Strukturen statt Stellen

Unternehmen beginnen, Arbeit an KI-Agenten zu übergeben, die bisher Menschen erledigt haben. Der naheliegende Gedanke lautet: Für jede Stelle stellt man einen Agenten ein. Dieses Dossier zeigt, warum dieser Gedanke in die Irre führt – und wie ein Unternehmen aussieht, das stattdessen seine Struktur neu baut.

Eine Abteilung, zwölf fast gleiche Stellen

Wer in einer typischen Sachbearbeitung genauer hinschaut, findet ein wiederkehrendes Muster. Mehrere Menschen tragen dieselbe Stellenbezeichnung und erledigen zum größten Teil dieselbe Arbeit. Nur ein kleiner Teil ihrer Aufgaben unterscheidet sich: Die eine kennt sich mit Auslandsschäden aus, der andere mit Betrugsfällen, die dritte betreut die Großkunden. Als Faustregel verwendet dieses Dossier das Verhältnis 90 zu 10 – rund neun Zehntel gemeinsame Arbeit, rund ein Zehntel Besonderes. Die Zahl ist eine Merkhilfe, keine Messgröße; was die Forschung dazu sagt, steht in Kapitel 3.

Für den Einsatz von KI ergibt sich daraus ein Dilemma. Ein einziger, für alle gleicher Agent kann die Unterschiede zwischen den Stellen nicht abbilden. Zwölf eigene Agenten für zwölf Stellen würden dagegen zwölfmal dasselbe bauen, pflegen und prüfen – und die Grenzen und Übergaben zwischen den Stellen gleich mit übernehmen. Beide Wege gehen von derselben stillen Annahme aus: dass die bestehende Einteilung der Arbeit in Stellen richtig ist und nur jemand anderes sie ausfüllen muss.

Genau diese Annahme stellt das Dossier infrage. Die Stelle ist eine Antwort auf die Grenzen menschlicher Arbeitskraft: Niemand kann alles wissen, niemand kann unbegrenzt viele Fälle bearbeiten, also teilt man die Arbeit auf Menschen auf. Für Agenten gelten andere Grenzen. Deshalb liegt die eigentliche Frage nicht darin, ob ein Mensch oder ein Agent eine Stelle besetzt, sondern darin, wie die Arbeit geordnet ist. Die Antwort, die das Dossier entwickelt: Das Gemeinsame wird einmal gebaut und von allen genutzt, das Besondere wird zu einer Fähigkeit, die bei Bedarf hinzukommt, und Menschen übernehmen Verantwortung für Ergebnisse statt für Stellen.

Links die heutige Gruppe: Jede Person erledigt überwiegend dieselben Kernaufgaben (petrol) und ein eigenes Spezialgebiet (violett). In der Mitte der 1:1-Ersatz: Jeder Agent trägt eine Kopie des Kerns. Rechts das Zielbild: Der Kern existiert einmal, Spezialgebiete werden als Fähigkeiten bei Bedarf geladen, Menschen tragen Verantwortung. Datenbasis: Modellannahme; Konzept nach Kapitel 3 bis 6.

Warum die Frage jetzt dringlich wird

Solange KI vor allem als Assistent einzelner Menschen eingesetzt wurde – zum Formulieren eines Briefs, zum Zusammenfassen einer Akte –, blieb die Struktur der Unternehmen unberührt. Das ändert sich, sobald Agenten ganze Aufgaben oder Abläufe selbstständig übernehmen. Der Softwarekonzern Microsoft beschreibt in seinem Work Trend Index 2025 diesen Übergang: von der KI als Assistent über Agenten, die wie digitale Kollegen einzelne Aufgaben übernehmen, bis zu Agenten, die ganze Abläufe ausführen, während Menschen die Richtung vorgeben. Microsoft betont, dass Unternehmen sich in allen diesen Formen zugleich befinden können; es handelt sich um eine Verschiebung, nicht um feste Stufen mit festen Daten.

Dass diese Verschiebung begonnen hat, zeigen erste Daten. Das KI-Unternehmen Anthropic wertet für seinen Economic Index aus, wie sein Modell Claude genutzt wird. Bei Unternehmen, die das Modell über die Programmierschnittstelle in eigene Abläufe einbauen, zeigten im Sommer 2025 rund 77 Prozent der Vorgänge Automatisierungsmuster: Die KI erledigte eine Aufgabe weitgehend allein, statt einem Menschen zuzuarbeiten. Schon 2023 hatte ein Forscherteam um Tyna Eloundou geschätzt, dass bei rund 80 Prozent der US-Beschäftigten mindestens ein Zehntel der Aufgaben von Sprachmodellen betroffen sein könnte.↗ Je mehr Arbeit Agenten tragen, desto weniger passt die alte Einteilung in Abteilungen und Stellen – und desto teurer wird es, sie unverändert zu übernehmen.

Neu ist die Frage trotzdem nicht. Als in den 1980er-Jahren Computer in die Büros kamen, bildeten viele Firmen ihre papierbasierten Abläufe einfach elektronisch nach. Der Managementforscher Michael Hammer hielt dem 1990 entgegen, man solle Abläufe nicht automatisieren, sondern von Grund auf neu entwerfen.↗ Dieses Dossier greift den Gedanken wieder auf – unter Bedingungen, unter denen Maschinen erstmals auch Urteile, Briefe und Abwägungen übernehmen können, die damals nur Menschen leisten konnten.

Das Beispiel: ein Versicherer und seine Schadenabteilung

Damit die Überlegungen greifbar werden, folgt das Dossier einem Beispielunternehmen: der Lindenau Versicherung AG, einem mittelgroßen deutschen Sachversicherer mit 2.100 Beschäftigten. Das Unternehmen ist erfunden; Ähnlichkeiten mit real existierenden Firmen sind nicht beabsichtigt. Alle Zahlen zur Lindenau – Beschäftigte, Fallmengen, Anteile, Zielbilder – sind Annahmen, die Größenordnungen veranschaulichen sollen. Die Aussagen über die Branche und über reale Unternehmen sind dagegen belegt und im Text direkt mit ihren Quellen verlinkt. Im Mittelpunkt steht eine Gruppe von zwölf Sachbearbeitenden in der Kfz-Schadenbearbeitung.

Die Versicherungsbranche eignet sich aus drei Gründen. Ihre Abläufe sind stark standardisiert und dokumentenlastig. Mit dem Projekt „Nemo“ der Allianz gibt es einen öffentlich beschriebenen Fall, in dem ein Versicherer einen Schadenprozess auf mehrere spezialisierte Agenten verteilt hat.↗ Und die Branche steht unter Kostendruck: Die deutschen Kfz-Versicherer gaben laut ihrem Verband GDV zuletzt für jeden eingenommenen Beitragseuro rund 1,06 Euro für Schäden und Verwaltung aus.

Der Weg durch das Dossier

Das Dossier beginnt mit dem Unternehmen, wie es heute gebaut ist, und mit der Frage, woher die Stelle als Grundeinheit der Organisation überhaupt kommt (Kapitel 2). Danach geht es in die Schadenabteilung, wo sich das 90/10-Muster im Einzelnen zeigen lässt (Kapitel 3), und zu der Frage, was geschieht, wenn man dort Stelle für Stelle durch Agenten ersetzt (Kapitel 4). Die Kapitel 5 und 6 entwickeln die Alternative – erst als Prinzip, dann als neu gebaute Abteilung mit neuen Rollen. Kapitel 7 überträgt das auf das ganze Unternehmen und zeichnet ein bewusst weitreichendes Bild für das Jahr 2035. Weil niemand weiß, wie schnell sich Technik und Unternehmen tatsächlich verändern, folgen Szenarien (Kapitel 8), die wichtigsten Einwände (Kapitel 9) und ein möglicher Weg vom heutigen zum künftigen Unternehmen (Kapitel 10).

Fast alle Unternehmen sind heute nach demselben Grundmuster gebaut: Ein Vorstand verteilt die Arbeit auf Bereiche, die Bereiche auf Abteilungen, die Abteilungen auf Stellen. Dieses Muster ist rund 150 Jahre alt – und es prägt bis heute, wie Unternehmen über künstliche Intelligenz nachdenken.

2.1 Die Lindenau Versicherung AG

Die Lindenau Versicherung AG ist ein Schaden- und Unfallversicherer mit Sitz in Südwestdeutschland. Sie versichert Autos, Wohngebäude und Hausrat, private Haftpflicht und Unfall. Ihre 2.100 Beschäftigten arbeiten in zehn Fachbereichen, die fünf Vorstandsressorts zugeordnet sind. Der größte Bereich ist Schaden und Leistung mit 520 Menschen; ein knappes Drittel davon bearbeitet Kfz-Schäden.

Funktionale Hierarchie mit fünf Vorstandsressorts. Der Bereich Schaden und Leistung (hervorgehoben) ist der größte; darin der Kfz-Schaden mit 160 Beschäftigten. Datenbasis: Modellannahme, an Größenordnungen eines mittelgroßen deutschen Schaden- und Unfallversicherers angelehnt.

Das Organigramm zeigt eine funktionale Hierarchie: Jeder Bereich erledigt eine Funktion – verkaufen, Verträge anlegen, Schäden regulieren, Geld anlegen. Ein Kundenanliegen wandert oft durch mehrere Bereiche. Wer etwa einen Unfall meldet und gleichzeitig seinen Vertrag ändern will, hat es mit dem Kundenservice, dem Schadenbereich und dem Vertragsbereich zu tun. Jede dieser Grenzen ist eine Übergabe: Ein Vorgang wechselt die Zuständigkeit, wartet in einem Postkorb und wird von neuen Menschen gelesen, die sich erst einarbeiten müssen.

2.2 Woher die Stelle kommt

Das Organigramm wirkt selbstverständlich, ist aber eine Erfindung des Industriezeitalters. Vier Schritte haben es geprägt:

Aus diesen Ideen entstand die Stelle, wie wir sie kennen: ein fester Zuschnitt von Aufgaben mit einer Zuständigkeit, einem Vorgesetzten und einer Beschreibung. Die Stelle ist also kein Naturgesetz, sondern eine Antwort auf eine bestimmte Frage: Wie verteilt man viel Arbeit so auf viele Menschen, dass jeder weiß, was er zu tun hat?

Die Beratungsfirma McKinsey ordnet diese Entwicklung in eine Abfolge von Organisationsmodellen ein. Im Industriezeitalter setzten sich funktionale Hierarchien durch; im Digitalzeitalter kamen kleine, bereichsübergreifende Teams hinzu. Nach Einschätzung von McKinsey arbeiten aber immer noch rund 89 Prozent der Organisationen nach dem Muster des Industriezeitalters, 9 Prozent nach dem des Digitalzeitalters und nur etwa 1 Prozent als dezentrales Netzwerk.

2.3 Die Lage der Branche

Die deutsche Versicherungswirtschaft steht 2026 an einer merkwürdigen Stelle. Einerseits wächst ihre Belegschaft noch: Ende 2025 zählte der Arbeitgeberverband AGV rund 215.600 Beschäftigte in den Versicherungsunternehmen, davon rund 174.300 im Innendienst – so viele wie seit mehr als zwanzig Jahren nicht. Die Zahl der Beschäftigten stieg nach Angaben des Verbands 2025 um 1,6 Prozent.↗

Andererseits beginnen große Versicherer, Stellen mit Verweis auf KI abzubauen. Die Allianz-Tochter Allianz Partners, die unter anderem Reiseversicherungen anbietet, streicht europaweit 1.500 bis 1.800 Stellen, davon 80 bis 100 in Deutschland; vor allem in Callcentern übernehmen KI-Systeme Kundenanfragen und Schadenmeldungen. Erste Berichte über die Pläne waren bereits im November 2025 erschienen.↗ Allianz-Chef Oliver Bäte sagte Anfang 2026 offen, man werde durch KI auch Arbeitsplätze abbauen müssen.↗

Dazu kommt die Demografie. Nach Angaben des Branchenverbands GDV gehört rund ein Viertel der Beschäftigten der Versicherungswirtschaft zur Generation der Babyboomer; ein großer Teil von ihnen geht in den nächsten Jahren in Rente und nimmt Erfahrungswissen mit.↗ Und schließlich der Kostendruck: Die Kfz-Versicherer schrieben 2023 und 2024 Verluste in Milliardenhöhe, vor allem wegen stark gestiegener Reparaturkosten.↗

2.4 Was ein Versicherer nicht abgeben kann

Versicherer unterliegen einer strengen Aufsicht. Das europäische Regelwerk Solvency II verlangt von ihnen vier sogenannte Schlüsselfunktionen: ein unabhängiges Risikomanagement, eine Compliance-Funktion, die interne Revision und die versicherungsmathematische Funktion.↗ Diese Funktionen müssen von Menschen verantwortet werden. Das wird in Kapitel 7 wichtig: Auch ein Versicherer, dessen Abläufe überwiegend Agenten tragen, braucht eine menschliche Spitze, die für Regeln, Grenzen und Kontrolle einsteht.

Zwölf Menschen, eine gemeinsame Aufgabe, zwölf kleine Unterschiede. An einer einzigen Gruppe der Kfz-Schadenbearbeitung lässt sich zeigen, warum der Ersatz von Stellen durch Agenten nicht aufgeht – und wo die eigentliche Chance liegt.

3.1 Die Gruppe Kfz-Sachschaden Süd

Der Kfz-Schadenbereich der Lindenau Versicherung besteht aus elf Gruppen. Eine davon ist die Gruppe Kfz-Sachschaden Süd: eine Gruppenleitung, zwei Teamleitungen und zwölf Sachbearbeitende. Gemeinsam regulieren sie rund 14.000 Schadenfälle im Jahr – von der zerbrochenen Windschutzscheibe bis zum Unfall mit Verletzten.

Fünfzehn Menschen: Gruppenleitung, zwei Teamleitungen, zwölf Sachbearbeitende. Hinter jedem Namen steht das Spezialgebiet, das die Person neben den gemeinsamen Kernaufgaben betreut. Datenbasis: Modellannahme; Namen und Spezialgebiete erfunden.

Alle zwölf erledigen dieselben Kernaufgaben: Sie nehmen Schadenmeldungen auf, prüfen, ob der Vertrag den Schaden deckt (Deckungsprüfung), fordern Unterlagen an, prüfen Kostenvoranschläge und Gutachten, klären die Haftung, schreiben an Kunden, Werkstätten und Anwälte, weisen Zahlungen an und führen die Akte. Daneben hat jede Person ein eigenes Spezialgebiet, das über die Jahre gewachsen ist – oft, weil sie einmal einen schwierigen Fall übernommen hat und seither als Ansprechpartnerin gilt.

3.2 Neunzig zu zehn

Wie viel Arbeitszeit fällt auf die gemeinsamen Kernaufgaben, wie viel auf das Spezialgebiet? Für die Gruppe Süd nimmt dieses Dossier an, dass der gemeinsame Anteil je nach Person zwischen 80 und 95 Prozent liegt. Wer schwere Personenschäden oder Großschäden bearbeitet, verbringt mehr Zeit mit Besonderem; wer Glasbruch reguliert, fast keine.

Petrol: Anteil der gemeinsamen Kernaufgaben an der Arbeitszeit (Meldung aufnehmen, Deckung prüfen, Unterlagen anfordern, Kalkulation prüfen, Haftung klären, Korrespondenz, Zahlung anweisen, Akte führen). Violett: Anteil des eigenen Spezialgebiets. Datenbasis: Modellannahme; die Faustregel 90 zu 10 wird hier als Spanne von 80 bis 95 Prozent dargestellt.

„90 zu 10“ ist also eine Faustregel, kein Messwert. Wie gut sie trägt, hängt von der Art der Arbeit ab. In stark standardisierter Sachbearbeitung wie hier ist eine hohe Überschneidung plausibel. In Berufen mit mehr eigenständiger Wissensarbeit – etwa in Beratung, Forschung oder Vertrieb an Großkunden – dürfte der gemeinsame Anteil deutlich kleiner sein, eher bei 70 zu 30.

Was die Forschung dazu sagt

Die Arbeitsmarktforschung betrachtet Berufe seit den 2000er-Jahren als Bündel von Aufgaben (Aufgabenansatz). Diese Sicht bestätigt das Grundmuster des 90/10-Prinzips. Die Ökonomen David Autor und Michael Handel zeigten 2013 mit Befragungsdaten aus den USA, dass sich die Tätigkeiten von Beschäftigten nicht nur zwischen, sondern auch innerhalb von Berufen deutlich unterscheiden – und dass diese Unterschiede Lohnunterschiede zwischen Menschen mit gleichem Beruf erklären.↗ Eine Studie des Bundesinstituts für Berufsbildung kam für Deutschland zu einem ähnlichen Bild: Ein großer Teil der Tätigkeiten wird durch den Beruf festgelegt, innerhalb eines Berufs gibt es aber systematische Unterschiede, die ebenfalls mit dem Lohn zusammenhängen.↗

Wie folgenreich die Wahl der Perspektive ist, zeigt ein bekannter Streit. 2013 schätzten Carl Benedikt Frey und Michael Osborne, dass rund 47 Prozent der Beschäftigung in den USA ein hohes Automatisierungsrisiko trage. Sie hatten ganze Berufe bewertet. Ein Forscherteam um Melanie Arntz rechnete 2016 für die OECD neu und berücksichtigte, dass auch Berufe mit hohem Risiko viele schwer automatisierbare Aufgaben enthalten. Ergebnis: In 21 OECD-Ländern galten nur rund 9 Prozent der Arbeitsplätze als automatisierbar. Wer auf Aufgaben schaut statt auf Stellen, sieht ein anderes Bild.

Auch die Stanford-Studie „Future of Work with AI Agents“ arbeitet auf der Ebene einzelner Aufgaben. Sie befragte 1.500 Beschäftigte zu 844 Aufgaben aus 104 Berufen und stellte fest, dass sich Aufgaben innerhalb desselben Berufs stark darin unterscheiden, wie viel menschliche Beteiligung sich die Beschäftigten wünschen.↗ Für 46,1 Prozent der Aufgaben äußerten sie sich positiv zu einer Automatisierung durch Agenten.

3.3 Warum die 10 Prozent mehr wiegen als 10 Prozent

Aus der Forschung von Autor und Handel folgt eine wichtige Einsicht: Gerade die Unterschiede innerhalb eines Berufs erklären, warum Menschen mit gleicher Stellenbezeichnung unterschiedlich viel verdienen. Übertragen auf die Gruppe Süd heißt das: Im Spezialgebiet steckt das, was eine erfahrene Sachbearbeiterin von einer neuen unterscheidet. Dort liegen die teuren Fehler, die schwierigen Gespräche, die Fälle, in denen ein falsches Urteil Zehntausende Euro kostet.

Wer die 10 Prozent einfach wegstandardisiert, verliert also nicht ein Zehntel der Arbeit, sondern möglicherweise den wertvollsten Teil. Das 90/10-Prinzip ist deshalb kein Argument dafür, das Besondere zu vernachlässigen. Es ist ein Argument dafür, das Gemeinsame und das Besondere verschieden zu behandeln.

3.4 Auch die 90 Prozent sind nicht gleich

Ein zweiter Befund wird oft übersehen. Selbst wenn zwölf Menschen dieselbe Aufgabe erledigen, erledigen sie sie nicht auf dieselbe Weise. Die Organisationsforscherinnen Amy Wrzesniewski und Jane Dutton haben dafür 2001 den Begriff Job Crafting geprägt: Beschäftigte gestalten ihre Arbeit selbst mit, indem sie Aufgaben, Beziehungen und das Verständnis ihrer Rolle verändern.↗

Dieselbe Kernaufgabe wird von drei Personen auf unterschiedlichen Wegen erledigt. Die Varianten enthalten Erfahrungswissen; manche sind schneller oder genauer als andere. Datenbasis: Modellannahme; Konzept nach Wrzesniewski und Dutton (2001).

In diesen verschiedenen Arbeitsweisen steckt Wissen, das in keiner Stellenbeschreibung steht. Manche Varianten sind besser als andere. Ein Agent pro Stelle würde jede Variante getrennt nachbauen und damit einfrieren. Ein gemeinsamer Kern kann dagegen die beste Variante finden und für alle Fälle nutzen – vorausgesetzt, jemand sammelt das Wissen und pflegt es.

Der einfachste Weg, KI in eine Abteilung zu bringen, ist auch der verführerischste: für jede Stelle einen Agenten. Er lässt sich leicht planen, leicht erklären und leicht in Einsparungen umrechnen. Gerade deshalb lohnt es sich, ihn zu Ende zu denken.

4.1 Ein Gedankenexperiment: zwölf Agenten

Angenommen, die Lindenau Versicherung baut für jede der zwölf Stellen der Gruppe Süd einen eigenen Agenten. Der „Agent Anna“ lernt alles, was Anna tut: die Kernaufgaben und den Glasbruch. Der „Agent Hakan“ lernt die Kernaufgaben und die schweren Personenschäden. Und so weiter.

Jeder Agent enthält eine eigene Kopie des gemeinsamen Kerns. Ein Fall mit Auslandsbezug, Personenschaden und Regress muss über drei Agenten wandern (rot markiert, nummeriert). Datenbasis: Modellannahme.

Auf den ersten Blick ist das ein Erfolg: Jeder Agent kann, was sein menschliches Vorbild konnte. Auf den zweiten Blick zeigen sich drei Probleme.

Hinzu kommt ein viertes, weniger sichtbares Problem: Der 1:1-Ersatz übernimmt die Arbeitsteilung, die für Menschen sinnvoll war. Menschen spezialisieren sich, weil niemand alles wissen kann. Ein Agent mit Zugriff auf die richtigen Fähigkeiten muss sich nicht auf ein Spezialgebiet beschränken. Die Grenze zwischen „Agent Elif“ (Ausland) und „Agent Greta“ (Personenschaden) ist eine Grenze aus der Menschenwelt, die in der Agentenwelt keinen Grund mehr hat.

4.2 Warum das passiert: Conways Gesetz

1968 veröffentlichte der Informatiker Melvin Conway einen kurzen Aufsatz mit dem Titel „How Do Committees Invent?“. Seine Kernthese: Organisationen, die Systeme entwerfen, bringen Entwürfe hervor, die ihre eigenen Kommunikationsstrukturen kopieren.↗ Ein Softwaresystem, das von drei Abteilungen gebaut wird, besteht am Ende meist aus drei Teilen mit drei Schnittstellen – ob das sinnvoll ist oder nicht. Die Beobachtung ist als Conways Gesetz bekannt geworden.

Wird das Agentensystem entlang der bestehenden Organisation geplant, übernimmt es deren Gruppen, Grenzen und Übergaben. Datenbasis: Melvin E. Conway (1968); Übertragung auf Agenten durch dieses Dossier.

Auf KI-Agenten übertragen heißt das: Wer das Agentensystem entlang des Organigramms plant, erhält ein Agentensystem, das wie das Organigramm aussieht. Die Gruppenleitung wird zum Steuer-Agenten, die Teams zu Agentengruppen, die Stellen zu Agenten. Das System erbt damit nicht nur die Stärken, sondern auch die Grenzen und Übergaben der alten Ordnung. In der Softwareentwicklung kennt man deshalb das umgekehrte Vorgehen: Man entwirft zuerst die gewünschte Architektur und ordnet dann die Teams danach.

4.3 Ein Lehrstück: Klarna

Wie der 1:1-Gedanke in der Praxis aussehen kann, zeigt der schwedische Zahlungsdienstleister Klarna. Im Februar 2024 meldete das Unternehmen, sein KI-Assistent leiste die Arbeit von 700 Kundenservice-Mitarbeitern und habe im ersten Monat rund 2,3 Millionen Gespräche geführt.↗ Die Rechnung lautete: Software statt Stellen. Gut ein Jahr später ruderte Vorstandschef Sebastian Siemiatkowski zurück und stellte wieder Menschen für den Kundenservice ein. Er räumte ein, dass die Kosten bei der Umstellung ein zu starkes Gewicht hatten und das Ergebnis eine geringere Qualität war.↗

Klarna ist kein Beweis dafür, dass KI im Kundenservice nicht funktioniert. Es ist ein Beleg dafür, was passiert, wenn man in Stellen rechnet: Man vergleicht die Kosten eines Agenten mit den Kosten eines Menschen und übersieht, welche Aufgaben in der Stelle steckten, die der Agent nicht übernehmen kann.

4.4 Ein alter Fehler in neuem Gewand

Schon einmal standen Unternehmen vor dieser Wahl. In den 1980er-Jahren brachten Computer Datenbanken und elektronische Formulare in die Büros. Viele Firmen bildeten ihre papierbasierten Abläufe einfach elektronisch nach. Der Managementforscher Michael Hammer kritisierte das 1990 in einem viel zitierten Aufsatz im Harvard Business Review. Sein Titel ist bis heute ein Leitsatz: „Don’t Automate, Obliterate“ – nicht automatisieren, sondern von Grund auf neu entwerfen. Auch McKinsey beschreibt, dass frühe IT-Systeme die industriellen Abläufe zunächst bloß in Software festschrieben, bevor modulare Plattformen entstanden.↗

Der Ökonom Erik Brynjolfsson hat 2022 eine verwandte Warnung formuliert. Er nennt sie die „Turing-Falle“: Wer KI vor allem darauf ausrichtet, Menschen nachzuahmen und zu ersetzen, verschenkt den größeren Nutzen, der entsteht, wenn Technik Neues ermöglicht und menschliche Fähigkeiten ergänzt. Der Agent pro Stelle ist eine Form dieser Falle: Er ahmt nach, was es schon gibt.

4.5 Was die Erfahrungen der ersten Jahre zeigen

Die bisherigen Daten zum Einsatz von KI in Unternehmen deuten in dieselbe Richtung, auch wenn sie mit Vorsicht zu lesen sind:

• Das Marktforschungsunternehmen Gartner sagte im Juni 2025 voraus, dass über 40 Prozent der Projekte mit KI-Agenten bis Ende 2027 abgebrochen werden – wegen steigender Kosten, unklaren Nutzens oder unzureichender Risikokontrolle. Gartner empfiehlt, Abläufe für Agenten von Grund auf neu zu denken.
• Ein Bericht des MIT-Projekts NANDA kam 2025 zu dem viel zitierten Ergebnis, dass rund 95 Prozent der untersuchten Organisationen keinen messbaren Ertrag aus generativer KI erzielten.↗ Die Autoren sahen den Grund weniger in der Technik als in der schlechten Einbindung in die Abläufe. Die Studie beruht allerdings auf einer kleinen Stichprobe von Interviews und öffentlich bekannten Projekten.
• Die Beratungsfirma BCG befragte 2025 mehr als 10.600 Beschäftigte und fand: Den größten Nutzen erzielen Unternehmen, die über das Verteilen von Werkzeugen hinausgehen und Arbeitsabläufe grundlegend neu gestalten.↗

Das Gemeinsame wird Plattform, das Besondere wird Fähigkeit. Hinter diesem Satz steht eine Bauweise, die sich in der KI-Technik gerade durchsetzt – und die genau zum 90/10-Prinzip passt.

5.1 Drei Schichten statt zwölf Stellen

Statt die Arbeit nach Personen zu schneiden, schneidet das Zielbild sie nach Gemeinsamkeit. Es entstehen drei Schichten, über denen die Menschen stehen:

• Unternehmenskern: Fähigkeiten, die alle Bereiche brauchen – Dokumente lesen, Briefe schreiben, auf die Bestandssysteme zugreifen, Rechte prüfen, jeden Schritt protokollieren. Er wird für das ganze Unternehmen einmal gebaut.
• Fachfähigkeiten: das, was in der Gruppe Süd alle zwölf gemeinsam tun – die rund 90 Prozent. Sie werden für die ganze Schadenbearbeitung einmal gebaut.
• Spezialfähigkeiten: das, was bisher nur einzelne konnten – die rund 10 Prozent. Jede wird als eigenes, abgeschlossenes Modul gebaut und nur dann geladen, wenn ein Fall sie braucht.

Unten das Gemeinsame des ganzen Unternehmens, darüber das Gemeinsame der Schadenbearbeitung (die 90 Prozent), darüber die Spezialfähigkeiten (die 10 Prozent), oben die Menschen. Rechts die Kontrolle, die alle Schichten umfasst. Datenbasis: Modellannahme; Bauweise nach dem offenen Standard Agent Skills und dem „agentischen Netz“ bei McKinsey (2025).

Der Unterschied zum 1:1-Ersatz ist grundlegend. Dort gab es zwölf Agenten mit je einer Kopie des Gemeinsamen. Hier gibt es das Gemeinsame genau einmal, und das Besondere existiert als Bibliothek von Modulen. Ein Fall, der Auslandsbezug und Personenschaden verbindet, wird nicht mehr zwischen zwei Agenten weitergereicht. Derselbe Agent lädt einfach beide Fähigkeiten.

5.2 Wie eine Fähigkeit geladen wird

Diese Bauweise ist keine Zukunftsidee. Im Herbst 2025 stellte das KI-Unternehmen Anthropic sogenannte Agent Skills vor (Fähigkeiten) und machte sie im Dezember 2025 zu einem offenen Standard, den inzwischen auch andere Anbieter unterstützen. Eine Fähigkeit ist dabei schlicht ein Ordner mit einer Anleitung, die beschreibt, wie eine bestimmte Aufgabe zu erledigen ist, dazu Vorlagen, Beispiele oder kleine Programme. Der Agent lädt diese Fähigkeiten schrittweise: Ständig präsent ist nur eine kurze Beschreibung jeder Fähigkeit.↗ Erst wenn eine Aufgabe dazu passt, liest der Agent die vollständige Anleitung.

Das Fachmagazin VentureBeat beschrieb den Wandel so: Früher baute man für jeden Zweck einen eigenen Agenten – einen für den Kundenservice, einen fürs Programmieren, einen für Recherche.↗ Die neue Bauweise setzt auf einen allgemeinen Agenten mit einer Bibliothek spezialisierter Fähigkeiten. Genau das ist die technische Entsprechung zum 90/10-Prinzip.

Der Kern erkennt beim Lesen der Meldung den Auslandsbezug und lädt die passende Fähigkeit aus der Bibliothek. Weitere Fähigkeiten, etwa „Personenschaden“, ließen sich im selben Fall zusätzlich laden. Datenbasis: Prinzip der schrittweisen Offenlegung nach agentskills.io; Beispiel Modellannahme.

Damit ein Agent auf Vertragsdaten, Zahlungssysteme und Postfächer zugreifen kann, braucht er Anschlüsse an die Systeme des Unternehmens. Auch dafür gibt es seit Ende 2024 einen offenen Standard, das Model Context Protocol. Es funktioniert wie eine einheitliche Steckdose: Ein System wird einmal angeschlossen und steht dann allen Agenten zur Verfügung – auch das ist eine Form, das Gemeinsame nur einmal zu bauen.

McKinsey beschreibt dasselbe Muster auf Unternehmensebene als „agentisches Netz“: eine Plattform mit wiederverwendbaren Bausteinen, Datenprodukten und eingebauten Sicherheitsleitplanken, auf der die einzelnen Bereiche ihre Abläufe aufbauen.

5.3 Was aus dem Wissen der Spezialisten wird

Eine Spezialfähigkeit ist im Kern aufgeschriebenes Erfahrungswissen. Die Fähigkeit „Regress“ enthält, was Katrin über Jahre gelernt hat: welche Unterlagen ein gegnerischer Versicherer verlangt, welche Fristen gelten, wann sich ein Rechtsstreit lohnt. Das hat zwei Folgen.

Erstens wird Wissen unabhängig von Personen. Für die Versicherungsbranche, in der laut GDV rund ein Viertel der Beschäftigten Babyboomer sind, ist das eine handfeste Frage. Der Versicherer Ergo hat 2026 zusammen mit Google Cloud einen Bericht veröffentlicht, der genau darauf zielt: KI-Agenten sollen Erfahrung, Zusammenhänge und Urteilsvermögen der Beschäftigten in wiederverwendbares Wissen des Unternehmens überführen.↗

Zweitens braucht jede Fähigkeit eine verantwortliche Person. Wissen veraltet: Gesetze ändern sich, Gerichte urteilen neu, Werkstattpreise steigen. Eine Fähigkeit, die niemand pflegt, wird zur Fehlerquelle – und zwar in jedem Fall, in dem sie geladen wird. Die Pflege der Fähigkeiten wird deshalb zu einer der wichtigsten neuen Aufgaben für Menschen (siehe Kapitel 6).

5.4 Der Vergleich

Wie sieht die Gruppe Kfz-Sachschaden Süd aus, wenn sie nicht Stelle für Stelle, sondern von Grund auf neu gebaut wird? Ein realer Vorläufer zeigt die Richtung, eine Modellrechnung die Größenordnung.

6.1 Ein realer Vorläufer: Project Nemo

Im Juli 2025 nahm die Allianz in Australien ein System in Betrieb, das einen ganzen Schadenprozess mit Agenten abwickelt. Es heißt „Project Nemo“ und bearbeitet eine eng umrissene Fallart: verdorbene Lebensmittel nach Unwettern, bei Schäden unter 500 australischen Dollar. Die Allianz baute das System nach eigenen Angaben in weniger als 100 Tagen. Statt mehrerer Tage dauert die Bearbeitung nun Stunden; die Allianz spricht von rund 80 Prozent weniger Bearbeitungszeit.↗

Der Ablauf ist nach Prozessschritten zerlegt, nicht nach Stellen. Ein Cyber-Agent überwacht das Ganze, ein Prüf-Agent fasst die Entscheidungen zusammen, ein Mensch entscheidet über die Auszahlung. Datenbasis: Allianz (3.11.2025); Darstellung vereinfacht.

Bemerkenswert ist die Bauweise. Die Allianz hat nicht Sachbearbeiter nachgebaut, sondern den Ablauf zerlegt: in sieben Agenten, die je einen Prozessschritt übernehmen.

Die Auszahlungsentscheidung trifft immer ein Mensch; sie wird bei Nemo niemals automatisiert.↗ Die Allianz versteht das System als Blaupause und prüft es für weitere einfache, häufige Schäden – Flugverspätungen, einfache Kfz-Schäden, Sachschäden. Die Agenten sind dafür als Bausteine angelegt, die sich auf andere Produkte, Länder und Regelwerke übertragen lassen.

6.2 Der neue Ablauf in der Gruppe Süd

Für die Lindenau Versicherung verbindet das Zielbild beide Gedanken: die Zerlegung nach Prozessschritten wie bei Nemo und den gemeinsamen Kern mit ladbaren Fähigkeiten aus Kapitel 5. Jeder Fall durchläuft zuerst den Kern, der ihn aufnimmt und einer von drei Bahnen zuordnet.

Der Kern nimmt jeden Fall auf und ordnet ihn einer von drei Bahnen zu. Die Anteile der Bahnen sind Annahmen und würden sich mit besseren Agenten verschieben. Datenbasis: Modellannahme; Bauweise angelehnt an Project Nemo (Allianz) und Kapitel 5.

• Standardfall (rund 85 Prozent der Fälle): Glasbruch, Parkschaden, einfacher Auffahrunfall. Die Fachfähigkeiten prüfen Deckung und Kalkulation und bereiten die Zahlung vor. Menschen geben die Zahlungen in Sammelfreigaben und Stichproben frei.
• Spezialfall (rund 12 Prozent): Der Kern lädt die passenden Spezialfähigkeiten – Regress, Ausland, Totalschaden – und legt einen begründeten Vorschlag vor. Eine Fallexpertin entscheidet.
• Ausnahme (rund 3 Prozent): schwere Personenschäden, Großschäden, Betrugsverdacht, verzweifelte Kunden. Hier führt ein Mensch den Fall; Agenten recherchieren, rechnen und entwerfen Schreiben.

Eine Regel gilt in allen Bahnen: Kürzungen und Ablehnungen entscheidet ein Mensch. Das ist nicht nur eine Frage des Vertrauens, sondern auch des Rechts. Die Datenschutz-Grundverordnung gibt Menschen das Recht, keiner ausschließlich automatisierten Entscheidung mit rechtlicher Wirkung unterworfen zu werden.↗ Das deutsche Datenschutzrecht lässt bei Versicherungsleistungen eine Ausnahme zu, wenn dem Begehren der betroffenen Person stattgegeben wird – vereinfacht gesagt: Zahlen darf eine Maschine, Ablehnen nicht ohne Weiteres.↗

6.3 Wer in der neuen Gruppe arbeitet

Mit dem Ablauf ändern sich die Rollen. McKinsey beobachtet bei Pionierunternehmen drei neue Profile: breit aufgestellte Führungskräfte, die Agenten und Menschen über Bereiche hinweg orchestrieren; tiefe Spezialisten, die Abläufe neu entwerfen, Ausnahmen bearbeiten und Qualität sichern; und Beschäftigte im direkten Kundenkontakt, die dank KI weniger Zeit mit Systemen und mehr Zeit mit Menschen verbringen.↗ Nach McKinsey können zwei bis fünf Menschen bereits eine „Agentenfabrik“ aus 50 bis 100 spezialisierten Agenten beaufsichtigen, die einen ganzen Ablauf von Anfang bis Ende abdeckt.

Für die Gruppe Süd ergibt sich daraus das folgende Bild. Mit dem Umschalter lassen sich der heutige Zustand, der 1:1-Ersatz und das Zielbild vergleichen.

Mit dem Umschalter lassen sich die drei Zustände vergleichen. Im Zielbild arbeiten sechs Menschen in neuen Rollen mit einem Agentensystem, das einen gemeinsamen Kern, Spezialfähigkeiten und einen Prüfagenten umfasst. Datenbasis: Modellannahme; Rollen nach McKinsey (2025).

Microsoft hat für diese Verschiebung den Begriff des „Agent Boss“ geprägt: Jeder Beschäftigte werde künftig Agenten aufbauen, ihnen Aufgaben übertragen und sie steuern. Als neue Kennzahl schlägt Microsoft das Mensch-Agent-Verhältnis vor, also das Verhältnis von Menschen zu Agenten: Für jede Rolle und jede Aufgabe müsse man klären, wie viele Agenten nötig sind und wie viele Menschen sie anleiten.↗

6.4 Eine Modellrechnung

Wie viele Menschen braucht die neue Gruppe? Die Antwort hängt vor allem von zwei Größen ab: wie viele Fälle die Agenten als Standardfall erledigen können und wie viel menschliche Arbeit die übrigen Fälle trotz Unterstützung durch Agenten noch kosten. Der Rechner zeigt den Zusammenhang.

Annahmen: 14.000 Fälle im Jahr, 1.600 produktive Arbeitsstunden je Vollzeitkraft, dazu fest eine Leitung und eine Person für Fähigkeiten und Qualität. Heute: 12 Sachbearbeitende × 1.600 Stunden ÷ 14.000 Fälle ≈ 1,4 Stunden je Fall. Datenbasis: Modellannahmen dieses Dossiers; keine Prognose.

Bei den Voreinstellungen – 85 Prozent Standardfälle, sechs Minuten menschliche Prüfung je Standardfall, zweieinhalb Stunden je übrigem Fall – kommt die Rechnung auf rund sechs Menschen statt fünfzehn. Wichtig ist, was die Zahl nicht sagt: Sie sagt nicht, dass neun Menschen entlassen werden müssen. Die frei werdende Kapazität kann ebenso in mehr Fälle, schnellere Regulierung, bessere Betreuung bei schweren Schäden oder ganz neue Aufgaben fließen. In einer Branche, in der viele Beschäftigte in den nächsten Jahren in Rente gehen, kann ein großer Teil des Umbaus über nicht nachbesetzte Stellen laufen. Welche Wahl ein Unternehmen trifft, ist eine Entscheidung des Managements – keine Folge der Technik.

6.5 Was Menschen behalten wollen

Die Stanford-Studie zu KI-Agenten fragte nicht nur, was technisch möglich ist, sondern auch, was Beschäftigte wollen. Ergebnis: Bei 47,5 Prozent der untersuchten Aufgaben wünschten sich die Beschäftigten mehr menschliche Beteiligung, als die befragten KI-Fachleute für technisch nötig hielten.↗ Automatisieren wollten sie vor allem wiederkehrende Aufgaben mit geringem Wert. Ein Zielbild, das diese Wünsche ignoriert, wird auf Widerstand stoßen. Die Rollen in 6.3 sind deshalb so geschnitten, dass das Wiederkehrende bei den Agenten liegt und Urteil, Gespräch und Verantwortung bei den Menschen.

Was in einer Gruppe von zwölf Menschen beginnt, verändert am Ende das ganze Unternehmen. Wenn Agenten ganze Abläufe tragen, verliert die Einteilung in Abteilungen und Stellen ihren Zweck. Dieses Kapitel zeichnet ein bewusst weitreichendes Zielbild für das Jahr 2035.

7.1 Vom Organigramm zur Arbeitslandkarte

Das Organigramm beantwortet die Frage: Wer berichtet an wen? Microsoft schlägt vor, es durch eine „Work Chart“ zu ersetzen, ein Modell, in dem sich Teams um Ziele statt um Funktionen bilden.↗ McKinsey erwartet ebenfalls, dass sich Organigramme, die auf hierarchischer Delegation beruhen, zu Netzen aus kleinen, ergebnisorientierten Teams wandeln, die Aufgaben und Ergebnisse austauschen.↗ Die Arbeitslandkarte beantwortet eine andere Frage: Welches Ergebnis entsteht wo, und wer verantwortet es?

Für die Lindenau Versicherung heißt das: Aus zehn Fachbereichen werden fünf Ergebnisströme, die jeweils ein Kundenergebnis von Anfang bis Ende verantworten. Sie laufen alle auf derselben Agentenplattform und greifen auf dieselbe Fähigkeitsbibliothek zu. Darüber steht eine schlanke Steuerungsschicht.

2026: zehn Fachbereiche in fünf Ressorts. 2035 im Plattform-Szenario: fünf Ergebnisströme mit kleinen Teams, eine Fähigkeitsbibliothek, eine Agentenplattform, darüber Vorstand und Kontrolle. Datenbasis: Modellannahme; Konzept der Work Chart nach Microsoft (2025) und der agentischen Organisation nach McKinsey (2025).

Rund 750 Menschen statt 2.100 – diese Zahl beschreibt das weitreichendste der Szenarien in Kapitel 8, nicht eine Vorhersage. Sie folgt aus der Logik der Gruppe Süd, übertragen auf das ganze Unternehmen. Ebenso denkbar ist, dass die Lindenau mit 1.500 Menschen ein doppelt so großes Geschäft betreibt. Entscheidend ist nicht die Zahl, sondern die neue Form.

7.2 Acht Strukturbrüche

7.3 Wer steuert, wer haftet

Ein Unternehmen, in dem Agenten den größten Teil der Abläufe tragen, braucht eine andere Form der Steuerung. McKinsey beschreibt, dass Kontrolle dann nicht mehr eine gelegentliche, papierlastige Übung sein kann, sondern laufend, datengestützt und in die Abläufe eingebaut sein muss – mit Menschen, die die letzte Verantwortung tragen.↗ Compliance-Verantwortliche prüfen dann nicht mehr Zeile für Zeile, sondern legen Regeln fest, beobachten Ausreißer und bestimmen, wie stark Menschen eingreifen.

Regeln und Grenzen fließen von oben nach unten, Kennzahlen, Ausnahmen und Auffälligkeiten von unten nach oben. Menschen tragen die letzte Verantwortung. Datenbasis: McKinsey (2025); Schlüsselfunktionen nach Solvency II; Darstellung dieses Dossiers.

Ein Satz aus der McKinsey-Analyse verdient besondere Beachtung: Wie weit die Automatisierung reichen kann, wird am Ende dadurch begrenzt, wie viel Aufsicht Menschen leisten können. Steuerung wird damit selbst zum möglichen Engpass der Produktivität. Für einen Versicherer kommt hinzu, dass die vier Schlüsselfunktionen aus Kapitel 2 nicht an Maschinen delegiert werden können. Die Steuerungsschicht der Lindenau 2035 ist deshalb klein, aber nicht verhandelbar.

7.4 Was das Unternehmen dann ausmacht

Wenn alle Versicherer ähnliche Sprachmodelle nutzen, liegt der Unterschied woanders. Drei Dinge rücken in den Vordergrund:

• Eigene Daten: McKinsey sieht in eigenen, nicht öffentlichen Daten einen zentralen Wettbewerbsvorteil des agentischen Zeitalters – Daten über Kunden, Schäden, Werkstätten und Verläufe, die sonst niemand hat.
• Die Fähigkeitsbibliothek: wie gut das Unternehmen sein Erfahrungswissen erfasst, pflegt und weiterentwickelt.
• Urteilskraft und Vertrauen: die Menschen, die in schwierigen Fällen richtig entscheiden, und eine Kultur, die beim schnellen Umbau nicht zerfällt.

Damit ändert sich auch die Wirtschaftlichkeit. Nach McKinsey können KI-zentrierte Abläufe die Grenzkosten eines Vorgangs in Richtung der Rechenkosten drücken. Kosten wachsen dann nicht mehr im Gleichschritt mit dem Geschäft, und der Umsatz je Beschäftigtem steigt stark.

Niemand weiß, wie schnell sich Agenten entwickeln und wie mutig Unternehmen umbauen. Zwei Fragen spannen aber den Raum der Möglichkeiten auf: Wie viel Arbeit übernehmen Agenten? Und wie stark wird die Struktur umgebaut?

8.1 Die Matrix

Die beiden Fragen sind voneinander unabhängig. Ein Unternehmen kann viel automatisieren, ohne seine Struktur anzutasten – das ist der 1:1-Ersatz. Es kann umgekehrt seine Abläufe neu ordnen, ohne viele Agenten einzusetzen. Daraus ergeben sich vier Felder.

Die Lindenau startet 2026 im Feld A. Der direkte Weg nach rechts führt in die Falle B; der empfohlene Weg führt über den Strukturumbau (C) zum Plattform-Unternehmen (D). Von außen drängen KI-native Neugründungen (E) in den Markt. Datenbasis: Modellannahme; Stufen nach Microsoft (2025), Wertansätze nach BCG, agentische Organisation nach McKinsey (2025).

8.2 Die Szenarien im Einzelnen

8.3 Die Szenarien im Vergleich

Ein Zielbild ist nur so gut wie die Einwände, die es aushält. Dieses Kapitel sammelt die wichtigsten – technische, rechtliche, wirtschaftliche und menschliche.

9.1 Die Technik ist unreifer, als die Versprechen klingen

Gartner erwartet nicht nur viele abgebrochene Projekte, sondern warnt auch vor sogenanntem „Agent Washing“: Viele Anbieter verkaufen herkömmliche Chatbots oder Automatisierungssoftware als Agenten. Nach Einschätzung von Gartner fehlt heutigen Modellen oft noch die Reife, komplexe Ziele über lange Zeit selbstständig zu verfolgen. Gleichzeitig sagt Gartner voraus, dass bis 2028 mindestens 15 Prozent der alltäglichen Arbeitsentscheidungen autonom von Agenten getroffen werden, nachdem es 2024 noch keine waren.↗ Beides kann zugleich wahr sein: Die Richtung stimmt, das Tempo ist ungewiss.

9.2 Fehler in Serie

Ein Mensch, der eine Regel falsch versteht, macht den Fehler in seinen eigenen Fällen. Eine Fähigkeit, die falsch formuliert ist, macht ihn in allen Fällen, in denen sie geladen wird – bei der Lindenau womöglich tausendfach, bevor es jemand bemerkt. Die Bündelung, die in Kapitel 5 ein Vorteil war, ist hier ein Risiko. Gegenmittel sind Prüfagenten, Stichproben, schrittweises Ausrollen neuer Fähigkeiten und klare Verantwortliche für jede Fähigkeit.

9.3 Recht und Regulierung

• KI-Verordnung der EU: Sie stuft im Versicherungswesen KI-Systeme für die Risikobewertung und Preisbildung in der Lebens- und Krankenversicherung als Hochrisikosysteme ein (Anhang III, Nummer 5c).↗ Die Kfz-Schadenbearbeitung fällt nicht unter diese Liste, wie auch die Deutsche Aktuarvereinigung erläutert.↗ Die Pflichten für Hochrisikosysteme sollten ursprünglich ab dem 2. August 2026 gelten.↗ Mit dem sogenannten Digital-Omnibus haben Parlament und Rat 2026 eine Verschiebung beschlossen: Für Systeme nach Anhang III gelten sie spätestens ab dem 2. Dezember 2027.↗ Die Veröffentlichung im Amtsblatt stand im Sommer 2026 noch aus.
• Datenschutz: Ausschließlich automatisierte Entscheidungen mit rechtlicher Wirkung sind nach der DSGVO nur in engen Grenzen zulässig (siehe Kapitel 6). Für Versicherer bedeutet das in der Praxis: Leistungen gewähren kann automatisiert erfolgen, Kürzungen und Ablehnungen brauchen einen Menschen.
• Aufsicht: Die Schlüsselfunktionen nach Solvency II bleiben in menschlicher Verantwortung; die Finanzaufsicht erwartet nachvollziehbare Entscheidungen und eine funktionierende Kontrolle.
• Mitbestimmung: Technische Einrichtungen, die Verhalten oder Leistung der Beschäftigten überwachen können, unterliegen in Deutschland der Mitbestimmung des Betriebsrats.↗ Agentensysteme, die jeden Schritt protokollieren, gehören fast immer dazu. Auch über den Abbau bei Allianz Partners gab es eine Einigung mit den Betriebsräten.↗

9.4 Abhängigkeit

Wer seine Abläufe auf eine Agentenplattform stellt, hängt von den Anbietern der Sprachmodelle ab – von ihren Preisen, ihrer Verfügbarkeit und ihrer Weiterentwicklung. McKinsey rät deshalb, die eigene Ablauflogik, das Unternehmenswissen und die Daten von den Produkten einzelner Anbieter zu trennen, weil sich der Markt so schnell verändert, dass eine heute gewählte Lösung in wenigen Wochen veraltet sein kann.↗ Offene Standards wie Agent Skills und das Model Context Protocol erleichtern einen Wechsel.

9.5 Menschen und Beschäftigung

Der schwierigste Einwand ist der menschliche. Ein Zielbild mit deutlich weniger Menschen je Ablauf bedeutet für viele Beschäftigte Unsicherheit. Drei Befunde ordnen das ein:

• Die Beschäftigung in der deutschen Versicherungswirtschaft ist bisher gestiegen, nicht gesunken (AGV, Ende 2025). Die großen Umbrüche liegen noch vor der Branche.
• Ein großer Teil der Belegschaft geht in den nächsten Jahren in Rente. Ein Umbau, der über Jahre läuft, kann viel über nicht nachbesetzte Stellen auffangen – ein Umbau in wenigen Monaten nicht.
• Beschäftigte wollen vor allem das Wiederkehrende abgeben. Wo sie mehr Beteiligung wollen, als technisch nötig wäre (Stanford: bei fast der Hälfte der Aufgaben), drohen Reibungen, wenn das Zielbild darüber hinweggeht.

Auch die Arbeit der verbleibenden Menschen verändert sich nicht nur zum Guten. Wer früher Fälle bearbeitete, prüft nun vielleicht vor allem die Arbeit von Agenten – eine Tätigkeit, die ermüdend sein kann und eigene Fehler hervorbringt. Gute Zielbilder schneiden die neuen Rollen deshalb so, dass sie Urteil und Gestaltung enthalten, nicht nur Kontrolle.

Kein Unternehmen springt in einem Schritt vom Organigramm zur Arbeitslandkarte. Der Weg führt über Phasen, in denen sich Struktur und Technik gegenseitig voranbringen – und er beginnt nicht mit Agenten, sondern mit einer Bestandsaufnahme der Arbeit.

Die Phasen überlappen sich. Die Hochrisiko-Pflichten der KI-Verordnung betreffen die Kfz-Schadenbearbeitung nicht unmittelbar, setzen aber den Rahmen für Kontrolle und Dokumentation im ganzen Unternehmen. Datenbasis: Modellannahme; Termin der KI-Verordnung nach dem 2026 gebilligten Digital-Omnibus.

10.1 Vier Phasen

10.2 Fünf Regeln für den Umbau

• Aufgaben vor Stellen: erst die Arbeit verstehen, dann sie neu verteilen.
• Architektur vor Organigramm: das Zielsystem entwerfen und die Teams danach ordnen.
• Vom Zielbild rückwärts: nicht vom Werkzeug aus vorwärts planen.
• Verantwortung benennen: Jede Fähigkeit und jeder Ergebnisstrom hat einen verantwortlichen Menschen.
• Zeit als Puffer: Der Umbau läuft über Jahre, nicht über Quartale.

Die zweite Regel ist das umgekehrte Conway-Manöver aus Kapitel 4: Weil Systeme die Struktur ihrer Erbauer kopieren, entwirft man zuerst die gewünschte Struktur des Systems und ordnet dann die Organisation danach. Die dritte Regel formuliert McKinsey als Wechsel vom „technology-forward“ zum „future-back“: Führungskräfte sollen sich das Unternehmen der Zukunft vorstellen und von dort aus rückwärts bestimmen, wo sie anfangen. Die Verantwortung für den Umbau an die IT-Leitung zu delegieren wie bei einer Softwareeinführung, reicht nach McKinsey nicht aus.

Am Ende steht kein Unternehmen, in dem Maschinen Menschen ersetzt haben, sondern eines, das anders gebaut ist. Die Tabelle stellt die Lindenau Versicherung von 2026 dem Zielbild des Plattform-Szenarios für 2035 gegenüber.

Sechs große Entwicklungslinien

Von der Arbeitsteilung bis zum Zielbild: die wichtigsten Ideen, Technologien, Unternehmensentscheidungen und Regeln. Einträge ab 2027 sind Prognosen oder Annahmen dieses Dossiers.

Die Frage, wie man Arbeit ordnet, beschäftigt Ökonomen, Ingenieure und Manager seit 250 Jahren. Die folgenden Personen haben die Ideen geprägt, auf denen dieses Dossier aufbaut – oder stehen für die Praxis der Gegenwart.

Agent (KI-Agent)

Programm auf Basis eines Sprachmodells, das eine Aufgabe in mehreren Schritten selbstständig erledigt: planen, Werkzeuge nutzen, Zwischenergebnisse prüfen. Ein Mensch gibt Ziel und Grenzen vor.

Agentenfabrik

Begriff von McKinsey für eine Gruppe vieler spezialisierter Agenten, die gemeinsam einen ganzen Ablauf abdecken und von wenigen Menschen beaufsichtigt werden.

Agentenplattform

Gemeinsame technische Grundlage aller Agenten eines Unternehmens: Anschlüsse an Systeme, Rechte, Protokoll, Leitplanken und der gemeinsame Kern.

Agent Washing

Begriff von Gartner für das Umetikettieren herkömmlicher Chatbots oder Automatisierungssoftware als „Agenten“, ohne dass sie eigenständig handeln können.

Aufgabenansatz

Sicht der Arbeitsmarktforschung, die Berufe als Bündel einzelner Aufgaben betrachtet und Automatisierung auf der Ebene dieser Aufgaben untersucht.

Augmentation

Einsatz von KI, bei dem ein Mensch die Arbeit weiter selbst erledigt und von der KI unterstützt wird. Gegenbegriff zur Automatisierung.

Automatisierung

Einsatz von KI, bei dem eine Aufgabe ohne oder mit nur geringer menschlicher Beteiligung erledigt wird.

Conways Gesetz

Beobachtung von Melvin Conway (1968): Organisationen entwerfen Systeme, deren Struktur ihre eigene Kommunikationsstruktur kopiert.

Deckungsprüfung

Prüfung, ob ein gemeldeter Schaden nach den Bedingungen des Versicherungsvertrags versichert ist.

Ergebnisstrom

Organisationseinheit, die ein Kundenergebnis von Anfang bis Ende verantwortet, etwa „Schäden regulieren“, statt nur eine Funktion innerhalb eines Ablaufs.

Fähigkeit (Skill)

Abgeschlossenes Modul mit Anleitung, Vorlagen und Beispielen für eine bestimmte Aufgabe, das ein Agent bei Bedarf lädt. Seit Dezember 2025 als offener Standard „Agent Skills“ beschrieben.

Frontier Firm

Begriff von Microsoft für Unternehmen, die sich um jederzeit verfügbare KI, gemischte Teams aus Menschen und Agenten und die Rolle des „Agent Boss“ herum neu aufbauen.

Großschaden

Schaden mit besonders hoher Summe, der meist von erfahrenen Fachleuten bearbeitet wird; im Beispiel ab 50.000 Euro.

Human in the loop / above the loop

Zwei Formen menschlicher Beteiligung: „in the loop“ heißt, ein Mensch prüft einzelne Schritte oder Entscheidungen; „above the loop“ heißt, ein Mensch legt Regeln fest und überwacht den Ablauf als Ganzes.

Job Crafting

Selbstständige Umgestaltung der eigenen Arbeit durch Beschäftigte: Sie verändern Aufgaben, Beziehungen und das Verständnis ihrer Rolle (Wrzesniewski und Dutton, 2001).

Kern (gemeinsamer Kern)

In diesem Dossier: der Teil eines Agentensystems, der das Gemeinsame aller Fälle einmal für alle erledigt, im Gegensatz zu den bei Bedarf geladenen Fähigkeiten.

KI-Verordnung

Verordnung (EU) 2024/1689, in Kraft seit August 2024. Sie ordnet KI-Systeme nach Risiko ein und stellt an Hochrisikosysteme besondere Anforderungen.

Kontrollagent

Agent, dessen Aufgabe es ist, die Arbeit anderer Agenten zu prüfen, Regeln durchzusetzen oder Auffälligkeiten zu melden.

Leuchtturm-Domäne

Ein gut sichtbarer, abgegrenzter Bereich, in dem ein Unternehmen eine neue Arbeitsweise zuerst vollständig umsetzt, um daraus zu lernen.

Model Context Protocol

Offener Standard (seit November 2024), über den Agenten auf einheitliche Weise an Datenquellen und Unternehmenssysteme angeschlossen werden.

Mensch-Agent-Verhältnis

Von Microsoft vorgeschlagene Kennzahl: wie viele Agenten eine Rolle oder Aufgabe braucht und wie viele Menschen sie anleiten.

Organigramm

Darstellung der Aufbauorganisation: welche Einheiten es gibt und wer wem berichtet.

Orchestrierung

Steuerung des Zusammenspiels vieler Agenten und Menschen in einem Ablauf: wer was wann tut und wie Ergebnisse zusammengeführt werden.

Personenschaden

Schaden, bei dem Menschen verletzt oder getötet werden; umfasst etwa Heilbehandlung, Verdienstausfall, Schmerzensgeld und Renten.

Reengineering

Von Michael Hammer geprägter Ansatz der 1990er-Jahre, Geschäftsabläufe grundlegend neu zu entwerfen, statt bestehende Abläufe nur zu automatisieren.

Regress

Rückforderung: Der Versicherer verlangt von einem schuldigen Dritten oder dessen Versicherer Geld zurück, das er an den eigenen Kunden gezahlt hat.

Schlüsselfunktionen

Nach Solvency II verpflichtende Funktionen eines Versicherers: Risikomanagement, Compliance, interne Revision und versicherungsmathematische Funktion.

Solvency II

Europäisches Aufsichtsregelwerk für Versicherer zu Kapital, Risikomanagement und Berichtspflichten; in Deutschland vor allem im Versicherungsaufsichtsgesetz umgesetzt.

Sprachmodell

KI-Modell, das mit sehr großen Textmengen trainiert wurde und Sprache verstehen und erzeugen kann; Grundlage heutiger Chatbots und Agenten.

Stelle

Kleinste Einheit der klassischen Aufbauorganisation: ein fester Zuschnitt von Aufgaben mit Zuständigkeit, Vorgesetztem und Beschreibung.

Transaktionskosten

Kosten, die beim Austausch über den Markt entstehen – Suchen, Verhandeln, Vertragsschluss, Kontrolle. Nach Coase der Grund, warum es Unternehmen gibt.

Work Chart

Von Microsoft vorgeschlagenes Gegenmodell zum Organigramm: Teams bilden sich um Ziele und Ergebnisse statt um Funktionen.

Hinweis: Die Lindenau Versicherung AG ist erfunden. Alle Zahlen zu ihr – Beschäftigte, Fallmengen, Anteile, Zielbilder – sind Modellannahmen, die Größenordnungen veranschaulichen. Analysen von Beratungsfirmen und Technologieanbietern beruhen oft auf eigenen Umfragen und verfolgen auch geschäftliche Interessen; Prognosen können sich als falsch erweisen. Alle im Text verlinkten Quellen sind hier nach Themen geordnet.

Forschung zu Arbeit und Aufgaben

• David H. Autor, Michael J. Handel: Putting Tasks to the Test. Human Capital, Job Tasks, and Wages. Journal of Labor Economics 31 (2013)
• Daniela Rohrbach-Schmidt (BIBB): Putting Tasks to the Test – The Case of Germany. Social Inclusion (PDF)
• Amy Wrzesniewski, Jane E. Dutton: Crafting a Job. Revisioning Employees as Active Crafters of Their Work. Academy of Management Review 26 (2001)
• Melanie Arntz, Terry Gregory, Ulrich Zierahn: The Risk of Automation for Jobs in OECD Countries. OECD Working Paper 189 (2016)
• Carl Benedikt Frey, Michael A. Osborne: The Future of Employment. Oxford Martin School (2013)
• Yijia Shao u. a. (Stanford): Future of Work with AI Agents. Auditing Automation and Augmentation Potential across the U.S. Workforce (2025)
• Tyna Eloundou u. a.: GPTs are GPTs. An Early Look at the Labor Market Impact Potential of Large Language Models (2023)
• Anthropic Economic Index: Uneven geographic and enterprise AI adoption (15.9.2025)
• Bericht über MIT NANDA: The GenAI Divide. State of AI in Business 2025

Organisation und Management

• Erik Brynjolfsson: The Turing Trap. The Promise & Peril of Human-Like Artificial Intelligence. Daedalus (2022)
• Melvin E. Conway: How Do Committees Invent? Datamation, April 1968
• Michael Hammer: Reengineering Work. Don’t Automate, Obliterate. Harvard Business Review, Juli 1990
• Ronald H. Coase: The Nature of the Firm. Economica 4 (1937)

Analysen und Prognosen von Beratungen und Anbietern

• McKinsey: The agentic organization. Contours of the next paradigm for the AI era (26.9.2025)
• Microsoft Work Trend Index: 2025 – The Year the Frontier Firm Is Born (23.4.2025)
• BCG: AI at Work 2025 – Momentum Builds, But Gaps Remain (26.6.2025)
• Gartner: Over 40 Percent of Agentic AI Projects Will Be Canceled by End of 2027 (25.6.2025)

Unternehmen und Praxisberichte

• Allianz: Der Sturm legt sich, der Allianz-KI-Agent räumt auf (Project Nemo, 3.11.2025)
• Coverager: Allianz introduces agentic AI to speed up food spoilage claims
• Versicherungsbote: Allianz-Tochter will offenbar Arbeitsplätze durch KI ersetzen (November 2025)
• Börse Global: Allianz Partners bestätigt Abbau von bis zu 1.800 Stellen (11.7.2026)
• Versicherungsbote: Allianz-Chef Bäte – „Natürlich werden wir auch Arbeitsplätze abbauen müssen“ (2026)
• Entrepreneur: Klarna Is Hiring Customer Service Agents After AI Couldn’t Cut It (Mai 2025)
• Xataka On: Klarna Claimed Its AI Was Doing the Work of 700 Employees. It’s Now Rehiring Humans
• Cash.: Erfahrungswissen sichern – KI-Agenten sollen das Know-how der Babyboomer retten (24.7.2026)
• Der Aktionär: Allianz Partners – Einigung mit den Betriebsräten über den Stellenabbau (2026)

Technik

• Agent Skills: offene Spezifikation für Fähigkeiten von KI-Agenten
• VentureBeat: Anthropic launches enterprise Agent Skills and opens the standard (Dezember 2025)
• Anthropic: Introducing the Model Context Protocol (25.11.2024)

Recht und Regulierung

• Verordnung (EU) 2024/1689 (KI-Verordnung), Amtsblatt der EU
• Deutsche Aktuarvereinigung: Der AI Act im aktuariellen Kontext (11.3.2025, PDF)
• Danish Standards: Digital Omnibus for AI approved (10.7.2026)
• Dr. Datenschutz: Digitaler Omnibus zu KI – welche Fristen gelten?
• Art. 22 DSGVO: Automatisierte Entscheidungen im Einzelfall
• § 37 BDSG: Automatisierte Entscheidungen im Einzelfall
• § 87 Betriebsverfassungsgesetz: Mitbestimmungsrechte
• Deutsche Aktuarvereinigung: Erläuterungen zur versicherungsmathematischen Funktion (PDF)

Daten zur Versicherungsbranche

• AGV: Statistisches Rundschreiben 06/2026 – Entwicklung der Zahl der Arbeitnehmer (16.3.2026)
• Versicherungsbote: Personalboom bei Versicherern (AGV-Zahlen 2025)
• Auto Bild: Kfz-Versicherungen vor Verlusten in Milliardenhöhe (GDV-Hochrechnung 2024)

Nachschlagewerke

• Wikipedia: Der Wohlstand der Nationen
• Wikipedia (englisch): Organizational chart
• Wikipedia: Scientific Management
• Wikipedia: Bürokratie

Bücher zum Vertiefen

• Michael Hammer, James Champy: Reengineering the Corporation. A Manifesto for Business Revolution. New York 1993.
• Ajay Agrawal, Joshua Gans, Avi Goldfarb: Power and Prediction. The Disruptive Economics of Artificial Intelligence. Boston 2022.
• Erik Brynjolfsson, Andrew McAfee: The Second Machine Age. New York 2014.
• Matthew Skelton, Manuel Pais: Team Topologies. Organizing Business and Technology Teams for Fast Flow. Portland 2019 (zum umgekehrten Conway-Manöver).
• Ethan Mollick: Co-Intelligence. Living and Working with AI. New York 2024.