KI für Versicherer: Sind eigene Entwicklungen besser als gekaufte?

Cloudanbieter wie Microsoft Azure stellen heute umfassende Lösungen zur Verfügung, die mit geringem Aufwand einen Basis-KI-Chat ermöglichen. Die Lücke zwischen Cloud- und SaaS-Anbietern (SaaS steht für Software-as-a-Service, Anm. d. Red.) wird immer kleiner, doch bei einer eigenen Lösung haben Unternehmen die volle Kontrolle. Besonders in der Versicherungsbranche, in der komplexe Daten und Systeme verarbeitet werden, ist es entscheidend, dass die Lösung auf die spezifischen Bedürfnisse zugeschnitten ist.

Auch bei SaaS-Lösungen sind oft hohe Dienstleistungsaufwände notwendig, um interne Systeme und Wissensquellen anzubinden. Durch eine maßgeschneiderte Eigenentwicklung kann die KI nahtlos in bestehende Systeme integriert werden und auf firmenspezifisches Wissen zugreifen, was langfristig zu einer höheren Effizienz führt. 

Sicherheit und Datenschutz im Fokus

Die regulatorischen Anforderungen, wie zum Beispiel der EU AI Act und der Datenschutz, sind besonders im Versicherungswesen eine Herausforderung. Unternehmen müssen die eingesetzten Systeme genau kennen und verstehen, um die Einhaltung rechtlicher Vorgaben sicherzustellen. SaaS-Lösungen sind häufig eine Blackbox, bei der Transparenz darüber fehlt, wie und wo Daten verarbeitet werden. Eine eigenentwickelte Lösung ermöglicht eine vollständige Kontrolle über die Datenverarbeitung innerhalb der eigenen Infrastruktur, was ein höheres Maß an Sicherheit und Datenschutz gewährleistet.

Eine eigene KI-Entwicklung bietet den Vorteil, spezifische Branchenanforderungen und sich ändernde regulatorische Vorgaben präzise abzubilden. Externe Lösungen decken oft ein breites Spektrum an Branchen ab, was zu allgemeinen Funktionen führt, die nicht optimal auf branchenspezifische Herausforderungen oder gesetzliche Anpassungen eingehen. Durch die maßgeschneiderte Ausrichtung der Conversational-AI auf die eigene Branche kann eine höhere Effizienz, Flexibilität und Compliance erreicht werden. 

Kosteneffizienz und Flexibilität

Die Kosten für Large Language Models (LLMs) halbieren sich regelmäßig. Mit einer eigenen Anwendung profitieren Unternehmen direkt von diesen Preisentwicklungen. Zwar erscheint die Eigenentwicklung zunächst kostenintensiver, langfristig können jedoch durch den Wegfall externer Abfragekosten erhebliche Einsparungen erzielt werden. Darüber hinaus lassen sich firmenspezifische Anpassungen schnell umsetzen, ohne auf Updates von externen Anbietern warten zu müssen.

Ein breiter Effizienzeffekt entsteht, wenn die KI allen Mitarbeitenden zur Verfügung steht. Bei SaaS-Lösungen steigen die Kosten oft mit der Anzahl der User. Ab einer Größe von 300 bis 400 Mitarbeitenden sollten Unternehmen daher genau kalkulieren, ob eine Eigenentwicklung langfristig nicht kostengünstiger ist.

Bei Eigenentwicklungen bietet die freie Wahl des LLM-Modells zusätzliche Flexibilität, da Unternehmen stets das beste Modell beliebiger Anbieter für ihren Anwendungsfall nutzen und bei Bedarf auf günstigere oder spezialisierte Anbieter umsteigen können. Dies kann gerade in der aktuellen schnelllebigen KI-Landschaft mit vielen Akteuren weitere Chancen und Möglichkeiten eröffnen

Nachhaltiger Aufbau von internem Know-how

Der nachhaltige Aufbau von internem Know-how ist ein strategischer Vorteil, da er Unternehmen unabhängiger von externen Dienstleistern macht und sie in einem dynamischen Umfeld agiler und effizienter auf Veränderungen reagieren lässt und die Menge an externen Abhängigkeiten verringert. Dies führt langfristig zu Kosteneinsparungen, fördert die Mitarbeiterbindung und steigert die eigene Innovationskraft. Zudem bietet spezialisiertes internes Wissen einen Wettbewerbs- und Kostenvorteil, da maßgeschneiderte Lösungen schneller erweitert werden können.

Fazit

Die Eigenentwicklung bietet nicht nur langfristige Kostenvorteile, sondern auch volle Kontrolle über Datenschutz und Regulatorik. Sie bietet die nötige Flexibilität, um schnell auf neue Anforderungen zu reagieren, und eignet sich besonders gut, wenn viele Mitarbeitende von der KI-Lösung profitieren sollen. Gerade in einem Markt, in dem viele Anbieter kommen und gehen, ist eine stabile, interne Lösung oft der nachhaltigere Weg.

In der Versicherungsbranche, wo Genauigkeit und spezifisches Fachwissen entscheidend sind, überwiegen die Vorteile des Kaufs einer Conversational AI-Lösung die des Eigenbaus. Hier sind einige zentrale Argumente:

Kosten & Aufwand: Aus unserer Erfahrung betragen die internen Aufwände für die Entwicklung einer eigenen Lösung das 5- bis 7-fache einer bereits existierenden externen Lösung – und das nur für die Bereitstellung. Der laufende Betrieb und die Weiterentwicklung treiben die Kosten weiter in die Höhe.

Geschwindigkeit: Eine eingekaufte Lösung ist sofort einsatzbereit, während die Eigenentwicklung erhebliche Entwicklungszeit und -ressourcen bindet. 

Inhalte & Qualität: Externe Conversational AI-Lösungen, wie unsere, kommen mit vortrainiertem Wissen in speziellen Bereichen, die in Eigenentwicklungen oft fehlen, wie etwa Sozialgesetzbücher, DIN-Normen oder spezifische Unterlagen für Versicherungsvermittler (§34d). Ein System, das ausschließlich auf eigene Daten setzt, ist in seiner Leistungsfähigkeit stark limitiert.

Datenvorteil bei Q&A: Ein entscheidender Mehrwert ist der Zugriff auf spezifische Fehlerfälle, die über Jahre gesammelt und optimiert wurden, um die inhärenten Schwächen von LLMs zu korrigieren. Diese Daten sind einzigartig und können nicht auf Eigenentwicklungen übertragen werden, was den Kauf einer spezialisierten Lösung deutlich attraktiver macht.

Die Kombination aus geringeren Kosten, schnellerem Einsatz und höheren Qualitätsstandards macht die Entscheidung für eine externe Conversational AI-Lösung klar überlegen.