: Die KI liefert strukturierte Ergebnisse, die sich prüfen lassen, statt freien Text, dem man glauben muss. Und Datenschutz heisst: Für jedes Modell ist klar, wo und unter welchen Bedingungen es die Daten verarbeitet.

Der MVP entstand in wenigen Monaten, und die ersten Pilotkunden sind online. Sie schätzen vor allem die Analysefunktionen und den spürbar geringeren Aufwand in der Fallverwaltung. Seither entwickeln wir die Plattform anhand der realen Nutzererfahrungen weiter.

Die wichtigste Erkenntnis ist nicht technisch. Der Unterschied zwischen «schnell ein KI-Feature einbauen» und «KI-Funktionalität auf Business-Niveau betreiben» liegt in den Fragen, die man vor der ersten Zeile Code stellt: Was passiert, wenn der Anbieter seine Preise ändert? Woran erkennen wir, dass ein Ergebnis falsch ist? Wo liegen die Daten? Wer diese Fragen früh beantwortet, baut KI-nativ. Wer sie später beantworten muss, baut um.