Angebot so vielfältig wie die Ansprüche 

Der Kern der strukturierten Rückversicherung liegt also darin, dass sie auf die konkreten Bedürfnisse des einzelnen Erstversicherers ausgerichtet ist. „Wir gehen immer vom spezifischen Problem eines Kunden aus und versuchen, dafür eine Lösung mithilfe von Rückversicherungsverträgen zu finden“, sagt Dr. Eike Meerbach, Experte für strukturierte Rückversicherung im Zentralen Underwriting Management der Deutschen Rück. Um passgenaue Lösungen zu finden, sei es daher für den Rückversicherer entscheidend, die Bedürfnisse seiner Kunden genau zu verstehen und sehr eng mit ihnen zusammenzuarbeiten.

Das Angebot an strukturierten Rückversicherungslösungen im Markt ist vielfältig – so vielfältig wie die individuellen Ansprüche der Erstversicherer. Charakteristische Elemente sind etwa eine Deckung im Bereich von niedrigeren Wiederkehrperioden (5 bis 20 Jahre), die Limitierung von Gewinn- und Verlustmöglichkeiten, ein begrenzter, aber ausreichender Risikotransfer, die Mehrjährigkeit der Verträge oder auch die Aggregation von Risiken und Selbstfinanzierungskomponenten. Die Deckungen werden in der Regel über einen oder wenige Rückversicherer und nicht auf dem allgemeinen Rückversicherungsmarkt platziert. Für den Rückversicherer sind sie ein Mittel zur Kundenbindung und zur Differenzierung in einem zunehmend schärferen Wettbewerb – und das bei insgesamt geringer Ergebnisvolatilität. Für den Erstversicherer bietet die strukturierte Rückversicherung passgenaue und kostengünstige Lösungen. 

Kapitalanforderungen optimieren und Ergebnisvolatilität reduzieren 

Im Markt haben sich über die letzten Jahre Standardformen der strukturierten Rückversicherung herausgebildet, mit denen Erstversicherer zentrale Probleme lösen können. Ein Klassiker ist sicherlich der strukturierte Solvenzquotenvertrag, der, jeweils an den Kunden angepasst, auch über mehrere Sparten und/oder Jahre hinweg Solvenzkapitalanforderungen planbar macht. Strukturierte Lösungen können damit zielgerichtet Wachstumspläne und den Aufbau neuer Geschäftsfelder unterstützen. 

Eine weitere etablierte Form sind Mehrjahres-Stopp-Loss-/AXL-Vereinbarungen (Jahresüberschadenexzedent). Sie reduzieren die Ergebnisvolatilität und sichern Planzahlen ab – ebenfalls über mehrere Sparten und bei Bedarf auch als Kalenderjahreslösungen. Ein Beispiel dafür sind sogenannte Retention-Sub-Layer-Programme, die vor allem in den letzten Jahren stärker nachgefragt werden. Diese Programme bieten Schutz vor einer erhöhten Frequenz unterhalb der Prioritäten des traditionellen Rückversicherungsprogramms, innerhalb einer Sparte, aber auch über verschiedene Sparten hinweg, und damit eine Absicherung des Erstversicherers bei einer Erhöhung der Prioritäten im traditionellen Rückversicherungsprogramm. Vereinzelt kommen auch retrospektive Deckungen zum Einsatz, um Solvenzkapitalanforderungen zu steuern. Das sind Deckungen von Versicherungstechnischen Reserven, sogenannte Adverse Development Cover oder Loss Portfolio Transfers, auf strukturierter Basis.

Jederzeit erreichbar sein, komplizierte Schadenfälle effizient bearbeiten, hochindividuelle Policen anbieten: Versicherer erfüllen diese Ansprüche ihrer Kunden auch mithilfe von Künstlicher Intelligenz (KI). Maschinelles Lernen, eine Kategorie der Künstlichen Intelligenz, verarbeitet überwiegend strukturierte Daten und unterstützt Versicherer – und das schon seit Jahren. Sie klassifiziert, erkennt und bewertet. Neuer ist der Einsatz von Generativer KI (GenAI): Sie erschafft aus unstrukturierten Daten völlig autonom neue Inhalte, die den zuvor analysierten ähneln. „Mit GenAI sind nicht nur Sprachmodelle gemeint“, erklärt Ruben Wienigk, AI & Automation Engineer bei der Deutschen Rück. „Die Technologie lässt sich vielfältig einsetzen, auch wenn sie noch nicht überall gleich gut funktioniert. Die Herausforderung liegt darin, Use Cases zu finden, die zuverlässig funktionieren und sich lohnen.“ 

Wissensdatenbanken 

Ein typischer Anwendungsfall ist das Wissensmanagement: Versicherer speichern ihr internes Know-how in Datenbanken und verknüpfen diese mit einer GenAI-Lösung. Mitarbeitende können dann – ähnlich wie bei ChatGPT – Fragen zu Fachthemen stellen und erhalten Antworten, die auf internen Dokumenten basieren. „GenAI schlägt eine Brücke zwischen dem gesammelten Unternehmenswissen und den Menschen, die es im Arbeitsalltag benötigen und schnell abrufen müssen“, erklärt Robert Schnoeckel. Er ist Leiter Neue Technologien bei den Versicherungsforen Leipzig, einem Wissensdienstleister für die Versicherungsbranche.  

Dokumentenextraktion 

GenAI kann in einer Prozessautomatisierung unstrukturierte Daten aus E-Mails, PDFs oder Scans kontextuell verarbeiten. Sie identifiziert zum Beispiel Dokumenttypen wie Rechnungen oder Verträge und extrahiert die relevanten Informationen. Das reduziert Fehler und beschleunigt Abläufe – angesichts von Personalmangel und Kostendruck ein großer Vorteil. „GenAI kann Mitarbeitenden auf diesem Weg helfen, ihre täglichen Herausforderungen effizienter zu bewältigen“, sagt Wienigk. 

Risikomodelle 

Versicherer nutzen schon lange Software, um Risiken einzuschätzen. GenAI jedoch liefert aufgrund der hohen Datenmengen, die sie in kürzester Zeit verarbeitet, schnellere und präzisere Einsichten. Zum Beispiel kann sie automatisch auf externe Quellen wie Wetterdaten zurückgreifen, bringt sie in Kontext zu Kundendaten sowie historischen Schadenfällen und erkennt Muster oder Anomalien. Schnoeckel erklärt: „Das ist ein klassisches Zusammenspiel von Mensch und GenAI. Die Systeme verarbeiten enorme Datenmengen und machen Vorschläge. Risikoanalysten bewerten, setzen Prioritäten und erstellen maßgeschneiderte Angebote.“ Entscheidend ist, dass der Mitarbeitende als integrativer Teil des Prozesses die finale Entscheidung aktiv prüft und verantwortet. 

Dialogsysteme 

Chatbots beantworten Anfragen rund um die Uhr, reagieren kontextbezogen und ermöglichen eine schnelle und personalisierte Betreuung. Routinefragen klären die Systeme eigenständig, sodass sich die Mitarbeitenden auf komplexere Kundenanliegen konzentrieren können, die menschliches Ermessen erfordern. Die Kundenkommunikation verläuft mit GenAI also deutlich automatisierter. Wienigk betont jedoch: „In der Kundenbeziehung zählen auch Nähe und Vertrauen. Manche Kunden wollen nicht mit einem Chatbot, sondern mit einem echten Menschen kommunizieren. Vor allem im Schadenfall braucht es Empathie. Und die liefert bisher nur der menschliche Kontakt.“ 

Bilderkennung 

GenAI-Bilderkennungstools analysieren zum Beispiel Fotos von beschädigten Autos und schätzen sofort ein, wie schwer der Schaden ausfällt. Fortschrittliche Tools gehen jedoch noch weiter: Sie zeigen, welche Reparaturen nötig sind, kalkulieren die Kosten und überweisen kleinere Summen vollständig automatisch. Dafür greifen die Tools auf riesige Mengen bereits bearbeiteter Schäden und Schadenfotos zurück und ziehen daraus sinnvolle Schlüsse. Mitarbeitende im Schadenmanagement arbeiten Fälle so besonders zügig ab. „Die Schadenbearbeitung gehört zu den größten Kostentreibern der Versicherer. Der Hebel für Einsparungen ist hier enorm“, erläutert Schnoeckel. 

Personalisierung 

Schon heute werden Algorithmen der Künstlichen Intelligenz bei Versicherungsprodukten wie der Telematik eingesetzt. KI-Tools werten kontinuierlich Daten aus – etwa von vernetzten Autos, Smart Homes oder Wearables – und vereinfachen den Umgang mit diesen Datenmengen erheblich. „Damit kann ein Versicherer das tatsächliche Risiko bepreisen, anstatt pauschale Annahmen treffen zu müssen – zum Beispiel, dass unerfahrene Autofahrer mehr Unfälle verursachen als erfahrene“, erklärt Wienigk. „Das macht Produkte fairer und attraktiver.“  

Die KI selbst haftet nicht, denn sie besitzt keine Rechtspersönlichkeit. Also müssen Menschen die Verantwortung tragen. Anja Käfer-Rohrbach, stellvertretende Hauptgeschäftsführerin beim Gesamtverband der Deutschen Versicherungswirtschaft e. V. (GDV), erklärt: „Für KI-gesteuerte Drohnen gelten dieselben Grundsätze wie für Kraft- oder andere Luftfahrzeuge: Es besteht eine verschuldensunabhängige, strenge Halterhaftung.“ Doch Versicherer könnten Rückforderungen stellen und Juristen prüfen, ob den Halter eine Schuld trifft oder ob die Drohne fehlerhaft war – in Bezug auf die Hardware, die Software oder die Trainingsdaten. Wenn sich nicht nachvollziehen lässt, wie die KI zu ihren Entscheidungen kommt, fällt dieser Nachweis schwer. Erste Gesetze nehmen die neuen Technologien stärker in den Blick. Aber verändern sie auch Haftungskonstellationen?

Was sich rechtlich ändert 

Am 1. August 2024 trat der EU Artificial Intelligence Act (EU AI Act) in Kraft. Die Verordnung stuft KI-Systeme nach Risikoklassen ein, schreibt vor, wie Unternehmen sie einsetzen dürfen und droht bei Verstößen mit Bußgeldern. „Die Verordnung bestimmt den Umgang mit KI – nicht aber, wer für Schäden haftet“, sagt Dr. Daniel Kassing, Fachanwalt für Versicherungsrecht und Partner bei Clyde & Co Europe LLP.  

Anders verhält es sich mit der neuen EU-Produkthaftungsrichtlinie. Sie ist seit dem 8. Dezember 2024 in Kraft. Die Richtlinie regelt Schadenersatzansprüche natürlicher Personen gegenüber Herstellern oder anderen Wirtschaftsakteuren. Und sie schafft erstmals Klarheit: Software und KI-Systeme gelten ausdrücklich als Produkte im Sinne der Produkthaftung.

Zudem erweitert die Richtlinie den Kreis derjenigen, die haften können. Künftig trifft die Haftung beispielsweise Plattform- und Fulfillment-Dienstleister – etwa wenn ein chinesischer Hersteller nicht greifbar ist. Unternehmen, die bisher kein Haftungsrisiko sahen, müssen nun über eine Produkthaftpflichtversicherung nachdenken, erklärt der GDV. Außerdem erleichtert die Richtlinie Geschädigten die Beweisführung. Im Gerichtsverfahren können sie verlangen, dass der Hersteller relevante Informationen offenlegt. Dieser muss dann zeigen, wo der Fehler liegt. Das macht Prozesse aufwändiger und teurer. „Es ist zu erwarten, dass es mehr und aufwändigere Schadenersatzprozesse gegen Hersteller geben wird, gerade in den ersten Jahren“, prognostiziert Kassing.  

Ursprünglich wollte die EU mit einem eigenen Gesetz auch Haftungsregeln für KI-Einsätze außerhalb des Produkthaftungsrechts schaffen. „Diskutiert wurde dabei auch, ob Betreiber bestimmter KI-Systeme eine Pflichtversicherung abschließen müssten – ähnlich wie im Straßenverkehr“, sagt Kassing. Im Februar 2025 stoppte die EU-Kommission das Vorhaben jedoch wegen fehlender Einigung. Ob die Idee wiederkehrt, bleibt offen. Kassing: „Falls nicht, kann ich mir vorstellen, dass man diskutiert, bestehende Gesetze, um KI-Haftungsregeln zu ergänzen.“ 

Warum geltende Regeln funktionieren 

Der GDV geht davon aus, dass sich außerhalb des Produkthaftungsrechts erst einmal wenig ändert: „Auch wenn KI als etwas ganz Neues erlebt wird – schon lange unterstützt Software Menschen bei der Arbeit“, sagt Käfer-Rohrbach. „KI-Fälle lassen sich mit den bestehenden Haftungsregeln in den Griff kriegen.“  

Ein Beispiel: Hautärzte nutzen schon länger KI-Tools zur Diagnose, etwa um Hautkrebs zu erkennen. Übersieht die Software einen Tumor und der Arzt bemerkt es nicht, zahlt in der Regel zunächst die Berufshaftpflichtversicherung des Arztes. Denn er trifft die finale Entscheidung und trägt die Verantwortung. „KI ist ein Werkzeug, auf das ich mich nicht blind verlassen darf“, betont Kassing. 

War die Software fehlerhaft, kann der Versicherer den Hersteller des Medizinprodukts in Regress nehmen. Entscheidend bleibt: Lag ein Behandlungsfehler vor oder versagte das Gerät? „Im Prinzip kann jeder haften, der auch unabhängig von KI für Schäden haftet“, fasst der GDV zusammen. „In der Regel trifft es zunächst denjenigen, den der Geschädigte am einfachsten belangen kann.“