STRATEGIE20. November 2026

Kernsystem und Vibe Coding: Wo KI-gestützte Entwicklung Versicherer voranbringt – und wo sie Grenzen hat

Dimitry Remenyuk in dunkelblauem Hemd vor einer weißen Backsteinwand; seine Perspektive auf KI-Prototypen in der Versicherungsentwicklung.
Dimitry Remenyuk, VP Applied Innovation Guidewire Innovation Labs

Entwickler können mit Vibe Coding bereits innerhalb weniger Stunden eine KI-Demo erstellen, die Versicherungspolicen und Schadenfälle generiert und produktionsreif wirkt. Für CIOs stellt sich daher die Frage: Was leistet ein Kernsystem, was ein KI-Prototyp nicht kann?

von Dimitry Remenyuk, Guidewire Innovation Labs

Was eine KI-generierte Demo von einem produktionsreifen „System of Record“ trennt, ist kein technisches Detail, sondern jahrzehntelang gewachsenes Domänenwissen als Grundlage für funktionale Tiefe. Fünf Bereiche zeigen deutlich, wo der Unterschied liegt.

Säule 1: Rechtssicherheit

Praxistest: Was passiert, wenn sich eine Police während der Laufzeit ändert?

Die Tarifierung in der Schaden- und Unfallversicherung folgt einem Geflecht aus Tarifwerken, Underwriting-Richtlinien, aktuariellen Modellen und Spartenspezifika, alles eingebettet in VAG, VVG, Solvency II, EIOPA-Leitlinien und BaFin-Regeln.

Ein KI-Modell kann Code erzeugen, der einer Tarifierungslogik ähnelt. Was ein solcher Prototyp jedoch nicht automatisch mitbringt, ist die regulatorische und aktuarielle Substanz, die diese Logik gegenüber Aufsichtsbehörden und vor Gericht belastbar macht. Hinzu kommt, dass Policen sich stetig verändern. Jede Vertragsänderung während der Laufzeit – sei es die Erweiterung des Versicherungsschutzes oder die Anpassung der Versicherungssumme – löst eine Neuberechnung der Prämie sowie Abrechnungsanpassungen aus.

Säule 2: Zuverlässigkeit und Skalierbarkeit im Ernstfall

Praxistest: Wie reagiert das System, wenn das Schadenvolumen drei Tage lang um das Zehnfache ansteigt?

Autor: Dimitry Remenyuk, Guidewire Innovation Labs
Dimitry Remenyuk mit kurzem braunem Haar und Bart in dunkelblauem Hemd vor einer weißen Backsteinwand; sein Blick auf den Einsatz von KI-Prototypen bei Versicherern.Dimitry Remenyuk arbeitet als VP Applied Innovation bei Guidewire Innovation Labs (Website) gemeinsam mit seinem Team an der praktischen Anwendung von KI, agentenbasierten Systemen, intelligenter Automatisierung und modernen Cloud-Architekturen. Vor seiner Zeit bei Guidewire war er 13 Jahre lang als Entwickler und später als Lead Architect bei CSC Deutschland tätig. Mit über 25 Jahren Erfahrung in der Versicherungstechnologie liegt sein Schwerpunkt auf der Verbindung von modernen Kernsystemen, APIs, Datenplattformen und KI-Agenten – mit dem Ziel, neue Formen der Produktentwicklung, des Underwritings und der Schadenbearbeitung praktisch nutzbar zu machen.
Auto-Scaling in einer Cloud-Infrastruktur reicht nicht aus, um die Anzahl der Schadenmeldungen in einer Sturm- oder Hochwassernacht zu verarbeiten. Intelligentes Routing, priorisierte Warteschlangen und Echtzeit-SLA-Tracking unter Volllast entstehen durch jahrelange Praxiserfahrung, nicht durch ein paar Klicks in der Cloud-Konsole.

Hinzu kommt die Arbeitslast durch die nächtliche Batch-Verarbeitung. Verlängerungsangebote, Rechnungsläufe, gesetzliches Meldewesen und Provisionsberechnungen betreffen Millionen von Datensätzen und erfordern vollständige Transaktionsintegrität. Ein KI-generierter Prototyp kann diese Aufgaben nicht allein zuverlässig, transaktionssicher und dauerhaft betreiben.

Säule 3: Sicherheit, Compliance und Governance

Praxistest: Lässt sich eine Tarifentscheidung im Nachhinein mit dem Audit-Trail lückenlos belegen?

KI-generierter Code kann strukturell unsicher sein und ein bestandener Penetrationstest löst nicht die regulatorische Herausforderung. Sowohl der EU AI Act als auch die DSGVO schreiben Governance-Verfahren für Risikobewertungen und wirksame Vorkehrungen gegen intransparente oder diskriminierende Entscheidungslogik vor. BaFin und EIOPA erwarten, dass Versicherer nachvollziehbar darlegen können, wie eine Entscheidung zur Tarifierung oder Schadenzahlung getroffen wurde. Fakt ist: Einer unzureichend kontrollierten und dokumentierten LLM-Logik fehlt die notwendige Grundlage, um diese Anforderungen an Nachvollziehbarkeit, Auditierbarkeit und Governance zu erfüllen.

Säule 4: Die wahren Kosten über den gesamten Lebenszyklus

Praxistest: Wie sieht die Systempflege nach fünf Jahren aus?

Die „Build or Buy“-Debatte dreht sich meist um die Anschaffungskosten, berücksichtigt aber nicht die Betriebskosten über Jahrzehnte, während derer das Kernsystem läuft. Eine individuell entwickelte Kernplattform bringt von Tag eins an das Risiko technischer Schulden mit sich, insbesondere dann, wenn dokumentierte Architektur, belastbare Testumgebungen und klare Upgrade-Pfade fehlen. Das Budget, das die Eigenentwicklung einsparen sollte, fließt in den laufenden Betrieb.

Säule 5: Ökosystemvorteil und gemeinsame Innovationskraft

Praxistest: Wie sieht die Integrations-Roadmap aus, und wie viel Entwicklungskapazität bleibt in fünf Jahren noch für Innovation?

Die Architektur eines modernen Kernsystems von Guidewire
Ein Kernsystem ist ein Stack aus stark voneinander abhängigen Komponenten, von denen jede ihre eigene technische Komplexität, Compliance-Anforderungen und die damit verbundene operative Last trägt.

Das Guidewire-System umfasst:

  • Cloud-Infrastruktur, Datenbank und Observability Tools
  • Datenplattform und Integrations-Framework
  • API-Oberfläche und Workflow-Orchestrierung
  • Vorgefertigte Tarife, Regeln, Produktformulare und Schaden-Workflows nach Sparte
  • Konfigurationsschicht für Geschäftsregeln, Produktdefinition und Pricing-Parameter
  • Lokale und regionale regulatorische Funktionen
  • Agentenbasierte Middleware und MCP-Konstrukte (Model Context Protocol, Standard für die Interoperabilität von KI-Agenten), für die Automatisierung auf Entwickler- und Endbenutzerebene
  • User-Experience-Schicht mit integrierter KI-Unterstützung
Ein modernes SHUK-System ist über offene Schnittstellen an zahlreiche Datenquellen angebunden. Jede Anbindung erfordert Sicherheitsfreigabe, technische Schnittstelle und dauerhafte Pflege. Baut ein Versicherer sein Kernsystem selbst, trägt er diese Integrations­verantwortung weitgehend allein. Auf einer geteilten Plattform dagegen steht eine einmal etablierte, geprüfte Anbindung automatisch allen Versicherern zur Verfügung – ganz ohne eigenen Entwicklungsaufwand.

Dieser Unterschied wirkt sich direkt auf die Innovationskraft aus: Bindet die Wartung eines Eigensystems dauerhaft hohe Entwicklungskapazitäten, fehlt die Zeit für Zukunftsthemen wie neue Vertriebswege oder Schadenautomatisierung in Echtzeit. Agentenbasierte KI-Funktionen von Plattformanbietern hingegen stehen gleichzeitig Hunderten von Versicherern zur Verfügung – mit entsprechend höherer gemeinsamer Entwicklungsleistung. Die vermeintliche Roadmap-Kontrolle eines Eigensystems erweist sich so schnell als Nachteil, sobald Wartung die Innovationskapazität auffrisst.

Die Grenze ziehen: Wo Vibe Coding funktioniert

Viele Entscheider bei Versicherern wägen derzeit ab, ob KI-generierte Systeme das moderne Kernsystem realistisch ersetzen können. Die Antwort fällt differenzierter aus: Vibe Coding kann bei Prototypen, internen Werkzeugen, Testfällen, Datenaufbereitung und klar abgegrenzten Workflow-Erweiterungen erheblichen Mehrwert schaffen. Für Policenverwaltung, Tarifierung, Schadenregulierung, Abrechnung und regulatorische Nachweise braucht es dagegen ein kontrolliertes „System of Record“ mit belastbaren Daten, Prozessen und Verantwortlichkeiten.

Die sinnvollste Strategie besteht daher nicht darin, Innovation gegen Stabilität auszuspielen. Versicherer sollten KI nutzen, um neue Produkte, Nutzererlebnisse, Workflows und Assistenzfunktionen schneller zu entwickeln und dabei auf einem Kernsystem aufbauen, das Daten, Geschäftslogik, Berechtigungen, Governance und operative Prozesse zuverlässig zusammenführt. Dimitry Remenyuk, Guidewire Innovation Labs

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert