Zehn Jahre zwischen Gesundheit und Lebensende, die kaum eine Versicherung einpreist. Nadine Esposito, Gründerin von Wellthspan Advisory, über eine Branche, die noch immer in Lifespan denkt, während ihre Kundschaft längst in Healthspan lebt.

Es gibt Begriffe, die in der Versicherungsbranche schneller altern als die Menschen, die sie beschreiben sollen. «Langlebigkeitsrisiko» ist so ein Begriff: technisch korrekt, aber blind für das, was dazwischen passiert. Nadine Esposito hat dafür eine Unterscheidung geprägt, die unbequem einfach ist. Lifespan ist die Zeit, die jemand lebt. Healthspan ist die Zeit davon, in der er gesund ist. Und dazwischen liegt der Sickspan, im Schnitt ein Jahrzehnt, in dem chronische Erkrankungen, Pflegebedarf und Kosten zusammentreffen, die kaum ein Produkt heute abbildet.

Esposito, Gründerin der Wellthspan Advisory, beschäftigt sich seit Jahren mit der Frage, was demografischer Wandel für eine Branche bedeutet, die Risiko traditionell in Sterbetafeln denkt. Ihre These: Longevity ist kein Rententhema, sondern ein systemisches Risiko, das gleichzeitig eine der grössten ungenutzten Geschäftschancen der kommenden Jahrzehnte ist. Im Gespräch erklärt sie, warum technisches Wissen sich ersetzen lässt, Urteilsvermögen aber nicht, weshalb die am schnellsten wachsende Kundengruppe von der Produktentwicklung weitgehend ignoriert wird, und was es bedeutet, wenn eine Branche länger lebt, als sie plant.

Frau Esposito, Sie unterscheiden zwischen Lifespan, Healthspan und Sickspan. Warum reicht die klassische Definition von «Langlebigkeitsrisiko» in der Versicherungsbranche nicht mehr aus?

Weil sie nur eine einzige Zahl kennt: wie lange jemand lebt. Das klassische Langlebigkeitsrisiko ist das Risiko, dass Menschen länger leben, als die Sterbetafel annimmt, also eine reine Rentenperspektive. Sie ist technisch korrekt und trotzdem blind für das, was ökonomisch am meisten kostet: die Qualität der zusätzlichen Jahre.

Die Daten sind eindeutig. Über 183 WHO-Mitgliedstaaten hinweg liegt die Lücke zwischen Lebenserwartung und gesunder Lebenserwartung im Schnitt bei 9,6 Jahren, in den USA bei 12,4 Jahren. Dieses Jahrzehnt nenne ich den Sickspan: die Phase, in der chronische Erkrankungen, Pflegebedarf, kognitive Einschränkungen und die höchsten Kosten zusammenfallen. Versicherungstechnisch ist der Sickspan das eigentliche Ereignis und genau diese Übergangszone bildet kaum ein Produkt ab. Wir versichern den Tod und wir finanzieren die Rente. Dazwischen liegt ein Jahrzehnt, das weder Lebens- noch klassische Krankenversicherung sauber adressiert.

Wer Langlebigkeit nur als Lifespan misst, verfehlt das Risiko also genau dort, wo es entsteht. Deshalb braucht die Branche die Dreiteilung: Lifespan als Horizont, Healthspan als nutzbare Zeit, Sickspan als die Phase, für die Produkte, Reserven und Beratung heute weitgehend fehlen.

Der Sickspan dauert im Schnitt zehn Jahre und wächst in den USA sogar weiter. Was sind die Treiber hinter dieser Entwicklung, und lässt sich das auf Europa übertragen?

Der wichtigste Treiber ist paradoxerweise der medizinische Erfolg. Wir überleben heute Ereignisse, an denen frühere Generationen starben, wie Herzinfarkt, viele Krebsarten oder Schlaganfall. Aus tödlichen Ereignissen werden chronische Zustände. Die Medizin verlängert das Leben schneller, als sie die Gesundheit verlängert. Dazu kommen metabolische Erkrankungen und Bewegungsmangel, die die Morbidität früher beginnen lassen, und ein sozialer Gradient: Prävention erreicht genau jene am schlechtesten, die sie am nötigsten hätten. Dass die USA mit 12,4 Jahren an der Spitze liegen, hat viel mit ungleichem Zugang zu Prävention und Grundversorgung zu tun.

Auf Europa übertragbar ist die Richtung, nicht das Ausmass. Die europäischen Systeme dämpfen den Gradienten, aber sie heben ihn nicht auf. Und die Schweiz sollte sich nicht in Sicherheit wiegen: 49 Prozent der Bevölkerung weisen eine geringe allgemeine Gesundheitskompetenz auf, bei digitalen Gesundheitsaufgaben ist der Anteil noch höher. Prävention wird individuell entschieden, aber strukturell gerahmt. Wer das Gesundheitssystem nicht navigieren kann, verliert Healthspan, unabhängig vom Vermögen. Für Versicherer heisst das: Der Sickspan ist kein amerikanisches Phänomen, das man aus sicherer Distanz beobachtet. Er wächst auch hier, nur langsamer und leiser.

Wenn Longevity ein systemisches Risiko ist: Wer in einem Versicherungsunternehmen sollte sich heute wirklich damit befassen: Aktuariat, Produktentwicklung, HR, Geschäftsleitung?

Die ehrliche Antwort: alle vier und genau das ist das Problem. Was allen ein bisschen gehört, gehört am Ende niemandem.

Systemisch heisst: Das Risiko taucht in jeder Funktion in anderer Gestalt auf. Im Aktuariat als Frage, ob die Modelle Morbidität so ernst nehmen wie Mortalität, ob wir also den Sickspan bepreisen können, nicht nur den Todesfall. In der Produktentwicklung als die Lücke zwischen dem, was die Generation 50 plus braucht, und dem, was im Regal liegt. Im HR gleich doppelt: Die eigene Belegschaft altert, erfahrene Fachleute gehen in Pension, und ihr Wissen geht oft mit. Und in der Geschäftsleitung als strategische Frage, ob man den demografischen Wandel als Kostenthema verwaltet oder als Wachstumsthema gestaltet.

Meine Empfehlung ist deshalb klar: Die Verantwortung gehört in die Geschäftsleitung, mit einem expliziten Mandat quer zu den Silos. Nicht, weil die Fachfunktionen es nicht könnten, sondern weil Longevity genau an den Schnittstellen passiert: zwischen Gesundheit und Geld, zwischen Personal und Produkt. Silos können Silofragen lösen. Der Sickspan ist keine.

Sie haben mit Wellthspan Advisory eine eigene Beratung zu diesem Thema gegründet. Was hat gefehlt, dass Sie diese Lücke schliessen wollten und wie unterscheidet sich Ihr Ansatz von klassischer Aktuars- oder Strategieberatung?

Gefehlt hat eine Beratung, die Geld und Gesundheit zusammen denkt. Die Aktuarsberatung optimiert brillant innerhalb bestehender Modelle, aber die Modelle selbst stellen die Rentenfrage, nicht die Sickspan-Frage. Die Strategieberatung liefert den Megatrend «Demografie» im Foliensatz, aber selten die Übersetzung in Produkte, Beratungsgespräche und Personalentscheide. Dazwischen lag die Lücke.

Wellthspan Advisory arbeitet mit einem Framework, das ich Longevity Literacy 2.0 nenne: vier Kapitalformen – finanziell, gesundheitlich, sozial, strukturell – und zwei Mechanismen, die sie verbinden. Erstens verschieben sich die Kapitalformen mit dem Alter und mit Schocks: Diagnose, Pflegefall, Todesfall. Zweitens konvertieren sie ineinander: finanzielle Mittel werden zu Gesundheit, Betreuung durch Angehörige ersetzt Geld, kostet aber Erwerbseinkommen. Klassische Beratung behandelt jede dieser Dimensionen isoliert. Die konsequenzenreichen Entscheidungen eines langen Lebens passieren aber genau an den Übergängen.

Der zweite Unterschied ist die Zielgruppe im Unternehmen. Ich arbeite nicht nur mit dem Aktuariat, sondern mit den Menschen an der Kundenschnittstelle, wie Beraterinnen und Relationship Manager. Dort entscheidet sich, ob Longevity ein Konzept bleibt oder ein Gespräch wird.

Sie sagen, technisches Fachwissen lasse sich mit KI ersetzen, Urteilsvermögen nicht. Wo genau verläuft diese Grenze in der Praxis?

Die Grenze verläuft dort, wo Wissen aufhört, kodifizierbar zu sein. Sterbetafeln, Produktregeln, Regulierung, Steuerlogik: all das ist dokumentiertes Wissen, und dokumentiertes Wissen kann KI heute schneller und konsistenter abrufen als jeder Mensch. Wer seinen beruflichen Wert allein darauf baut, hat ein Problem.

Urteilsvermögen zeigt sich an den Momenten, die ich Schockmomente nenne: eine Diagnose, ein Pflegefall in der Familie, ein Todesfall. In diesen Momenten werden Entscheidungen über mehrere Kapitalformen, wie Geld, Gesundheit, Beziehungen und rechtliche Strukturen in kurze Zeiträume unter hohem Stress komprimiert. Da braucht es jemanden, der hört, was der Kunde nicht fragt.

Ein Beispiel aus der Praxis: Eine KI berechnet eine Rentenlücke fehlerfrei. Was sie nicht erkennt: dass hinter der scheinbar technischen Produktfrage eines Kunden die beginnende kognitive Einschränkung seiner Ehefrau steht und dass die eigentlich dringenden Themen Vollmachten, Kontovollzugriff und Pflegefinanzierung sind. Das zu erkennen ist keine Rechenleistung, sondern Erfahrung mit Menschen in Ausnahmesituationen. Kurz: Wissen skaliert, Urteil nicht. Für Unternehmen folgt daraus etwas Unbequemes, denn der Wert der erfahrenen Mitarbeitenden steigt in dem Mass, in dem KI das Technische übernimmt. Viele planen gerade in die Gegenrichtung.

Was passiert konkret in einem Unternehmen, wenn erfahrene Fachleute in Rente gehen, ohne dass Nachfolge geplant wurde? Können Sie ein Beispiel aus Ihrer Beratungspraxis skizzieren?

Das Tückische daran: Nichts davon erscheint in einer Bilanz. Es gibt keine Position «abgegangenes Erfahrungswissen». Die Kosten tauchen verstreut auf mit längeren Durchlaufzeiten, verlorenen Offerten oder Rechtsrisiken und werden selten auf ihre gemeinsame Ursache zurückgeführt.

Die Ironie ist kaum zu übersehen: Eine Branche, deren Geschäft das Bewerten von Risiken ist, lässt eines ihrer grössten Risiken im eigenen Haus unversichert. Wissensabgang ist planbar wie kaum ein anderes Risiko, da das Pensionierungsdatum Jahre im Voraus feststeht. Es fehlt nicht an Vorhersehbarkeit, sondern an Priorität.

Unternehmen suchen die 35-Jährige mit dem Wissen einer 55-Jährigen. Wie sind Sie diesem Denkfehler in Mandaten schon begegnet?

Der Denkfehler dahinter ist ernster, als das Schmunzeln vermuten lässt: Erfahrung wird als Eigenschaft einer Person behandelt statt als Funktion von Zeit. Erfahrung ist nicht komprimierbar. Man kann sie nicht jünger einkaufen, man kann sie nur übertragbar machen.

Genau da setze ich in Mandaten an. Statt der unmöglichen Person suchen wir die mögliche Struktur: Tandems, in denen eine erfahrene Fachkraft und eine jüngere gemeinsam Verantwortung tragen. Rollen, die aufgeteilt werden in das, was Erfahrung braucht, und das, was Werkzeugkompetenz braucht. Und Erfahrungswissen, das als dokumentierte Entscheidungsfälle festgehalten wird und nicht als Prozesshandbuch, das niemand liest, sondern als Sammlung echter Grenzfälle mit Begründung. Die 35-Jährige mit dem Wissen einer 55-Jährigen gibt es nicht. Ein Team, das beides enthält, kann jede Organisation bauen, und das bereits heute.

Sie fordern ein Umdenken in der Nachfolgeplanung, weg von linearen Karrieren. Wie sieht ein Nachfolgemodell aus, das mit Berufsbrüchen und Neuanfängen rechnet, statt sie als Ausnahme zu behandeln?

Das klassische Nachfolgemodell ist eine Leiter: Ausbildung, Aufstieg, Übergabe, Pension, eine lineare Karriere, gefolgt von einem Stichtag. Dieses Modell rechnet mit einem Lebenslauf, den es immer seltener gibt. Bei einem Erwerbsleben von bald fünfzig Jahren sind Brüche, eine Pflegepause, eine Krankheit oder eine Neuorientierung mit fünfzig, nicht die Ausnahme, sie sind der Normalfall. Das ist übrigens dieselbe Logik wie in meinem Framework: Schocks sind keine Störung des Plans, sie sind Teil des Lebenslaufs. Wer für den Durchschnitt plant, plant falsch.

Ein Nachfolgemodell, das damit rechnet, hat vier Bausteine. Erstens Pipelines statt Kronprinzen: mehrere Kandidatinnen und Kandidaten unterschiedlichen Alters für Schlüsselrollen, damit ein einzelner Ausfall nicht das Modell sprengt. Zweitens echte Rückkehrpfade: Wer für zwei Jahre Care-Arbeit aussteigt, kommt auf ein Gleis zurück, nicht auf ein Abstellgleis. Sonst verliert man systematisch die Frauen der Sandwich-Generation. Drittens gleitende Übergänge statt Stichtag: Teilpensionierung mit einem expliziten Wissenstransfer-Mandat, bei dem die letzten Jahre der Übertragung dienen, nicht dem Auslaufen. Viertens Encore-Rollen: Pensionierte, die für Spitzen, Projekte oder Ausbildung zurückkehren.

Nichts davon ist exotisch. Exotisch ist nur, wie selten es systematisch gebaut wird.

Vier oder fünf Generationen arbeiten heute im selben Unternehmen. Wo entstehen daraus tatsächlich Reibungsverluste, und wo sind es eher Vorurteile?

Trennen wir sauber. Echte Reibung entsteht bei Kommunikationsnormen synchron oder asynchron, Anruf oder Chat, Sitzung oder Dokument. Bei der Werkzeugwahl. Beim Tempo von Entscheidungen. Und bei unterschiedlichen Erwartungen an Loyalität und Verweildauer: Wer vierzig Jahre in einer Firma geplant hat, versteht jemanden schwer, der in Drei-Jahres-Etappen denkt und umgekehrt. Das sind reale Koordinationskosten, und man löst sie mit expliziten Vereinbarungen statt mit Appellen.

Vorurteil ist dagegen fast alles, was sich auf Leistungsfähigkeit bezieht: dass Ältere nicht lernen wollten, Technologie nicht könnten, Veränderung blockierten. Die Evidenz dafür ist dünn; die Unterschiede innerhalb einer Altersgruppe sind durchweg grösser als zwischen den Gruppen. Alter ist ein schwacher Prädiktor für fast alles, was im Arbeitsalltag zählt.

Der eigentliche Punkt liegt tiefer: Die meiste «Generationenreibung» ist gar keine. Sie ist Reibung zwischen Strukturen, die für eine dreistufige Normalbiografie gebaut wurden (ausbilden, arbeiten, pensionieren) und Belegschaften, die längst anders leben. Wenn die Karrierelogik, die Weiterbildungsbudgets und die Beurteilungssysteme nur den linearen Aufstieg kennen, produziert das System Konflikte, die dann bequem den Generationen zugeschrieben werden. Das Vorurteil ist billiger als der Strukturumbau. Aber nur kurzfristig.

Welche organisatorischen Strukturen fehlen Ihrer Erfahrung nach am häufigsten, damit älteres Erfahrungswissen und jüngere Technologiekompetenz sich wirklich verbinden und nicht nur nebeneinander existieren?

Am häufigsten fehlt gemeinsame Verantwortung. Die meisten Unternehmen haben Mentoring-Programme, und die meisten dieser Programme sind Rituale: Man trifft sich, man redet, man geht auseinander, aber das Wissen bleibt, wo es war. Wissen fliesst nicht durch Gespräche über Arbeit, sondern durch Arbeit an denselben Problemen mit geteiltem Risiko. Die wirksamste Struktur ist deshalb das gemischte Team mit gemeinsamer Ergebnisverantwortung: nicht die Ältere berät und der Jüngere macht, sondern beide stehen für dasselbe Resultat ein.

Danach fehlen drei unspektakuläre Dinge. Erstens Zeit: Wissenstransfer, der neben dem vollen Tagesgeschäft stattfinden soll, findet nicht statt. Transfer braucht ein Zeitbudget wie jedes andere Projekt. Zweitens Anreize: Solange in der Leistungsbeurteilung nur zählt, was jemand selbst produziert, ist Wissen teilen individuell irrational. Wer sein Wissen übertragbar macht, muss dafür belohnt werden, nicht nur belobigt. Drittens ein Gedächtnis: Es braucht dokumentierte Entscheidungsarchive, also echte Grenzfälle mit Begründung, warum so entschieden wurde. Prozesse kann man aufschreiben; Urteilsvermögen kann man nur an Fällen zeigen.

Nichts davon ist teuer. Teuer ist die Alternative: zwei Belegschaften, die höflich nebeneinander arbeiten, bis eine davon in Pension geht.

Wie müsste Weiterbildung oder Wissenstransfer gestaltet sein, damit sie in beide Richtungen funktioniert, statt nur «von jung zu alt» zu denken?

Zuerst zur Blickrichtung: Bemerkenswerterweise denken die meisten Programme in nur eine Richtung und zwar je nach Thema in die jeweils bequeme. Beim Digitalen sollen Junge Alte schulen, beim Fachlichen Alte Junge einarbeiten. Beides behandelt eine Seite als Defizitgruppe. Das ist der Konstruktionsfehler.

Funktionierender Transfer ist ein Tauschgeschäft unter Gleichen: Technologiekompetenz gegen Urteilsvermögen, und beide Seiten sind gleichzeitig Lehrende und Lernende. Am besten gelingt das nicht im Kursraum, sondern am echten Fall: ein Tandem, das gemeinsam einen komplexen Schaden bearbeitet, überträgt in drei Wochen mehr in beide Richtungen als zwei getrennte Schulungsprogramme im Jahr. Erfahrungswissen lässt sich nicht als Handbuch übergeben, nur als gemeinsame Fallarbeit. Und digitale Kompetenz bleibt nicht hängen, wenn sie als Nachhilfe daherkommt, sondern wenn sie ein konkretes Problem des Erfahrenen löst.

Dahinter steht eine ökonomische Korrektur: Viele Unternehmen investieren ab fünfzig kaum noch in Weiterbildung, weil sich das «nicht mehr amortisiere». Diese Rechnung stammt aus einer Zeit, als mit 62 Schluss war. Wer bis 70 arbeitet, hat mit 55 noch fünfzehn Erwerbsjahre vor sich, also mehr, als manche Junge im Unternehmen bleiben werden. Die Amortisationslogik ist nicht falsch. Sie rechnet nur mit dem falschen Lebenslauf.

Sie sprechen von einer der grössten ungenutzten Geschäftschancen der kommenden Jahrzehnte. Welche konkreten Produktlücken sehen Sie heute bei Versicherern für die 50-plus- oder 60-plus-Generation?

Die grösste Lücke ist der Sickspan selbst: die Übergangszone zwischen «gesund» und «pflegebedürftig», die im Schnitt ein Jahrzehnt dauert. Dafür gibt es heute kaum Produkte: die Krankenversicherung deckt Behandlung, die Pflegeversicherung greift spät und dazwischen tragen Familien die Kosten selbst. Konkret fehlen: Überbrückungsprodukte für die frühe Pflegephase, hybride Produkte, die Prävention belohnen statt nur Schäden zu bezahlen, und Lösungen für das chronische Krankheitsmanagement.

Zweite Lücke: kognitive Einschränkung. Sie ist finanziell ein Grossereignis: Urteilsfähigkeit, Vollmachten, Kontozugriff, Anlageentscheide und produktseitig fast unbesetzt. «Supported Banking» und versicherbare Vorsorgestrukturen für den kognitiven Ernstfall wären ein eigenes Geschäftsfeld.

Dritte Lücke: die Sandwich-Generation. Wer mit 52 die Eltern pflegt, konvertiert Erwerbseinkommen in unbezahlte Care-Arbeit. Eine Care-Pausen-Absicherung, die Einkommens- und Vorsorgelücken überbrückt, existiert praktisch nicht.

Und viertens die Vermögensseite: Der grösste Vermögenstransfer der Geschichte ist zu einem erheblichen Teil ein Transfer innerhalb der Generation: in den USA gehen von den geschätzten 124 Billionen Dollar bis 2048 rund 54 Billionen zuerst an Ehepartner, mehrheitlich Frauen. Produkte und Beratung für genau diesen Moment, wie verwitwet, vermögend, oft erstmals allein entscheidend, sind erstaunlich rar.

Diese Kundengruppe hält den grössten Teil des privaten Vermögens, wird aber laut Ihnen von der Produktentwicklung weitgehend ignoriert. Woran liegt das? An der Datenlage, dem Zielgruppendenken oder an fehlender Nachfrage von innen?

An allen dreien, aber nicht zu gleichen Teilen. Der stärkste Faktor ist das Zielgruppendenken. Die Akquisitionslogik der Branche ist auf junge Segmente optimiert: Dort schliesst man Verträge mit langen Laufzeiten ab, dort rechnet sich der Kundenwert über Jahrzehnte. Die 60-Jährige gilt als «fertig versichert», als ein Bestand, den man verwaltet, kein Markt, den man entwickelt. Dass genau diese Kundin vor den teuersten und komplexesten Entscheidungen ihres Lebens steht: Pflege, Vermögensübergang, Wohnform, kognitive Vorsorge, kommt in dieser Logik nicht vor.

Die Datenlage trägt ihren Teil bei: Für die Übergangszone des Sickspan sind Morbiditätsdaten dünner als Sterblichkeitsdaten, und was man schlecht modellieren kann, bepreist man ungern. Das ist real, aber lösbar. Die Datenlücke ist eher Ausrede als Ursache.

Am interessantesten ist die fehlende Nachfrage von innen. Produkterfolg wird in Neugeschäft junger Kohorten gemessen; wer intern ein 60-plus-Produkt vorschlägt, kämpft gegen die eigene Erfolgsmetrik. Und es fehlt schlicht Longevity-Kompetenz in den Gremien: Nur etwa jeder vierte Erwachsene ist longevity literate, es gibt keinen Grund anzunehmen, dass Produktkomitees da eine Ausnahme bilden. Man entwickelt keine Produkte für ein Risiko, das man selbst nicht versteht.

Was unterscheidet die Erwartungen dieser Generation von jenen ihrer Eltern oder Grosseltern im gleichen Alter, insbesondere mit Blick auf Gesundheit, Reisen und Lebensgestaltung?

Der Kernunterschied: Diese Generation erwartet, das Alter zu gestalten, nicht es zu verwalten. Für ihre Eltern war die Pension eine Restzeit: man zog sich zurück, und die Erwartungen an die verbleibenden Jahre waren bescheiden. Die heutigen 60-Jährigen planen zwanzig bis dreissig aktive Jahre: Reisen, das nicht als einmalige Belohnung, sondern als Lebensbestandteil; Arbeit über das Pensionsalter hinaus, oft in neuer Form; zweite Karrieren, Weiterbildung, unternehmerische Projekte.

Bei der Gesundheit ist der Wandel am deutlichsten. Die Grosselterngeneration war Patientin. Gesundheit war etwas, das der Arzt verwaltete. Diese Generation steuert aktiv mit: Prävention, Wearables, Gesundheitsdaten, gezielte Information. Zugleich wächst der Anspruch auf Selbstbestimmung dort, wo es ernst wird: beim Wohnen im Alter, bei der Pflege, bei Entscheidungen am Lebensende. Man will entscheiden, nicht beschieden werden.

Für Versicherer folgen daraus zwei unbequeme Konsequenzen. Erstens vergleicht diese Kundin ihre Erlebnisse nicht mit der Versicherung von 1995, sondern mit den besten digitalen Diensten, die sie täglich nutzt. Zweitens ist diese Gruppe heterogener als jede Zielgruppe zuvor: 60 ist keine Lebensphase mehr, sondern nur ein Alter. Zwischen der Marathonläuferin und dem frühen Pflegefall liegen Welten: ein Segment «Senioren» zu führen, ist analytisch ungefähr so präzise wie ein Segment «Erwachsene».

Wenn Sie in fünf Jahren zurückblicken: Woran würden Sie festmachen, ob eine Versicherung den demografischen Wandel als strategische Transformation begriffen hat oder ihn weiterhin als HR-Problem behandelt?

An vier Dingen, die sich alle beobachten lassen. Erstens an der Verankerung: Liegt Longevity in der Geschäftsleitung mit eigener Verantwortung und eigenem Budget oder taucht es einmal jährlich im HR-Reporting unter «Altersstruktur» auf? Zweitens am Produktregal: Gibt es Angebote, die Healthspan adressieren und nicht nur Lifespan, sondern auch Sickspan-Überbrückung, Prävention, kognitive Vorsorge, messbar am Neugeschäft mit über 50-Jährigen? Drittens an der Belegschaftsstrategie: Rechnet sie mit Brüchen, wie Rückkehrprogramme, gleitende Pensionierungen mit Transfermandat, dokumentiertes Erfahrungswissen oder verabschiedet sie weiterhin jedes Jahr still ihr wertvollstes Kapital? Und viertens an der Beratung selbst: Sprechen die Kundengespräche alle vier Kapitalformen an Geld, Gesundheit, Beziehungen, Strukturen oder weiterhin nur das Portfolio?

Wer einen schnelleren Test will, braucht nur eine einzige Frage zu stellen: Wie viele Sickspan-Jahre prognostizieren Sie Ihrem eigenen Kundenbestand, und welche Ihrer Produkte decken sie ab? Eine Versicherung, die darauf eine Antwort hat, hat den Wandel als Transformation begriffen. Eine, die zuerst klären muss, wer dafür zuständig ist, beantwortet die Frage auch, nur anders, als sie meint.

Die Fragen hat Binci Heeb gestellt.

Nadine Esposito ist Gründerin von Wellthspan Advisory, einer Beratung mit Sitz in der Schweiz und Australien, die Versicherer und Finanzinstitute aber auch andere Unternehmen zum Thema Longevity und demografischem Wandel begleitet. Sie ist Entwicklerin des Frameworks «Longevity Literacy 2.0», das finanzielle, gesundheitliche, soziale und strukturelle Ressourcen über den gesamten Lebensverlauf zusammen denkt, und Autorin einer wissenschaftlichen Publikation dazu. Mit der Unterscheidung von Lifespan, Healthspan und Sickspan hat sie eine Begrifflichkeit geprägt, die die Lücke zwischen Lebenserwartung und gesunder Lebenserwartung ins Zentrum der Produkt- und Strategiediskussion rückt.

Lesen Sie auch: Länger leben, kürzer planen?

Vectoryx positioniert sich als regulierte Multi-Party-Infrastruktur für die Schadenabwicklung und bringt unter anderem mit einer ChatGPT-Integration die Erstmeldung direkt in den Dialog mit Betroffenen. Co-Founder Alexander Stade über Medienbrüche, Interoperabilität und die Frage, warum Schadenmanagement selten an der Regulierung scheitert.

Gebäudeschäden sind komplexe Ereignisse mit vielen Beteiligten: Eigentümer, Bewohner, Hausverwaltung, Broker, Versicherer und Sanierungspartner. Genau an dieser Schnittstelle setzt Vectoryx mit «Claims» an, einem Produkt für die Schadenregulierung, welches alle Parteien in Echtzeit verbindet. Mit einer eigenen Anwendung im ChatGPT Store geht das Unternehmen zudem einen ungewöhnlichen Weg: die Schadensmeldung als dialogbasierte KI-Erfahrung. Im Gespräch mit thebrokernews erklärt Co-Founder Alexander Stade, wo die eigentlichen Bruchstellen im Schadenprozess liegen, wie regulierte Infrastruktur und KI-Interfaces zusammenspielen und wohin sich Vectoryx als Unternehmen entwickeln will.

Was war der konkrete Moment oder die konkrete Erfahrung, die zur Gründung von Vectoryx geführt hat?

Vectoryx ist aus eigener Betroffenheit entstanden. Ich habe über mehrere Jahre eine eigene Hausverwaltung aufgebaut und später veräussert. Genau dort ist der Schmerzpunkt entstanden: Schadenmanagement ist ein extrem umfangreicher Prozess mit sehr vielen Beteiligten. Und selbst wenn man alle Informationen zusammengeführt, eine saubere Datengrundlage geschaffen und diese an den Versicherer übermittelt hatte, vergingen anschliessend nochmals zwei bis zehn Monate, bis die Freigabe für die Ausführung der Arbeiten kam, was die Zufriedenheit aller Betroffenen massiv verschlechtert hat und alle Beteiligten schlussendlich aktiv Kunden «gekostet» hat.

Wir hatten also auf der einen Seite enorme Kommunikationsaufwände im Schadenfall, auf der anderen Seite enorme Koordinationsaufwände, etwa um Gutachter oder Sanierer mit den Betroffenen zusammenzubringen und danach überhaupt wieder in den Prozess zurückzufinden. Einer der Co-Founder kommt aus dem Versicherungsmaklersegment und hatte bei Schäden an Einfamilienhäusern exakt dieselben Koordinations- und Kommunikationsaufwände wie wir aus der Wohnungswirtschaft. Dazu kommt die wirtschaftliche Realität: Das Handling von Schäden ist personal- und IT-lastig, wird aber in der Regel nicht gesondert vergütet, sondern vom Kunden als Inklusivleistung betrachtet. Hoher Aufwand, kein Ertrag. So ist die Firma entstanden. Wir haben das Ganze projektiert, mit Schadensanierern, Versicherern und weiteren Hausverwaltungen gesprochen und daraus das erste Produkt entwickelt, das sich seitdem sehr stark weiterentwickelt hat.

Sie sagen, Schadenmanagement scheitere selten an der Regulierung selbst, sondern an fehlenden oder unsystematischen Informationen. Können Sie das an einem typischen Fall aus der Praxis festmachen?

Nehmen wir den Wasserschaden. Sehr übergeordnet läuft das so: Der Schaden wird dem Verwalter gemeldet, der Verwalter nimmt ihn auf und koordiniert anschliessend. Er bringt den Schadensanierer mit den Betroffenen zusammen, er informiert Makler und Versicherer, er steuert also genau diese Kommunikations- und Koordinationsaufwände. Parallel sammelt er Daten ein: Ursachenanalysen, Leckortungsberichte, Messprotokolle, Trocknungsangebote, Demontage- und Wiederherstellungsangebote und Beteiligteninformationen, welche sich aufgrund den Datenschutzbestimmungen meist nicht unkompliziert proaktiv speichern lassen, z.B. im WEG-Mietverhältnis.

Daraus entsteht eine Datengrundlage, die an den Versicherer übermittelt wird. Das Problem ist: Die Schadenmeldung kommt in der Praxis beim Versicherer in der Regel nicht so an, dass alle Daten vorliegen. Der Versicherer muss prüfen, gleicht die Daten ab und fragt dann nachträglich nach, weil Stammdaten fehlen, Informationen zu Beteiligten fehlen, die Leckortung fehlt, die Angebote nicht stimmig sind oder andere Inhalte fehlen. Das verzögert den gesamten Prozess, und zwar aktiv beim Versicherer. Genau da setzen wir an: Wir geben dem Versicherer die Daten strukturiert und in standardisierter Datenqualität, sodass er Entscheidungen in Minuten statt in Monaten treffen kann, weil alle entscheidungsrelevanten Informationen vorliegen.

Wie hat sich die Idee von Vectoryx seit der Gründung verändert, was haben Sie unterwegs gelernt, das Sie zu Beginn nicht erwartet hätten?

Dass es im Kern kein reines Software-, sondern ein Übersetzungsproblem ist. In der Versicherungswelt haben wir sehr lange Sales-Zyklen. Gleichzeitig arbeiten Gutachter und Schadensanierer in weiten Teilen manuell. Es treffen also völlig verschiedene Wirtschaftszweige aufeinander: das Handwerk über den Schadensanierer, die Prüfung von Inhalten durch den Gutachter, der Versicherer mit seinen traditionell stark regulierten Prozessen und der Hausverwalter mit seiner stetig wachsenden Digitalisierung. Jeder dieser Beteiligten spricht seine eigene Sprache, und man muss sie alle an einen Tisch holen.

Ein gutes Beispiel ist das Handwerk: Es ist ausserordentlich schwierig zu digitalisieren, daran haben sich schon ganz andere versucht. Das scheitert meist weniger an der Technik als daran, dass beim Handwerker schlicht keine Notwendigkeit besteht. Genau dieses Problem haben wir adressiert und strukturiert gelöst, indem wir alle Beteiligten in einem Prozess zusammenführen, ohne weitere Hürden zu schaffen.

Vectoryx verbindet Versicherer, Immobilienverwalter und Sanierungspartner in einem System. Wo genau entstehen heute die grössten Informationsverluste zwischen diesen Parteien?

Im Grunde immer dort, wo ein Systemsprung stattfindet. Und diese Systemsprünge sind sehr vielfältig. Das Handwerk funktioniert anders, auch softwareseitig, als die Wohnungswirtschaft. Die Wohnungswirtschaft funktioniert anders als die Versicherungslandschaft. Überall dort, wo ein Systembruch liegt, entstehen genau diese Verluste und teils massiven Aufwände in der Zusammenführung. Das gilt aber ebenso an dem Punkt, an dem die Betroffenen einbezogen werden. Manche Betroffene sind hochdigital unterwegs, andere sind z.B. achtzig Jahre alt und möchten ausschliesslich telefonieren. Wir haben es also nicht nur mit systembedingten, sondern auch mit generationsbedingten Brüchen zu tun. Hier agieren wir dann in Teilen auch als Impact-Startup, da wir die Inklusion, soweit es uns möglich ist, aktiv fördern und alle Beteiligten möglichst nahtlos einbinden.

Sie setzen auf BiPRO- und GDV-Konformität in Deutschland und deren Entsprechungen in Österreich und der Schweiz als Grundlage. Wie wichtig ist regulatorische Anschlussfähigkeit für die Akzeptanz bei etablierten Versicherern und wo bremst sie Innovation eher aus?

Wir orientieren uns mit unseren Prozessen an BiPRO und am GDV-Standard, sind aber bewusst nicht vollständig darauf festgelegt. Wir schauen vielmehr, dass wir diese verschiedenen Standards tatsächlich in der Praxis platzieren. Dazu zählt auch FRIDA, die Initiative im Versicherungsbereich, die über eine Wallet genau diesen Informationsfluss über die verschiedenen Beteiligten zusammenführen will. Und da entsteht natürlich ein Reibungspunkt, denn es steht die Frage im Raum, welches grundsätzliche Interesse ein Versicherer an einer Standardisierung hat. Er macht sich dadurch möglicherweise sogar ein Stück weit austauschbar: Wenn alle Informationen auf derselben Systemlandschaft basieren, wird es schwieriger, die eigene Kompetenz zu zeigen. Das ist allerdings eher eine Zukunftsfrage.

Für uns ist im ersten Schritt tatsächlich egal, mit welchem System der Versicherer arbeitet, denn wir können uns an jede bestehende Systemlandschaft anbinden. Wir können über APIs direkt ins Versicherersystem gehen. Wir können aber auch Agenten nutzen, um die Systeme des Versicherers ohne zusätzliche Kosten und mit sehr geringem Implementierungsaufwand zu bedienen. Genau das machen wir gerne in Piloten: direkt ins System, Informationen liefern, ohne dass es vorab eine komplexe Systemintegration braucht.

Mit der ChatGPT-Integration gehen Sie einen ungewöhnlichen Weg für die Erstmeldung. Warum ein Konsumenten-Interface wie ChatGPT statt einer eigenen App oder eines eigenen Portals?

Wir bieten selbstverständlich auch an, dass Betroffene über einen Link direkt in unseren Schadenprozess einsteigen oder simpel per klassischer E-Mail informiert werden. Aber man muss die Realität sehen: Es gibt heute wahnsinnig viele Apps. Der Versicherer hat seine App, die Hausverwaltung hat ihre App, teilweise haben inzwischen auch die Handwerker eigene Apps. Für den Betroffenen im Schadenfall ist dann kaum nachvollziehbar, wo der Fall gerade hängt, wie es weitergeht und welche Informationen benötigt werden.

Wir könnten jetzt die nächste App auf den Markt bringen und sagen: Leute, meldet euch hier an, um den Fortschritt zu sehen. Das machen wir bewusst nicht. Stattdessen ist es charmant, in die Systeme zu gehen, in denen die Menschen ohnehin schon arbeiten. Die Nutzerzahlen von ChatGPT und vergleichbaren Systemen zeigen, dass diese Interfaces angekommen sind. Genau dafür ist die GPT-Integration da: dort, wo die Beteiligten sowieso arbeiten, den Schaden anlegen, Informationen nachsteuern und Statusupdates abrufen zu können. Und sie erlaubt uns noch etwas: Schäden können uns auch dann gemeldet werden, wenn noch gar kein Vertrag mit einem Versicherer, einer Hausverwaltung oder einem Makler besteht. Auf dieser Ebene steuern wir in alle Richtungen aus.

Wie stellen Sie sicher, dass eine dialogbasierte, KI-gestützte Schadenmeldung tatsächlich vollständige und belastbare Daten liefert, gerade bei komplexen Gebäudeschäden?

Indem wir alle Beteiligten an einen Tisch holen. Wir wissen sehr genau, welche Informationen die verschiedenen Versicherer benötigen, weil wir entsprechende Partnerschaften pflegen. Wir haben Datenbanken und Integrationen, etwa zur Prüfung von Angeboten und wir binden Gutachter ein. Dadurch können wir im Moment der Schadenmeldung direkt reagieren, und diese Reaktion ist der unmittelbare Einbezug von Schadensanierer, Gutachter, Makler und den weiteren Beteiligten. So stellen wir die Informationen bereits in der Schadenmeldung so zusammen, dass sie anschliessend unkompliziert und vollständig an den Versicherer übertragen werden kann.

Eine native Integration auf Basis des OpenAI Apps SDK ist in Vorbereitung. Was ändert sich dadurch gegenüber dem heutigen GPT-Store-Modell?

Die Freigabe dafür haben wir tatsächlich bereits erhalten, die Veröffentlichung steht sehr kurzfristig an. Der Unterschied ist, dass der Nutzer unsere Applikation direkt in seine täglichen Workflows einbauen kann. Er kann unsere Integration aus einem bestehenden Chat heraus aufrufen und die Schadenmeldung genau dort anstossen. Und er kann sie kontextbezogen nutzen: Wenn sich jemand ohnehin gerade mit ChatGPT z.B. über Mietminderung unterhält, über reguläre Durchlaufzeiten oder über Rückfragen zur Nebenkostenabrechnung, kann er auf seinen konkreten Schaden differenzieren und über unser SDK genau dazu Rückfragen stellen. Auch aus der Wohnungswirtschaft heraus wird es interessant, da hier viele der Applikationen über GPT-Schnittstellen arbeiten: Wenn der Objektbetreuer sich «morgen» also mit GPT über ein Objekt «unterhält», kann hier bereits der Absprung zu uns stattfinden, völlig ohne Systemsprung. Auch diese storebasierten Absprünge sind in Zukunft somit grundsätzlich möglich.

Das Ganze ist in der finalen Veröffentlichung, und in den nächsten Monaten wird da noch einiges dazukommen.

Wie sieht Ihr Geschäftsmodell aus, wer bezahlt für Vectoryx und wie verändert sich diese Frage, wenn immer mehr Prozessschritte automatisiert ablaufen?

Bezahlt wird unser Modell unter anderem durch die Versicherer, denn sie haben den grössten Vorteil. Der Versicherer ist plötzlich in der Lage, Schäden innerhalb von Minuten, statt von Monaten zu regulieren. Wir bieten ihm auf dieser Ebene die Möglichkeit, pro Schadenfall rund tausend Euro an eigenen Personalressourcen einzusparen. Und, viel wichtiger, er steigert die Zufriedenheit seiner Versicherungsnehmer und macht sich dadurch am Markt einzigartig.

Eine automatisierte, strukturierte Bearbeitung und vor allem das Am-Ball-Bleiben beim Kunden, das proaktive Informieren, obliegt vollständig uns. Wir reagieren also nicht nur, wir informieren aktiv. Entscheidend ist: Wir liefern keine Software, die erst wieder von jemandem bespielt und gepflegt werden muss, wie das bei klassischen SaaS-Modellen der Fall war. Wir liefern eine Lösung. Und diese Lösung betrifft den Versicherer am stärksten, weil er den grössten Nutzen daraus zieht. Mit Blick auf die Zukunft verschlanken KI-Technologien die Prozesse natürlich weiter, und darauf setzen wir als KI-native, agentenbasiertes Unternehmen sehr stark. Dazu muss man aber auch sagen: Jeder einzelne Schadenfall kann so komplex sein und so viele Wege links, rechts oder durch die Mitte eröffnen, dass wir uns eher als Deep-Tech-Unternehmen verstehen, denn als klassisches InsurTech-Unternehmen.

Wo sehen Sie die grössten Widerstände bei Versicherern und Verwaltungen, wenn es um die Einführung einer plattformübergreifenden Schadeninfrastruktur geht?

Beim Versicherer liegt der Widerstand vor allem darin, dass er viele Prozesse, etwa die Aufnahme des Schadens, heute noch bei sich selbst sieht. Es braucht also ein Umdenken und die Öffnung für KI-native Lösungen, um die eigene Servicequalität zu steigern. Das ist ein historisch gewachsenes, traditionelles Thema der Branche: Versicherer sind grosse Unternehmen mit langen Entscheidungswegen, entsprechend lang sind die Zyklen. Es braucht schlicht Zeit, um dort hineinzukommen.

Wir haben allerdings sehr spannende Pilotprojekte in der Pipeline, über die dann auch entsprechende Volumina bearbeitet werden können. Bei den Verwaltungen sehen wir dagegen praktisch keine Widerstände, denn für den Hausverwalter ist unsere Leistung kostenfrei. Wir reduzieren seinen Aufwand pro Schadenfall im Mittel um rund zehn Stunden, verteilt über mehrere Monate. Unsere Hausverwaltungskunden bekommen von uns ein Dashboard, und wir haben Kunden, bei denen wir bereits hunderte Arbeitstage an Personal- und Systemressourcen eingespart haben, die anderweitig verwertet werden können.

Angebunden sind übrigens nicht nur klassische Fremdverwalter, sondern auch Bestandshalter und Kapitalanleger. Und da wir als White-Label-Lösung agieren, sieht niemand, dass wir im Hintergrund arbeiten. Wir steigern Servicequalität und Kundenzufriedenheit im Namen unserer Kunden. Entsprechend gibt es in der Wohnungswirtschaft keine negativ behafteten Befürchtungen gegenüber unserer Leistung.

Sie sind aktuell vor allem im DACH-Raum unterwegs. Wie skalierbar ist Ihr Modell über nationale Regulierungsgrenzen hinweg?

Wir sind bereits in den USA aktiv und haben dort eine eigene Niederlassung. Tatsächlich ist es so: Den «Schadenfall» haben wir in jedem Land dieser Welt. Es gibt stets einen Wohngebäudeversicherer, und es gibt am Ende jemanden, der den Schaden reparieren muss. Der Prozess, den wir hier aufbauen, ist damit in jedem Land reproduzierbar, sicher mit der einen oder anderen regulatorischen Anpassung, aber im Grundsatz ist er immer gleich. Das funktioniert in Deutschland, in Frankreich, in UK, in den USA und ebenso in asiatischen Märkten. Entsprechend planen wir aktuell eine sehr starke Skalierung in weitere Länder.

Wie viel Entscheidungsspielraum überlassen Sie der KI im Schadenprozess und wo ziehen Sie bewusst eine Grenze zur menschlichen Prüfung?

Wir treffen in der Regel zunächst keine Regulierungsentscheidung. Wenn ein Schaden unsere Qualitätspipeline durchlaufen hat, und dazu gehört unter anderem der Abgleich zwischen Ursache, Versicherungspolice und Versicherungsbedingungen, wissen wir zwar mit sehr hoher Wahrscheinlichkeit, ob der Schaden versichert ist oder nicht. Regulieren tun wir an dieser Stelle aber nicht, die Entscheidung bleibt beim Versicherer.

Mit einzelnen Versicherern arbeiten wir allerdings so weit zusammen, dass wir Regulierungsfreigaben erhalten: Wenn Schäden unseren Qualitätsmerkmalen entsprechen, können wir Frequenzschäden bis zu einer definierten Freigabegrenze von vornherein so freigeben, dass beim Versicherer im Nachgang gar kein Aufwand mehr entsteht. Damit fangen wir Frequenzschäden ab, die teilweise bis zu sechzig Prozent der Gesamtschäden ausmachen.

Ein wichtiger Punkt ist in diesem Zusammenhang die Nullschadenmeldung. Zu Beginn eines Schadens weiss niemand, ob dieser überhaupt versichert ist, das stellt sich erst im Verlauf und nach Ursachenanalyse heraus. Entsprechend bearbeiten wir sehr viele Schäden, die am Ende nicht versichert sind. Damit lösen wir die Dunkelziffer auf, die heute bei den Versicherern besteht: Schäden, die nicht versichert sind, Schäden unterhalb des Selbstbehalts, die nie gemeldet werden, oder Schäden, bei denen ein Makler oder Verwalter aktiv entscheidet, sie nicht zu melden, um die eigene Schadenquote nicht zu erhöhen. Der Schaden wird faktisch geschluckt. Die Folge ist, dass Underwriting und Risikokalkulation eigentlich gar nicht sauber möglich sind.

Genau das lösen wir auf, weil wir am Objekt angesiedelt sind. Uns ist egal, ob es in der Vergangenheit (oder in der Zukunft) einen Versichererwechsel, einen Maklerwechsel, einen Verwalterwechsel, oder einen Eigentümer- oder Mieterwechsel gab, denn wir sitzen immer auf dem Objekt. Dadurch können wir historische Stammdaten und historische Risikodaten liefern, was bislang schlicht niemand konnte, und den Blindspot im Underwriting auflösen.

Schlussendich haben aber auch wir Mitarbeiter, welche sich bei komplexeren Sachverhalten aktiv in den Prozess einschalten und Fragen klären oder Entscheidungen treffen.

Welche Rolle spielt Vertrauen bei Versicherten wie bei Versicherern, wenn ein KI-System zur zentralen Schnittstelle für Schadenfälle wird?

Man muss sehen, dass wir in der Regel zunächst nur steuern. Die eigentlichen Entscheidungen treffen die verschiedenen Instanzen. Entscheidend ist, dass wir die Menschen über den gesamten Prozess hinweg am Ball halten. Denn es geht ja meistens nicht darum, dass jemand zwingend mit einem Menschen sprechen möchte. Wenn ein Betroffener beim Versicherer, beim Sanierer oder beim Verwalter anruft, will er in aller Regel eine Information, weil sein Informationsbedürfnis nicht erfüllt ist. Genau das steuern wir von vornherein aus, indem wir Betroffene und jeden anderen Stakeholder so informiert halten, dass zu jedem Zeitpunkt klar ist, wann was passiert. Der grosse Vorteil ist, dass es in diesen Prozessen keine Blindspots mehr gibt. Und weil diese Blindspots fehlen, ist das Vertrauen deutlich höher als in der klassischen Schadenbearbeitung, in die viele Personalressourcen fliessen müssen, die naturgemäss anfällig sind für Urlaub, Krankheit und Personalengpässe. Wir steuern als sehr zuverlässiger Partner.

Wo steht Vectoryx in drei Jahren? Bleibt es ein Werkzeug für Schadenmanagement, oder wird daraus etwas Grösseres, etwa eine Dateninfrastruktur für die gesamte Immobilien- und Versicherungswirtschaft?

Wir sehen uns künftig als zentrale Datenschnittstelle für Versicherungsschäden in der Wohnungswirtschaft. Unsere Kernmaschinerie wird immer das Schadenmanagement bleiben, also das KI-native und agentenbasierte Schadenmanagement. Daneben gibt es aber natürlich Möglichkeiten, das Produkt weiterzuentwickeln. Wir verfügen über sehr viele Risikodaten und können, wie beschrieben, belastbare Risikoindexdaten liefern. Wir haben zudem enorm viele Daten zu Wiederherstellungsangeboten, zu Preisen und Preisentwicklungen. Damit können wir sowohl die Versicherungs- als auch die Immobilienwirtschaft umfassend dazu beraten, wie sich Risiken etwa durch Instandhaltungsmassnahmen mindern lassen. Und diese Risikominderung lässt sich in den Versicherungsprämien einpreisen. Fehlen dem Versicherer Risikoinformationen, können wir genau diese liefern.

Ein wichtiger Punkt kommt hinzu: Die Wohngebäudeversicherung ist für viele Versicherer derzeit ausgesprochen unattraktiv. Man sieht das daran, dass sich viele aus dem Markt zurückziehen, in den einzelnen Ländern gibt es eigentlich nur noch eine Handvoll wirklich relevanter Wohngebäudeversicherer. Das liegt daran, dass Schäden immer teurer und die Bearbeitung immer länger werden. In Amerika liegen die Durchlaufzeiten bis zur Rückmeldung durch die Versicherung im Mittel bei über 55 Tagen, mit stark steigender Tendenz. Auch in Deutschland wird das seit Längerem stark moniert. Wir sind mit unserer Leistung in der Lage, die Gebäudeversicherung wieder auf einen Stand zu bringen, der für den Versicherer attraktiv ist und dem Immobilienbesitzer als Versicherungsnehmer die Sicherheit gibt, dass sein Gebäude realistisch versichert ist und für diesen u.a. auch die Haftung selbst zu reduzieren.

Wenn Sie einer Person, die morgen einen Wasserschaden in ihrer Wohnung meldet, nur einen einzigen Rat geben könnten, welcher wäre das?

Haben Sie Verständnis für die klassischen Durchlaufzeiten der verschiedenen Beteiligten. Diese arbeiten meist zwar bereits zusammen, aber eben nicht auf einem zeitlichen Standard, welcher in der heutigen Zeit meist vorausgesetzt wird.

Gleichzeitig muss man heute ehrlich darauf hinweisen, dass die Durchlaufzeiten beim Versicherer sehr lang sind. Dafür kann weder der Verwalter etwas, noch sind die Beteiligten im Handwerk schuld – das sind Durchlaufzeiten, die die gesamte Branche treffen und teils auch darin begründet liegen, dass der Gesetzgeber Anforderungen stellt, welche in ihrem Umfang meist schwer zu überblicken sind.

Wir versuchen hier aufzuklären: Diese Zeiten existieren am Markt und sie belasten die Betroffenen. Aber die Zeiten ändern sich, und es gibt z.B. durch uns durchaus Möglichkeiten, Schäden qualitativ und deutlich schneller zu bearbeiten.

Wie gehen Sie mit Datenschutz um, wenn ein KI-System Schadendaten über mehrere Parteien hinweg zusammenführt?

Wir orientieren uns selbstverständlich an den geltenden Datenschutzstandards und erbringen unsere Leistung durchgehend im Rahmen der Auftragsdatenverarbeitung. Das heisst: Der Betroffene wie auch alle anderen Stakeholder sind so angebunden, dass die jeweilige Partei, genau die Daten von uns erhält, welche ausschliesslich zur Erfüllung des berechtigten Interesses der Beteiligten benötigt werden. Unser Ansatz ist, Daten nur so weit zu speichern, wie es tatsächlich notwendig ist, und sie in einzelnen Prozessschritten gegebenenfalls sogar zu anonymisieren. Wir halten diese Standards ausdrücklich für sinnvoll. Auch hier liefern wir dem Versicherer beispielsweise einen weiteren großen Entlastungsvorteil: Wir filtern Daten im Rahmen der Meldung bereits so vor, dass diese datenschutztechnisch unkritisch sind. Spannend wird es im Detail, denn zwischen beispielsweise dem deutschen und dem amerikanischen Markt gibt es durchaus erhebliche Unterschiede, dies ist aber ein anderes Thema.

Die Fragen hat Binci Heeb gestellt.

Alexander Stade ist Gründer und CEO von Vectoryx. Bevor er das Unternehmen 2025 gründete, baute er über mehrere Jahre eine eigene Hausverwaltung in der WEG- und Mietverwaltung auf. Die dort erlebten Reibungsverluste im Schadenmanagement wurden zum Ausgangspunkt für Vectoryx. 

Mit Vectoryx entwickelt er heute eine KI-native Infrastruktur, die Versicherer, Immobilienverwalter, Versicherungsmakler und Sanierungspartner in einem Prozess zusammenführt. Das Unternehmen ist in Hamburg und New York ansässig; 2026 wurde Stade mit Vectoryx für das Founders Program des Global Insurance Accelerator in Des Moines ausgewählt.

Lesen Sie auch: Swiss InsurTech Hub blickt auf ein bewegtes Halbjahr zurück

Er hat eine von der FINMA regulierte Kreditmarktplatz-Plattform aufgebaut und auf den Markt gebracht, als Fintech-Gründer die COVID-Krise überstanden und widmet sich nun dem, was ihn bereits in seiner Masterarbeit begeistert hat: dem Einsatz künstlicher Intelligenz in der Finanzdienstleistungs- und Versicherungsbranche. Ghassen Benhadjsalah ist Versicherungsmathematiker und KI-Ingenieur, Mitbegründer von inncivio und eine der führenden Persönlichkeiten an der Schnittstelle von Mathematik, Technologie und Versicherungsrisiko. thebrokernews trifft ihn zum ersten Interview mit einem Versicherungsmathematiker auf der Plattform.

Versicherungsmathematiker sind die unsichtbaren Architekten der Versicherungsbranche. Sie berechnen die Kosten von Risiken, die Wahrscheinlichkeit des Eintritts von Schadensfällen und wie viel Kapital ein Versicherer zurücklegen muss, um auch in Zukunft zahlungsfähig zu bleiben. Ghassen Benhadjsalah ist einer von ihnen, doch er ist nicht der Typ, der still im Hintergrund sitzt und Berechnungen anstellt. Sein beruflicher Werdegang führte ihn von der Universität Lausanne über mehrere Startups zu seiner derzeitigen Position bei inncivio, wo er gemeinsam mit Anna Raafat und Fernando Felix die Echtzeit-Risikobewertung mithilfe von KI in Versicherungs- und Handelsplattformen integriert.

Für thebrokernews ist dies eine gute Gelegenheit, mehr über seine Sichtweise auf eine Branche im Wandel zu erfahren. Für mich waren diese beiden Disziplinen schon immer eng miteinander verbunden. Es handelt sich bei beiden um quantitative Fachgebiete, und in beiden muss man unter bestimmten Einschränkungen Entscheidungen treffen. Ein Ingenieur muss mit begrenzten Ressourcen denken, konstruieren und gestalten. Das macht einen Ingenieur aus: Man hat selten unbegrenzte Zeit, ein unbegrenztes Budget oder perfekte Bedingungen. Man muss das Problem verstehen, eine Lösung entwerfen und dafür sorgen, dass sie in der realen Welt funktioniert.

Herr Benhadjsalah, Sie sind Versicherungsmathematiker und Ingenieur. Das ist eine seltene Kombination. Wie kam es dazu, und was hat Sie an der Versicherungsmathematik fasziniert?

Ein Versicherungsmathematiker steht vor einer ähnlichen Herausforderung, allerdings im Zusammenhang mit Risiken. Man muss Unsicherheiten auf der Grundlage begrenzter Datenmengen quantifizieren. Man hat nie ein perfektes Bild von der Zukunft, muss aber dennoch verantwortungsvolle Entscheidungen treffen: Wie wahrscheinlich ist ein Ereignis, wie schwerwiegend könnte es sein, wie viel Kapital wird benötigt und wie sollte das Risiko bewertet werden?

Diese Kombination hat mich fasziniert. Das Ingenieurwesen gab mir die Werkzeuge an die Hand, um Systeme zu entwickeln, während mir die Versicherungsmathematik den Rahmen bot, um Unsicherheiten und finanzielle Konsequenzen zu verstehen. Der Grossteil meiner Karriere drehte sich darum, diese beiden Welten zusammenzubringen. Damals verwendeten wir den Begriff «KI» noch nicht so, wie man ihn heute versteht. Wir sprachen eher von maschinellem Lernen, statistischem Lernen und Vorhersagemodellen. Aber die Kernidee war dieselbe: Können wir Daten nutzen, um Muster zu erkennen, die ein Mensch nur schwer erkennen würde?

Ihre Masterarbeit, die Sie vor über 15 Jahren verfasst haben, befasste sich mit dem Einsatz von KI zur Betrugsaufdeckung in der Versicherungsbranche. Was hat Sie damals dazu bewogen, und waren Sie Ihrer Zeit nicht etwas voraus?

Betrugsaufdeckung in der Versicherungsbranche war ein naheliegendes Thema, da Versicherungen schon immer ein Datengeschäft waren. Schadensfälle, Kundenprofile, historisches Verhalten, Anomalien, Beziehungsnetzwerke, all das enthält Signale. Die Herausforderung besteht darin, dass Betrug nicht immer offensichtlich ist. Oft zeigt er sich eher als schwaches Muster über viele Variablen hinweg als ein eindeutiges Warnsignal. Mich interessierte, ob Algorithmen Versicherern helfen könnten, verdächtige Fälle schneller und genauer zu identifizieren nicht, um menschliches Urteilsvermögen zu ersetzen, sondern um Prioritäten zu setzen, worauf sich menschliches Fachwissen konzentrieren sollte.

Rückblickend war es wahrscheinlich tatsächlich noch zu früh. Aber für mich war es offensichtlich, dass Finanzdienstleistungen und Versicherungen irgendwann viel stärker datengesteuert sein würden. Die Technologie war noch nicht so ausgereift wie heute, aber die Richtung war bereits erkennbar. Ich würde sagen, ein Versicherungsmathematiker hilft dem Markt dabei, Unsicherheiten mit einem Preis und einer Struktur zu versehen.

Versicherungsmathematiker werden oft als die stillen Architekten des Risikos angesehen. Wie würden Sie einem Laien erklären, was ein Versicherungsmathematiker eigentlich tut?

Versicherungen gibt es, weil Einzelpersonen und Unternehmen Risiken ausgesetzt sind, die sie nicht alleine tragen können: Krankheit, Unfälle, Langlebigkeit, Naturkatastrophen, Betriebsunterbrechungen und vieles mehr. Die Aufgabe eines Versicherungsmathematikers besteht darin, abzuschätzen, wie oft diese Ereignisse eintreten könnten, wie schwerwiegend sie sein könnten und wie viel Geld eingenommen oder zurückgestellt werden muss, damit Versprechen auch in Zukunft eingehalten werden können.

Einfach ausgedrückt: Ein Versicherungsmathematiker übersetzt Unsicherheit in Zahlen, die es Unternehmen ermöglichen, verantwortungsvolle Entscheidungen zu treffen. Es geht nicht nur um die Preisgestaltung von Versicherungen. Es geht auch um Solvenz, Kapital, Fairness, langfristige Nachhaltigkeit und Vertrauen. Die besten Versicherungsmathematiker sind nicht nur Mathematiker. Sie verstehen menschliches Verhalten, Regulierung, Geschäftsmodelle und die Grenzen von Modellen. Dieser letzte Punkt ist sehr wichtig: Ein guter Versicherungsmathematiker weiss, dass das Modell nur ein Werkzeug ist, nicht die Wahrheit. Die grösste Herausforderung bestand darin, eine Kreditentscheidung in Echtzeit zu treffen und dabei dennoch verantwortungsbewusst mit Risiken umzugehen. In einem «Jetzt kaufen, später bezahlen»-Umfeld erwartet der Kunde eine sofortige Antwort. Der Händler möchte einen reibungslosen Bezahlvorgang. Aber das Unternehmen muss dennoch entscheiden, ob es bei dieser Transaktion ein akzeptables Kreditrisiko eingeht. Ein Prozess, der Stunden oder Tage dauert, ist nicht möglich. Die Entscheidung muss sofort fallen.

Sie waren schon früh bei Swissbilling, heute Cembra Pay, dabei und haben dort das KI-Modell zur Kreditrisikobewertung in Echtzeit aufgebaut. Was war dabei die grösste Herausforderung?

Das war eine perfekte frühe Anwendung von KI. Letztendlich geht es beim Aufbau eines KI-Modells darum, Ergebnisse mithilfe eines mathematischen Ansatzes vorherzusagen. In diesem Fall war das Ereignis, das wir modellierten, der Zahlungsausfall: Der Endkunde erhält die Ware, ist aber anschliessend nicht in der Lage oder nicht bereit, die Rechnung zu bezahlen.

Was es interessant machte, war, dass die Branche bereits über umfangreiche Daten verfügte. Wir konnten in Echtzeit auf zahlreiche Informationen zugreifen und diese nutzen, um bessere Entscheidungen zu treffen. Damals verliessen sich viele Unternehmen noch auf Entscheidungsbäume, statische Regeln und relativ starre Modelle. Wir dachten bereits über maschinelles Lernen nach, um Risiken dynamischer zu bewerten.

Die andere Herausforderung bestand darin, dass das Modell nicht in einer Tabellenkalkulation existierte. Es musste in einem echten Unternehmen funktionieren mit echten Kunden, echten Händlern, echten Verlusten und echtem Wachstumsdruck. Hier kam mir mein ingenieurwissenschaftlicher Hintergrund zugute. Es ist eine Sache, ein Modell zu entwerfen; eine andere, es in der Praxis zum Laufen zu bringen. Ein traditioneller Fintech-Gründer beginnt oft mit dem Produkt, dem Markt und den Wachstumschancen. Ein Versicherungsmathematiker betrachtet diese Aspekte ebenfalls, fragt aber sofort: Wo liegt das versteckte Risiko? Was passiert in einer Konjunkturflaute? Welche Annahmen treffen wir? Sind die Anreize aufeinander abgestimmt? Was passiert, wenn das Modell falsch ist?

Anschliessend haben Sie Ihre eigene Kreditmarktplatz-Plattform namens Acredius gegründet, die von der FINMA über die SRO PolyReg reguliert wird. Inwiefern unterscheidet sich die Denkweise eines Versicherungsmathematikers von der eines traditionellen Fintech-Gründers?

Bei Acredius haben wir Investoren mit kleinen und mittleren Unternehmen zusammengebracht, die auf der Suche nach Finanzierungen waren. Das bedeutete, dass wir nicht nur einen Marktplatz aufgebaut haben. Wir hatten es auch mit Kreditrisiken, den Erwartungen der Investoren, regulatorischen Verpflichtungen und Vertrauen zu tun.

Die Denkweise eines Versicherungsmathematikers hat mir geholfen, nicht nur in Volumen zu denken. Im Kreditgeschäft kann Wachstum gefährlich sein, wenn das Risiko nicht richtig verstanden wird. Ein Marktplatz kann in guten Zeiten sehr erfolgreich aussehen, weil Kredite vergeben werden, aber die eigentliche Bewährungsprobe kommt später, wenn Rückzahlungen erfolgen oder auch nicht.

Ich würde also sagen, dass die Denkweise eines Versicherungsmathematikers eine gewisse Disziplin mit sich bringt. Sie nimmt einem nicht den Ehrgeiz, zwingt einen aber dazu, die Kehrseite zu berücksichtigen. COVID war eine sehr demütigende Erfahrung. Man kann Kreditrisiken, Ausfallwahrscheinlichkeiten, makroökonomische Szenarien und Stressfälle modellieren. Aber manchmal ist der Schock nicht nur wirtschaftlicher Natur, sondern auch politischer und struktureller Art. In der Schweiz veränderte sich der Markt fast über Nacht, als die Regierung plötzlich zinslose Kredite für Unternehmen anbot.

COVID traf Acredius hart, da die Regierung plötzlich begann, zinslose Kredite zu vergeben. Wie geht man als Unternehmer und Risikospezialist mit einem Risiko um, das man schlichtweg nicht modellieren konnte?

Für einen Kreditmarktplatz ist das kein normales Wettbewerbsereignis. Es verändert die gesamte Nachfrageseite des Geschäfts. Warum sollte ein Unternehmen über einen Marktplatz Kredite aufnehmen, wenn es kostenlos staatlich abgesicherte Finanzierungen erhalten kann?

Als Risikospezialist lautet die Lehre daraus, dass nicht jedes Risiko anhand historischer Daten modelliert werden kann. Manche Risiken sind Regimewechsel. Die Welt, auf der Sie Ihr Modell trainiert haben, ist nicht mehr die Welt, in der Sie agieren.

Als Unternehmer muss man die Realität schnell akzeptieren. Man darf sich nicht in sein Modell oder seinen ursprünglichen Plan verlieben. Man muss sich fragen: Was gilt noch, was hat sich dauerhaft verändert und was können wir mit den uns zur Verfügung stehenden Ressourcen und unserem Wissen tun?

Es war schmerzhaft, aber es hat auch eine meiner Grundüberzeugungen bestärkt: Risiko ist nicht der Feind. Risiko ist der Rohstoff. Die Gefahr besteht darin, so zu tun, als gäbe es Risiken nicht. inncivio ist eine agentenbasierte Umsatzinfrastruktur für Finanzdienstleistungen und Versicherungen. Wir helfen Plattformen dabei, ihr Transaktionsvolumen zu steigern, indem wir das Transaktionserlebnis für jeden einzelnen Nutzer hyper-personalisieren.

Heute sind Sie Mitbegründer von inncivio, wo Sie KI und maschinelles Lernen direkt in Versicherungs- und Handelsplattformen integrierst. Was genau macht das Unternehmen?

Wenn man sich die letzten 15 bis 20 Jahre ansieht, hat der Zugang zu Finanzprodukten massiv zugenommen. Wir haben heute mehr digitale Bankprodukte, mehr Handelsprodukte, mehr Arten von Derivaten, mehr Versicherungsprodukte, mehr digitale Vermögenswerte und sogar Prognosemärkte. Die Anzahl und Komplexität der Finanzprodukte ist explosionsartig gestiegen. Doch die Art und Weise, wie Nutzer mit diesen Produkten interagieren, ist relativ starr, standardisiert und komplex geblieben. Die meisten Plattformen präsentieren immer noch denselben Ablauf, dieselben Bildschirme und dieselben Erklärungen für sehr unterschiedliche Nutzer, obwohl diese Nutzer unterschiedliche Wissensstände, unterschiedliche Absichten und unterschiedliche Momente der Verwirrung haben.

Genau dieses Problem löst inncivio. Wir sind der Ansicht, dass Finanzprodukte zunehmend «roh» auf Produktebene entwickelt werden und Plattformen dann eine intelligente Ebene benötigen, die das Transaktionserlebnis an jeden einzelnen Nutzer anpasst. Diese Ebene stellen wir bereit.

Wir integrieren uns über eine schlanke Infrastrukturschicht direkt in Finanzplattformen. Wir erfassen anonymisierte Verhaltens- und Kontextsignale (zum Beispiel, wo der Nutzer zögert, in welchem Schritt er sich befindet, welches Produkt er sich ansieht) und liefern dann kontextbezogene Hilfestellungen wie Erklärungen, Anstösse, Tooltips, Videos oder Handlungsaufforderungen.

Das Ziel ist nicht, den Nutzer zu manipulieren. Das Ziel ist es, Reibungsverluste zu reduzieren und das Verständnis genau in dem Moment zu verbessern, in dem es darauf ankommt. Für die Plattform kann dies das Transaktionsvolumen und die Nutzerbindung steigern. Für den Nutzer kann es dazu beitragen, komplexe finanzielle Abläufe einfacher zu bewältigen. Wichtig ist, dass wir direkt in den Ausführungsweg eingebunden sind. Wir sind kein generischer Chatbot außerhalb des Produkts. Wir sind in den eigentlichen Entscheidungsprozess eingebettet. Ja, und ich denke, dass dieser Konflikt gesund ist.

Bei inncivio tragen Sie sowohl die Rolle eines Versicherungsmathematikers als auch die eines KI-Strategen. Gibt es Momente, in denen diese beiden Perspektiven in Konflikt geraten?

Der KI-Stratege will schnell vorankommen, testen, lernen und optimieren. Der Versicherungsmathematiker fragt: Was sind die Annahmen, was sind die unbeabsichtigten Folgen, was passiert, wenn das Modell falsch ist, und wie messen wir die Auswirkungen richtig?

Im Finanzdienstleistungsbereich kann man Optimierung nicht als rein technische Aufgabe betrachten. Wenn ein KI-System das Nutzerverhalten beeinflusst, muss man verstehen, worauf es optimiert. Hilft es dem Nutzer? Verbessert es die Wirtschaftlichkeit der Plattform? Ist es konform? Ist es ausreichend erklärbar? Könnte es zu Verzerrungen führen?

Der Versicherungsmathematiker in mir sorgt also für Disziplin, und der KI-Stratege in mir für Geschwindigkeit und Experimentierfreudigkeit. Der Schlüssel liegt darin, beides zu kombinieren. KI ohne Risikodisziplin kann gefährlich werden. Risikodisziplin ohne Innovation kann irrelevant werden. Die Rolle hat sich erheblich verändert. Vor zehn Jahren waren viele versicherungsmathematische Modelle noch relativ traditionell: statistische Modelle, Rückstellungsmethoden, Tariftabellen, Kapitalmodelle. Diese sind nach wie vor wichtig, aber das Datenumfeld hat sich dramatisch verändert.

Wie hat sich die Rolle des Versicherungsmathematikers in den letzten zehn Jahren durch KI und maschinelles Lernen verändert, und wohin entwickelt sich das Fachgebiet?

Heute haben Versicherungsmathematiker Zugang zu detaillierteren Daten, mehr Echtzeit-Signalen und leistungsfähigeren Modellierungstechniken. Maschinelles Lernen kann Muster erkennen, die traditionellen Methoden möglicherweise entgehen. Generative KI kann bei der Dokumentation, der Szenarioanalyse, der Kundenkommunikation und internen Arbeitsabläufen helfen.

Ich glaube jedoch nicht, dass KI die Bedeutung von Versicherungsmathematikern mindert. Ich denke, sie verändert vielmehr, was einen Versicherungsmathematiker wertvoll macht. Der Versicherungsmathematiker der Zukunft muss technischer und produktorientierter sein und sich im Umgang mit Datenwissenschaftlern und Ingenieuren wohlerfühlen. Doch die Kernkompetenz des Versicherungsmathematikers bleibt unverzichtbar: das Verständnis von Unsicherheit, Anreizen, langfristigen Verpflichtungen und den Folgen von Fehlentscheidungen. In einer Welt, in der KI sehr schnell Antworten liefern kann, wird die Rolle des Versicherungsmathematikers zunehmend darin bestehen, zu hinterfragen, ob die Antwort zuverlässig, fair, robust und wirtschaftlich sinnvoll ist. Technisch ist heute vieles möglich, doch der Begriff «Echtzeit-Risikobewertung» wird manchmal zu locker verwendet.

In der Versicherungsbranche wird viel über Echtzeit-Risikobewertung gesprochen. Was ist heute tatsächlich technisch möglich, und was ist noch immer nur Marketing-Jargon?

Möglich ist es, Echtzeit- oder Nahe-Echtzeit-Daten zu nutzen, um Entscheidungen zu verbessern. In der Versicherungsbranche könnte das dynamisches Underwriting, Betrugserkennung, Schaden-Triage, Preisanpassungen, Risikoprävention oder Kundenberatung bedeuten. Im Handel oder Kreditgeschäft kann dies bedeuten, Zögern, Risikobereitschaft, Eignungsprobleme oder Verhaltensmuster zu erkennen, sobald sie auftreten.

Technisch gesehen gibt es die Werkzeuge: APIs, Ereignisströme, Modelle des maschinellen Lernens, Cloud-Infrastruktur und eingebettete KI-Schnittstellen. Die grösseren Herausforderungen sind in der Regel nicht die Algorithmen. Es sind vielmehr die Datenqualität, regulatorische Auflagen, Erklärbarkeit, die Integration in Altsysteme und die organisatorische Bereitschaft.

Was Marketing-Jargon ist, ist die Vorstellung, dass jedes Risiko in Echtzeit perfekt bewertet werden kann. Manche Risiken entwickeln sich langsam. Manche erfordern Kontext, der digital nicht verfügbar ist. Manche lassen sich nicht anhand des bisherigen Verhaltens vorhersagen. Und manche Echtzeitsignale sind verrauscht oder irreführend.

Ich würde die Grenze also so ziehen: Echtzeit-Risikobewertung ist wertvoll, wenn sie eine bestimmte Entscheidung in einem bestimmten Arbeitsablauf verbessert. Sie wird zum Jargon, wenn sie als magische Ebene dargestellt wird, die alle Risiken sofort versteht. Ich denke, beides trifft zu.

Schweizer InsurTechs haben es auf der internationalen Bühne oft schwer. Stimmen Sie dem zu, oder wird der Schweizer Markt unterschätzt?

Schweizer InsurTechs und Fintechs haben es oft schwerer, international zu skalieren, da die Schweiz ein relativ kleiner Markt ist. Man kann zwar ein starkes Produkt entwickeln, erreicht aber im Inland möglicherweise nicht dieselbe Grössenordnung wie ein Unternehmen, das in den USA startet. Auch die Kapitalbeschaffung kann konservativer sein, und Schweizer Unternehmen kommunizieren manchmal weniger aggressiv als ihre internationalen Konkurrenten.

Gleichzeitig wird der Schweizer Markt unterschätzt. Die Schweiz verfügt über fundiertes Fachwissen in den Bereichen Versicherung, Bankwesen, Risikomanagement, Regulierung und Vermögensverwaltung sowie über technisches Know-how. Wenn man etwas entwickelt, das in der Schweiz funktioniert – insbesondere in einem regulierten Umfeld –, kann das ein starkes Glaubwürdigkeitssignal sein.

Die Herausforderung besteht darin, dass Schweizer Unternehmen früher international denken müssen. Die Qualität ist oft vorhanden. Der Ehrgeiz und die Kommunikation müssen dem entsprechen. Ich denke, eines der grössten Risiken besteht darin, dass die Branche ihre Infrastruktur nicht auf moderne KI vorbereitet.

Als jemand, der seit Jahren an der Schnittstelle von Versicherung, KI und Technologie tätig ist: Welche Risiken werden Ihrer Meinung nach von der Branche immer noch nicht erkannt?

Die Versicherungsbranche verfügt über sehr umfangreiche Datenbestände, aber oft über eine sehr mangelhafte Dateninfrastruktur. Die Art und Weise, wie Daten erfasst, strukturiert, bereinigt, verknüpft und für KI und maschinelles Lernen nutzbar gemacht werden, hinkt in vielen Organisationen noch hinterher. Das ist nicht nur ein technisches Problem. Es ist ein Umdenken erforderlich.

Das Risiko besteht darin, dass Unternehmen ein generisches KI-Modell auf Daten von schlechter Qualität anwenden und transformative Ergebnisse erwarten. Die Ergebnisse werden dann generisch, unvollständig oder enttäuschend ausfallen. Die Leute werden sich das ansehen und sagen: «KI ist für unsere Branche noch nicht bereit», obwohl das Problem in Wirklichkeit nicht nur beim Modell liegt. Das Problem ist die zugrunde liegende Infrastruktur. Das ist gefährlich, weil es dazu führen kann, dass die Branche weiter ins Hintertreffen gerät. KI braucht Kontext, Struktur und hochwertige Daten, um nützlich zu sein. Ohne diese Voraussetzungen wird selbst das beste Modell Schwierigkeiten haben.

Deshalb werden Menschen mit einem doppelten Hintergrund immer wertvoller: Menschen, die sich mit Data Engineering und Technologie auskennen, aber auch mit Versicherungen, Finanzen und Risiken. Man muss in der Lage sein, Technologie mit den Augen eines Versicherungsmathematikers zu betrachten und das Versicherungswesen mit den Augen eines Technologen. An dieser Schnittstelle wird ein Grossteil des Mehrwerts geschaffen. Ich würde ihnen raten: Eignet euch die Grundlagen gründlich an, aber belasst es nicht dabei. Ihr braucht nach wie vor Kenntnisse in Mathematik, Wahrscheinlichkeitsrechnung, Statistik, Finanzen und Versicherungswesen. Generative KI ersetzt diese Grundlage nicht. Tatsächlich macht sie diese Grundlage sogar noch wichtiger, denn man muss erkennen können, wann die Maschine falsch liegt.

Welchen Rat würden Sie jungen Menschen geben, die heute eine Karriere in der Versicherungsmathematik anstreben, insbesondere vor dem Hintergrund der generativen KI?

Ich würde junge Versicherungsmathematiker aber auch ermutigen, sich mit Programmierung, Datenwissenschaft, maschinellem Lernen und Produktdenken auseinanderzusetzen. Seht euch nicht nur als jemanden, der Berichte oder Modelle erstellt. Seht euch als jemanden, der beim Aufbau von Entscheidungssystemen helfen kann.

Die besten Chancen werden diejenigen haben, die Brücken zwischen verschiedenen Welten schlagen können: Versicherungsmathematik und KI, Regulierung und Innovation, Wirtschaft und Technologie. Meine Empfehlung lautet ausserdem: Bleibt neugierig. KI wird viele Werkzeuge verändern, aber Neugier, Urteilsvermögen und Verantwortungsbewusstsein werden weiterhin sehr wertvoll sein. Leidenschaft auf jeden Fall und ganz konkret: Leidenschaft für das Schöpferische.

Zum Schluss: Sie haben sechs Unternehmen mitbegründet oder gegründet. Was treibt Sie an: Risiko oder Leidenschaft?

Ich baue gerne Dinge auf. Ich mag das Gefühl, etwas von Null auf Eins zu bringen: von einer Idee über eine erste Version zu einem Produkt, zu einem Unternehmen, zu etwas, das Kunden tatsächlich nutzen. Das ist mein grösstes Glücksgefühl.

Ausserdem mag ich es, mein Schicksal selbst in die Hand zu nehmen. Unternehmertum ist schwierig und manchmal schmerzhaft, aber es gibt einem die Möglichkeit, den eigenen Weg zu gestalten und etwas zu schaffen, das die eigene Sicht auf die Welt widerspiegelt.

Risiko um des Risikos willen reizt mich nicht. Ich glaube nicht, dass Unternehmer Unsicherheit verherrlichen sollten. Aber ich fühle mich zu Problemen hingezogen, bei denen Unsicherheit herrscht und bei denen Technologie den Menschen helfen kann, bessere Entscheidungen zu treffen. Das war der rote Faden in meiner Karriere: Versicherungsbetrug, Kreditrisiko, Kreditvergabe, Handel, Finanzberatung, KI. Das sind alles Bereiche, in denen die Entscheidungen komplex sind und es um echte Risiken geht.

Ich würde also sagen, dass nicht das Risiko mich antreibt. Das Risiko ist das Material, mit dem ich arbeite. Das Schöpferische ist es, was mich antreibt.

Die Fragen hat Binci Heeb gestellt.

Ghassen Benhadjsalah ist ein erfahrener Tech-Unternehmer mit einem akademischen Hintergrund in den Bereichen KI und Versicherungsmathematik. Im Laufe der Jahre hat er mehrere Startups gegründet, die grösstenteils an der Schnittstelle von Fintech, Versicherungswesen und KI angesiedelt sind. Er ist ein leidenschaftlicher Entwickler und zäher, durchhaltefähiger Gründer, der sowohl über technisches als auch über betriebswirtschaftliches Know-how verfügt.

Lesen Sie auch: Wie inncivio KI nutzt, um kontextbezogene Benutzerführung für die Transaktionswirtschaft neu zu gestalten

Künstliche Intelligenz hat die Dokumentenverarbeitung revolutioniert. Während viele Anbieter erst mit dem Aufkommen grosser Sprachmodelle in diesen Bereich eingestiegen sind, arbeitet Parashift bereits seit 2018 an der automatisierten Dokumentenverarbeitung und hat seither einen grossen Kundenstamm aufgebaut. Zu diesem gehören unter anderem AXA, Swica, Raiffeisen, Swisscom, Mercedes, DB und Glencore.

In dieser Zeit hat das Schweizer Unternehmen einen breiten Kundenstamm in der Versicherungs- und Bankenbranche sowie im Gesundheitswesen aufgebaut. Angesichts des EU AI Act und der aktuellen Debatte um «digitale Souveränität» rückt nun ein neues Thema in den Fokus, das alle regulierten Branchen betrifft. Im Gespräch mit thebrokernews erläutert Parashift-Gründer und CEO Alain Veuve, was Schweizer und europäische Unternehmen jetzt wissen müssen, wie er die Entwicklung der KI-gestützten Dokumentenverarbeitung einschätzt und warum er der Ansicht ist, dass Regulierung nicht unbedingt ein Hindernis darstellt, sondern auch ein Wettbewerbsvorteil sein kann.

Herr Veuve, Sie haben Parashift vor acht Jahren gegründet, lange bevor Large Language Models (LLMs) die Künstliche Intelligenz (KI) in den Mainstream gebracht haben. Was hat Sie damals motiviert, sich auf automatisierte Dokumentenverarbeitung zu spezialisieren? Und was hat sich seither technologisch fundamental verändert?

Der Ursprung war eigentlich pragmatisch: Wir brauchten damals selbst eine Lösung für das automatische Auslesen vieler verschiedener Dokumente. Meine ersten Anfragen bei etablierten Anbietern waren ziemlich ernüchternd. Aber nicht weil sie sagten, es ginge nicht, sondern weil ihre Definition von «gelöst» und meine fundamental auseinandergingen. Was sich technologisch seither verändert hat, ist erheblich. Der Aufstieg grosser Sprachmodelle hat das öffentliche Interesse an KI massiv beschleunigt. Das hat auch bei uns viel in Bewegung gebracht. Aber je grösser der Hype, desto klarer wurde auch: Für regulierte, hochvolumige Dokumentenworkflows braucht es keine Generalisten, sondern spezialisierte Systeme, die zuverlässig und nachweisbar korrekt arbeiten. Das war unsere Überzeugung von Anfang an.

Parashift bedient Kunden unter anderem in der Versicherungs- und Bankenbranche. Was haben diese Branchen bei der Dokumentenverarbeitung gemeinsam und wo unterscheiden sich ihre Anforderungen am stärksten?

Das Gemeinsame ist: Volumen, Varianz und der Compliance-Druck. Beide Branchen verarbeiten immense Mengen an unstrukturierten Dokumenten in regulierten Umgebungen, wo jede Entscheidung nachvollziehbar sein muss.

Der Unterschied liegt hauptsächlich im regulatorischen Kontext. Versicherungen arbeiten mit besonders variablen und sensiblen Dokumenttypen wie Arztberichte, Unfallmeldungen und medizinische Gutachten. Das stellt hohe Anforderungen an die KI. Im Banking sind es vor allem Kreditentscheidungen und KYC-Prozesse, die unter dem EU AI Act explizit als Hochrisiko eingestuft sind. Und mit DORA gilt bereits eine zusätzliche verbindliche EU-Verordnung, die operative Resilienz gegenüber ICT-Risiken, einschliesslich der Abhängigkeit von Drittanbietern, verbindlich regelt.

Sie führen täglich Gespräche mit führenden Versicherungen und Banken in der Schweiz und Europa. Welche Erkenntnis hat Sie dabei in den letzten Monaten am meisten überrascht?

Die Lücke zwischen dem, was Unternehmen über ihre KI-Positionierung glauben, und der Realität ihrer Architektur ist grösser als ich erwartet hätte. Ich spreche immer wieder mit IT- und Compliance-Verantwortlichen bei grossen regulierten Unternehmen, die aufrichtig glauben: «Wir hosten auf EU-Servern, also sind wir abgesichert.» Sind sie nicht. Der US CLOUD Act verpflichtet US-amerikanische Anbieter, Daten auf behördliche Anfrage herauszugeben, unabhängig vom Serverstandort. Sovereign KI und Data ist in erster Linie eine Infrastruktur-Entscheidung. Überrascht hat mich in letzter Zeit auch die Vehemenz, mit welcher Europäische Entscheidungsträger das Thema Sovereignty auf Ihre Landkarte genommen haben. Wir haben im ersten Halbjahr Kunden gewonnen, zum Beispiel im Banking, für welche Sovereignty Kriterium Nummer 1 war. Wenn neuste, führende Dokumenten Intelligence UND Sovereignty gefordert wird, gibt es auch fast keine Anbieter in Europa.

Für viele Leser ist der EU AI Act noch ein abstraktes Thema. Können Sie kurz erläutern, was er konkret regelt und welche Fristen für Unternehmen in der Versicherungs- und Bankenbranche jetzt besonders relevant sind?

Der EU AI Act ist die weltweit erste horizontale KI-Regulierung. Das Grundprinzip ist rislikobasiert: Je grösser der potenzielle Schaden für Menschen, desto strenger die Anforderungen. Für Versicherungen und Banken besonders relevant ist die sogenannte Hochrisiko-Kategorie gemäss Anhang III: KI in der Kreditwürdigkeitsprüfung und in der Risikobeurteilung für Lebens- und Krankenversicherungen. Wer dort KI-gestützte Dokumentenverarbeitung betreibt, ist vollumfänglich betroffen. Auch wenn die Einführung der Bestimmungen sich immer wieder verzögert, bleibt die Stossrichtung klar. Die Anforderungen an Konformitätsbewertungen, technische Dokumentation, Risikomanagementsysteme, Logging-Pflichten und menschliche Aufsichtsmechanismen werden obligatorisch. Wer sich nicht daran hält, muss mit Bussen in Millionenhöhe rechnen.

Die Schweiz ist kein EU-Mitglied, adaptiert aber erfahrungsgemäss EU-Regulierungen mit zeitlicher Verzögerung. Was bedeutet der EU AI Act konkret für Schweizer Versicherer und Bankinstitute, die auch innerhalb der EU tätig sind?

Hier vermischt man oft zwei Fragen, die getrennt beantwortet werden müssen. Erstens: Die extraterritoriale Wirkung. Der EU AI Act gilt für jeden, dessen KI-Output innerhalb der EU genutzt wird, unabhängig vom Sitz des Unternehmens. Ein Schweizer Versicherer, der Kunden in Deutschland oder Österreich bedient, ist für diese Tätigkeiten bereits in scope.

Zweitens: Die Schweizer Regulierungsfrage. Die FINMA bewegt sich erkennbar in Richtung der EU AI Act-Prinzipien. Wer heute auf EU-konforme Infrastruktur aufbaut, investiert in eine Positionierung, die unabhängig davon relevant bleibt, wie sich der Schweizer Regulierungskalender entwickelt. Ich empfehle, Compliance nicht als Checkliste zu behandeln, sondern als Kompetenz, die man aufbaut.

Welche Risikokategorie gilt unter dem EU AI Act für den Einsatz KI-gestützter Dokumentenverarbeitung in der Versicherungsbranche, etwa bei automatisierten Schadensbewertungen oder Risikoprüfungen, und welche Pflichten entstehen daraus für die Nutzer?

Risikoprüfungen im Underwriting, etwa für Lebens- und Krankenversicherungen, fallen unter Anhang III des EU AI Act und damit in die Hochrisiko-Kategorie. Bei der Schadensbearbeitung hängt die genaue Einordnung vom konkreten Use Case ab: Sobald KI-Outputs in Entscheidungen einfliessen, die Einzelpersonen direkt betreffen, ist eine sorgfältige Klassifizierung zwingend.

Die Pflichten für Deployer, also die Versicherer, die solche Systeme betreiben, sind in jedem Fall erheblich: Konformitätsbewertung, technische Dokumentation, lückenloser Audit Trail, transparente Outputs und nachweisbare menschliche Aufsicht. Dieser letzte Punkt wird systematisch unterschätzt. Artikel 14 des EU AI Act verlangt keine nominelle Aufsicht, sondern eine operative: Der «Reviewer» braucht die Werkzeuge und Kompetenz, um eine KI-Entscheidung tatsächlich zu übersteuern und nicht nur abzunicken. Und diese Pflichten liegen beim Deployer, nicht beim Modell-Anbieter. Unser Document Intelligence Plattform Produkt bietet genau diese «AI Guardrails», selbst wenn Modelle von Drittparteien verwendet werden.

Viele Unternehmen sehen Regulierung primär als Last. Sie hingegen vertreten die These, dass der EU AI Act auch eine Chance sein kann. Was meinen Sie damit konkret?

Niemand in der Wirtschaft liebt Regulation. Man kann über Sinn und Zweck des EU AI Acts streiten. Aus dem Blickwinkel des KI-Unternehmers hätte ich natürlich möglichst viele Daten frei verfügbar. Aus meiner Sicht als Bürger sehe ich das schon ein wenig anders. Es bringt auch nicht viel darüber zu sinnieren, denn am Ende des Tages ist das Gesetz Realität und als Unternehmen kann man es so nutzen, um möglichst kompetitiv am Markt agieren zu können. Bei Parashift haben wir uns darauf spezialisiert, eben diese Brücke zu schlagen zwischen neuester, innovativer Dokumenten-KI und Sovereignty und Compliance.

Was würden Sie einem mittelgrossen Versicherer oder Broker raten, der noch keine klare Compliance-Strategie für den EU AI Act hat? Wo sollen sie konkret anfangen?

Mit dem Use-Case-Inventar, nicht mit der Technologiebewertung. Der häufigste Fehler ist: Man fragt «Welche KI-Systeme haben wir?» bevor man fragt «Welche Entscheidungen treffen wir mit KI, und wen betrifft das?» Danach die ehrliche Einordnung gegen Anhang III. Wer Dokumentenverarbeitungs-Prozesse hat, die in Schadensentscheidungen oder Kreditwürdigkeitsprüfungen einfliessen, gilt als Hochrisiko.

Dann: Den aktuellen KI-Anbieter gegen die Deployer-Pflichten prüfen. Können sie eine vollständige Compliance-Dokumentation für Hochrisiko-Systeme liefern? Wenn das eine langwierige Consulting-Übung wird, ist das an sich schon ein schlechtes Signal.

Der Begriff «digitale Souveränität» wird derzeit viel diskutiert, bleibt aber oft vage. Was bedeutet er konkret für die Risikobranche und warum ist er gerade jetzt so relevant?

Digitale Souveränität ist kein weiterer Marketingbegriff. In der operativen Realität bedeutet er: «Kann ich in einem Audit verbindlich beantworten, wo meine Daten während der Verarbeitung hinfliessen, wer unter welcher Rechtsgrundlage darauf zugreifen kann, und ob das mit meinen regulatorischen Pflichten vereinbar ist?» Wenn die Antwort lautet «Ich glaube, die EU-Serverinstanz meines US-Anbieters», ist das nicht unbedingt eine zufriedenstellende. Der US CLOUD Act schafft hier eine Lücke, die sich nicht durch Hosting-Geografie schliesst.

Für die Schweizer Finanzbranche ist das an sich nichts Neues: Souveräne Datenhaltung bei outgesourcten kritischen Funktionen ist eine langjährige FINMA-Erwartung. Neu ist der Kontext: KI-Systeme verarbeiten heute sensibler und schneller als jede frühere Technologie, und die regulatorische Infrastruktur holt gerade auf. Das macht aus einer bekannten Erwartung plötzlich eine dringende operative Frage.

Wo sehen Sie die grössten Abhängigkeiten europäischer Versicherer und Banken von nicht-europäischen KI-Anbietern? Und welche Risiken entstehen daraus, etwa beim Datenschutz oder regulatorischen Anforderungen?

Die grösste Abhängigkeit liegt meiner Meinung nach in der Modell-Schicht. Die dominanten Sprachmodelle, auf denen viele Enterprise-KI-Deployments aufbauen, kommen von den Amerikanern, sprich: US-gehostet und damit dem US-Recht unterstellt. Und dies gilt unabhängig davon, ob der physische Server in Zürich, Frankfurt oder Dublin steht. Was oft noch weniger Beachtung bekommt, ist die operative Abhängigkeit. Wenn ein regulierter Workflow auf einer Drittanbieter-LLM-API aufbaut, ist man von den Preis-, Verfügbarkeits- und Versionierungsentscheidungen dieses Anbieters abhängig. Wir haben gesehen, wie Anbieter Modelle abkündigen oder Preise anpassen auf eine Art, die bereits laufende Deployments unrentabel macht. Für regulierte Unternehmen, die Stabilität und Planbarkeit brauchen, ist das ein ernsthaftes operatives Risiko.

Parashift positioniert sich als souveräne europäische Alternative in der intelligenten Dokumentenverarbeitung. Welche Rolle spielt der Schweizer bzw. europäische Standort für das Vertrauen Ihrer Kunden gerade in sicherheitskritischen Branchen wie Versicherung und Banking?

Der Standort spielt eine Rolle, aber mehr aus konkreten Gründen und weniger aus «symbolischen». Unsere Infrastruktur ist zu 100 Prozent in der Schweiz, Deutschland und der EU gehostet. Es gibt keine US-Muttergesellschaft, keine Drittland-Support-Infrastruktur. Das differenziert uns klar von anderen Anbietern.

Ein zweiter wichtiger Punkt ist die regulatorische Einbettung. Wir operieren unter denselben Rahmenbedingungen wie unsere Kunden. Wenn wir Compliance-Dokumentationen erstellen, tun wir das immer im Kontext von FINMA- und BaFin-Anforderungen.

Mit dem Aufkommen von LLMs hat sich die Dokumentenverarbeitung stark verändert. Wie unterscheidet sich Parashifts Ansatz von klassischen LLM-basierten Lösungen? Und wo liegen aus Ihrer Sicht die Grenzen reiner LLM-Ansätze in sicherheitskritischen Anwendungen?

Der grundlegende Unterschied: Wir entwickeln sogenannte «Special Purpose Small Vision Language Models», keine generischen, grossen LLMs. LLMs sind sehr breit aufgestellt, was für allgemeine Tasks sehr gut funktioniert. Aber für die komplexe, regulierte Enterprise-Dokumentenverarbeitung liegt hier die Herausforderung: Sie halluzinieren manchmal, sind ungenau. In einem regulierten Unternehmensumfeld ist das inakzeptabel.

Hinzu kommt die Transparenzfrage. Artikel 13 des EU AI Act verlangt nachvollziehbare Outputs. Ein Modell, das einen Wert liest, ohne anzugeben, wo genau im Dokument und mit welcher Konfidenz, kann das regulatorisch nicht belegen. Wir liefern nicht nur das Ergebnis des Models, sondern mit unserer Plattform eben auch die vollständige Nachvollziehbarkeit jedes einzelnen Transaktionsschritts.

Wie hat sich die Akzeptanz für KI-gestützte Dokumentenverarbeitung bei Versicherern in den letzten Jahren von ersten Pilotprojekten hin zur grossflächigen Produktionsnutzung entwickelt?

KI-gestützte Dokumentenverarbeitung gibt es schon lange. Lange bevor KI als Trend und Hype in aller Munde war. Wir haben die weltweit erste No-code, cloud-first, AI-first Plattform für die Verarbeitung eines versatilen Dokumentenkatalogs lanciert und diese Art Setup wurde zum Standard. Nicht, dass jetzt der Eindruck entsteht, ich wäre der Meinung, das war wegen uns, nein ich denke es war einfach die logische Weiterentwicklung von dem Bereich, der lange als «Capturing» bekannt war. Ging es am Anfang dieser Reise um das Auslesen von Dokumenten geht es heute viel mehr darum, den Dokumenteninhalt holistisch zu verstehen und daraus Automatisierung für die Folgeprozesse zu generieren. Stark wachsend sind bei uns auch die Anwendungsfälle, wo KI-/LLM-gerechte Dokumentendaten produziert werden. Ich denke, dass in Zukunft jedes Dokument, das ins Unternehmen kommt, direkt als Markdown in eine Art Data-Lake gehen sollte. Diese Daten sind für die Entwicklung unternehmensspezifischer KI-Anwendungen unerlässlich.

Welche Entwicklung in der KI und Dokumentenverarbeitung wird die Versicherungs- und Finanzbranche in den nächsten zwei bis drei Jahren am stärksten verändern?

Was ich in den nächsten Jahren sehe, ist eine Marktkorrektur, aber nicht eine Revolution, sondern eher eine Ernüchterung. Die erste Welle war: «Wir nehmen, was schnell verfügbar ist.» Und das waren meistens die grossen Plattformen der Technologiekonzerne. Was wir jetzt beobachten, ist eine zweite Bewegung: Unternehmen in regulierten Branchen merken, dass generische Lösungen in ihrem spezifischen Kontext nicht das halten, was sie versprochen haben. Die Fragen, die heute im Beschaffungsprozess gestellt werden, sprich Auditierbarkeit, Datensouveränität und deterministische Outputs, sind genau die Fragen, für die spezialisierte Systeme gebaut wurden. Diese Verschiebung wird sich in den nächsten zwei bis drei Jahren deutlich beschleunigen.

Wenn Sie europäischen Versicherern einen einzigen Rat für den Umgang mit KI-Regulierung und technologischem Wandel geben könnten, welcher wäre das?

Hören Sie auf, Compliance und Leistungsfähigkeit als Zielkonflikt zu behandeln. Das ist die falsche Fragestellung. Die Eigenschaften, die ein System regulierungskonform machen, also Nachvollziehbarkeit, Zuverlässigkeit und architektonische Kontrolle, sind dieselben, die es im Produktionsbetrieb stabil und vertrauenswürdig machen. Das ist kein Zufall, sondern der Architektur geschuldet. Die Unternehmen, die das früh verstanden haben, bauen gerade einen signifikanten Vorsprung auf.

Die Fragen hat Binci Heeb gestellt.

Alain Veuve ist Unternehmer, Vordenker und Experte für technologischen Wandel mit Fokus auf Startups. Seit 2016 arbeitet er mit seinen Teams an Lösungen welche auf Künstlicher Intelligenz basieren. 

Zu seinen Engagements zählten das Buchhaltungs-Startup Accounto AG, das PropTech-Startup Fairwalter AG und die TYPO3 GmbH in Düsseldorf. Momentan kümmert er sich als CEO und Gründer des KI-Scale-Ups Parashift AG um die Expansion.

In den letzten 20 Jahren hat sich Alain Veuve an einer Reihe von Startups finanziell und operativ beteiligt. In Rahmen dieser Tätigkeiten hat er unterschiedliche internationale Unternehmen bei der digitalen Transformation sowie bei ihren E-Business-Unterfangen begleitet und strategisch beraten. 

Heute ist Alain Veuve ein vielzitierter Thought-Leader für die Digitale Transformation in Europa, der regelmässig als Referent an Konferenzen teilnimmt. In den letzten Jahren hat er über 300 Referate gegeben. Sein Blog, alainveuve.com, ist eine beliebte Quelle für Erkenntnisse für Entscheidungsträger im Technologie-Bereich. 

2017 wurde Alain Veuve von LinkedIn zu den Top 20 Voices in Europa ausgezeichnet. XING zählte Alain zudem 2017 zum Kreis der «Spitzenwriter». Er schreibt regelmässig für verschiedene Publikationen. 

Lesen Sie auch: EU AI Act: Warum Unternehmen jetzt handeln müssen

Fulvio Maccarone verfügt über mehr als 12 Jahre Erfahrung in Finanzinstituten und Family Offices sowie als Vorstandsmitglied und Restrukturierungsspezialist. Seine zentrale Überzeugung: Das eigentliche Problem hinter fehlgeschlagenen Investitionen ist fast nie finanzieller Natur. Es ist ein Problem der Unternehmensführung. Heute erforscht er kognitive Verzerrungen bei der Entscheidungsfindung in Vorständen und berät an der Schnittstelle

Fulvio Maccarone hat eine ungewöhnliche Karriere aufgebaut, nicht weil er die Finanzmärkte besser versteht als die meisten anderen, sondern weil er früh erkannt hat, wo die eigentlichen Probleme liegen. Nach Stationen bei institutionellen Investoren und in Family Offices arbeitet er heute als Berater für Private-Market-Investoren und als unabhängiger nicht-geschäftsführender Verwaltungsratsmitglied. Außerdem unterrichtet er Schweizer Führungskräfte in Governance. In diesem Gespräch erklärt er, warum intelligente, erfahrene Menschen immer wieder dieselben vermeidbaren Fehler machen und was man tatsächlich dagegen tun kann.

Herr Maccarone, Sie sagen, dass die meisten Investitionsprobleme in Wirklichkeit versteckte Governance-Probleme sind. Gab es einen bestimmten Moment in Ihrer Karriere, in dem Ihnen das unbestreitbar klar wurde?

Es gab einen bestimmten Moment, und ich kann ihn genau benennen, weil ich ihn selbst erlebt habe. Ich war an einem Luxusunternehmen beteiligt, das alles hatte, was hätte funktionieren müssen. Einen renommierter CEO mit starker öffentlicher Präsenz, einen glaubwürdiger Vorstand, professionelle Due Diligence und institutionelle Investoren, die die Branche kannten. Die erste Serie-A-Finanzierungsrunde wurde auf einer scheinbar soliden Grundlage abgeschlossen. Sechs Monate später stand der CEO bei der ersten Vorstandssitzung nach der Kapitalbeschaffung auf und verkündete, dass die chinesischen und russischen Kunden praktisch über Nacht verschwunden seien. Das Ende der chinesischen Geschenkpolitik und der Rubel-Zusammenbruch hätten die Umsatzbasis mit einem Schlag zunichte gemacht. Was folgte, war die Erkenntnis, dass das Kapital nicht wie geplant verwendet worden war, dass das Produkt schwerwiegende technische Probleme aufwies, auf die niemand hingewiesen hatte, und dass die Märkte, deren Erschliessung der Geschäftsplan versprochen hatte – die USA und Japan –, nie erschlossen worden waren.

Wir ersetzten den CEO auf der Stelle. Dann kam eine zweite Vorstandssitzung mit einer zweiten Runde schlechter Nachrichten. Dann eine Wandelanleihe. Dann noch eine. Dann Serie B, C, D, E. Schliesslich 60 Investoren, 250 Zeilen in der Kapitaltabelle, Wandelanleihen nach unterschiedlichen Vorlagen entworfen, wovon manche nicht einmal gegengezeichnet waren. Das Unternehmen verbrannte Dutzende Millionen, um für einen Käufer, der nie kam, attraktiv zu wirken, in einem Markt, der zu klein und zu teuer war, um die um ihn herum aufgebaute Struktur jemals gerechtfertigt zu haben.

Es endete in der Insolvenz. Jeder Investor verlor alles. Was mir im Gedächtnis bleibt, sind nicht die externen Schocks, die zwar real, aber überwindbar waren. Es ist vielmehr, dass bei jeder Vorstandssitzung, mit intelligenten, erfahrenen Leuten im Raum, die Entscheidungen immer wieder das ehrliche Gespräch aufschoben. Niemand wollte derjenige sein, der sagte, dass das Modell von Anfang an gescheitert war. Die Unternehmensführung versagte nicht dramatisch, sondern schrittweise, eine aufgeschobene Frage nach der anderen. Da wurde mir klar, dass die gefährlichsten Versäumnisse im Vorstand sich nicht ankündigen, sondern sich still und leise anhäufen, bis nichts mehr zu retten ist.

Ihr Weg hat Sie von Pictet und BlueCrest Capital zu Family Offices und Verwaltungsratsmandaten geführt. Was hat sich grundlegend geändert, als Sie aufgehört haben, von aussen zu beraten, und begonnen haben, operativ mitzuwirken?

Die Frage enthält in gewisser Weise schon die Antwort. Wenn man von aussen berät, ist man auf einer gewissen Ebene immer geschützt. Man bringt seine Analyse ein, gibt Empfehlungen ab, präsentiert seine Ansichten mit Überzeugung und geht dann nach Hause. Wenn der Kunde den Rat nicht befolgt oder ihn schlecht umsetzt oder sich die Situation in eine Richtung entwickelt, die man nicht vorhergesehen hat, gibt es eine professionelle Distanz, die den Aufprall abfedert. Man lernt, man passt sich an, aber man trägt nicht die volle Last davon. Als ich in operative Funktionen wechselte, verschwand diese Distanz. Und was sie ersetzte, war etwas, das ich nicht erwartet hatte: ein viel schärferer Instinkt dafür, was tatsächlich zählte, im Gegensatz zu dem, was von aussen nur wichtig aussah.

In meinen früheren Positionen hatte ich starke analytische Rahmenkonzepte entwickelt. Ich wusste, wie man eine Situation einschätzt, wie man sich eine Sichtweise erarbeitet und wie man Annahmen auf Herz und Nieren prüft. Was mir erst voll bewusst wurde, als ich mittendrin war, ist, wie viel von dem, was Ergebnisse bestimmt, nichts mit der Qualität der Analyse zu tun hat. Es hat mit dem Vertrauen zwischen Menschen zu tun, mit den unausgesprochenen Regeln darüber, wer was zu wem sagen darf, mit der Kluft zwischen dem, was in einer Besprechung beschlossen wird, und dem, was danach tatsächlich geschieht. Das sieht man von aussen nicht. Man muss mittendrin sein, mit seinem Namen unter dem Ergebnis stehen, bevor man wirklich versteht, womit man es zu tun hat. Dieser Wechsel vom Analysten zum Teilnehmer war das Prägendste, was meinem beruflichen Urteilsvermögen widerfahren ist.

Sie agieren an der Schnittstelle von Kapital, operativem Geschäft und Unternehmensführung: drei Bereiche, die die meisten Menschen voneinander trennen. Wie erklären Sie einem traditionellen Finanzfachmann, warum diese Trennung ein Fehler ist?

Ich sage ihnen, sie sollen aufhören, dies als drei Disziplinen zu betrachten, und anfangen, es als ein System mit drei Druckpunkten zu sehen. Zieht man an einem davon, bewegen sich die anderen beiden mit, ob man das nun geplant hat oder nicht. Ich war an einem Unternehmen beteiligt, bei dem sich dies so deutlich zeigte, wie ich es noch nie erlebt habe. Der Hauptinvestor strukturierte bei der Serie-A-Finanzierung eine Wasserfall-Regelung, die als Kapitalentscheidung völlig vertretbar war. Guter Schutz vor Verlusten, garantierte Hurdle Rate, Sitz im Vorstand. Wie aus dem Lehrbuch. Was diese Wasserfallvereinbarung dann operativ bewirkte, war, dass sie den Gründern die Motivation raubte, sobald es schwierig wurde, denn die Verteilungslogik bedeutete, dass sie effektiv für die Rendite des Investors arbeiteten, bevor sie selbst einen Cent zu sehen bekamen. Und was sie für die Unternehmensführung bedeutete, war subtiler, aber ebenso schädlich: Die Dynamik im Vorstand verlagerte sich von kollektiver Problemlösung hin zu gegensätzlichen Positionen, da die Interessen des Investors und die aller anderen nun strukturell nicht mehr aufeinander abgestimmt waren.

Als das Unternehmen von externen Schocks getroffen wurde, hätte der Vorstand in der Lage sein müssen, ein ehrliches Gespräch darüber zu führen, was das Unternehmen tatsächlich war und ob es noch zu retten war. Stattdessen sass dort ein Raum voller Leute, die nur darauf bedacht waren, ihr eigenes Risiko zu minimieren. Die Führungsstruktur war völlig unbrauchbar geworden. Nicht, weil jemand eine einzige katastrophale Entscheidung getroffen hätte, sondern weil jede Kapitalentscheidung getroffen worden war, ohne zu fragen, welche Auswirkungen sie auf die Unternehmensleitung oder die frühen Investoren haben würde. Ein traditioneller Finanzexperte wird Ihnen sagen, dass dies getrennte Fragen sind. Das sind sie nicht!

Was ist das grösste Missverständnis, das Vorstandsmitglieder über ihre eigene Rolle haben?

Dass sie dazu da sind, zu bestätigen. Das wird selten so ausdrücklich gesagt, aber das Verhalten verrät es. Man sieht es daran, wie sich Vorstandsmitglieder vorbereiten, oder eben nicht. Man sieht es daran, wie Sitzungen ablaufen: Das Management präsentiert, und der Vorstand hört zu, nickt und stellt Fragen, die Engagement signalisieren, ohne tatsächlich Reibung zu erzeugen. Und man sieht es am deutlichsten in den entscheidenden Momenten, wenn eine Entscheidung auf dem Tisch liegt, die es verdient, hinterfragt zu werden, und diese Hinterfragung ausbleibt.

Ich sass in einem Vorstand, dessen Vorsitzender gleichzeitig der Gründer war: ein zutiefst respektierter Mann mit einer Erfolgsbilanz, die es fast unhöflich erscheinen liess, anderer Meinung zu sein. Jede wichtige Entscheidung wurde reibungslos durchgesetzt. Nicht, weil die Entscheidungen immer richtig waren, sondern weil sich der Raum unbewusst darauf geeinigt hatte, dass sein Urteil das Mass aller Dinge war und die Rolle aller anderen darin bestand, ihm bei der Umsetzung zu helfen.

Das ist kein Vorstand. Das ist ein teurer Beirat mit rechtlicher Haftung. Die Rolle, an die ich mittlerweile glaube und die ich zu praktizieren versuche, kommt dem näher, was ich als strukturierten Skeptizismus bezeichnen würde. Nicht Opposition um der Opposition willen, sondern die echte Bereitschaft, die Frage zu stellen, die alle Anwesenden zu vermeiden versuchen. In einer Situation, die ich selbst erlebt habe, war die Frage, die niemand im richtigen Moment stellte, ganz einfach: Ist dieser Markt tatsächlich gross genug, um die Struktur zu tragen, die wir um ihn herum aufbauen? Es war keine komplizierte Frage. Sie erforderte kein Fachwissen. Es bedurfte lediglich jemandes, der bereit war, Unbehagen im Raum zu verursachen. Niemand war dazu bereit. Und dieses Schweigen kostete jeden Investor am Tisch alles, was er investiert hatte.

Sie bilden zukünftige Vorstandsmitglieder aus. Welche Fähigkeit fehlt am häufigsten bei Kandidaten, die auf dem Papier qualifiziert wirken?

Die Fähigkeit, in der Unbehaglichkeit zu verharren. Das ist das, was man in einem Lebenslauf nicht sehen kann und was man in einem echten Sitzungssaal nicht lange vortäuschen kann. Ich habe mit Vorstandsmitgliedern zusammengearbeitet, die auf dem Papier alles hatten: die richtigen Qualifikationen, die richtige Erfahrung, das richtige Branchenwissen. Sie konnten eine Situation analysieren, sie konnten eine Meinung artikulieren, sie konnten sich in einem Gespräch behaupten. Und dann setzt man sie in einen Raum, in dem die Dynamik schwierig ist, in dem der Gründer defensiv ist, in dem die Zahlen nicht stimmen, aber niemand es laut ausspricht, und sie brechen zusammen. Oft nicht dramatisch, sie stürmen nicht hinaus oder verlieren die Beherrschung. Sie finden einfach stillschweigend einen Weg, nicht die Person zu sein, die ausspricht, was jeder sehen kann. Sie stellen eine abgeschwächte Version der Frage. Sie akzeptieren eine unvollständige Antwort. Sie sagen sich, dass sie im nächsten Quartal darauf zurückkommen werden.

Ich habe das immer wieder beobachtet. Das Unbehagen, einem charismatischen CEO entgegenzutreten, einen Geschäftsplan in Frage zu stellen, für den sich der Vorsitzende stark gemacht hat, die Stimme zu sein, die die Dinge verlangsamt, während alle anderen glauben wollen, dass das nächste Quartal anders wird, dieses Unbehagen ist oft zu gross. Was ich zu vermitteln versuche und wonach ich suche, ist die Fähigkeit, dieses Unbehagen auszuhalten und trotzdem das Wort zu ergreifen. Nicht aggressiv, nicht selbstgerecht, sondern klar und ohne Rückzug. Das ist wirklich das Seltenste in einem Sitzungssaal. Und meiner Erfahrung nach ist das Fehlen dieser Fähigkeit gefährlicher als jede Lücke im Fachwissen.

Sie beschreiben Strukturen, die «auf dem Papier solide wirken, aber unter Druck zusammenbrechen». Was sind die Frühwarnzeichen, Dinge, die ein Aussenstehender tatsächlich erkennen kann, bevor der Zusammenbruch eintritt?

Ich habe beobachtet, wie jedes einzelne davon nacheinander in einer Situation auftrat, in die ich direkt involviert war. Das erste Anzeichen war die Kluft zwischen der Geschichte und den Details. Der Geschäftsplan war auf der obersten Ebene überzeugend mit neuen Märkten, starken Marken, glaubwürdigermCEO, aber wenn man nach den Einzelheiten fragte, gab es für die Marktentwicklung in den USA und Japan, die für die Wachstumsthese zentral war, keinen konkreten Plan. Es war ein Wunsch, der als Strategie getarnt war.

Das zweite Anzeichen war das Verhältnis des CEO zur Realität. Er war wirklich charismatisch, wirklich visionär und wirklich mehr am Image des Unternehmens interessiert als an seinen operativen Fundamentaldaten. Diese Kombination aus Charme statt Substanz an der Spitze ist eines der zuverlässigsten Warnsignale, die ich kenne. Das dritte war das, was ich als selektive Transparenz bezeichnen würde. Informationen flossen frei, wenn es gute Nachrichten gab. Doch als die Umsätze nachliessen, meldete sich niemand freiwillig. Man musste nachfragen und dann noch einmal nachfragen. Ein Vorstand, der erst dann über Probleme informiert wird, wenn sie unvermeidbar werden, hat bereits die Fähigkeit zur Führung verloren.

Das vierte Anzeichen war die übermässige Aktivierung von Aufwendungen in der Bilanz: ein Warnsignal, das bei der Due Diligence sichtbar war und stillschweigend beiseitegeschoben wurde. Meiner Erfahrung nach sagt es manchmal etwas darüber aus, wie ein Unternehmen im weiteren Sinne mit unbequemen Wahrheiten umgeht, wenn es grosszügig definiert, was als Vermögenswert gilt. Keines dieser Anzeichen erforderte Insiderwissen. Sie waren alle für jeden sichtbar, der bereit war, hinter die Fassade zu blicken. Das Problem ist, dass zu dem Zeitpunkt, an dem ein Deal die Investitionsphase erreicht, mächtige Kräfte, Dynamik, sozialer Druck, investierte Zeit und die Angst, etwas zu verpassen, dazu führen, dass ein Blick hinter die Fassade wie ein Fauxpas wirkt. Zu lernen, es trotzdem zu tun, und zwar höflich, aber beharrlich, ist eine der wertvollsten Fähigkeiten, die ich kenne.

Ihre Forschung konzentriert sich auf kognitive Verzerrungen bei der Entscheidungsfindung auf Vorstandsebene. Welche Verzerrung halten Sie für die gefährlichste, und warum wird sie in dem Raum, in dem sie auftritt, so selten erkannt?

Diejenige, auf die ich immer wieder zurückkomme, ist das, was ich als «fachwissenbasierte Selbstüberschätzung» bezeichnen würde. Um auf mein früheres Beispiel aus der Luxusgüterbranche zurückzukommen: An diesem Vorstandstisch sassen Leute, die die Branche wirklich kannten, die Marktzyklen miterlebt hatten, die Unternehmen aufgebaut und verkauft hatten. Echte Erfahrung, echte Erfolgsbilanz. Und genau diese kollektive Glaubwürdigkeit wurde zum Problem. Als der CEO einen Geschäftsplan vorlegte, der von einer raschen Durchdringung des US- und des japanischen Marktes ausging, widersprach niemand entschieden genug, denn jeder im Raum hatte darin ein Muster wiedererkannt, das er schon einmal erfolgreich gesehen hatte. Als die Kapitalisierung der F&E bei der Due Diligence Alarmglocken läuten liess, wurde dies zur Kenntnis genommen und beiseitegeschoben, denn erfahrene Investoren hatten schon zuvor aggressive Bilanzierung gesehen, und das Unternehmen hatte sie überstanden. Als die ersten Anzeichen einer Umsatzkonzentration auftraten, wurden sie wegdiskutiert, denn wer sich in Schwellenmärkten auskennt, weiss, dass makroökonomische Schocks vorkommen und Unternehmen sich davon erholen. Jedes Mal, wenn man hätte innehalten und eine kritischere Frage stellen sollen, lieferte die Erfahrung einen Grund, es nicht zu tun. Das ist die Voreingenommenheit. Es fühlt sich nicht wie Selbstgefälligkeit an. Es fühlt sich wie Urteilsvermögen an. Es sieht aus wie die Gelassenheit von Menschen, die das schon einmal erlebt haben. Der Grund, warum dies im Raum fast nie erkannt wird, ist, dass die Personen, die diese Haltung an den Tag legen, die glaubwürdigsten Stimmen am Tisch sind. Dies in Frage zu stellen, fühlt sich an, als würde man ihre Erfolgsbilanz anzweifeln oder respektlos sein, was niemand tun möchte. In diesem Unternehmen hatte sich das Muster bereits festgesetzt, als die erste Vorstandssitzung nach der Kapitalbeschaffung die wahre Situation offenbarte. Erfahrene Leute hatten sich gemeinsam eine Geschichte eingeredet, und diese Geschichte war für sie realer geworden als die Zahlen. Das ist der Moment, in dem Erfahrung aufhört, ein Vorteil zu sein, und anfängt, einen zu blenden.

Kluge, erfahrene Leute machen immer wieder dieselben vermeidbaren Fehler. Ist das Ihrer Ansicht nach ein Problem der Entscheidungsstrukturen oder der Menschen selbst?

Ehrlich gesagt, beides. Nachdem ich in genügend Vorständen gesessen und genug kluge Leute dabei beobachtet habe, wie sie gegen dieselben Mauern laufen, bin ich zu der Überzeugung gelangt, dass die Struktur die Person im Raum prägt. Ich habe gesehen, wie dieselbe Person in einem Vorstandssetting wirklich mutig war und in einem anderen völlig schwach oder passiv. Das sagt etwas Wichtiges aus: Es geht nicht um den Charakter, es geht darum, was der Raum zulässt. Und die meisten Räume sind – oft durch Gewohnheit und Hierarchie – stillschweigend so gestaltet, dass sie Einigkeit zulassen und Widerspruch unterbinden. Die Menschen passen sich dem an. Sie sind nicht schwach; sie sind menschlich. Der Fehler besteht darin, einen Raum zu schaffen, der Schweigen oder einen starken passiven Konsens belohnt, und sich dann zu wundern, wenn man genau das bekommt.

Wie verändert Zeitdruck die Qualität von Entscheidungen im Vorstand, und was sollten Vorstände anders machen, wenn sie wirklich nicht langsamer vorgehen können?

Zeitdruck ist der Moment, in dem jede gute Absicht bezüglich des Prozesses über Bord geworfen wird. Ich war schon in Vorständen, in denen eine Entscheidung innerhalb von achtundvierzig Stunden getroffen werden musste, und habe beobachtet, wie ein Vorstand aus wirklich fähigen Leuten die Entscheidung im Grunde demjenigen überliess, der als Erster das Wort ergriff und am selbstbewusstesten klang. Nicht, weil sie faul waren, sondern weil Dringlichkeit eine psychologische Erlaubnis schafft, die Beratungen zu beenden. Es fühlt sich verantwortungsvoll an, entschlossen zu sein. Es fühlt sich nach Führung an. Was es in den meisten Fällen tatsächlich ist: Die ranghöchste oder lauteste Stimme im Raum erhält unangefochten das Wort, während sich alle anderen einreden, dass keine Zeit für Fragen zu einem Plan B bleibt. Die Qualität der Entscheidung sinkt, und niemand bemerkt es, weil Geschwindigkeit als Kompetenz empfunden wird. Was ich als wirksam erlebt habe, ist, sich im Voraus auf eine einzeilige Schlüsselfrage zu einigen, die beantwortet werden muss, bevor eine dringende Entscheidung getroffen wird. Kein vollständiger Prozess. Nur eine ehrliche Frage, die den Raum zwingt, für sechzig Sekunden innezuhalten. Diese Gewohnheit hilft, das Tempo zu drosseln und unter Druck bessere Entscheidungen zu treffen.

Was passiert eigentlich, nachdem das Kapital eingesetzt wurde, und warum schenken die meisten Investoren dieser Phase zu wenig Aufmerksamkeit?

Was nach dem Einsatz passiert, ist, dass die Realität einsetzt. Und die Realität entspricht fast nie dem, was im Investitionsmemorandum beschrieben wurde. Ich habe das schon so oft gesehen, dass es mich nicht mehr überrascht, aber es frustriert mich immer noch. Investoren verbringen Monate mit der Due Diligence, sie verhandeln jede Klausel des Term Sheets, sie modellieren die Renditen auf sechs verschiedene Arten. Und dann fliesst das Geld, und die Aufmerksamkeit richtet sich auf das nächste Geschäft. Die Gründer, die im Pitch-Raum beeindruckend waren, leiten nun etwas, das dreimal so komplex ist wie alles, was sie zuvor geleitet haben. Oft ohne den richtigen Vorstand, oft ohne jemanden, den sie anrufen können, wenn die Dinge seltsam werden. Und die Dinge werden immer seltsam.

In den ersten sechs bis achtzehn Monaten nach der Investition legen Unternehmen entweder das operative Fundament, das sie tragen wird, oder sie entwickeln schlechte Gewohnheiten und Governance-Lücken, die später alle teuer zu stehen kommen. Ich habe begonnen, dieser Phase viel mehr Aufmerksamkeit zu schenken, nachdem ich miterlebt habe, wie ein perfekt strukturiertes Geschäft innerhalb von zwei Jahren zerfiel, nicht weil die These falsch war, sondern weil sich niemand um die Governance kümmerte, während das Team mit der Umsetzung beschäftigt war. Der Ertrag der Zeit, die man in dieses Zeitfenster nach der Übernahme investiert, ist meiner Erfahrung nach höher als bei fast allem, was man zu Beginn tut.

Family Offices bringen eine besondere Dynamik mit sich: Familienpolitik, Generationsunterschiede, emotionale Bindung an Vermögenswerte. Welche Governance-Prinzipien sind in diesem Zusammenhang am wichtigsten?

Governance ist im Grunde ein emotionales Problem, das als strukturelles Problem getarnt ist. Die Rahmenbedingungen sind wichtig, aber wenn man nicht versteht, was die Menschen am Tisch tatsächlich antreibt, sind diese Rahmenbedingungen nur leeres Papier. Ich habe Situationen erlebt, in denen eine vollkommen rationale Veräusserungsentscheidung unmöglich wurde, weil es sich bei dem betreffenden Vermögenswert um das Unternehmen handelte, das der Grossvater aufgebaut hatte. Ich habe beobachtet, wie Generationswechsel scheiterten, nicht weil die nächste Generation inkompetent war, sondern weil niemand jemals ein ehrliches Gespräch darüber geführt hatte, wer tatsächlich das Sagen hatte. Das Prinzip, auf das ich immer wieder zurückkomme, ist Trennung oder Übergang. Klarheit darüber, wann man als Familienmitglied spricht und wann man als Aktionär oder Treuhänder spricht. Das sind unterschiedliche Rollen, die in verschiedene Richtungen ziehen, und so zu tun, als wäre es anders, lässt die Spannungen nicht verschwinden, sondern macht es nur schwieriger, sie zu benennen. Die Familien, die ich dabei beobachtet habe, wie sie das gut meistern, sind diejenigen, die diese unangenehmen Gespräche frühzeitig geführt haben, meist mit einer unabhängigen Stimme im Raum, die kein Interesse daran hatte, alle zufrieden zu stellen. Diese Rolle ist das Wertvollste, was man in die Governance-Struktur eines Family Office einbringen kann.

Sie haben private Anlageportfolios von Grund auf aufgebaut. Was würden Sie heute anders machen als zu Beginn Ihrer Karriere?

Ehrlich gesagt würde ich viel weniger Zeit mit Finanzkonstruktionen verbringen und viel mehr Zeit mit den Menschen und der Governance, und ich würde das tun, bevor das Geld fliesst, nicht danach. Zu Beginn meiner Karriere glaubte ich, wie die meisten Menschen, die so ausgebildet wurden wie ich, dass ein gut strukturiertes Geschäft einen schützt. Gute Konditionen, vernünftige Bewertung, saubere Dokumentation. Und diese Dinge sind in der Tat wichtig. Aber ich habe gesehen, wie gut strukturierte Geschäfte völlig schiefgelaufen sind, weil der Vorstand nur eine nachträgliche Überlegung war, und ich habe gesehen, wie chaotische Geschäfte überlebt haben, weil die richtigen Leute am Tisch sassen und Probleme gemeinsam lösen konnten. Die Struktur rettet einen nicht, wenn es schwierig wird. Die Menschen tun es.

Was ich ausserdem anders machen würde, ist, früher ehrlicher zu sein, wenn es um Situationen geht, die nicht funktionieren. Es gibt eine besondere Falle auf den privaten Märkten: Man hat viel Zeit und Kapital in etwas investiert, und es gibt Anzeichen dafür, dass es nicht so läuft, wie es sollte, aber man findet immer wieder Gründe zu glauben, dass das nächste Quartal anders sein wird. Ich bin mehr als einmal in diese Falle getappt. Die versunkenen Kosten in Verbindung mit dem Zeitdruck üben einen Druck auf einen aus, der schwer zu beschreiben ist, bis man ihn selbst gespürt hat. Was ich heute weiss: In dem Moment, in dem man Gründe dafür erfindet, zu bleiben, anstatt wirklich zu prüfen, ob man es tun sollte, hat man die eigene Frage bereits beantwortet. Sich in solchen Momenten nicht selbst im Weg zu stehen, ist schwieriger als jedes Finanzmodell und letztendlich wertvoller.

Welche strukturellen Veränderungen auf den privaten Märkten beobachten Sie derzeit, die von Investoren nicht ernst genug genommen werden?

Der erste Punkt wäre die Geschwindigkeit, mit der Geschäfte derzeit abgeschlossen werden. Der Wettbewerbsdruck hat die Due Diligence so stark verkürzt, dass man manchmal Verpflichtungen auf der Grundlage von Informationen eingeht, die vor fünf Jahren noch als vorläufig gegolten hätten. Das weiss jeder. Niemand will derjenige sein, der das Geschäft verlangsamt und dadurch verliert. Also hat sich der Markt kollektiv darauf geeinigt, so zu tun, als sei schneller in Ordnung, als kompensiere Erfahrung die spärlicheren Informationen und als gäbe es keinen Plan B. Das führt dazu, dass die gesamte Governance-Arbeit auf die Zeit nach dem Abschluss verschoben wird, wenn man weniger Einfluss und weniger Zeit hat und der Gründer, der gerade das Geld erhalten hat, nicht besonders darauf erpicht ist, dass ihm ein Vorstand vorschreibt, was er zu tun hat.

Der zweite Punkt betrifft das, was im Bereich Impact Investing geschieht. Es fliesst echtes Kapital in echte Probleme, und das finde ich ermutigend. Aber die Governance-Infrastruktur hat nicht Schritt gehalten. Man hat idealistische Gründer, Investoren, die eher von Werten als von Renditezwängen motiviert sind, und Vorstände, die sich manchmal eher wie Selbsthilfegruppen als wie Entscheidungsgremien anfühlen. Niemand will derjenige sein, der Strenge einführt, weil es sich so anfühlt, als widerspräche dies dem Geist des Unternehmens oder der Gründer. Dieser Instinkt ist gleichermassen verständlich und gefährlich. Ich habe gesehen, wie Impact-Unternehmen Entscheidungen getroffen haben, die ein konventionelles Portfoliounternehmen niemals überlebt hätte, gerade weil die gemeinsamen Werte eine blinde Stelle geschaffen haben, wo eigentlich kritisches Denken hätte stattfinden sollen.

Sie suchen bewusst nach Mandaten, bei denen etwas kaputt ist oder nicht funktioniert. Was zieht Sie an Komplexität und Schwierigkeiten, und woher nehmen Sie die Energie, sich auf solche Situationen einzulassen?

Ich bin mir nicht sicher, ob ich es mir ausgesucht habe, eher habe ich entdeckt, dass ich dort tatsächlich am besten funktioniere. Zu Beginn meiner Karriere hatte ich vollkommen angenehme Arbeitsziele in gut geführten Organisationen mit klaren Vorgaben und relativ vorhersehbaren Umgebungen. Und ich habe die Arbeit gut genug erledigt. Aber mir fiel auf, dass ich in anspruchsvolleren Situationen lebendiger war. In solchen, in denen die Diagnose nicht offensichtlich war, in denen die Menschen unter Druck standen, in denen wirklich viel auf dem Spiel stand. In solchen Situationen passiert etwas, das sonst nirgendwo passiert: die Menschen hören auf, eine Rolle zu spielen, und fangen an, ehrlich zu sein oder zumindest ihre wahre Persönlichkeit zu zeigen. Ein Vorstand, der sich in echten Schwierigkeiten befindet, wird in einer Sitzung ein authentischeres Gespräch führen als ein Vorstand in einer komfortablen Lage in einem ganzen Jahr. Ich empfinde das als klärend und nicht als kräftezehrend.

Der andere Teil ist einfacher: Ich glaube aufrichtig, dass die meisten festgefahrenen Situationen lösbar sind und dass das, was zwischen dem aktuellen Stand und dem möglichen Ziel steht, meist nicht Kapital oder Strategie ist, sondern Klarheit. Klarheit darüber, was tatsächlich geschieht, was sich ändern muss und wer was tun muss. Das zu schaffen, ist etwas, das ich kann, und das Wissen, dass man helfen kann, ist eine ganz eigene Art von Energie. Ich habe gelernt, auf Situationen zu achten, die reparabel aussehen, es aber nicht sind – wo die Dysfunktion so tief in der Unternehmenskultur oder den Persönlichkeiten verankert ist, dass keine noch so grosse Klarheit daran etwas ändern kann. Ich bin schon in einige davon geraten. Man lernt, die schwachen Signale früher zu erkennen.

Wenn Sie einem jungen Finanzfachmann einen Rat geben könnten, etwas, das Ihnen Zeit und echte Fehler erspart hätte, was wäre das?

Lerne, dich mit Stille in einem Raum wohlzufühlen. Das klingt fast trivial, aber ich meine es ernst. Die meisten Fehler, die ich zu Beginn meiner Karriere gemacht habe, passierten, weil sich jemand gezwungen fühlte, eine Stille mit einer Stellungnahme zu füllen, bevor er seine Gedanken tatsächlich zu Ende gedacht hatte. In der Finanzbranche herrscht ein enormer Druck, eine Meinung zu haben, Überzeugung zu zeigen, die Person mit der Antwort zu sein. Dieser Druck ist unerbittlich und beginnt sehr früh. Wenn man nicht aufpasst, führt das dazu, dass man sich an Standpunkte bindet, bevor man sie wirklich hinterfragt hat, weil die Alternative, nämlich mit Unsicherheit zu leben, sich beruflich gefährlich anfühlt. Die Menschen, die ich in den letzten dreissig Jahren am meisten respektiert habe, sind diejenigen, die ohne Verlegenheit sagen konnten: «Ich weiss es noch nicht», die eine Frage länger offen halten konnten, als es angenehm war, und die ihre Meinung änderten, ohne dies als Niederlage zu betrachten. Diese Fähigkeit, wirklich unsicher zu bleiben, ist seltener als jede technische Fertigkeit, die mir einfällt, und auf lange Sicht wertvoller als fast alles, was man in einem Ausbildungsprogramm oder an einer Business School lernt. Niemand lehrt sie, weil sie nicht wie eine Fertigkeit aussieht. Sie sieht aus wie Zögern. Das ist sie aber nicht.

Die Fragen hat Binci Heeb gestellt.

Fulvio Maccarone, CFA, ist Investor im Bereich der privaten Märkte und Vorstandsmitglied mit über 30 Jahren Erfahrung an der Schnittstelle zwischen Kapital, operativem Geschäft und Unternehmensführung. Er hat den Einsatz von mehr als 2,5 Milliarden US-Dollar in private Investitionen in Form von Fonds, Co-Investments, Venture- und Wachstumskapital geleitet, unter anderem in leitenden Positionen bei Pictet, BlueCrest und einem der größten Family Offices Europas.

Heute investiert er in europäische Deep-Tech- und nachhaltigkeitsorientierte Unternehmen, darunter Woodoo, Enshift und Daphne Technology, und ist als nicht geschäftsführendes Vorstandsmitglied in Unternehmen aus den Bereichen Technologie, Gesundheitswesen, Immobilien und Konsumgüter tätig. Zudem unterrichtet er angehende Vorstandsmitglieder an der Startup Board Academy im Thema Unternehmensführung und schliesst derzeit seine Doktorarbeit über kognitive Verzerrungen bei der Entscheidungsfindung auf Vorstandsebene ab.

Von Genf aus und in fünf europäischen Sprachen berät er Finanzinstitute, Family Offices und Vorstände in den Bereichen Anlagestrategie, Unternehmensführung und komplexe Restrukturierungen.

Lesen Sie auch: Fraud ist kein Pech – Fraud ist die Quittung

Die Plattform soll Versicherungsberater entlasten, Policen automatisiert analysieren und künstliche Intelligenz erstmals wirklich praxisnah in den Brokeralltag integrieren. Im Interview sprechen die beiden Gründer über ihre Vision, Halluzinationen bei KI, den Kampf gegen ineffiziente Systeme und warum die Zukunft der Branche nicht in Konkurrenz, sondern in Vernetzung liegt.

Silvio Siegenthaler kennt die Versicherungsbranche von innen. Vom klassischen Versicherungsberater arbeitete er sich bei der Vaudoise hoch bis zu den erfolgreichsten Kundenberatern der Schweiz. Doch parallel dazu faszinierte den heute 31-Jährigen zunehmend die Welt der künstlichen Intelligenz. Gemeinsam mit Michel Di Vito von Olai Interactive entwickelte er daraus die Plattform Sothura, die Brokerprozesse automatisieren und gleichzeitig die Qualität von Beratungen verbessern soll.

Schweizer Hosting, white-label-fähig und anschlussfähig an praktisch jede bestehende Software und das alles unter den strengen Vorgaben des Datenschutzes für hochsensible Kundendaten. Sothura tritt nicht an, um zu verwalten, sondern um die Versicherungsberatung intelligenter zu machen. Kurz vor dem offiziellen Launch sprechen die Gründer über ihre Motivation, ihre technischen Durchbrüche und ihre Ambitionen für die Schweizer Versicherungswelt. Ist dies das Produkt, auf das die Brokerindustrie so lange gewartet hat?

Silvio Siegenthaler, Sie waren jahrelang erfolgreich in der Versicherungsbranche tätig. Was war der Moment, in dem Sie realisiert haben, dass Sie etwas Eigenes aufbauen möchten?

Silvio Siegenthaler: Stellen Sie sich vor: ein sicherer Job, ein gutes Einkommen, eine Karriere, um die mich viele beneideten und ich werfe alles hin. Ohne Netz. Heute klingt das mutig, damals war es ein Sprung ins Leere, gegen jede Vernunft. Aber etwas in mir wusste: Wenn ich es jetzt nicht wage, wage ich es nie. Ich startete als freier Broker und nebenbei baute ich an einem Werkzeug, das meine Arbeit auf den Kopf stellte. Zuerst nur für mich. Dann zeigte ich es befreundeten Beratern, und ihre Reaktion war elektrisierend. In diesem Augenblick tat ich etwas, das einem Verkäufer eigentlich verboten ist: Ich hörte auf zu verkaufen. Akquise gestoppt, Kundenstamm radikal verkleinert, um alles auf eine Karte zu setzen mit dieser Plattform. Ich musste raus aus den alten Strukturen, um eigene zu bauen. Denn genau das fehlt unserer Branche: Menschen aus der Praxis, die sich entscheiden, die Technik selbst in die Hand zu nehmen, statt darauf zu warten, dass es jemand von aussen tut. Da wurde aus einer Idee eine Mission.

Sie haben sich das Programmieren im Selbststudium beigebracht. Wie schwierig war dieser Schritt neben Ihrer Tätigkeit im Versicherungsumfeld?

Silvio Siegenthaler: Die eigentliche Schwierigkeit ist nicht die Technik, sondern die Konsistenz. Das Durchhaltevermögen, das man aufbringen muss, um sich ohne Einschränkungen darauf konzentrieren zu können: konsequent die Zeit zu nutzen und immer wieder die Komfortzone zu verlassen. Genau das war der harte Teil. Ich hatte mich schon rund zwei Jahre mit künstlicher Intelligenz beschäftigt – zuerst aus Neugier, dann immer ernsthafter – bis mich ein Bekannter endgültig in diese Welt hineinführte, die mich seither nicht mehr losgelassen hat.

Geschafft habe ich es, weil ich diesen Weg nie als Verzicht empfunden habe, sondern als Antrieb. Heute, in der Selbstständigkeit, entwickle und programmiere ich praktisch ununterbrochen. Diese Konsequenz sehe ich als echten Vorteil: Die meisten KI-Lösungen für unsere Branche bauen Teams, die noch nie eine Police verkauft haben. Bei mir ist es umgekehrt, denn ich kenne den Alltag in der Beratung aus tausenden Gesprächen und habe mir die Technologie selbst dazugeholt. Diese Verbindung aus Fachwissen und technischer Tiefe ist selten, und genau sie steckt in jedem Detail von Sothura.

Viele sprechen über künstliche Intelligenz, aber nur wenige bauen tatsächlich konkrete Lösungen. Was hat Sie überzeugt, dass die Versicherungsberatung bereit für diesen Wandel ist?

Silvio Siegenthaler: Weil sich Leidensdruck und Technologie zum ersten Mal treffen. Versicherungsberater – ob als Broker, im Aussendienst oder in der Vermittlung – kämpfen seit Jahren mit Werkzeugen, die mehr Zeit kosten, als sie sparen. Gleichzeitig ist KI an einem Punkt, an dem sie Sprache, Verträge und Zusammenhänge wirklich erfasst – zuverlässig genug für den professionellen Einsatz. Die Frage ist längst nicht mehr, ob KI in die Versicherungsberatung kommt. Die Frage ist, wer sie zuerst richtig macht, schweizerisch, präzise und praxisnah statt als Spielerei. Genau in dieses Fenster stossen wir.

Michel Di Vito, was hat Sie dazu bewogen, als CEO von Olai bei Sothura einzusteigen und das Projekt technisch mitzuentwickeln?

Michel Di Vito: Als Silvio mir seinen Prototyp zeigte, war ich ehrlich beeindruckt. In meiner Laufbahn habe ich unzählige Systeme gesehen, viele davon technisch stark. Doch selten eines, das mit so viel Weitblick und Liebe zum Detail entwickelt wurde.

Mindestens genauso überzeugt hat mich der Mensch dahinter. Silvio hatte einen sicheren, gut bezahlten Job aufgegeben und alles auf seine Vision gesetzt. Wer einen solchen Schritt wagt und dabei so konsequent und sauber arbeitet, meint es ernst.

Gleichzeitig war mir sofort klar, wo die eigentlichen Herausforderungen liegen würden: Sicherheit, Infrastruktur, Skalierbarkeit und die technologische Basis der Plattform. Dazu gehören echte Vektordatenbanken mit tausenden Dokumenten, ein intelligentes Beziehungsnetz zwischen Mandaten, Sparten und Versicherern sowie KI-Antworten, die jederzeit auf realen Versicherungsdokumenten basieren. Hinzu kommen Datenschutz, FINMA-Vorgaben und die Pseudonymisierung besonders schützenswerter Daten. Gerade in diesem Umfeld entscheidet die regulatorische Umsetzung darüber, ob eine Plattform überhaupt betrieben werden kann.

Genau dort liegen meine Stärken. Mit Olai Interactive entwickle ich seit über 21 Jahren digitale Lösungen für namhafte Schweizer Unternehmen, darunter die Coop Pensionskasse, Bell Schweiz und viele weitere.

Sothura ist eines der wenigen Projekte, an die ich so stark glaube, dass ich selbst investiere. Für mich stimmt hier alles: der Mensch, die Technologie und das wirtschaftliche Potenzial. Aus der Zusammenarbeit mit Silvio ist längst eine Freundschaft entstanden. Und die Entwicklung zeigt, dass wir auf dem richtigen Weg sind: Das Interesse und die Anfragen von Institutionen nehmen kontinuierlich zu.

Wie ordnen Sie Sothura im Markt ein und worin liegt das grössere Potenzial?

Silvio Siegenthaler: SOTHURA SAFE versteht Daten, statt sie nur zu verwalten und genau diese Intelligenz fehlt vielen Systemen heute. Für den Broker heisst das ganz konkret: weniger Verwaltung, mehr Zeit für Beratung, bessere Entscheidungen. Was uns wirklich unterscheidet, ist das Beratungsverständnis: SOTHURA SAFE liest Policen nicht nur aus, sondern versteht den Beratungsprozess dahinter. Sie erkennt, ob eine Deckung zur Situation des Kunden passt, wo eine Lücke klafft, was als Nächstes zu tun ist.

Die meisten KI-Tools bleiben beim Extrahieren oder beim Postfach stehen, wir denken weiter, bis zur eigentlichen Beratung. Dazu kommt ein klarer Heimvorteil: Wir haben die Plattform konsequent für den Schweizer Markt gebaut mit Schweizer Hosting und kompromisslos ausgerichtet an den hiesigen Datenschutz- und die regulatorischen Anforderungen. Das bieten die wenigsten. Und genau dahin treiben wir das grössere Potenzial: eine Plattform, die den Alltag spürbar erleichtert, die Qualität der Beratung hebt und so mit der Zeit zum festen Bestandteil der Branche wird.

Ein grosses Problem generativer KI sind Halluzinationen. Sie behaupten, dieses Problem gelöst zu haben. Wie funktioniert das konkret?

Michel Di Vito: Die Vermeidung von Halluzinationen gehört zu den anspruchsvollsten Herausforderungen bei KI-Systemen. Genau deshalb war dieses Thema für uns von Beginn an ein zentraler Bestandteil der Architektur.

Generische KI-Modelle neigen dazu, fehlende Informationen durch Wahrscheinlichkeiten zu ergänzen. In vielen Anwendungsbereichen mag das akzeptabel sein, im Versicherungsumfeld jedoch ist es das nicht. Deshalb basiert unser System ausschliesslich auf einer kontrollierten und verifizierten Wissensgrundlage. Jede Antwort wird auf nachvollziehbare Quellen zurückgeführt. Fehlt die erforderliche Informationsbasis, wird keine Antwort konstruiert, sondern die Unsicherheit transparent ausgewiesen.

Die Verlässlichkeit der Antworten ist somit nicht das Ergebnis nachträglicher Korrekturen, sondern eine direkte Folge der technischen Architektur. Für Broker ist das entscheidend: Sie müssen darauf vertrauen können, dass Antworten auf belastbaren Informationen basieren. Eine KI, die im Versicherungsrecht oder bei regulatorischen Fragen halluziniert, ist keine Innovation, denn sie stellt ein erhebliches Risiko dar.

Sothura baut auf verifizierten Daten und öffentlich zugänglichen Rechts- und Branchengrundlagen auf. Wie wichtig ist Datenqualität für zuverlässige KI-Systeme?

Michel Di Vito: Datenqualität entscheidet darüber, ob man einer KI vertrauen kann oder nicht. Eine KI ist immer nur so gut wie das Wissen, auf dem sie aufbaut. Lernt sie aus unsauberen oder fragwürdigen Quellen, liefert sie Fehler, die täuschend überzeugend klingen. Das kann sich in dieser Branche niemand leisten. Deshalb haben wir eine eigene, spezialisierte Lösung gebaut: auf einer sorgfältig geprüften, verifizierten Wissensbasis aus öffentlich zugänglichen Rechts- und Branchengrundlagen, in der Schweiz gehostet und vollständig unter unserer Kontrolle. Jedes Dokument durchläuft bei uns eine Klassifizierung und eine Freigabe, bevor die KI damit arbeiten darf. Diese saubere Grundlage ist unsichtbar und unspektakulär und genau deshalb unser stärkster Vorsprung.

Broker klagen seit Jahren über unterschiedliche Policendarstellungen und ineffiziente Prozesse. Wie genau vereinfacht Ihre Plattform den Arbeitsalltag?

Silvio Siegenthaler: Heute sieht jede Police anders aus, denn jeder Versicherer stellt Deckungen, Bedingungen und Ausschlüsse unterschiedlich dar, und der Broker vergleicht das mühevoll von Hand. Genau das nimmt ihm SOTHURA SAFE ab: Die Plattform liest die Dokumente ein, bringt sie auf eine einheitliche Struktur und macht sie über alle Versicherer hinweg vergleichbar. Was heute einen halben Nachmittag kostet, dauert Minuten.

Aber wir denken den ganzen Beratungsalltag mit: Die Plattform erkennt aus öffentlichen Registern automatisch neue potenzielle Kunden, begleitet Ausschreibungen von der Vorsorge über die Krankenversicherung bis zur Cyber-Deckung, verwaltet Termine, Aufgaben und Protokolle und hält den Berater bei jeder relevanten Gesetzes- oder Branchenänderung auf dem Laufenden. Besonders wichtig: Wir automatisieren auch die Beratungsdokumentation so, dass die gesetzliche Beratungspflicht nach dem revidierten VAG zuverlässig und zukunftssicher erfüllt wird. Der eigentliche Gewinn ist am Ende nicht nur die gesparte Zeit, sondern die Qualität: Der Broker erkennt Deckungslücken, die im Alltag leicht untergehen. Er wird schneller und gleichzeitig besser.

Sie sprechen davon, dass Policen künftig automatisch erkannt, interpretiert und bewertet werden können. Wie weit sind Sie technologisch heute bereits?

Silvio Siegenthaler: Das ist keine Vision mehr, denn das funktioniert bereits heute. Unsere KI liest Policen zuverlässig und sauber aus und nicht nur Policen, sondern auch Vorsorgeausweise. Eine vollständige Analyse dauert unter einer Minute. Am Ende stehen strukturierte Daten, die sich automatisch in bestehende Systeme oder ein CRM übernehmen lassen. Doch beim reinen Auslesen hören wir nicht auf: Das System interpretiert die Police und gleicht sie mit den tatsächlichen Anforderungen des Kunden ab. Wir stützen uns dabei auf anerkannte Branchen- und Klassifizierungsstandards und berücksichtigen sogar rechtlich verbindliche Vorgaben aus dem jeweiligen Arbeitsumfeld. Wer in der Branche zuhause ist, ahnt, wie tief das geht. Und das Entscheidende: Unsere Pipeline aktualisiert sich automatisch selbst, Jahr für Jahr mit neuen, aktuellen Daten, ohne dass jemand manuell nachziehen muss. Genau dieser Schritt, vom Labor in den echten Brokeralltag, ist uns wichtiger als jede Show-Demo.

Welche Rolle spielen APIs und die Anbindung bestehender CRM-Systeme für Ihre Strategie?

Silvio Siegenthaler: Eine zentrale. Wir fügen uns nahtlos dort ein, wo der Broker heute schon arbeitet und genau das ist eine unserer grössten Stärken: Dank unserer neuen Technologie und unserer API-Fähigkeiten können wir praktisch an jedes bestehende System andocken, an CRMs, an die Plattformen und Marktplätze der Branche. Wir sind dabei neu gebaut, nicht über Jahrzehnte gewachsen. Unser Technologie-Stack ist brandneu und extrem wendig, wir integrieren und entwickeln schneller weiter als die meisten. Genau das macht uns zum natürlichen Partner für etablierte Anbieter: Sie bringen ihre Reichweite und ihre gewachsenen Strukturen, wir die spezialisierte Intelligenz, die eine generische KI schlicht nicht leisten kann. Offene Schnittstellen sind für uns kein Zusatz, sondern Fundament. Die Zukunft der Branche entscheidet sich in Vernetzung, nicht in Abschottung und wir führen genau dazu bereits Gespräche mit Partnern, die diese Vision teilen.

Wie flexibel ist Ihre Plattform sprachlich und für unterschiedliche Anbieter?

Silvio Siegenthaler: Sehr flexibel, und das ganz bewusst. Zum einen decken wir nicht nur die vier Landessprachen ab. In der Schweizer Beratung wird tagtäglich in weiteren Sprachen gearbeitet und genau diese bieten wir an, weil der Markt sie händeringend sucht und kaum jemand sie bedient. Zum anderen ist SOTHURA SAFE von Beginn weg white-label-fähig: Ein Unternehmen kann die Plattform unter seiner eigenen Marke und in seinem eigenen Auftritt nutzen als sein eigenes System, nicht ein fremdes Werkzeug mit unserem Logo. Diese Anpassungsfähigkeit ist kein Nebeneffekt, sondern Teil unserer Strategie: Wir wollen uns einfügen, nicht überstülpen.

Neben der Brokerlösung entwickeln Sie auch ein KI-gestütztes Lerntool. Warum ist Weiterbildung im KI-Zeitalter so zentral?

Michel Di Vito: Vor zwei Jahren begann ich mit der Entwicklung einer KI-gestützten Lernplattform für personalisierte Gedächtnistechniken. Entstanden aus dem Wunsch, Kindern mit Lernschwächen die gleichen Chancen zu ermöglichen, ist LearnCards eines der Projekte, das mir am meisten am Herzen liegt.

Auch dieses Projekt werden wir gemeinsam umsetzen. Die SaaS-Lösung wird bis Ende Jahr in Europa und den USA zugänglich sein.

Gemeinsam werden wir LearnCards in Sothura integrieren. Die Synergie liegt auf der Hand: Sothura liefert das geprüfte Fachwissen der Branche, LearnCards sorgt dafür, dass dieses Wissen nachhaltig im Gedächtnis bleibt. Gerade in einer Branche mit kontinuierlicher Weiterbildungspflicht ergänzt sich das ideal.

Silvio Siegenthaler: Weiterbildung ist in unserer Branche nicht optional, da jeder Versicherungsvermittler eine Zertifizierung ablegen muss, um sein Wissen laufend aktuell zu halten. Genau hier denken wir weiter: Wenn wir bereits eine spezialisierte KI haben, ist der Schritt nicht mehr weit, daraus auch eine lernfähige Anwendung zu machen – eine, die Wissen nicht nur vermittelt, sondern es durch eine gezielte, auf neurowissenschaftlichen Prinzipien aufbauende Methodik direkt im Langzeitgedächtnis verankert. Lernen, das wirklich hängen bleibt, statt kurz vor der Prüfung gepaukt und danach wieder vergessen zu werden. Ich sage aber ganz offen: Das ist ein eigenständiges, zweites Produkt, das wir in einem späteren Schritt lancieren. Heute liegt unser ganzer Fokus auf der Brokerlösung, aber die Richtung ist gesetzt.

Herr Siegenthaler, Sie haben rund 3000 Stunden in das Projekt investiert, Herr Di Vito ebenfalls bereits weit über 1500 Stunden. Was treibt Sie persönlich an?

Silvio Siegenthaler: Mich treibt an, dass ich ein Problem lösen will, das ich selbst aus der Praxis kenne für eine Branche, der ich mich verbunden fühle. Ich habe einen erfolgreichen Kundenstamm bewusst zurückgestellt und fast alles auf eine Karte gesetzt, weil ich ein Potenzial sehe, das man nicht ignorieren kann: dem Broker und seinen Kunden eine Plattform zu geben, die endlich wieder Raum für echte Beratung schafft. Und diese Stunden habe ich nicht investiert, um unentbehrlich zu sein, sondern um ein System zu bauen, das ohne mich funktioniert – eines, das tausende Broker täglich nutzen, auch wenn ich nicht im Raum bin.

Michel Di Vito: Mich treibt vor allem die Aufgabe selbst an. Ich habe mich bereits vor über fünf Jahren auf KI spezialisiert, lange bevor das Thema zum Hype wurde. Dabei entwickle ich eigene neuronale Netze von Grund auf. Das geht weit über die Nutzung bestehender KI-Systeme hinaus.

Die Versicherungsbranche bringt genau die Herausforderungen mit sich, für die diese Tiefe notwendig ist: hochsensible Daten, komplexe Zusammenhänge und keinerlei Spielraum für Fehler. Genau solche Probleme zu lösen, begeistert mich. Es ist die Art von Herausforderung, für die ich brenne.

Ich bin mit voller Leidenschaft dabei und sage das mit Überzeugung: Dafür bin ich der Richtige. Wenn man etwas wirklich gerne macht, zählt man die Stunden nicht.

Viele Startups scheitern weniger an der Technologie als an der Marktdurchdringung. Wie wollen Sie Vertrauen bei Brokern, Versicherern und Partnern aufbauen?

Silvio Siegenthaler: Vertrauen kauft man nicht, man verdient es. Besonders in dieser Branche. Drei Dinge sind entscheidend. Erstens Herkunft: Ich komme selbst aus der Praxis, ich rede mit Brokern auf Augenhöhe, nicht als Tech-Verkäufer. Zweitens Substanz: Schweizer Hosting, verifizierte Daten, Datenschutz nach Schweizer Recht – keine Kompromisse dort, wo es um sensible Kundendaten geht. Und drittens Haltung: Wir treten nicht an, um jemandem etwas wegzunehmen. Wir arbeiten mit Union Swiss Brokers Holding AG zusammen und den etablierten Plattformen und Gruppen der Branche. Wer vernetzt denkt, baut Vertrauen schneller auf als wer alles allein besetzen will.

Wenn wir in zwei oder drei Jahren nochmals sprechen: Was wäre für Sie der Beweis, dass Sothura die Branche tatsächlich verändert hat?

Silvio Siegenthaler: Der Beweis wäre, wenn ein Broker Sothura gar nicht mehr als KI-Tool wahrnimmt, sondern als selbstverständlichen Teil seiner Arbeit. So, wie heute niemand mehr über E-Mails staunt. Wenn man in der Branche nicht mehr fragt, ob man mit KI arbeitet, sondern womit. Und wenn der Massstab für gute Beratung gestiegen ist, weil die mühsame Arbeit die Maschine erledigt und der Mensch wieder Zeit für das hat, was nur er kann: zuhören und einordnen, beraten. Wenn wir das geschafft haben, haben wir die Branche nicht ersetzt, wir haben sie besser gemacht. Das wäre für mich der Beweis. Denn für uns beginnt die Zukunft der Versicherungsberatung genau jetzt.

Die Fragen hat Binci Heeb gestellt.

Silvio Siegenthaler (Jahrgang 1994) ist Versicherungsvermittler, Unternehmer und Gründer von SOTHURA – ein leistungsorientierter Visionär. Als Top-Verkäufer arbeitete er sich zu einem der erfolgreichsten Berater der Schweiz hoch, ehe er den Schritt in die Selbstständigkeit wagte und daraus SOTHURA SAFE entwickelte. Er ist verheiratet, Vater von zwei Kindern und lebt in Lohn-Ammannsegg.

Michel Di Vito ist Geschäftsführer der Olai Interactive und technischer Mitgestalter von SOTHURA SAFE. Mit über zwei Jahrzehnten Erfahrung in der digitalen Industrie gilt er als technischer Vorreiter. Er ist verheiratet, Familienvater und passionierter Golfer und lebt in Oberdorf.

Lesen Sie auch: Versicherungsbroker-Forum 2026: Der Weg ist steinig

Mit inncivio entwickelt Anna Raafat eine Technologie, die Nutzern durch intelligente Echtzeit-Hilfe dabei hilft, sich in komplexen digitalen Umgebungen vom Bankwesen bis hin zu Versicherungen zurechtzufinden. In diesem Interview erläutert sie, warum Finanzkompetenz und KI-gestützte kontextbezogene Personalisierung zusammengehören und warum sich viele Nutzer von digitalen Plattformen überfordert fühlen.

Da Finanz- und Versicherungsdienstleistungen zunehmend digitaler werden, haben viele Verbraucher mit Fachjargon, Produktkomplexität und Informationsüberflutung zu kämpfen. Genau hier setzt inncivio an: Das in den USA ansässige Start-up, gegründet von schweizerischen und portugiesischen Mitbegründern, analysiert anonymisiertes Nutzerverhalten und bietet kontextbezogene Unterstützung genau in dem Moment, in dem Nutzer sie benötigen. Das Ziel sind nicht nur höhere Konversionsraten, sondern auch fundiertere Entscheidungen durch personalisierte und finanzielle Beratung.

Mit einem Hintergrund, der von der Schweizerischen Nationalbank über Deloitte bis hin zum Fintech-Sektor reicht, vereint Anna Raafat Fachwissen in den Bereichen Wirtschaft, Technologie und Strategie. Im Gespräch mit thebrokernews teilt sie ihre Ansichten zu Finanzkompetenz, KI-gestützter Kundenbindung, Vertrauen in digitale Plattformen und dem Zukunftspotenzial der Versicherungsbranche.

Anna, Sie haben Ihre Karriere bei der Schweizerischen Nationalbank begonnen, bevor Sie in die Beratung und den Fintech-Bereich gewechselt sind. Was hat Sie letztendlich dazu motiviert, Unternehmerin zu werden?

Dafür gab es mehrere Gründe. Erstens ist meine Familie sehr unternehmerisch; meine beiden Eltern haben ein erfolgreiches Unternehmen aufgebaut und mich dazu inspiriert, etwas Eigenes aufzubauen. Zweitens bin ich unglaublich leidenschaftlich bei meiner Arbeit und möchte etwas Positives bewirken. Es gibt für mich einfach keinen besseren Weg, dies zu erreichen, als gemeinsam mit wunderbaren Geschäftspartnern etwas Eigenes für eine Sache aufzubauen, an die ich wirklich glaube.

Gab es einen bestimmten Moment, in dem Ihnen klar wurde, dass es eine echte Marktlücke gab, die geschlossen werden musste?

Ja, den gab es tatsächlich. Als ich anfing, für einen Kreditmarktplatz in Zürich zu arbeiten, wurde mir klar, dass es eine wachsende Kluft gibt zwischen dem einfachen Zugang zu innovativen Fintech-Lösungen und dem Wissen der Menschen darüber, wie sie solche Produkte am besten nutzen und davon profitieren können (Kredite sind nur ein Beispiel, aber das erstreckt sich auch auf Trading, Kryptowährungen, Versicherungen und mehr!). Grossartige Produkte und ein hervorragender Kundensupport reichen nicht aus, damit jeder sie richtig nutzen und seine Rendite maximieren kann und sie reichen auch nicht aus, damit diese Unternehmen ihre Rendite maximieren können. Dieses suboptimale Gleichgewicht lässt sich nun dank der Fortschritte in der KI und der rapide sinkenden Kosten für Rechenleistung lösen.

Sie haben erwähnt, dass die Finanzkompetenz weltweit bei etwa 35 Prozent liegt. Welche Risiken birgt dies für die Gesellschaft und die Wirtschaft?

Ich bin fest davon überzeugt, dass Wissen die meisten Probleme löst. Ohne das richtige Verständnis – aus welchen Gründen auch immer – treffen Menschen falsche Entscheidungen (oder treffen gar keine), was langfristige Auswirkungen auf makroökonomischer Ebene hat. Wenn man diesen Mangel an Wissen mit dem rasanten technologischen Fortschritt und dem nahezu universellen Zugang zu allem kombiniert, wird dies zu einem kritischen Problem. Während moderne Nutzer erwarten, Entscheidungen schnell und mühelos zu treffen, muss der Zugang zu Informationen einfach und reibungslos sein, um wirklich wirkungsvoll zu sein. Unternehmen müssen dies berücksichtigen, um sicherzustellen, dass Nutzer digitale Produkte auf nachhaltige Weise optimal nutzen.

Wie erkennt Ihre Technologie, wann Nutzer bei der Navigation auf einer digitalen Plattform Unterstützung benötigen?

Unsere Technologie analysiert anonym das Nutzerverhalten im spezifischen Kontext einer digitalen Plattform und sagt genau voraus, wann ein Nutzer präzise Informationen benötigt und nicht nur Lärm. Unsere prädiktiven KI-Modelle ermitteln, welches Wissen oder welche Informationen dem Nutzer in diesem spezifischen Kontext, an diesem Ort, in diesem Format und zu diesem Zeitpunkt fehlen. Diese Erkenntnis wird dann direkt über kontextbezogene Hinweise, Tooltips und Pop-ups auf der Plattform bereitgestellt, wodurch sichergestellt wird, dass der Nutzer nicht nur mehr, sondern vor allem besser agiert. Letztendlich verwandeln wir die Verwirrung der Nutzer in Vertrauen und Vertrauen in Transaktionen.

Verhaltensanalysen können Bedenken hinsichtlich des Datenschutzes aufwerfen. Wie gehen Sie mit Vertrauen, Anonymisierung und Datenschutz um?

Absolut. Wir verfügen über umfassende Erfahrung in diesem Bereich, da wir seit vielen Jahren weltweit im Fintech-Sektor tätig sind. Wir befolgen strenge Massnahmen, um den Datenschutz zu gewährleisten:

1. Wir verfolgen keine personenbezogenen Daten, sondern konzentrieren uns stattdessen auf anonyme Verhaltens-«Fussabdrücke»
2. Darüber hinaus werden alle Daten mithilfe mehrschichtiger Ansätze verschlüsselt
3. Wir sind zudem SOC2-konform und gewährleisten so Best Practices im Daten- und Informationsmanagement innerhalb des Unternehmens

Sie betonen, dass das Ziel nicht einfach mehr Transaktionen, sondern bessere Entscheidungen ist. Wie definieren Sie eine «bessere Entscheidung» im digitalen Finanzwesen?

Das hängt natürlich vom Schwerpunkt der Plattform ab, ob es sich um eine Handelsplattform, einen Kreditmarktplatz oder eine Neobank handelt, die Ziele werden unterschiedlich sein. Mit «besser» meine ich «gut informiert» aus Sicht des Nutzers. Manchmal sieht man ziemlich aufdringliche Pop-ups, die darauf ausgelegt sind, Nutzer um jeden Preis zu mehr Käufen zu bewegen. Das kann zwar kurzfristig den Umsatz einer Plattform steigern, aber wenn Nutzer die von ihnen getroffenen Massnahmen nicht richtig verstehen, verlieren sie letztendlich das Vertrauen. Ich glaube, wenn man eine finanzielle Handlung wirklich versteht, hat man mehr Kontrolle darüber; man erzielt bessere Ergebnisse und tätigt auch langfristig weiterhin Transaktionen. Dies schafft eine Win-Win-Situation sowohl für den Endnutzer als auch für das Unternehmen, das in der Regel auf ein transaktionsbasiertes Umsatzmodell setzt.

Warum glauben Sie, dass der Versicherungssektor besonders gut für Ihre Technologie geeignet ist?

Über den Finanzsektor hinaus bin ich überzeugt, dass die Versicherungsbranche ein weiterer Sektor ist, der unsere Technologie benötigt. Letztendlich benötigt jede transaktionsbasierte Plattform mit einem gewissen Grad an Komplexität diese Art von Beratungsschicht. Ein Insurtech passt absolut in diese Kategorie.

Versicherungsprodukte werden oft als schwer verständlich wahrgenommen. Wo sehen Sie die grössten Kommunikationslücken zwischen Versicherern und Kunden?

Damit Privatkunden eine fundierte Entscheidung darüber treffen können, welches Versicherungsprodukt sie abschliessen, müssen mehrere Ebenen von Informationen klar sein. Digitale Plattformen leisten zwar hervorragende Arbeit bei der Vereinfachung der Benutzererfahrung, doch handelt es sich dabei immer noch um einen «Einheitsansatz»; nicht jeder hat jedoch denselben Informationsbedarf, um eine Entscheidung zu treffen. Dank des heutigen technologischen Fortschritts kann man erkennen, was jedem einzelnen Nutzer in einem bestimmten Fall fehlt, und diese Lücke effizient, in Echtzeit und am richtigen Ort schliessen: sei es durch die Erklärung komplexer Fachbegriffe, die Erläuterung des Versicherungsumfangs oder die Klärung, welche Informationen derzeit fehlen.

Was unterscheidet inncivio von herkömmlichen Chatbots, FAQs oder statischen Informationsangeboten?

Vor allem ist inncivio kontextbezogen und proaktiv. Wir sind überzeugt, dass es bereits zu spät ist, darauf zu warten, dass ein Nutzer eine Frage stellt – einfach weil man manchmal gar nicht weiss, wie man diese Frage formulieren soll. Wir glauben, dass die Zukunft darin liegt, in Echtzeit vorherzusagen, was Ihnen fehlt, und es entsprechend bereitzustellen. Darüber hinaus erfordert Personalisierung den richtigen Ort, den richtigen Zeitpunkt und das richtige Format. FAQs und statische Informationsangebote sind wunderbare Informationsquellen, aber sie sind für alle gleich. Doch Nutzer A ist vielleicht eher visuell orientiert als Nutzer B, während Nutzer C vielleicht erfahrener ist als Nutzer D. Es macht keinen Sinn, dass alle genau denselben Inhalt sehen. Die heutige Technologie kann das lösen. Ausserdem ist Bildung zwar grossartig, doch was Nutzern oft fehlt, ist die Verbindung zwischen Information und Handlung. Ohne diese Brücke werden Inhalte zu theoretisch oder abstrakt. Wir wollen diese Lücke schliessen.

Glauben Sie, dass digitale Plattformen irgendwann die Wissenslücken der Nutzer vorhersehen werden, noch bevor diese selbst merken, dass sie Hilfe brauchen?

Ja, auf jeden Fall!

Sie sind in Frankreich aufgewachsen, sind Deutsche und nun auch Schweizerin und haben einen multikulturellen Hintergrund. Wie hat dies Ihre Sicht auf Innovation und Wirtschaft geprägt?

Es gibt so viel Schönheit und Vielfalt auf diesem Planeten; das Beste aus jeder Kultur, der man begegnet, mitzunehmen, ist das, was ich gerne tue, sowohl privat als auch beruflich. Das ist auch der Grund, warum wir bei inncivio, obwohl das Team noch klein ist, bereits mehrere Kontinente, Sprachen und Kulturen abdecken. Dennoch haben wir eine gemeinsame Mission, auf die wir alle geschlossen hinarbeiten!

Was macht Zürich und die Schweiz zu attraktiven Standorten für Fintech- und KI-Start-ups?

Ich sehe tatsächlich ähnliche Trends wie in New York: einen lebendigen Multikulturalismus, der pro Kopf unglaublich deutlich zu spüren ist. Genau diese Vielfalt ist es, die starke Innovation und Fortschritt vorantreibt. Zudem verfügt die Schweiz über exzellente Universitäten, was sie zu einem nachhaltigen F&E-Zentrum auf der globalen Bühne macht.

Wo sehen Sie inncivio in fünf Jahren, und welche Rolle wird KI bis dahin im Alltag von Bank- und Versicherungskunden spielen?

Ich sehe inncivio als kontextbezogene Orientierungsschicht in der gesamten transaktionsorientierten digitalen Wirtschaft, die weit über den Finanz- und Versicherungssektor hinausreicht. Es fungiert als Brücke, die es Plattformen ermöglicht, ihre Kunden zu stärken und gleichzeitig solide, wiederkehrende Umsätze zu generieren. Wir würden im Wesentlichen zur «unsichtbaren Hand» oder zur «ultimativen Umsatzinfrastruktur» für die Transaktionswirtschaft werden.

Die Fragen hat Binci Heeb gestellt.

Anna Raafat ist Mitbegründerin und COO von inncivio, einer agentenbasierten Umsatzplattform für Fintech- und Finanzdienstleister. Die ausgebildete Ökonomin war zuvor bei der Schweizerischen Nationalbank und bei Deloitte tätig und spezialisierte sich auf Makroökonomie und Strategieberatung für den Bankensektor. Nachdem sie kritische Wissenslücken in der Fintech-Branche erkannt hatte, gründete sie inncivio mit, um diese zu schliessen. Sie spricht fliessend Deutsch und Französisch und ist stolz darauf, auf Duolingo eine fast 800-tägige Spanisch-Lernserie vorweisen zu können!

Lesen Sie auch: Schweizer InsurTechs rüsten sich für London – und suchen Kapital, Datenpower und Vertriebskönner

Wenn bei einem Herzstillstand oder einem Lawinenunglück jede Sekunde zählt, kann Technologie über Leben und Tod entscheiden. Genau hier setzt das Schweizer Unternehmen SureVIVE an. Mit seiner Plattform «Momentum» entwickelt CEO Georg Hauzenberger digitale Lösungen, die Rettungskräfte schneller, koordinierter und effizienter zusammenbringen sollen.

Im Podcast spricht der Elektrotechniker und ehemalige Swisscom-Manager mit Jakob Barandun (Capricorn Connect) über die Vision hinter dem Unternehmen, die Herausforderungen moderner Rettungssysteme und darüber, warum künstliche Intelligenz künftig eine noch wichtigere Rolle spielen wird.

Alarmierung in Sekunden statt Minuten

SureVIVE entwickelt mobile Alarmierungs- und Lageführungssysteme für First Responder, Rettungsdienste und spezialisierte Einsatzkräfte. Die Plattform «Momentum» wird mittlerweile in 22 von 26 Schweizer Kantonen eingesetzt und unterstützt über 40’000 Einsatzkräfte.

Besonders bei Herz-Kreislauf-Stillständen zählt jede Minute. Während Einsatzkräfte früher teils über langwierige Telefonkonferenzen oder Pager organisiert wurden, können heute innerhalb von rund 15 Sekunden hunderte freiwillige Ersthelfer gleichzeitig alarmiert werden. Die App selektiert dabei automatisch geeignete Einsatzkräfte nach Standort oder verfügbarer Ausrüstung wie Defibrillatoren.

Hauzenberger betont jedoch, dass Technologie nur ein Teil des Gesamtsystems sei. Entscheidend seien ebenso starke First-Responder-Netzwerke, genügend Defibrillatoren sowie die Zusammenarbeit mit Gemeinden und Organisationen.

Ein gemeinsames Lagebild für alle Retter

Neben der Alarmierung steht vor allem die Vernetzung verschiedener Rettungsorganisationen im Fokus. Mit «Momentum Pro» erhalten Einsatzkräfte vor Ort ein gemeinsames digitales Lagebild in Echtzeit. So können Bergretter, Sanität, Luftrettung oder Pistenrettungsdienste gleichzeitig sehen, wer bereits vor Ort ist, wann ein Helikopter eintrifft oder welche Ressourcen noch benötigt werden.

Gerade bei Lawineneinsätzen zeigt sich der Nutzen solcher Systeme besonders deutlich. Unterschiedliche Organisationen – von Bergrettung über Helikopterunternehmen bis hin zu Lawinenhundeführern – müssen innert kürzester Zeit koordiniert werden. Surevive will dafür sorgen, dass alle Beteiligten dieselben Informationen in Echtzeit erhalten.

Das übergeordnete Ziel beschreibt Hauzenberger mit dem Leitsatz «Tearing Down Boundaries to Save Lives». Gemeint ist der möglichst einfache und schnelle Datenaustausch zwischen unterschiedlichsten Rettungsorganisationen.

Swiss Emergency Data Hub als digitale Drehscheibe

Ein zentrales Zukunftsprojekt ist der «Swiss Emergency Data Hub». Dabei handelt es sich um eine gemeinsame Datenaustauschplattform verschiedener Rettungsorganisationen und Kantone.

Die Idee dahinter: Einsatzdaten, Statusmeldungen und Positionsinformationen sollen organisationsübergreifend in Echtzeit geteilt werden können. Rettungsdienste, Bergbahnen, Luftrettung oder Notrufzentralen erhalten dadurch ein identisches Lagebild und können ihre Ressourcen effizienter koordinieren.

Für Hauzenberger liegt genau darin der Schlüssel moderner Rettungssysteme: weniger technische und organisatorische Barrieren, dafür mehr Zusammenarbeit zwischen allen Beteiligten.

Künstliche Intelligenz soll Einsätze weiter optimieren

Auch künstliche Intelligenz spielt bei SureVIVE zunehmend eine Rolle. Das Unternehmen verfügt mittlerweile über Daten aus mehr als zehn Jahren Einsatzhistorie. Diese sollen künftig genutzt werden, um Alarmierungsalgorithmen intelligenter zu machen.

Ziel ist es, Einsatzkräfte noch präziser auszuwählen und Systeme dynamisch an veränderte Situationen anzupassen. Dabei legt Hauzenberger grossen Wert auf Datenschutz und eine verantwortungsvolle Nutzung der Daten.

Die KI soll nicht Menschen ersetzen, sondern Prozesse optimieren und Einsatzorganisationen dabei unterstützen, schneller und effizienter zu reagieren.

Sinnhaftigkeit als Arbeitgebermarke

Als Arbeitgeber setzt SureVIVE stark auf Sinnhaftigkeit und Eigenverantwortung. Laut Hauzenberger entscheiden sich viele Mitarbeitende bewusst für das Unternehmen, weil sie mit ihrer Arbeit einen konkreten gesellschaftlichen Beitrag leisten wollen.

Die Unternehmenskultur sei pragmatisch, teamorientiert und stark von Menschen geprägt, die selbst Erfahrung im Rettungswesen mitbringen. Das gemeinsame Ziel sei klar definiert: Technologien zu entwickeln, die Rettungskräfte im Ernstfall bestmöglich unterstützen.

Binci Heeb

Sehen und lesen Sie auch: Wenn Führung einsam macht

Erfahrung wird aussortiert, während der Fachkräftemangel wächst. Die Wirtschaftspsychologin Prof. Dr. Lioba Werth erklärt, warum Unternehmen beim Thema Älterwerden strategisch versagen und weshalb echte Führung heute weniger mit Tools als mit Haltung zu tun hat.

Demografischer Wandel, Fachkräftemangel und steigender Effizienzdruck stellen Unternehmen vor grundlegende Fragen. Gleichzeitig verändert sich auch das Verständnis von Führung: Weg von Methoden und Management-Tools, hin zu Reflexion, Verantwortung und innerer Haltung.

Die Wirtschaftspsychologin und Top-Level-Beraterin Prof. Dr. Lioba Werth verbindet beide Themenfelder. Sie arbeitet seit Jahrzehnten mit Führungskräften auf Vorstandsebene und beobachtet, wie Macht, Alter und Werte oft unbewusst das Handeln prägen. Dabei kommt den älteren Mitarbeitenden eine oft unterschätze Rolle zu. Im Gespräch mit thebrokernews spricht sie über den «Mut beim Älterwerden», die unterschätzten Risiken für Unternehmen und darüber, warum Erfahrung in Zukunft zu einem der entscheidenden Wettbewerbsfaktoren werden könnte.

Frau Professor Werth, Sie haben die Entwicklung der Wirtschaftspsychologie in Deutschland aktiv mitgestaltet. Was hat Sie ursprünglich an der Verbindung von Psychologie und Wirtschaft fasziniert und was fasziniert Sie heute daran?

Mich hat früh irritiert, wie irrational wirtschaftliche Entscheidungen oft sind – und wie rational sie gleichzeitig begründet werden. Die Psychologie zeigt: Menschen entscheiden selten objektiv. Sie entscheiden – und bauen sich danach eine überzeugende Geschichte dazu.

Heute fasziniert mich genau dieser blinde Fleck. Denn dort entstehen die teuersten Fehler – und die spannendsten Aha-Momente.

Ihr beruflicher Weg führte Sie von der Sterbebegleitung über die Wissenschaft bis hin zur Top-Level-Beratung. Welche Erfahrungen haben Ihr heutiges Verständnis von Führung am stärksten geprägt?

Die Sterbebegleitung war meine radikalste Schule. Dort wird sehr schnell klar, was im Leben trägt – und was nicht. Kein Mensch spricht am Ende über Kennzahlen oder grosse Erfolge. Viele sprechen darüber, was sie wirklich bewegt hat – und dass sie bereuen, sich nicht getraut haben, klarer zu sein. Diese Klarheit fehlt auch oft in der Führung. Und genau da setze ich heute an.

Die Wissenschaft hat mich gelehrt, genau hinzuschauen: Zusammenhänge zu erkennen, Hebel zu verstehen und nicht vorschnell dem Naheliegenden zu folgen.

Und die Arbeit mit Führungskräften sowie meine eigene Führungsrolle haben mir eines immer wieder bestätigt: Es menschelt – auch auf höchster Ebene. Und nachhaltige Wirkung entsteht nie allein nur über Strategien oder Tools, sondern über Haltung und einen klaren Wertekodex.

Diese drei Perspektiven prägen mein Verständnis von Führung bis heute.

Sie arbeiten heute mit Vorständen und Top-Executives. Was unterscheidet die Herausforderungen dieser Ebene fundamental von klassischer Führungskräfteentwicklung?

Je höher die Ebene, desto subtiler die Probleme. Es geht weniger um Können – und mehr um Selbstwahrnehmung. Auf der Top-Ebene ist das grösste Risiko nicht Inkompetenz, sondern Selbstüberschätzung in Kombination mit Einsamkeit. Oben wird es leise und einsam. Ehrliches Feedback wird rar. Und genau das macht es gefährlich. Top-Executives brauchen daher selten mehr Tools, sondern vielmehr Spiegel und gezielte Reflexion (sowie eine belastbare Beziehung zur Basis).

Zitat Werth: «Tools geben Sicherheit. Haltung gibt Richtung. Viele Unternehmen haben zu viel vom einen – und zu wenig vom anderen.»

Sie sprechen davon, dass Führungskräfte weniger Tools brauchen, sondern vielmehr Reflexion. Was bedeutet das konkret im Alltag eines CEOs oder Vorstands?

Viele Führungskräfte sind hervorragend ausgebildet – und erstaunlich wenig mit sich selbst vertraut. Ein Vorstand/GF ist meist hoch erfahren, routiniert und sicher im Auftreten – er muss es auch sein. Doch genau diese Rolle prägt: Entscheiden unter Unsicherheit, Richtung vorgeben, vorne stehen. Das trainiert einseitig und verändert einen – schleichend.

Reflexion heisst deshalb nicht, länger nachzudenken, sondern ehrlicher hinzuschauen. Treffe ich diese Entscheidung aus Überzeugung – oder aus Bequemlichkeit? Weil sie richtig ist – oder weil sie sich gut anfühlt? Das klingt einfach, ist aber hochwirksam. Wer sich selbst nicht akkurat beobachten kann, wird schnell zum Spielball eigener Muster – gerade in Machtpositionen.

Reflexion ist damit keine Kür, sondern Risikomanagement. Und sie gelingt selten allein. Es braucht einen Sparringspartner auf Augenhöhe – mit Machtsensibilität. Denn ein Coach, der Macht in ihren Zusammenhängen nicht versteht, kann Führung auf diesem Niveau nicht wirksam begleiten.

Zitat Werth: «Das größte Risiko in der Führung ist nicht, falsche Entscheidungen zu treffen –sondern sich für unfehlbar zu halten.»

Sie konfrontieren Führungskräfte mit der Frage: «Was macht Macht mit euch?». Welche typischen Veränderungen beobachten Sie bei Menschen in Machtpositionen?

Macht verändert Wahrnehmung. Menschen in Machtpositionen erleben weniger Widerspruch, fühlen sich sicherer und werden gleichzeitig anfälliger für Fehlentscheidungen. Das Paradox: Wir kommen aufgrund bestimmter Eigenschaften in Machtpositionen – und genau diese verändern sich dort. Das Gefährliche ist, dass die Betroffenen es nicht bemerken und nicht wissen, wie sie dem wirksam entgegenwirken sollen.

Zitat Werth: «Macht korrumpiert – es sei denn, wir setzen ihr etwas Wirksames entgegen.»

Themen wie Mut, Verantwortung oder Vertrauen wirken fast «altmodisch». Erleben Sie eine Renaissance dieser Tugenden in der modernen Unternehmensführung?

Diese Begriffe waren nie weg – wir haben nur geglaubt, wir könnten sie durch Methoden ersetzen. Jetzt zeigt sich: In komplexen Situationen hilft letztendlich kein Tool mehr. Dann entscheidet Persönlichkeit. Und plötzlich wirken ‘altmodische’ Tugenden wieder hochmodern.

Wie können Organisationen sicherstellen, dass Führungskräfte trotz Druck, Tempo und Verantwortung nicht den Kontakt zu ihren eigenen Werten verlieren?

Gar nicht – wenn sie es nicht aktiv gestalten. Werte zeigen sich unter Druck. Und genau dort gehen sie oft verloren: nicht aus böser Absicht, sondern aus Tempo, Zielvorgaben und sozialem Druck heraus. Drei Hebel sind entscheidend:

Erstens: Verbindliche Reflexionsformate.
Nicht optional, sondern institutionalisiert – etwa regelmässige Sparrings oder Entscheidungsreviews.

Zweitens: Systematisierter Widerspruch.
Zum Beispiel durch klar definierte Rollen in Entscheidungsgremien, deren Aufgabe es ist, kritische Perspektiven einzubringen. Ohne legitimierten Gegenblick gewinnt immer die Hierarchie.

Drittens: Messbarkeit von Verhalten.
Wird eine Führungskraft auch daran gemessen, wie sie Ergebnisse erzielt hat – oder nur daran, dass sie sie erzielt hat?

Fehlen diese Strukturen, gewinnt fast immer die kurzfristigste Lösung.

Zitat Werth: «Werte zeigen sich nicht im Leitbild – sondern in Entscheidungen unter Druck.»

Sie beschäftigen sich persönlich wie beruflich intensiv mit dem Thema Älterwerden. Warum wird dieses Thema aus Ihrer Sicht in Unternehmen noch immer unterschätzt?

Weil wir Alter falsch verstehen.

Zum einen verwechseln wir es mit Abbau. Ja, einige Fähigkeiten nehmen ab (bspw. Geschwindigkeit). Gleichzeitig steigen jedoch andere: nicht nur Erfahrung, sondern auch Urteilsfähigkeit, Ambiguitätstoleranz und emotionale Regulation. Alles Eigenschaften, die Unternehmen bei ihren Mitarbeitenden dringend bräuchten.

Zum anderen denken wir in Kosten (ältere MA kosten mehr als junge) und nicht in Kompetenzen. Dadurch unterschätzen wir, was dieser Kompetenz-Verlust fürs Unternehmen wirklich bedeutet.

Zitat Werth: «Wir unterschätzen, was dieser Kompetenz-Verlust fürs Unternehmen wirklich bedeutet.»

Was verändert sich aus psychologischer Sicht beim Älterwerden insbesondere bei Entscheidern und Führungspersönlichkeiten?

Mit dem Alter verändert sich weniger die Fähigkeit, als vielmehr die Qualität des Entscheidens: Weniger impulsiv, mehr integrierend. Weniger schnell, mehr stimmig und langfristig tragfähig. Es kommen oftmals mehr Werte ins Spiel. Das Problem: Organisationen belohnen Geschwindigkeit – nicht Qualität.

Sie sprechen vom «Mut beim Älterwerden». Was genau ist damit gemeint und warum ist dieser Mut dabei so entscheidend?

Zum Älterwerden braucht es keinen Mut (denn älter werden wir automatisch) – zum gekonnten Älterwerden sehr wohl. Die eigentliche Herausforderung ist, die eigene Identität weiterzuentwickeln. Es braucht Mut, sich von Rollen zu lösen, die nicht mehr in gleicher Weise tragen. Und es braucht Mut, sich nicht innerlich zurückzuziehen, sondern sich weiterhin als wirksam zu erleben – auch unter veränderten Bedingungen. Genau hier liegt der entscheidende Punkt: Viele Menschen verlieren im Älterwerden nicht ihre Kompetenz, aber ihr Vertrauen in die eigene Relevanz.

Mut beim Älterwerden heisst deshalb, sich nicht leiser zu machen, sondern sich neu zu positionieren. Wer das tut, gewinnt Gelassenheit, Klarheit und Würde.

Viele Unternehmen, auch in der Versicherungsindustrie, trennen sich aktuell von Mitarbeitenden ab 55+. Halten Sie das für eine kurzsichtige Strategie?

Das ist kurzfristig ökonomisch nachvollziehbar, aber strategisch oft riskant. Wenn Unternehmen Mitarbeitende ab 55+ systematisch reduzieren, sparen sie kurzfristig Kosten – verlieren aber gleichzeitig einen zentralen Bestandteil organisationaler Urteilskraft. Erfahrung ist kein statischer Wissensbestand, sondern ein Entscheidungsfilter/Qualitätsaspekt unter Unsicherheit. Und genau dieser Qualitätsaspekt verschwindet leise, bis er in kritischen Situationen plötzlich fehlt. Deshalb ist Demografie nicht nur ein HR-Thema, sondern ein Bestandteil der Risikosteuerung.

Zitat Werth: «Demografie ist kein HR-Thema – sie ist ein unterschätzter Bestandteil von Risikomanagement. Wer Erfahrung verliert, verliert nicht Vergangenheit, sondern Entscheidungsqualität in der Zukunft.»

Welche Risiken entstehen für Unternehmen, wenn sie gezielt auf jüngere, günstigere Arbeitskräfte setzen und Erfahrung verlieren?

Wenn Organisationen konsequent auf jüngere, günstigere Mitarbeitende setzen, gewinnen sie Geschwindigkeit – verlieren aber häufig Richtungssicherheit. Jüngere Mitarbeitende sind in der Regel hervorragend ausgebildet, digital kompetent und leistungsfähig. Was ihnen naturgemäss fehlt, ist nicht Kompetenz, sondern verdichtete Erfahrung im Umgang mit komplexen, widersprüchlichen oder krisenhaften Entscheidungssituationen. Diese Erfahrung lässt sich nicht beschleunigen und nicht digital ersetzen. Wenn sie fehlt, steigt die Wahrscheinlichkeit von Fehlentscheidungen – insbesondere dort, wo es nicht um Routine, sondern um Ausnahmen geht.

Entscheidend ist deshalb nicht das Entweder-oder, sondern die kluge Kombination beider Perspektiven.

Zitat Werth: «Wir leisten uns den Luxus, Erfahrung auszusortieren –
und wundern uns über Fachkräftemangel.»

Welche Modelle sehen Sie als besonders sinnvoll, um ältere Mitarbeitende im Unternehmen zu halten und ihr Wissen zu nutzen?

Meines Erachtens ist die Frage falsch gestellt: Nicht «Wie halten wir Ältere?», sondern: «Wo entfaltet Erfahrung ihren größten Hebel?» Die Antwort ist klar: In Mentoring, in komplexen Entscheidungen und in kritischen Situationen. Dort zeigt sich ihr eigentlicher Wert. Erfahrung ist kein Restposten – sie ist ein Wettbewerbsvorteil.

Ein oft unterschätzter Punkt ist zudem die Personalentwicklung. Viele Angebote sind implizit auf jüngere Mitarbeitende ausgerichtet. Ältere haben jedoch andere Themen und Bedarfe – sowohl inhaltlich als auch in der Art, wie sie lernen. Lernen funktioniert nicht schlechter, aber anders. Wer das nicht berücksichtigt, verliert an Attraktivität.

Spannend finde ich Modelle, die über klassische Beschäftigung hinausgehen. Ein Beispiel ist die Sentaris GmbH: eine Plattform, die erfahrene Fachkräfte im Ruhestand mit Unternehmen zusammenbringt – gezielt für projektbezogene oder kurzfristige Einsätze. (Whitepaper hier)

Der eigentliche Mehrwert liegt jedoch in der Kombination: Übergänge werden nicht nur organisiert, sondern aktiv gestaltet – sowohl auf persönlicher Ebene, etwa durch Coaching, als auch auf organisatorischer Ebene durch gezielte Wissenssicherung. Genau solche Ansätze zeigen, wie Erfahrung strategisch genutzt werden kann, statt sie einfach auslaufen zu lassen.

Zitat Werth: «Unternehmen verlieren Erfahrung nicht, weil Menschen gehen – sondern weil sie keinen Rahmen haben, sie sinnvoll zu nutzen.»

Sie arbeiten mit Versicherungen und Banken. Inwiefern unterschätzen diese Branchen die Bedürfnisse einer alternden Gesellschaft sowohl als Arbeitgeber als auch als Anbieter von Produkten?

Die zentrale Unterschätzung liegt nicht im Alter der Menschen, sondern in der Vorstellung, dass Lebensverläufe weiterhin stabil und klar planbar seien. Menschen werden nicht nur älter, sie leben heute deutlich anders. Und genau dieses ‘anders’ ist in vielen Produkten und Personalstrategien noch nicht angekommen. Banken und Versicherungen denken dabei häufig noch in klassischen Lebensphasen: Ausbildung, Erwerbsleben, Ruhestand.

Die Realität sieht jedoch anders aus: Lebensverläufe sind weniger linear, Übergänge häufiger und individueller. Gleichzeitig steigen die Anforderungen im höheren Alter – finanziell, gesundheitlich und biografisch. Daher haben sich viel Versicherer auf den Weg gemacht, diese Variabilität des Lebens in ihren Produkten abzubilden – aber hier ist man sicher noch nicht am Ende der Entwicklung angekommen.

Wenn Sie Verwaltungsräten der Versicherungsbranche heute eine zentrale Empfehlung geben müssten: Was sollten sie im Umgang mit Demografie, Führung und Risiko sofort anders denken oder tun?

Das eigentliche Risiko liegt nicht in der alternden Gesellschaft, sondern in einer veralteten Logik der Risikobewertung. Solange Risiken primär über Alterssegmente definiert werden, bleibt ein systematischer blinder Fleck bestehen – und der ist in einer Risikobranche besonders teuer.

Die Konsequenz ist deshalb klar: weg von statischen Segmenten, hin zu verlaufsorientierten Risikologiken. Nicht das Alter selbst ist entscheidend, sondern die Dynamik von Lebensverläufen – also die Frage, wie sich Risiken über Zeit, Übergänge und Brüche hinweg verändern. Wer das versteht, verschiebt den Fokus von Produktlogik hin zu Lebensrealität – und genau dort entsteht künftig Wettbewerbsvorteil.

Welche psychologische Fähigkeit wird in den nächsten Jahren darüber entscheiden, ob Führung in Banken und Versicherungen eher stabilisiert oder riskant wird?

Meines Erachtens ist die entscheidende psychologische Kompetenz der nächsten Jahre die Fähigkeit zur Selbstverankerung unter Unsicherheit. Wir bewegen uns in einer Arbeits- und Wirtschaftsrealität, in der Stabilität abnimmt, Komplexität zunimmt und schnelle Antworten immer weniger tragen. In solchen Kontexten trennt sich nicht mehr primär Wissen von Unwissen, sondern innere Stabilität von innerer Reaktivität.

Führungskräfte werden deshalb weniger daran gemessen werden, wie viel sie wissen oder wie schnell sie entscheiden – sondern daran, ob sie sich selbst in komplexen Situationen noch gut regulieren können. Das bedeutet konkret: die eigenen Muster erkennen, nicht automatisch reagieren, Widerspruch aushalten und trotzdem handlungsfähig bleiben. Denn nicht die lautesten oder schnellsten werden wirksam führen, sondern die, die unter Druck bei sich bleiben können. Und genau das ist keine Frage von Technik oder einem Toolset, sondern von psychologischer Reife.

Die Fragen hat Binci Heeb gestellt.

Prof. Dr. Lioba Wert: Ausbildung: Studium der Psychologie (Dipl. Psych.) an der Universität Trier, Promotion zum Dr. rer. nat. ebenfalls an der Universität Trier sowie Habilitation an der Universität Würzburg.

Berufserfahrung: Tätig als Keynote Speakerin, Coach und Autorin. Professorin für Wirtschafts-, Organisations- und Sozialpsychologie auf Lebenszeit (W3) an der Katholischen Universität Eichstätt-Ingolstadt sowie Lehrstuhlinhaberin an der TU Chemnitz und der Universität Hohenheim in den Jahren 2004 bis 2015. Zudem Gründerin des Zentrums für Training & Weiterbildung (ZTW e.K.) im Jahr 1999.

Branchen: Wissenschaft und Medizin, Banken und Versicherungen, Konzerne und Mittelstand sowie Kammern und Verbände.

Beratungsfokus: Führung, Nachfolge und die Gestaltung von Umbrüchen, Selbstregulation sowie das Thema Älterwerden – sowohl individuell als auch im unternehmerischen Kontext.

Lesen Sie auch: Älter, teurer, unverzichtbar?

Künstliche Intelligenz verspricht Unternehmen mehr als nur Automatisierung: Sie soll geschäftliche Entscheidungen vorhersehbar machen. Predictive-Analytics-Plattformen ermöglichen es Fachabteilungen mittlerweile, ohne fundierte Programmierkenntnisse konkrete Prognosen aus Daten abzuleiten. Doch wie weit ist diese Entwicklung tatsächlich fortgeschritten, und welche Rolle spielt Europa auf diesem Markt?

Das 2018 in Tel Aviv gegründete Unternehmen Pecan.ai entwickelt eine Low-Code-Plattform für Predictive Analytics, die Geschäfts- und Datenteams dabei helfen soll, schneller umsetzbare Prognosen aus vorhandenen Daten abzuleiten. Die Technologie wird unter anderem eingesetzt, um Kundenabwanderung, Upselling, Konversionen und Schadensfälle vorherzusagen sowie Marketingmaßnahmen zu optimieren und Nachfragetrends besser zu planen.

In einem Interview mit thebrokernews erklärt Dan Goldenblatt (Managing Director, EMEA & APAC bei Pecan.ai), wie Unternehmen Predictive AI heute praktisch einsetzen, welche Herausforderungen bei der Umsetzung bestehen und warum insbesondere europäische Unternehmen grosses Potenzial haben, datengesteuerte Entscheidungen stärker in ihre Geschäftsprozesse zu integrieren.

Dan, Pecan.ai expandiert rasch in Europa. Welche Unterschiede sehen Sie zwischen europäischen und US-amerikanischen Unternehmen, wenn es um den Einsatz von Predictive Analytics geht?

Auf beiden Seiten des Atlantiks besteht grosses Interesse. Die wesentlichen Unterschiede lassen sich in drei Bereiche unterteilen: Regulierung, Datenstrategie und Risikophilosophie.

Regulierung

In Europa ist die Erklärbarkeit prädiktiver Modelle entscheidend. Dies ist besonders wichtig beim Einsatz von KI für das Schadenmanagement, aber auch bei der Vorhersage, welcher Kunde abwandern wird oder bei welchem Kunden ein Upselling am wahrscheinlichsten ist. In dieser Hinsicht bietet Pecan AI ein sehr hohes Mass an Erklärbarkeit und Transparenz mit dem zusätzlichen Vorteil, dass auch Teams ohne Datenwissenschaftlerkenntnisse Modelle erstellen können.

Der US-Markt ist aufgrund der von Bundesstaat zu Bundesstaat unterschiedlichen Vorschriften auf staatlicher Ebene komplexer. Nach unseren Beobachtungen konzentriert sich der US-Markt jedoch eher auf Fairness und Nichtdiskriminierung als auf den in Europa geforderten technischen Prüfpfad.

Datenstrategie

Die EU ist wesentlich strenger, wenn es um den Schutz der Privatsphäre und beispielsweise die Nutzung von Nicht-Versicherungsdaten aus verschiedenen Quellen geht. In Europa muss der Verbraucher ausdrücklich zustimmen, damit seine Daten verwendet werden dürfen. In den USA hingegen nutzen Versicherer traditionell mehr Quellen für Daten von Drittanbietern, und Predictive Analytics wird häufig eingesetzt, um hyper-personalisiertes Marketing und sofortige Risikoprüfung zu ermöglichen.

Risikophilosophie

Der europäische Ansatz lautet «Predict-and-Prevent»: Aufgrund regulatorischer Beschränkungen bei der Risikobewertung nutzen europäische Versicherer Predictive Analytics, um Verluste zu verhindern. Sie nutzen IoT- und Satellitendaten, um Kunden vor Überschwemmungen oder Bränden zu warnen, bevor diese eintreten. Der Ansatz in den USA hingegen ist «Straight-Through Processing» (STP), bei dem Unternehmen Predictive Analytics nutzen, um den Menschen vollständig aus dem Prozess zu entfernen, mit dem Ziel von «Zero-Touch»-Schadensabwicklung und Risikoprüfung. KI wird eingesetzt, um eine Police innerhalb von Sekunden auf der Grundlage riesiger externer Datenpools zu genehmigen.

Viele europäische Unternehmen verfügen über grosse Datensätze, sind bei deren Nutzung jedoch noch relativ zurückhaltend. Wo sehen Sie derzeit das grösste ungenutzte Potenzial für prädiktive KI in Europa?

Erstens: Das wahre Potenzial liegt nicht nur in der Vorhersage der Zukunft, sondern darin, diese Vorhersagen zu nutzen, um die Risikokosten für die Gesellschaft grundlegend zu senken und die Versicherungsbranche von einem reaktiven Zahler zu einem proaktiven Sicherheitsnetz zu machen. Der EU-KI-Gesetzentwurf ist für ein Unternehmen wie Pecan AI hervorragend, da er von Unternehmen verlangt, transparente und erklärbare Modelle zu verwenden – etwas, das Pecan von Haus aus tut.

Die Schweiz gilt als innovativer, aber auch regulierter Markt. Welche Chancen sehen Sie konkret für Predictive Analytics im Schweizer Finanz- und Versicherungssektor?

Da der Schweizer Bundesrat «Rechenschaftspflicht» gegenüber pauschalen Verboten betont, liegt das ungenutzte Potenzial in «White-Box-Modellen», die sicherstellen, dass Nutzer genau erklären können, warum eine KI ein bestimmtes Anlageprodukt empfohlen hat, wobei der «Human-in-the-Loop»-Ansatz beibehalten wird.

In der Schweiz liegt das grösste Potenzial nicht darin, traditionelle Banken oder Versicherer zu «disruptieren», sondern darin, die Schweizer Vertrauensmarke digital zu stärken. Im Jahr 2026 werden diejenigen die Gewinner sein, die Predictive Analytics nicht nur zur Steigerung der Margen nutzen, sondern um «Predictive Certainty» zu bieten, also das Vermögen und die Gesundheit der Kunden zu schützen, noch bevor ein Risiko überhaupt eintritt.

Viele Unternehmen sprechen von KI, tun sich aber mit der Umsetzung schwer. Was sind Ihrer Erfahrung nach die drei grössten Hindernisse, wenn Unternehmen prädiktive KI tatsächlich in ihren täglichen Betrieb integrieren wollen?

Unserer Erfahrung nach lässt sich die Kluft zwischen einem KI-Pilotprojekt und der Integration in den täglichen Betrieb meist auf drei spezifische Reibungspunkte zurückführen. Im Jahr 2026 haben wir grundlegende Probleme mit der «Datenqualität» hinter uns gelassen. Die Hürden sind nun eher struktureller und verhaltensbezogener Natur.

1. Das «Datensilo» vs. der operative Kontext

Die meisten Unternehmen verfügen über genügend Daten, doch diese sind nicht «KI-fähig» für den Echtzeitbetrieb. Vorausschauende KI erfordert einen kontinuierlichen Strom von Hochgeschwindigkeitsdaten, doch viele europäische Firmen speichern Daten nach wie vor in abteilungsbezogenen Silos (zum Beispiel kommunizieren Schadensdaten nicht mit Daten aus dem Policenvertrieb).

2. Die Vertrauenslücke der «Black Box» (Erklärbarkeit)

Das Hindernis: Das Modell mag im Labor funktionieren, versagt aber im Alltag, da ihm der reale Geschäftskontext fehlt.

Die Lösung: Der Wechsel von statischen «Data Warehouses» zu Data-Mesh-Architekturen, in denen Daten als Produkt behandelt werden, das den Geschäftsbereichen gehört, die es tatsächlich nutzen.

In einem stark regulierten Schweizer oder europäischen Kontext ist ein Vorhersagemodell, das ohne Erklärung sagt «Lehnen Sie diesen Kredit ab» oder «Erhöhen Sie diese Prämie», ein Risiko.

3. Change Management: Vom «Assistenten» zum «Akteur»

Das Hindernis: Wenn ein Kundenbetreuer oder ein Underwriter nicht versteht, warum die KI eine Vorhersage getroffen hat, wird er sich auf sein Bauchgefühl verlassen und das Tool ignorieren. Dies ist das Problem der «Schatten-KI», wobei Tools gekauft, aber nie genutzt werden.

Die Lösung: Implementierung von Frameworks für erklärbare KI (XAI). Bis 2026 wird der Goldstandard darin bestehen, «Local Interpretable Model-agnostic Explanations» (LIME) bereitzustellen, die dem menschlichen Nutzer für jede KI-Vorhersage 2–3 klare Gründe liefern.

Die grösste Hürde ist nicht der Code; sondern die Neugestaltung der Arbeitsabläufe. Die meisten Unternehmen versuchen, KI an ihre bestehenden manuellen Prozesse «anzuhängen», anstatt den Prozess rund um die KI neu zu konzipieren. Die drei Hürden sind Kontext (isolierte Daten), Vertrauen (mangelnde Erklärbarkeit) und Kultur (Versäumnis, Arbeitsabläufe neu zu gestalten). Um erfolgreich zu sein, muss ein Unternehmen aufhören, KI als Software-Upgrade zu behandeln, und anfangen, sie als eine neue Art von digitalem Kollegen zu betrachten.“

Das Hindernis: Mitarbeiter betrachten prädiktive KI oft als Bedrohung für ihr Fachwissen oder als zusätzlichen Schritt in einem ohnehin schon arbeitsreichen Tag.

Die Lösung: Der Übergang zu agentenbasierten Workflows. Anstatt dass die KI lediglich eine Vorhersage liefert (beispielsweise «Dieser Kunde könnte abwandern»), agiert sie als Agent, der die Kundenbindungs-E-Mail vorbereitet, den Rabatt vorschlägt und diese zur «Ein-Klick»-Genehmigung in den Posteingang des Mitarbeiters legt.

Pecan.ai setzt stark auf Low-Code und Automatisierung. Verändert diese Entwicklung die Rolle traditioneller Datenwissenschaftler in Unternehmen?

Die kurze Antwort darauf lautet: Nein. Ähnlich wie Tabellenkalkulationen Mathematiker, Buchhalter oder Buchhalterinnen nicht überflüssig gemacht haben, sondern es ihnen ermöglichten, sich auf komplexere Aufgaben zu konzentrieren, während auch technisch weniger versierte Personen anspruchsvolle Tabellen erstellen konnten, tut Pecan AI dasselbe.

Wir ermöglichen es Geschäftsanwendern ohne technisches Know-how, Vorhersagemodelle zu erstellen, wodurch Datenwissenschaftlern wertvolle Zeit für wesentlich komplexere Aufgaben zur Verfügung steht. Nach Gesprächen mit zahlreichen Führungskräften aus der Versicherungsbranche (sowie Führungskräften aus anderen Branchen) wissen wir, dass die weniger komplexen und eher routinemässigen Modellierungsaufgaben oft ganz unten auf der To-do-Liste der Datenwissenschaftler stehen. Selbst wenn diese erledigt werden, ist es immer eine Herausforderung, die Datenwissenschaftler dazu zu bewegen, die Modelle zu pflegen, was oft zum Scheitern der Modelle führt.

Und doch liefern diese Anwendungsfälle dem Versicherer einen erheblichen Mehrwert. Das sehen wir bei jedem neuen Versicherungsunternehmen, das wir an Bord holen. Pecan hilft Geschäftsanwendern, schnell und einfach Vorhersagemodelle zu erstellen und einzusetzen, den enormen Bedarf an Datenwissenschaftlern zu verringern und das Ansehen der Datenteams im Unternehmen zu verbessern, indem die Frustration interner Stakeholder gemindert wird, die nicht die Modellierungsdienste erhalten, die sie benötigen. Dies ist eine Win-Win-Win-Win-Lösung.

Wie lange dauert es in der Praxis, bis ein Unternehmen nach der Implementierung Ihrer Plattform messbare Geschäftsergebnisse erzielt?

Nichts spricht eine deutlichere Sprache als ein echter Kunde, ein Versicherungskunde, der bereits weniger als drei Monate nach dem Start bereit ist, ein Testimonial abzugeben. Dies ist der Fall bei der amerikanischen Fetch Pet Insurance. Akash Gupta, Chief Analytics and Strategy Officer des Unternehmens, äusserte sich wie folgt zu Pecan:

Die Pecan-Plattform ist für das Datenteam äusserst nützlich und hilft ihm, die Modellentwicklung um ein Vielfaches zu beschleunigen. Unser Team kann nun viel mehr geschäftliche Fragen viel schneller beantworten.

Ein besonders beeindruckender Aspekt war das Onboarding- und Supportprogramm von Pecan AI. Das Expertenteam von Pecan half den Datenwissenschaftlern von Fetch nicht nur bei der Einarbeitung in das Tool, sondern unterstützte uns auch bei unseren datenwissenschaftlichen Modellen und machte unser Team dadurch besser. Diese Art von Unterstützung ist in der Branche beispiellos.»

Vorhersagemodelle sind nur so gut wie die Daten, auf denen sie basieren. Wie gehen Unternehmen mit unvollständigen oder fragmentierten Daten um, wenn sie Vorhersagemodelle nutzen wollen?

Pecan hat erhebliche Fortschritte bei der Qualität der für die Modellentwicklung erforderlichen Daten erzielt. Dank proprietärer IP für die Datenerfassung und -aufbereitung kann Pecan Daten nutzen, die BI-fähig sind, und nicht nur solche, die traditionell als «AI-fähig» gelten. Natürlich ist ein gewisses Mass an Datenqualität erforderlich, aber wenn ein Unternehmen über einen Data Lake oder ein Data Warehouse verfügt und Daten auf vernünftige Weise erfasst, kann Pecan AI mit diesen Daten arbeiten und es den Anwendern ermöglichen, daraus wertvolle, zukunftsorientierte Erkenntnisse zu gewinnen.

Viele Organisationen stehen automatisierten Entscheidungen nach wie vor skeptisch gegenüber. Wie schaffen Unternehmen Vertrauen in KI-basierte Prognosen?

Ein gesundes Mass an Skepsis ist gut. Destruktiv ist Zynismus. Und vollständig automatisierte Entscheidungen durch KI können in der Tat problematisch sein. Es gibt einen mittlerweile (berühmt-berüchtigten) MIT-Bericht, der davon spricht, dass 95 Prozent aller auf Unternehmensebene umgesetzten KI-Projekte scheitern. Die 5 Prozent, die erfolgreich sind, sind diejenigen, bei denen ein Mensch im Regelkreis eingebunden ist. Genau das ist das Modell von Pecan AI. Wir haben einen Menschen im Regelkreis, der sicherstellt, dass die Vorhersagen genau, wertvoll, zuverlässig und umsetzbar sind.

Mit dem EU-Gesetz über künstliche Intelligenz hat Europa einen der weltweit strengsten Rechtsrahmen für KI entwickelt.

Welche Auswirkungen hat dies auf Predictive-Analytics-Plattformen wie Pecan.ai?

Pecan benötigt keine personenbezogenen Daten, um Vorhersagen zu generieren. Die Kenntnis von Namen, Adressen, Telefonnummern, Geburtsdaten oder anderen personenbezogenen Daten hilft bei der Modellierung nicht weiter. Die Plattform ermöglicht es den Nutzern, genau zu bestimmen, welche Daten sie teilen möchten und welche nicht, und wir empfehlen dringend, keine personenbezogenen Daten zu verwenden.

Wie können Unternehmen sicherstellen, dass ihre Vorhersagemodelle transparent und erklärbar bleiben, insbesondere in stark regulierten Branchen wie dem Versicherungs- oder Bankwesen?

Transparenz und Erklärbarkeit sind in die Pecan-AI-Plattform integriert. Wir haben viel Zeit und Mühe darauf verwendet, dies sicherzustellen, und wurden von einer Vielzahl von Unternehmen aus verschiedenen Branchen geprüft und begutachtet, die dies bestätigt haben. Pecan AI ist alles andere als eine Black Box. Es handelt sich eher um eine Glasbox, die den Nutzern zeigt, wie die Abläufe funktionieren, wie der Prozess ablief, welche Modelle verwendet wurden, welche Hyperparameter ausgewählt wurden und welche Merkmale sich auf individueller Kundenebene auf die jeweilige Vorhersage ausgewirkt haben.

Versicherer nutzen Daten traditionell für Risikomodelle. Wie verändert prädiktive KI die klassische versicherungsmathematische Logik in der Branche?

Die versicherungsmathematische Logik bewertet Risiken anhand historischer Schadensdaten und vordefinierter Variablen. Prädiktive KI durchbricht diese Einschränkung, indem sie Tausende von Signalen, wie Telematik, Bilddaten, Verhaltensdaten, IoT, einbezieht und Zusammenhänge aufdeckt, an deren Modellierung Versicherungsmathematiker nie gedacht hätten.

Die Auswirkungen zeigen sich entlang der gesamten Wertschöpfungskette: präzisere Risikoprüfung auf individueller Ebene, dynamische Rückstellungsbildung anstelle statischer Entwicklungsdreiecke, Betrugs- und Prozessrisikobewertung bereits bei der ersten Schadensmeldung sowie Retentionsmodelle, die auf den Customer Lifetime Value und nicht nur auf die Schadenquote optimiert sind.

Der zentrale Konfliktpunkt ist die Erklärbarkeit. Die Aufsichtsbehörden verlangen vertretbare Modelle, daher hat ML die versicherungsmathematische Logik nicht ersetzt, sondern die Versicherungsmathematiker in der Hierarchie nach oben in Richtung Modell-Governance und -Interpretation verschoben.

Die verbleibende Lücke für die meisten Versicherer ist nicht der Einblick, es ist die Operationalisierung. Sie verfügen über Data-Science-Teams und Proof-of-Concepts, aber die Vorhersagen laufen nicht in der Produktion und beeinflussen keine realen Entscheidungen. Genau hier setzt Pecan an: Wir schliessen die Lücke zwischen einem existierenden Modell und einer Vorhersage, die zum Handeln führt.

Abgesehen von Abwanderungsprognosen und Cross-Selling: Welche neuen Anwendungsbereiche für prädiktive KI sehen Sie in der Versicherungsbranche in den nächsten fünf Jahren?

Pecan AI ist kein Insurtech-Unternehmen und wir verfügen über keine spezifische Versicherungsexpertise. Wir sind Datenexperten, und überall dort, wo es tabellarische, strukturierte Daten gibt, hat sich die Plattform als sehr effektiv erwiesen und beweist dies weiterhin, wenn es darum geht, präzise und zuverlässige Modelle in Rekordgeschwindigkeit und zu geringen Kosten zu erstellen. Die Verbreitung von KI in der Versicherungsbranche (wie auch in anderen Branchen) wird in den kommenden Jahren voraussichtlich zunehmen.

Die KI-Diskussion wird derzeit stark von generativer KI geprägt. Wie sehen Sie das Zusammenspiel zwischen generativer KI und prädiktiver KI im geschäftlichen Kontext?

Genau das hat Pecan AI getan. Wir haben einen seit langem bestehenden Prozess der prädiktiven Analytik genommen und eine Maschine entwickelt, die diesen automatisiert. Dann haben wir eine agentische Komponente hinzugefügt, die eine hochwirksame Interaktion zwischen dem Nutzer und der Maschine ermöglicht, wodurch Prozesse, die früher viele Wochen und oft Monate dauerten, erheblich beschleunigt und auf Stunden oder wenige Tage reduziert wurden.

Wird generative KI es Geschäftsteams langfristig ermöglichen, komplexe prädiktive Modelle ohne fundierte Datenwissenschaftskenntnisse zu entwickeln?

Teilweise, aber nicht vollständig und dieser Unterschied ist wichtig.

Generative KI wird die Hürden für Geschäftsteams bei der Datenauswertung, der Problemformulierung und der Erstellung von Modellprototypen deutlich senken. Über natürliche Sprachschnittstellen können bereits heute nicht-technische Nutzer Datensätze abfragen, Ideen für Merkmale generieren und Ergebnisse interpretieren, ohne Code schreiben zu müssen. Das ist Realität und entwickelt sich immer schneller.

Komplexe Vorhersagemodelle erfordern jedoch nach wie vor Dinge, die GenAI nicht ersetzen kann: saubere, gut verwaltete Daten, eine fundierte Problemformulierung, das Verständnis der Modellannahmen und die Beurteilung, wann ein Modell in entscheidender Weise falsch liegt. Geschäftsteams neigen dazu, all dies zu unterschätzen, bis in der Produktion etwas schiefgeht.

Das wahrscheinlichere Ergebnis ist eine neue Arbeitsteilung: Geschäftsteams sind für die Problemdefinition und die Validierung der Ergebnisse zuständig, technische Teams für Zuverlässigkeit und Governance, und die KI übernimmt die Hauptarbeit dazwischen. Der Analyst, der das Geschäft versteht und fliessend mit KI-Tools arbeiten kann, wird zum entscheidenden Profil.

Speziell für Pecan ist dies ein Rückenwind: Das schwierigere Problem war nie der Aufbau von Modellen, sondern deren Verbindung mit Entscheidungen in grossem Massstab. Das bleibt unabhängig davon wahr, wer sie erstellt.

Die Fragen hat Binci Heeb gestellt.

Dan Goldenblatt ist Managing Director für die Regionen EMEA und APAC bei Pecan.ai, wo er den regionalen Vertrieb leitet und den Versicherungsbereich des Unternehmens verantwortet. Mit über zwei Jahrzehnten Erfahrung im Vertrieb von SaaS- und KI-Lösungen an Grosskunden aus den Bereichen Versorgungswirtschaft, Versicherungen, Fintech und anderen Branchen kann Dan auf eine Erfolgsbilanz beim Aufbau von Märkten von Grund auf und beim Abschluss komplexer Geschäfte mit zahlreichen Beteiligten zurückblicken. Er baute das EMEA-Team und den Versicherungsbereich von Pecan auf und schloss Verträge mit Unternehmen wie Fiverr, Markel, Fetch Pet Insurance und Savills ab (um nur einige zu nennen). Zuvor erzielte er als VP Business Development bei App Orchid einen Jahresumsatz von über 2 Millionen US-Dollar im Bereich KI/ML/NLP-Unternehmenssoftware. Dan ist in Berlin ansässig und bringt juristisches Fachwissen, einen MBA-Abschluss sowie fundierte Branchenexpertise in jedes geschäftliche Engagement ein.

Lesen Sie auch: Pecan: Generative Erfahrung in einem Wimpernschlag

Technologie verändert die Arbeitswelt, auch die der Versicherungswirtschaft radikal, doch echte Innovation entsteht im Zusammenspiel unterschiedlicher Denkweisen. Sabine Buch, Präsidentin des Europäischen Instituts für Neurodivergenz, erklärt, warum neurodiverse Perspektiven zum entscheidenden Wettbewerbsfaktor werden.

Die Diskussion um Künstliche Intelligenz und Automatisierung kreist häufig um Effizienz, Skalierung und Produktivität. Doch wie im Beitrag von thebrokernews  «Roboter, Realität und Resonanz» zu lesen ist, rückt eine andere Dimension zunehmend in den Fokus: die menschliche Resonanzfähigkeit. Genau hier setzt die Arbeit von Sabine Buch, selbst neurodivergent, an.

Als Präsidentin des Europäischen Instituts für Neurodivergenz treibt sie die systematische Integration neurodiverser Perspektiven in Wirtschaft, Bildung und Gesellschaft voran. Mit ihrer Erfahrung aus internationalen Führungsrollen und Transformationsprojekten verbindet sie Technologie, Leadership und Neurodiversität zu einem neuen Verständnis von Zukunftsfähigkeit.

Im Interview spricht sie über die Schnittstellen von KI, Organisationen und menschlicher Vielfalt und darüber, warum «anders denken» kein Risiko, sondern ein strategischer Vorteil ist.

Frau Buch, Sie verbinden Technologie, Transformation und Neurodiversität: Was war der Moment, in dem Sie erkannt haben, dass diese Themen zusammengehören?

Es war kein einzelner Moment, sondern ein Muster, das sich über Jahre gezeigt hat. In Transformationsprojekten habe ich immer wieder gesehen: Die grössten Durchbrüche entstehen nicht durch Technologie allein, sondern durch Menschen, die anders denken, Zusammenhänge anders sehen und neue Verbindungen herstellen.

Mit dem Aufkommen von KI wurde mir klar, dass wir genau diese Denkweisen systematisch brauchen. Technologie skaliert Prozesse – neurodiverse Perspektiven schaffen Innovation. Erst beides zusammen macht Organisationen wirklich zukunftsfähig.

Wann wurde bei Ihnen festgestellt, dass sie «anders ticken» und was wurde bei Ihnen festgestellt?

Seitdem ich denken kann hatte ich immer das Gefühl, dass ich anders bin als die anderen Kinder, aber es wurde lange Zeit gar nicht klar benannt. Ich habe einfach gemerkt, dass ich Dinge schneller vernetze, intensiver wahrnehme, sehr neugierig war und oft quer zu klassischen Denkmustern denke, anders an Lösungen komme, aber auch andere Lernmethoden brauche, um zum Beispiel Mathe zu verstehen. Mit 9 habe ich mal den Fernseher vom Tisch geworfen um zu sehen wie die Menschen aussehen, die dort leben und arbeiten. Meine Eltern fanden das nicht so toll und ich war ziemlich enttäuscht, dass niemand drin war.

Vor einigen Jahren wurde ich von einer Autismus-Expertin gefragt, ob ich auch Autismus habe und da habe ich angefangen darüber zu lesen und zu lernen. Rückblickend war das ein wichtiger Schritt – nicht, weil es mich verändert hat, sondern weil ich auf einmal vieles verstanden und vor allem mich (selbst) verstanden habe.

Wie war es Ihnen möglich für viele Jahre in internationalen Konzernstrukturen zu arbeiten? Wie hat sich Ihr Blick auf «Leistung» und «Potenzial» durch das Thema Neurodivergenz verändert?

Das war alles andere als einfach, denn es war ein ziemlicher Spagat zwischen «Ich selbst sein» und mich in ein neurotypisches System einzubringen und anzupassen. Ich habe früh gelernt meine Stärken gezielt einzusetzen und auch unbewusst immer die Themen rausgesucht, die neu und innovativ waren und die keiner machen wollte, weil es oft kritische Projekte waren bei denen der Erfolg unklar war. Zu Beginn meines Berufslebens war ich vor allem mit Lernen beschäftigt, denn ich finde es super spannend, jeden Tag etwas Neues zu lernen und sehe darin einen riesigen Gewinn. Mit dem Start der Digitalisierung hat sich auch herausgestellt, dass neue Skills und mehr Vielseitigkeit gefragt wurden. Das kam mir sehr gelegen. Vor allem mein Interesse an Technologie, Entwicklung, Sprachen, Kultur und Vertrieb ist sehr selten und damit konnte ich überzeugen und gewinnen. 

Natürlich war es nicht immer einfach, denn viele Organisationen sind auf Standardisierung ausgelegt, nicht auf Vielfalt im Denken. Ich musste oft überzeugen, dass mein Weg auch möglich ist und mein Erfolg hat mir dann Recht gegeben. Somit konnte ich mir einen sehr guten Ruf und auch das Vertrauen aufbauen.  Das hat meinen Blick auf Leistung stark verändert. Leistung ist nicht, wie gut jemand ins System passt, sondern welchen Beitrag jemand leisten kann, wenn er oder sie im richtigen Umfeld arbeitet.

Sie sprechen davon, dass neurodiverse Teams innovativer sind. Was bedeutet das konkret im Arbeitsalltag und jenseits von Diversity-Rhetorik?

Neurodiverse Teams sind nicht nur innovativer, sondern sind auch motivierter, erfolgreicher und effizienter. Sie sind nicht automatisch innovativer – sie werden es dann, wenn Unterschiedlichkeit wirklich verstanden und genutzt wird und nicht nur «mitläuft.

Neurodiverse Teams sind nicht automatisch innovativer – sie werden es dann, wenn Unterschiedlichkeit wirklich verstanden, genutzt wird und nicht nur «mitläuft».

Im Arbeitsalltag bedeutet das vor allem drei Dinge:

Erstens: Annahmen werden häufiger hinterfragt.
Menschen mit unterschiedlichen kognitiven Stilen denken Probleme anders – analytischer, vernetzter, detailorientierter oder intuitiver. Das führt dazu, dass vermeintlich «klare» Lösungen nochmal geprüft werden. Das kann anstrengend sein, verhindert aber blinde Flecken.

Zweitens: Lösungen werden robuster.
Wenn verschiedene Perspektiven früh zusammenkommen, entstehen weniger Einbahnstrassen-Entscheidungen. Ideen werden iteriert, weitergedacht und oft auch radikal verbessert. Innovation entsteht nicht aus Harmonie, sondern aus produktiver Reibung.

Drittens: Probleme werden überhaupt erst sichtbar.
Gerade neurodivergente Menschen erkennen Muster, Risiken oder Chancen, die in homogenen Teams übersehen werden. Das betrifft sowohl Produkte als auch Prozesse.

Jenseits von Diversity-Rhetorik heisst das aber auch: Es braucht andere Arbeitsweisen. Talente und Skill müssen gesehen werden, Meetings müssen klarer strukturiert sein, Kommunikation muss bewusster gestaltet werden, Führung muss Unterschiede aktiv moderieren, statt sie zu glätten, neuroinklusive Führung muss verstanden und gelebt werden, neurodivergente Mitarbeitende müssen den Safe Space haben.

Denn ohne diese Anpassungen kippt Vielfalt schnell in Friktion ohne Mehrwert.

Der entscheidende Punkt ist:
Innovation entsteht nicht durch Vielfalt an sich, sondern durch die Fähigkeit, diese Vielfalt produktiv zu nutzen.

Es reicht nicht nur das Thema auf Poster in Aufzüge zu hängen, sondern es muss von allen gelebt werden. Denn erst, wenn aus Diversität echte gelebte Inklusion entsteht, dann wird das ganze Potenzial entfaltet, ansonsten ist es wieder nur Diversity.

Viele Unternehmen sehen Neurodiversität noch als HR-Thema. Warum ist es in Wirklichkeit ein strategisches Thema?

Neurodiversität wird oft ins HR verortet, weil man sie mit Inklusion, Recruiting oder Employer-Branding verbindet. Das greift zu kurz. Denn meistens scheitert es schon bei der Einstellung von neurodivergenten Menschen. In Wirklichkeit ist es ein strategisches Thema, weil es direkt auf die gesamte Wertschöpfung eines Unternehmens einzahlt.

In einer Welt, die von Innovationen, Komplexität und Geschwindigkeit geprägt ist, reichen standardisierte Denkweisen nicht mehr aus. Unterschiedliche kognitive Perspektiven sind kein «Nice-to-have», sondern die Grundlage für neue Lösungen. Viele Unternehmen tuen sich noch schwer mit agilen Arbeitsweisen, dabei sind es genau diese, die heute gebraucht werden, um auf die schnell veränderten Trends zu reagieren. Das ist genau die Arbeitsweise, die neurodivergenten Menschen sehr zusagt.

Es hilft auch bei der Entscheidungsfindung, denn homogene Teams treffen oft schnell Entscheidungen, aber nicht unbedingt gute. Neurodiverse Teams hinterfragen mehr, denken breiter und erkennen Risiken früher. Das macht Entscheidungen langfristig robuster.

Unternehmen, die es schaffen, unterschiedliche Denkstile gezielt einzusetzen, entwickeln Produkte, Services und Geschäftsmodelle, die näher an einer vielfältigen Realität sind. Das ist ein klarer Vorteil im Markt und stärkt die Wettbewerbsfähigkeit.

Der Grund, warum viele Organisationen scheitern, ist simpel: Sie behandeln Neurodiversität wie ein Standard-HR-Programm, statt wie einen Hebel für die gesamte Transformation. Es reicht nicht einfach Menschen einzustellen. Man muss auch Strukturen, Prozesse und Führung so verändern, dass diese Vielfalt wirken kann.

Der eigentliche Perspektivwechsel ist nicht: «Wie integrieren wir neurodivergente Menschen?», sondern «Wie nutzen wir unterschiedliche Denkweisen gezielt für unseren Unternehmenserfolg?»

Wo scheitern Organisationen heute am häufigsten, wenn sie versuchen, inklusiver zu werden?

Momentan gibt es mehrere Gründe dafür warum Organisationen daran scheitern. Der Mehrwert von neurodivergenten Teams wird nicht gesehen, es besteht kaum Zeit und wenig Interesse weitere Energie in noch ein Diversitätsthema zu stecken, es fehlt Wissen und Aufklärung und dann auch der Support des Managements für dieses Thema Zeit und Geld zu investieren. Und sollte der Wille vorhanden sein, ist die Umsetzung nicht immer einfach.

Oft wird Inklusion als Add-on behandelt, nicht als Veränderung des Systems.
Es gibt Trainings, Leitlinien und vielleicht auch Kampagnen, aber die eigentlichen Strukturen bleiben unverändert und ohne diese ist das Ganze zum Scheitern verurteilt.

Viele Organisationen sind darauf ausgelegt, dass alle möglichst gleich arbeiten, kommunizieren und leisten. Neurodiversität passt da nicht rein. Statt das System anzupassen, wird versucht, Menschen «passend zu machen». Oft funktioniert, das für einige Zeig, bei neurodivergenten Menschen. Bis sie krank werden und dann nicht mehr leistungsfähig sind und am Ende aus dem System fallen.

Inklusive Strukturen stehen und fallen mit Führungskräften. Wenn diese nicht verstehen und akzeptieren wie unterschiedlich Menschen arbeiten, entscheiden und kommunizieren, bleibt Vielfalt an der Oberfläche – oder wird sogar zum Konfliktfaktor. Für neurodivergente Menschen sind unklare Erwartungen, implizite Regeln und unausgesprochene Normen eine echte Hürde. Was für die einen «normal» ist, ist für andere schlicht intransparent. Selbst wenn unterschiedliche Perspektiven vorhanden sind, werden sie oft nicht aktiv eingebunden. Entscheidungen fallen weiterhin in kleinen, homogenen Kreisen.

Das grösste Problem ist, dass Inklusion häufig als kulturelles Thema behandelt wird, aber in Wahrheit ist es ein Strukturthema. Solange Prozesse, Entscheidungswege und Leistungsdefinitionen gleich bleiben, bleibt auch Inklusion Stückwerk.

Der entscheidende Schritt ist unbequem: Nicht Menschen an Systeme anzupassen,
sondern Systeme so zu gestalten, dass unterschiedliche Menschen darin wirksam sein können.

Sie sehen generative KI als Werkzeug zur Unterstützung neurodivergenter Talente. Können Sie konkrete Beispiele nennen?

Absolut, ich bin der grösste Fan von KI und sie ist für mich und viele Neurodivergente nicht nur ein Gamechanger geworden, sondern auch der tägliche Assistent. Ich habe meine 27 Jahre im Konzern ohne PowerPoint und Excel überstanden. Das sind für mich Tools, die weder einen Mehrwert bringen, noch verständlich sind. Früher musste ich eine Menge Kollegen mit Kaffee bestechen, damit sie mir welche basteln. Denn das ist die Erwartung von neurotypischen Menschen in Meetings. Heute gibt es endlich KI-Tools, die das für mich machen und mir somit eine Menge Stress rausnehmen. Zudem arbeite ich heute mit grossartigen KI-Lösungen, die helfen E-Mails oder Aufgaben auf das Wesentliche zu reduzieren oder die mir helfen, mich und meine Projekte zu priorisieren, wenn ich wieder zu viele Ideen haben.

Im Institut arbeiten wir genau mit diesen Herstellern, um neben dem Umgang mit neurodivergenten Teammitgliedern auch entsprechende Tools zu haben, die genutzt werden können. Damit kann Frust auf beiden Seiten vermieden werden. Denn oft passiert es, dass Führungskräfte mehr Struktur erwarten wozu der ADHS’ler vielleicht nicht in der Lage ist. Dann wird aus Kontrollverlust Micromanagement und das ist oft das Ende einer konstruktiven Zusammenarbeit. Leider kenne ich das zu gut. Das Gute ist auch, dass meine Uhr mir sagt, wann ich essen und atmen soll und ChatGPT antwortet mir auch schnell um 2 Uhr morgens, wenn ich eine Idee habe.

Besteht nicht auch die Gefahr, dass KI bestehende Normen verstärkt und damit neurodiverse Perspektiven eher ausblendet?

Das ist leider eines der grössten Probleme, die wir haben. Denn das Thema Neurodivergenz ist ja kaum in der analogen Welt angekommen, geschweige, denn in der digitalen.

KI ist nicht neutral. Sie lernt aus bestehenden Daten, und diese Daten spiegeln unsere aktuellen Systeme, Normen und Biases wider. Wenn diese Systeme eher auf Standardisierung und «Durchschnittsnutzer» ausgerichtet sind, wird KI genau das verstärken.

Für neurodiverse Perspektiven bedeutet das konkret: Abweichungen werden sehr schnell als «Fehler» und nicht als Standard interpretiert. Wenn ein Verhalten, ein Kommunikationsstil oder ein Denkansatz nicht der Norm entspricht, wird er eher korrigiert als verstanden.

Wenn neurodivergente Menschen in Daten weniger sichtbar sind oder ihre Perspektiven nicht explizit berücksichtigt wurden, tauchen sie in den Ergebnissen schlicht nicht auf. KI optimiert oft auf Effizienz und Vorhersagbarkeit. Das kann dazu führen, dass Vielfalt im Denken eher reduziert als gefördert wird und noch mehr vereinheitlicht wird.

Der entscheidende Punkt ist: KI verstärkt das, was bereits da ist, im Guten wie im Schlechten und daran müssen wir arbeiten und zwar ganz dringend.

Wie müsste KI gestaltet sein, um neuroinklusive Systeme wirklich zu ermöglichen?

Wenn wir wollen, dass KI neuroinklusive Systeme unterstützt, dann müssen wir Daten aktiv mitdenken, Systeme so bauen, dass sie nicht nur «den Durchschnitt» bedienen, und vor allem: Ergebnisse kritisch hinterfragen. Gerne würde ich auch mehr synthetische Daten nutzen, um diese Vielfalt zu generieren.

Sonst laufen wir Gefahr, bestehende Ausschlüsse zu automatisieren – nur schneller und skalierter. Ich habe gerade an einem Buch mitgeschrieben zum Thema «Skillrating» und dort habe ich das Thema Neurodivergenz beleuchtet. Bei den Recherchen habe ich erschreckenderweise festgestellt, dass es keine HR-Tools, Assessment Center Tools oder Bwertungstools gibt, bei denen neurodivergenten Menschen berücksichtigt werden. Das ist für mich der erste Ansatz, um hier eine Gleichberechtigung herzustellen.

KI kann ein Verstärker für Vielfalt oder Normierung sein. Entscheidend ist, wie wir sie bauen.

Was bedeutet «neuroinklusive Führung» konkret und was müssen Führungskräfte (v)erlernen?

Ich bin davon überzeugt, dass die Transformation auch die Rolle der Führungskräfte verändern, denn es wird auch einen neue Generation von Mitarbeitenden kommen, die auch viel sensibler für das Thema Neurodivergenz sind und Erwartungen an Unternehmen und Führungskräfte richten werden.

Neuroinklusive Führung bedeutet, Unterschiede nicht zu «managen», sondern gezielt zu nutzen.

Konkret heißt das: Führungskräfte schaffen Rahmenbedingungen, in denen unterschiedliche Denk-, Arbeits- und Kommunikationsstile wirksam werden können, statt alle auf einen Standard auszurichten.

Das zeigt sich im Alltag sehr praktisch:

Wir brauchen klare Kommunikation, statt impliziter Erwartungen. Ziele, Rollen und Prioritäten werden transparent gemacht – nicht vorausgesetzt.

Die Flexibilität in Arbeitsweisen wird wichtig sein. Nicht jeder arbeitet gleich gut im gleichen Setting. Neuroinklusive Führung erlaubt unterschiedliche Wege zum gleichen Ergebnis. Das Thema «Back to office» ist oft eines der grössten Stresspunkte.

Es braucht mehr Akzeptanz von unterschiedlicher Perspektiven. Entscheidungen werden nicht nur von den Lautesten oder Schnellsten geprägt, sondern auch von denen, die anders denken oder mehr Zeit brauchen.

Der entscheidende Teil ist aber das Verlernen: die Vorstellung, dass es den einen richtigen Arbeitsstil gibt, die Gleichsetzung von Präsenz, Schnelligkeit oder Lautstärke mit Leistung, das Führen über implizite Regeln und unausgesprochene Erwartungen, der Anspruch, dass sich alle an bestehende Systeme anpassen müssen.

Neuroinklusive Führung stellt diese Logik auf den Kopf:

Nicht Menschen müssen ins System passen, sondern das System muss so gestaltet werden, dass unterschiedliche Menschen darin erfolgreich sein können.

Das ist anspruchsvoll für Führungskräfte. Aber genau darin liegt der Hebel für bessere Zusammenarbeit, bessere Entscheidungen und echte Innovation.

Ist klassische Effizienzlogik überhaupt kompatibel mit neurodiversen Arbeitsweisen?

Wenn unterschiedliche kognitive Stile bewusst integriert werden, verändert sich Entscheidungsfindung grundlegend. Sie wird weniger linear, weniger schnell, aber deutlich robuster.

Entscheidungen werden breiter gedacht, denn analytische, intuitive, detailorientierte und vernetzt denkende Menschen betrachten ein Thema aus unterschiedlichen Blickwinkeln. Dadurch entstehen weniger vorschnelle Einigungen und mehr echte Auseinandersetzung mit der Sache. Leider haben wir das in den letzten Jahren verloren, obwohl es so wichtig ist. Während einige schnell auf Lösungen gehen, erkennen andere Muster, Abhängigkeiten oder potenzielle Schwachstellen. Das reduziert blinde Flecken.

Oft werden Annahmen oder Management Believe hinterfragt und was in homogenen Teams oft als «gegeben» gilt, wird in diversen Teams diskutiert. Das kann Entscheidungsprozesse verlängern, erhöht aber die Qualität erheblich. Wenn mehr Perspektiven eingeflossen sind, tragen mehr Menschen die Entscheidung mit. Das verbessert Umsetzung und Akzeptanz.

Gleichzeitig braucht das andere Rahmenbedingungen: mehr Struktur in Diskussionen, klare Moderation und bewusst eingeplante Zeit für unterschiedliche Denkgeschwindigkeiten.

Ohne das kippt Vielfalt schnell in Chaos oder endlose Diskussionen.

Ist klassische Effizienzlogik überhaupt kompatibel mit neurodiversen Arbeitsweisen?

Nur bedingt und vor allem kommt es darauf an, wie Effizienz definiert wird.

Klassische Effizienzlogik zielt oft auf Standardisierung, Geschwindigkeit und Vergleichbarkeit: gleiche Prozesse, gleiche Arbeitsweisen, gleiche Erwartungen an alle.
Genau das steht im Widerspruch zu neurodiversen Arbeitsweisen.

Denn unterschiedliche kognitive Stile bedeuten: unterschiedliche Denkgeschwindigkeiten, unterschiedliche Zugänge zu Informationen und unterschiedliche Wege zum gleichen Ergebnis.

Wenn Effizienz also heisst: alle machen es gleich und möglichst schnell,
dann ist sie nicht kompatibel mit Neurodiversität.

Wenn Effizienz aber neu gedacht wird, verändert sich das Bild:

Effizienz kann auch bedeuten, das beste Ergebnis mit den vorhandenen Ressourcen zu erzielen.

Und genau hier liegt die Stärke neurodiverser Teams: Komplexe Probleme werden schneller durchdrungen, innovative Lösungen entstehen, die langfristig tragfähiger sind und Fehler und Fehlentscheidungen werden reduziert.

Daran muss man sich oft erst gewöhnen und es kostet im Prozess oft mehr Abstimmung und manchmal mehr Zeit, führt aber zu besseren Ergebnissen.

Sie engagieren sich stark für Sichtbarkeit und Aufklärung. Wo stehen wir gesellschaftlich beim Thema Neurodivergenz?

Ich arbeite jetzt an diesem Thema seit 4 Jahren und leider sind wir in vielen Unternehmen noch sehr am Anfang. Andere Länder wie die USA oder UK sind hier schon viel weiter. Oft vergleich ich es mit der Homosexuellen-Bewegung als sie vor 20-25 Jahren in die Unternehmen gestartet ist. Ich sehe immer noch wie viele Vorurteile in der Gesellschaft vorliegen und wie viel Sichtbarkeit und Aufklärung noch benötigt wird.

Aus diesem Grund halte ich viele Keynotes und Vorträge und Barcamps, um den Menschen mehr Erkenntnis über ADHS, Autismus, Hochbegabung, Hochsensibiltiät, Dyslexie und Dyskalulie zu geben. Vor allem geht es mir darum den defizitiären Blick abzuwenden und die Superkräfte und von neurodivergenten Menschen zu zeigen. Oft werden neurodivergente Menschen heute noch oft als behindert angesehen und aus der Ecke will ich unbedingt rauskommen, denn sie sind unglaublich wertvolle Menschen für die Arbeitswelt  und vor allem die Loyalsten, wenn sie ein gutes Umfeld gefunden haben. Leider denken auch viele immer noch das alle Autisten Rain Mans sind und es gibt immer noch den Mythos, dass Menschen neurodivergent werden, weil sie falsch erzogen wurden oder eine falsche Impfung bekommen haben. Genau das will ich ändern und einen positiven Blick erreichen und natürlich arbeite ich auch mit anderen Ländern zusammen, die schon viel weiter sind und davon sollten wir auch mehr lernen.

Wird Neurodiversität in Zukunft ähnlich selbstverständlich sein wie Gender-Diversity heute?

Das ist mein Ziel mit meiner Arbeit und vor allem mit meinem Institut. Das ist noch ein Weg, aber wenn Gesellschaft, Unternehmen und Bildungsinstitute zusammen arbeiten bin ich sehr optimistisch, das wir das erreichen. Vor allem wenn endlich der Mehrwert von neurodivergenten Menschen gesehen wird.

Wenn Sie fünf Jahre in die Zukunft blicken: Wie sieht eine wirklich neuroinklusive Organisation aus?

In fünf Jahren wird eine wirklich neuroinklusive Organisation nicht mehr über «Anpassung» sprechen, sondern über Wirksamkeit durch Unterschiedlichkeit.

Man erkennt sie daran, dass Vielfalt nicht sichtbar gemacht werden muss, weil sie selbstverständlich integriert ist.

Der grösste Unterschied zu heute wird sein, dass Neurodiversität ist kein Programm mehr ist, kein HR-Thema und kein «Special Case», sondern Unternehmensteil.

Oder anders gesagt: Eine neuroinklusive Organisation erkennt man daran, dass sie nicht fragt, wie Menschen ins System passen, sondern wie das System gestaltet sein muss, damit Menschen ihr volles Potenzial entfalten können.

Meine Vision ist, dass Teams sich für die Diversität feiern und stolz sind Autisten, ADHSler, Hochbegabte und alle weiteren neurodivergenten Menschen im Team zu haben und neurodivergente Menschen sich nicht mehr verstecken oder maskieren müssen, sondern einfach authentisch sein können.

Was wäre Ihr wichtigster Rat an Unternehmen, die sich jetzt ernsthaft mit dem Thema beschäftigen wollen?

Unternehmen sollten das Potential von Neurodiversität erkennen und es nicht als Randthema sehen, sondern sie sollten beginnen ihre Systeme und bisherigen Vorgänge zu hinterfragen.

Denn Neurodiversität ist kein Image-Thema. Es ist ein echter Transformationstreiber, wenn man ihn ernst nimmt und versteht. Unternehmen und Manager sollten wieder neugierig werden und neuen Wegen und Denkweisen eine Chance lassen und die Mission des Institutes genau hierbei unterstützen, um die Transformation zu begleiten. Es ist keine Atomphysik, aber die Unternehmen müssen das Interesse daran haben und aktiv mitgestalten. Das geht nur, wenn verstanden wird wieso!

Und ganz persönlich: Was bedeutet für Sie «Resonanz» in einer zunehmend technologischen Welt?

Für mich bedeutet Resonanz, dass etwas wirklich ankommt, nicht nur verstanden, sondern gespürt und gelebt wird.

In einer zunehmend technologischen Welt, in der vieles schneller, effizienter und automatisierter wird, wird genau das zur entscheidenden Qualität: Verbindung statt nur Funktion.

Resonanz entsteht dort, wo Menschen sich gesehen fühlen. Wo Kommunikation nicht nur korrekt ist, sondern relevant. Wo Technologie nicht distanziert, sondern unterstützt.

Gerade im Zusammenspiel mit KI wird das noch wichtiger: Wir können heute vieles erzeugen, skalieren und optimieren, aber die Frage ist: Erreicht es auch jemanden?

Für mich hat Resonanz drei Ebenen:

Erstens: zwischen Menschen – echtes Zuhören, echtes Verstehen. Zweitens: zwischen Mensch und Technologie – wenn Tools wirklich helfen und nicht überfordern. Drittens: im eigenen Handeln – wenn das, was man tut, sich stimmig anfühlt.

Am Ende geht es nicht darum, wie viel möglich ist, sondern darum, was Wirkung entfaltet und ich bin der festen Überzeugung, dass gerade die Wirkung von neurodivergenten Menschen und deren Authentizität Wirkung erzeugt!!

Sabine Buch ist Expertin für Neurodivergenz, Leadership, Digitalisierung und Transformation. Sie ist Dozentin und Coach mit einem klaren Fokus auf Neurodiversität und TEDx-Speakerin. Nach vielen Jahren in internationalen Führungspositionen, unter anderem als VP bei T-Systems, verbindet sie heute fundierte Praxiserfahrung mit wissenschaftlicher Lehre und innovativen Trainingsansätzen.
Als Gründerin und Präsidentin des Europäischen Instituts für Neurodivergenz setzt sie sich dafür ein, neurodivergente Potenziale sichtbar zu machen und Organisationen zukunftsfähig aufzustellen. Ihr Ansatz kombiniert Leadership-Entwicklung und neuroinklusive Führungsmethoden  mit neuesten Erkenntnissen aus KI, Digitalisierung und Wissenschaft..
Sie begleitet Unternehmen, Führungskräfte und Institutionen dabei, neue Denkweisen zu etablieren und Transformation nachhaltig zu gestalten mit dem Ziel, Leistung, Innovation und menschliche Vielfalt in Einklang zu bringen.

Die Fragen hat Binci Heeb gestellt.

Lesen Sie auch: Gemeinsam Zukunft bauen

Im Vorfeld des IFZ Insurance Summit 2026 am 7. Mai 2026 spricht Konferenzleiter Prof. Dr. Florian Schreiber über die zentralen Kräfte, die die Schweizer Versicherungsbranche verändern. Zwischen technologischer Aufbruchsstimmung und operativer Realität zeigt sich: Die Transformation ist längst kein Zukunftsthema mehr, sondern entscheidet heute über Wettbewerbsfähigkeit und Relevanz.

Im Gespräch mit thebrokernews spricht Prof. Dr. Florian Schreiber über den aktuellen Zustand der Branche und die drängendsten Herausforderungen: von der Integration neuer Technologien über steigende Komplexität in Transformationsprozessen bis hin zu den Auswirkungen geopolitischer und klimatischer Risiken. Dabei wird deutlich, wo Versicherer heute konkret ansetzen müssen und weshalb erfolgreiche Transformation weit über technologische Innovation hinausgeht.

Herr Professor Schreiber, wenn Sie den aktuellen Zustand der Schweizer Versicherungsbranche in einem Satz beschreiben müssten, wie würde dieser lauten?

Versicherer sind weiterhin die stabilen Pfeiler der Schweizer Wirtschaft, die jedoch vor der Herausforderung stehen, ihre etablierten Geschäftsmodelle bzw. -prozesse an eine zunehmend dynamische und datengetriebene Realität anpassen zu müssen.

Der IFZ Insurance Summit steht stark im Zeichen der Transformation. Wo sehen Sie aktuell den grössten Handlungsdruck für Versicherer?

Ich bin der Meinung, dass der grösste Handlungsdruck immer dann entsteht, wenn strategische Ambitionen auf die operative Realität treffen, insbesondere bei Fragen, wie beispielsweise neue Technologien, datenbasierte Geschäftsmodelle oder innovative Vertriebsformen (Stichwort: «Embedded Insurance») nachhaltig und effizient in bestehende Strukturen integriert werden können.

Gleichzeitig beobachten wir aktuell eine bemerkenswerte Dynamik auf Führungsebene, mit zahlreichen Wechseln auf Stufe CEO und Geschäftsleitung, was einerseits neue Impulse ermöglicht, andererseits aber auch zusätzliche Komplexität in Transformationsprozesse bringt.

In Kombination führen diese beiden Faktoren dazu, dass viele Versicherer den Transformationsprozess nicht rein technologisch und organisatorisch bewältigen müssen, sondern parallel auch ihre strategische Ausrichtung unter neuen Führungsteams schärfen, was den Handlungsdruck erheblich erhöht.

Welche Rolle spielen Makrotrends, zum Beispiel geopolitische Unsicherheiten oder Klimarisiken, für die strategische Neuausrichtung der Branche?

Das klassische Geschäft von (Rück-)Versicherern ist per Definition volatil, sodass sich diese stetig an die aktuellen Entwicklungen der jeweiligen Märkte anpassen müssen, sei es mit einer höheren Kapitalisierung, einer restriktiveren und disziplinierten Zeichnungspolitik, einem risikoadäquaten Asset-Liability-Management oder aber auch innovativen Produkten, die das Potenzial bieten, die Grenzen der Versicherbarkeit zu verschieben. Die angesprochenen Klimarisiken und geopolitischen Unsicherheiten tragen massiv zu dieser Volatilität bei und erfordern eine erhöhte Wachsamkeit.

Künstliche Intelligenz ist ein zentrales Thema des Summits. Wo sehen Sie bereits konkrete, produktive Anwendungen in der Assekuranz und wo wird KI vielleicht noch überschätzt?

Produktiv wird KI heute bereits in klar strukturierten Prozessen wie Schadenbearbeitung oder Betrugserkennung eingesetzt. Allerdings gibt es auch zahlreiche Stimmen, die sagen, dass viele Initiativen hinter den Erwartungen zurückbleiben, weil KI eben kein Allheilmittel ist, sondern stark von verschiedenen Faktoren wie beispielsweise der Datenqualität, den Prozessen und der Integration sowie insbesondere auch der Kultur im Unternehmen abhängt.

Viele Versicherer investieren in Technologie, doch oft bleibt der erhoffte Effizienzgewinn aus. Woran scheitert Transformation Ihrer Beobachtung nach am häufigsten?

Ich denke, dass hier zwei Faktoren entscheidend sind. Zum einen wird versucht, neue Technologien bzw. Lösungen auf bestehende, komplexe Prozess- und IT-Landschaften aufzusetzen bzw. diese in das gleiche Korsett zu zwängen. Dies kann dazu führen, dass sich deren eigentliches Potenzial nicht entfalten kann.  Zum anderen ist der Status Quo dank guter operativer Ergebnisse recht bequem, sodass kurzfristig der Druck zur konsequenten Transformation schlicht fehlt.

Die Branche steht zunehmend unter Wettbewerbsdruck durch neue Marktteilnehmer. Wie ernst ist die Bedrohung durch InsurTechs und Big Techs aus Ihrer Sicht?

InsurTechs setzen als junge Unternehmen wichtige Innovationsimpulse, agieren jedoch meist in klar abgegrenzten Nischen bzw. als Technologielieferanten und sind für die etablierten Versicherer daher nur punktuell Konkurrenten. Bei den Big Techs ist die Situation hingegen differenzierter: Sie treten bislang ebenfalls primär als Partner entlang von Plattformen und Ökosystemen auf, verfügen jedoch gleichzeitig über Kundenzugang und Daten, was ihnen grundsätzlich die Möglichkeit gibt, die Wertschöpfung neu zu strukturieren. Die Herausforderung für Versicherer besteht daher weniger in direkter Konkurrenz, sondern vielmehr darin, in solchen Kooperationen die eigene strategische Rolle und insbesondere die Kundenschnittstelle zu sichern.

Ein Blick auf die Organisationen selbst: Müssen Versicherer kulturell anders werden, um Transformation wirklich zu schaffen? Wenn ja, wie?

Die aktuelle Dynamik auf Führungsebene mit zahlreichen CEO- und GL-Wechseln bestätigt, dass kulturelle Veränderungen zunehmend als strategischer Hebel verstanden werden. Gleichzeitig wird in der Praxis jedoch deutlich, dass personelle Veränderungen allein nicht ausreichen, solange Entscheidungsprozesse, Anreizsysteme und Organisationsstrukturen weitgehend unverändert bleiben; exakt dort liegt die eigentliche Transformationshürde, die Unternehmen bewältigen müssen.

Das diesjährige Programm vereint führende Köpfe aus der Branche. Welche Diskussion oder welcher Programmpunkt wird Ihrer Meinung nach besonders richtungsweisend sein?

Unser Ziel ist es, das Programm des Summits jedes Jahr so zu konzipieren, dass alle Programmpunkte ineinandergreifen und gemeinsam ein differenziertes Bild der aktuellen Herausforderungen bzw. strategischen Weichenstellungen zeichnen. Mit dem Schwerpunkt auf das grosse Thema Transformation decken wir in diesem Jahr sowohl technologische Entwicklungen als auch strategische bzw. organisatorische Fragestellungen ab, mit Fokus auf Leben, Schaden und Rück.

Vor diesem Hintergrund ist weniger ein einzelner Programmpunkt richtungsweisend als vielmehr das Gesamtprogramm, das durch ein starkes Line-up führender Vertreterinnen und Vertreter aus dem In- und Ausland getragen wird. Dies erlaubt uns, die zentralen Spannungsfelder der Transformation der Assekuranz fundiert und aus unterschiedlichen Perspektiven zu beleuchten.

Der Summit versteht sich auch als Plattform für Austausch. Was unterscheidet diesen Dialog von anderen Branchenveranstaltungen?

Der Unterschied liegt meiner Einschätzung nach vor allem darin, dass wir den Dialog konsequent aus einer unabhängigen Perspektive führen und aktuelle Entwicklungen bzw. Herausforderungen des Marktes nicht isoliert, sondern im Gesamtzusammenhang analysieren. Als öffentlich-rechtliches Forschungsinstitut einer Schweizer Hochschule verfolgen wir mit dem Event und unserem Angebot keinerlei kommerzielle Interessen, sondern haben vielmehr den klaren Anspruch, fundierte Inhalte und Orientierung für die Branche zu liefern. Neben dem Event ist dies insbesondere unsere jährlich erscheinende IFZ Versicherungsstudie (als eine von mehreren regelmässigen Publikationen), die den Konferenzteilnehmenden und interessierten Leserinnen und Lesern das jeweilige Schwerpunktthema des Events sowie zahlreiche weitere Analysen über den Versicherungsmarkt Schweiz zugänglich macht.

Abschliessend: Wenn Sie drei Prioritäten nennen müssten, die Versicherer in den nächsten zwei bis drei Jahren setzen sollten, welche wären das?

Die konsequente Nutzung von Daten, die Sicherung der Kundenschnittstelle im Kontext neuer Plattformen und den weiteren Ausbau bzw. Erhalt der organisatorischen Anpassungsfähigkeit (insbesondere vor dem Hintergrund der kürzlich erfolgten Führungswechsel und strategischen Neuausrichtungen).

Die Fragen hat Binci Heeb gestellt.

Lesen Sie auch: Dextra erneut als bester Schweizer Versicherer im Online-Vertrieb ausgezeichnet