Häufigste Fehler beim KI-Onboarding im Maklerbüro

Montagmorgen, kurz nach acht. Ein Maklerbüro mit elf Mitarbeitenden hat über das Wochenende ein KI-Tool freigeschaltet. Die Lizenz war schnell gekauft, der Anbieter hatte überzeugend demonstriert, wie eine E-Mail in Sekunden beantwortet wird. Drei Wochen später nutzt es noch genau eine Person, der Geschäftsführer selbst. Die anderen zehn sind zur alten Arbeitsweise zurückgekehrt. Die Inbox ist genauso voll wie vorher, die Wiedervorlagen stapeln sich, und niemand kann sagen, ob das Tool etwas gebracht hat.

Wir erleben das täglich aus erster Hand, im eigenen Maklerbetrieb mit rund 2.000 Kunden statt in einer Testumgebung. Modus ist aus genau diesem operativen Alltag entstanden, und genau deshalb wissen wir: KI im Maklerbüro einführen scheitert fast nie an der Technik. Die Ursachen liegen in der Reihenfolge, in fehlender Struktur und in einem Onboarding, das den Menschen und die Daten überspringt.

Die Zahlen bestätigen das. Laut dem 17. AfW-Vermittlerbarometer zur KI-Nutzung in der Finanz- und Versicherungsberatung (1.173 Teilnehmer, November 2024) nutzen inzwischen 35 Prozent der Vermittler KI aktiv, eine Verdopplung gegenüber 16 Prozent im Vorjahr. Aber nur 10,5 Prozent setzen sie täglich ein. Zwischen "wir haben ein Tool" und "wir arbeiten damit" klafft eine Lücke. Diese Lücke hat einen klaren Grund: Sie ist die Summe vermeidbarer Fehler.

Wir haben die sieben häufigsten gesammelt: aus dem eigenen Betrieb, aus Gesprächen mit Design-Partnern und aus den Mustern, die sich in der Branche immer wiederholen. Am Ende steht die Reihenfolge, die wirklich funktioniert.

Fehler 1: Tool zuerst, Ziel später

Der häufigste Fehler passiert vor der ersten Anmeldung. Ein Büro kauft ein KI-Tool, weil die Demo beeindruckt hat oder weil ein Mitbewerber damit wirbt. Erst danach stellt sich die Frage, wofür es eigentlich eingesetzt werden soll. Das ist die falsche Reihenfolge.

KI ist kein Selbstzweck. Sie entfaltet ihren Wert als Hebel, und ein Hebel braucht einen Ansatzpunkt. Ohne einen klar definierten Anwendungsfall verteilt sich das Tool über zehn halbherzige Versuche, von denen keiner einen messbaren Unterschied macht. Genau das ist der Grund, warum laut einer MIT-Untersuchung zum Stand von KI in Unternehmen 2025 nur etwa 5 Prozent der generativen KI-Initiativen den Sprung vom Pilot in den produktiven Betrieb schaffen. Die meisten bleiben in der Spielerei-Phase stecken.

Beginnen Sie mit der Frage "Welcher Vorgang kostet uns am meisten operative Zeit?" und erst danach mit "Welches KI-Tool kaufe ich?". Im typischen Maklerbüro sind das wiederkehrende Serviceanfragen: Adressänderungen, Police-Auskünfte, Schadenmeldungen, einfache Angebotsanfragen. Eine Adressänderung dauert klassisch zwischen 5 und 25 Minuten, weil Kontext zusammengesucht, Daten übertragen und Bestätigungen verschickt werden müssen. Das ist ein konkreter, messbarer Ansatzpunkt.

Die Reihenfolge lautet also: Ziel definieren, dann den passenden Anwendungsfall wählen, dann das Werkzeug. Wer vor der Werkzeugwahl steht, sollte die Kriterien kennen, die wir in So wählen Sie die richtige Software für Ihr Maklerbüro beschrieben haben.

Fehler 2: Pilot ohne Messung

Viele Büros starten einen Piloten und können hinterher nicht sagen, ob er erfolgreich war. Es fühlte sich irgendwie schneller an, oder eben auch nicht. Diese Unsicherheit ist tödlich für jede KI-Einführung, weil ohne Beleg niemand im Team überzeugt wird und der Geschäftsführer keine Entscheidung über das Ausrollen treffen kann.

Ein Pilot ohne Vorher-nachher-Messung bleibt am Ende ein Bauchgefühl. Bevor Sie KI auf einen Vorgang loslassen, brauchen Sie einen Ausgangswert: Wie lange dauert dieser Vorgang heute? Wie viele Schritte umfasst er? Wie oft passiert er pro Woche? Erst mit diesem Ausgangswert wird der Effekt sichtbar.

Definieren Sie vor dem Start zwei oder drei harte Kriterien. Diese Tabelle zeigt, wie ein belastbares Messraster aussieht:

KriteriumVorher (Ausgangswert)ZielwertWie gemessenBearbeitungszeit pro Vorgangz. B. 18 Minunter 5 MinStoppuhr / Zeitstempel im SystemDurchlaufzeit bis Kundenantwortz. B. 1,5 Tagegleicher TagEingang bis VersandFehler- / Nachfragequotez. B. 12 %unter 5 %Anteil RückläuferMitarbeiterakzeptanznicht erhobenaktive Nutzung durch Mehrheitwöchentliche Stichprobe

Erst diese Zahlen machen aus einem Eindruck einen Nachweis. Sie sind auch die Grundlage dafür, später vom Pilot in den Regelbetrieb zu skalieren, ohne im Blindflug zu entscheiden. Die hohe Abbruchquote spricht für sich: Laut Gartner ist der Anteil abgebrochener KI-Projekte von 17 auf 42 Prozent gestiegen, berichtet über Gartners Prognosen zu KI-Projekten. Ein guter Teil dieser Abbrüche ist schlicht eine Folge fehlender Messung. Was man nicht misst, kann man auch nicht verteidigen.

Fehler 3: KI auf schmutzige Daten loslassen

KI ist nur so gut wie die Daten, auf denen sie arbeitet. Das klingt banal, wird aber im Onboarding fast immer übersprungen. Ein Büro mit verteilten Kundendaten, doppelten Datensätzen, unvollständigen Verträgen und Informationen, die in Outlook, im Maklerverwaltungsprogramm, in WhatsApp und in lokalen Ordnern liegen, bekommt von der KI keine besseren Ergebnisse. Die KI produziert dann lediglich schneller Fehler.

Datenqualität ist die Voraussetzung. Sie gehört an den Anfang jeder KI-Einführung. Wenn die KI auf einen unvollständigen Kundenkontext zugreift, generiert sie eine plausibel klingende, aber falsche Antwort. Im Maklergeschäft, wo es um Deckungssummen, Fristen und Haftung geht, ist das kein kosmetisches Problem.

Das ist auch der Grund, warum wir bei Modus konsequent Struktur vor Automatisierung stellen. Automatisierung ohne Struktur ist riskant, weil sie Fehler skaliert statt Arbeit. Warum dieser Grundsatz nicht verhandelbar ist, haben wir in Automatisierung ohne Struktur in der Versicherung ausführlich beschrieben. Bevor KI eingehende Kommunikation in saubere, strukturierte Vorgänge verwandeln kann, müssen die zugrunde liegenden Daten verlässlich und an einem Ort sein.

Praktisch bedeutet das: Konsolidieren Sie zuerst die Kanäle. Eine Universal Inbox, in der E-Mail, WhatsApp, Dokumente aus BiPRO, Termine und Telefonnotizen zusammenlaufen, schafft den Datensatz, auf dem KI überhaupt sinnvoll arbeiten kann. Dass Systemintegration und uneinheitliche Schnittstellen das tägliche Dilemma der Makler sind, beschreibt auch AssCompact in seiner Analyse zur Verzahnung digitaler Tools im Maklerbüro. Wer die Datenbasis überspringt, baut auf Sand.

Der Datenschutz gehört in dieselbe Vorbereitung. Laut der Bitkom-Erhebung zu KI-Einsatz und -Hemmnissen in der Wirtschaft nennen 48 Prozent der Unternehmen Datenschutz als zentrale Hürde beim KI-Einsatz. Wer schmutzige Daten in ein KI-System schiebt, ohne zu wissen, wo sie verarbeitet werden, hat ein doppeltes Problem.

Fehler 4: KI in den Tool-Wildwuchs stecken

Das typische Maklerbüro arbeitet mit einem Flickenteppich statt mit einem einzigen System. Maklerverwaltungsprogramm, Outlook, WhatsApp, ein Vergleichsrechner, eine Pool-Plattform, dazu Excel-Listen und ein paar Branchentools. In diese Landschaft wird dann ein KI-Add-on gesteckt, das einen einzelnen Schritt beschleunigt. Das Ergebnis ist ein weiteres Werkzeug, das mit den anderen nicht spricht.

KI auf einem Flickenteppich verstärkt das Grundproblem, statt es zu lösen. Jeder Bruch zwischen zwei Systemen bedeutet manuelle Übertragung, Kontextverlust und eine neue Fehlerquelle. Ein KI-Tool, das in einem von fünf Systemen sitzt, kann den gesamten Vorgang gar nicht sehen. Es flickt ein Symptom und lässt die Ursache unberührt.

Hier liegt ein entscheidender struktureller Punkt, den die meisten Onboardings übersehen: die Pool-Bindung. Viele KI-Funktionen sind an ein bestimmtes Maklerverwaltungsprogramm oder an die Infrastruktur eines Pools gekoppelt. Sie funktionieren nur innerhalb dieser einen Welt. Wechselt das Büro den Pool, das MVP oder die Anbindung, ist die mühsam aufgebaute KI-Schicht wertlos. Diese Pool-Bindung ist weit mehr als ein technisches Detail; sie ist eine kommerzielle Abhängigkeit.

Modus ist bewusst pool-unabhängig konzipiert. Die operative Schicht liegt über den einzelnen Tools statt in einem von ihnen. Sie konsolidiert die Kanäle und strukturiert eingehende Kommunikation in Work-Objekte mit Zuständigkeit, Priorität und Nachvollziehbarkeit, unabhängig davon, welches MVP oder welcher Pool im Hintergrund läuft. Modus integriert sich in Ihr Maklerverwaltungsprogramm und in Outlook, statt sie zu ersetzen.

Was der Unterschied zwischen einem weiteren Tool und einer operativen Schicht konkret bedeutet, erklären wir in Was ein Betriebssystem für Versicherungsmakler ist und in der Gegenüberstellung Maklerverwaltungsprogramm und Betriebssystem im Vergleich. Der Kern: Ein KI-Add-on beschleunigt einen Schritt, während eine operative Schicht den gesamten Vorgang erzeugt und strukturiert.

AnsatzWas passiertFolge fürs OnboardingKI-Add-on im FlickenteppichEin einzelner Schritt wird schnellerBrüche und Kontextverlust bleiben, neue InsellösungKI an Pool / MVP gebundenKI funktioniert nur in einer WeltAbhängigkeit, Verlust bei WechselPool-unabhängige operative SchichtKanäle konsolidiert, ganzer Vorgang strukturiertDaten an einem Ort, Automatisierung mit Struktur

Fehler 5: Change Management unterschätzen und Nutzung dem Zufall überlassen

Das beste KI-Tool nützt nichts, wenn das Team es nicht nutzt. Genau hier scheitern die meisten Einführungen, und es ist der am meisten unterschätzte Fehler. Software wird gekauft, freigeschaltet und dann sich selbst überlassen, in der Annahme, gute Werkzeuge würden sich von allein durchsetzen. Das tun sie nicht.

Der Effekt von strukturiertem Change Management ist messbar. Laut einer Auswertung zur Social Collaboration im Kontext der KI-Akzeptanz im Mittelstand kann die Adoptionsrate von rund 15 Prozent auf bis zu 75 Prozent steigen, wenn Einführung begleitet wird statt nur angekündigt. Das ist der Unterschied zwischen einer toten Lizenz und einem Tool, mit dem wirklich gearbeitet wird.

Dahinter steht ein von der Boston Consulting Group geprägtes Prinzip, die 10-20-70-Regel: Beim Erfolg von KI-Projekten entfallen nur etwa 10 Prozent auf den Algorithmus, rund 20 Prozent auf Daten und Technik und etwa 70 Prozent auf Menschen, Prozesse und Kultur. Wer beim Onboarding 100 Prozent der Aufmerksamkeit auf die Technik legt und null auf die Menschen, bearbeitet ein Zehntel des Problems.

Die Zurückhaltung im Team ist real und nachvollziehbar. Eine Analyse, warum viele Vermittler beim Thema KI noch zögern zeigt: Es geht weniger um Technikfeindlichkeit als um Sorge vor Kontrollverlust und um die Frage, ob die eigene Rolle erhalten bleibt. Diese Sorge ernst zu nehmen gehört zum Onboarding und ist kein Nebenschauplatz.

Hier hilft ein klares Framing: KI übernimmt die manuelle Arbeit hinter der Beratung und ersetzt nicht den Vermittler. Die Rolle verschiebt sich vom Ausführen zum Prüfen und Freigeben. Wer dem Team zeigt, dass die KI die lästige Vorarbeit übernimmt und die fachliche Entscheidung beim Menschen bleibt, nimmt den größten Widerstand aus dem Raum. Und das Framing sollte altersneutral sein: Der Hebel gilt für die 25-jährige Sachbearbeiterin genauso wie für den 58-jährigen Inhaber. Onboarding, das nur die Technikaffinen mitnimmt, verliert die Hälfte des Büros.

Der zweite Teil dieses Fehlers zeigt sich erst nach dem Kickoff: Das Tool ist eingeführt, wird aber nicht zur Routine. Ein Mitarbeiter öffnet das neue System gelegentlich neben Outlook, arbeitet aber weiter im alten Ablauf. So entsteht kaum Mehrwert, nur ein weiteres offenes Fenster. Werkzeuge entfalten ihren Nutzen erst durch Gewohnheiten. Der Unterschied zwischen einem Team, das mit KI deutlich mehr schafft, und einem, das kaum etwas merkt, liegt selten in den Funktionen. Er liegt in wenigen konsequenten Verhaltensweisen.

Was in unserem eigenen Onboarding funktioniert, ist ein Gewohnheitsplan statt einer Funktionsschulung: eine Gewohnheit pro Woche, aufbauend über die ersten 30 Tage. Woche eins: Das neue System wird zum Einstiegspunkt, der Arbeitstag beginnt dort und nicht im E-Mail-Posteingang. Woche zwei: Möglichst jede eingehende Anfrage wird vollständig darin bearbeitet. Woche drei: Das Team kommt dazu, mit delegierten Aufgaben und Kommentaren am Vorgang statt Zurufen über WhatsApp. Woche vier: Die Nutzung ist Gewohnheit und braucht keine Erinnerung mehr. Der größte Fehler beim Start ist der Versuch, sofort alle Funktionen zu beherrschen.

Ob die Umstellung gelungen ist, zeigt eine einfache Checkliste nach 30 Tagen: Startet jeder Morgen im System? Werden Kundenanfragen vollständig dort bearbeitet? Wird KI bei fast jeder Anfrage genutzt? Ist jederzeit klar, welche Vorgänge offen sind? Arbeitet das Team auf derselben Informationsbasis? Fünfmal Ja heißt: Die Einführung ist geschafft. Jedes Nein zeigt exakt, wo nachgesteuert werden muss.

Fehler 6: Zu viele Baustellen gleichzeitig

Wenn die ersten KI-Erfolge sichtbar werden, kommt der nächste Fehler fast automatisch: der Versuch, alles auf einmal zu automatisieren. Schadenbearbeitung, Angebotserstellung, Renewals, Bestandspflege, Kundenkommunikation, alles soll sofort durch KI laufen. Das Ergebnis ist Überforderung an allen Fronten und Fortschritt an keiner.

Priorisierung ist die unterschätzte Disziplin des KI-Onboardings. Ein Maklerbüro hat begrenzte Aufmerksamkeit, begrenzte Zeit für Einarbeitung und ein Team, das parallel das Tagesgeschäft stemmen muss. Wer fünf Baustellen gleichzeitig öffnet, hält keine sauber.

Die Empirie ist eindeutig: Wenige, gut gewählte Anwendungsfälle schlagen viele halbgare. Beginnen Sie mit einem einzigen, klar abgegrenzten Vorgang, der häufig vorkommt und gut messbar ist. Adressänderungen oder Police-Auskünfte sind ideale Einstiegsfälle, weil sie hochfrequent, standardisiert und risikoarm sind. Erst wenn dieser eine Fall stabil läuft, gemessen und vom Team akzeptiert, kommt der nächste dazu.

So sieht eine belastbare Priorisierung aus:

SchrittAnwendungsfallWarum zuerst1Adressänderung / Police-AuskunftHochfrequent, standardisiert, risikoarm, schnell messbar2Einfache ServiceanfragenKlarer Kontext, hohe Wiederholrate3AngebotsvorbereitungMehr Kontext nötig, baut auf Schritt 1 und 2 auf4SchadenmeldungKomplexer, höheres Risiko, braucht stabile Datenbasis

Diese Reihenfolge ist kein Dogma, aber das Prinzip schon: ein Fall, stabilisieren, messen, dann der nächste. Das GDV-Dossier zu künstlicher Intelligenz in der Versicherung zeigt, wie breit das Anwendungsfeld in der Branche ist. Genau deshalb ist Fokus die schwierigere und wichtigere Entscheidung.

Fehler 7: Compliance ignorieren

Der letzte Fehler ist der gefährlichste, weil er erst sichtbar wird, wenn es teuer ist. Viele Büros führen KI ein, ohne die rechtlichen Pflichten zu klären: Es fehlt eine Bestandsaufnahme der eingesetzten Systeme, ein dokumentierter Datenschutz und jede Schulung. Das ist kein Kavaliersdelikt mehr.

Seit dem 2. Februar 2025 gilt nach dem EU AI Act die KI-Kompetenzpflicht aus Artikel 4. Wer KI im Tagesgeschäft einsetzt, muss seinen Mitarbeitenden ein angemessenes Verständnis der Systeme vermitteln und das nachhalten. Diese Pflicht gilt bereits heute. Weitere Pflichten, insbesondere die Transparenzpflichten nach Artikel 50, werden ab dem 2. August 2026 anwendbar. Dann müssen etwa Chatbots auf Maklerwebsites als KI erkennbar sein.

Für die übergroße Mehrheit der Maklerbüros gilt: Sie sind Betreiber und keine Anbieter. Sie nutzen die KI-Werkzeuge anderer und entwickeln sie nicht selbst. Damit greifen die Betreiberpflichten zu Dokumentation, Schulung und Transparenz, während die deutlich umfangreicheren Anbieterpflichten außen vor bleiben. Die IHK erklärt die Pflichten des EU AI Act für Unternehmen praxisnah, und die Primärquelle ist die Verordnung (EU) 2024/1689 im Volltext bei EUR-Lex.

Hinzu kommt die DSGVO. Wer ein KI-System einsetzt, das Kundendaten verarbeitet, braucht in der Regel einen Auftragsverarbeitungsvertrag mit dem Anbieter und muss wissen, wo die Daten verarbeitet werden. Und der Geschäftsführer steht persönlich in der Verantwortung. Das ist kein Grund, die Einführung zu verschieben, aber ein zwingender Grund, Compliance von Anfang an mitzudenken statt erst nachträglich.

Wie umfangreich diese Bedenken in der Wirtschaft sind, zeigt erneut Bitkom: Rechtsunsicherheit (53 Prozent), fehlendes Know-how (53 Prozent), Personal (51 Prozent) und Datenschutz (48 Prozent) sind die größten Hürden beim KI-Einsatz. Auch die BearingPoint-Studie zum Jungmaklermarkt bestätigt, wie stark digitale und regulatorische Anforderungen die Maklerarbeit prägen. Die gute Nachricht: Der Aufwand ist überschaubar, wenn man ihn strukturiert angeht. Wir haben die konkreten Schritte in EU AI Act für Versicherungsmakler zusammengefasst, inklusive der Fristen und der Frage, was an welchem Stichtag wirklich gilt.

Die richtige Reihenfolge: So gelingt das KI-Onboarding

Alle sieben Fehler haben eine gemeinsame Wurzel: die falsche Reihenfolge. KI wird zuerst gekauft, dann irgendwie eingebaut, und Ziel, Daten, Menschen und Recht kommen hinterher, wenn überhaupt. Drehen Sie das um. Wer KI im Maklerbüro einführen will und es richtig macht, geht in dieser Reihenfolge vor.

SchrittWas passiertWarum an dieser Stelle1. ZielWirtschaftliches Ziel und teuersten Vorgang definierenOhne Ziel kein Anwendungsfall, ohne Anwendungsfall kein Hebel2. DatenKanäle konsolidieren, Datenqualität herstellenKI auf schmutzigen Daten skaliert Fehler3. PilotEinen Vorgang wählen, Ausgangswerte erhebenOhne Vorher-Wert kein Nachweis4. MessenVorher und nachher mit harten Kriterien vergleichenBelegt den Effekt, überzeugt das Team5. SkalierenErst nach Stabilität den nächsten Fall dazunehmenFokus schlägt Gleichzeitigkeit6. ComplianceKompetenz, Dokumentation, Transparenz, DSGVO sichernVon Anfang an, nicht nachträglich

Diese Reihenfolge ist die Lehre aus einem echten Maklerbetrieb, der genau diese Fehler selbst gemacht und korrigiert hat. Der entscheidende Unterschied liegt in der Schicht unter dem KI-Tool: Ob eingehende Kommunikation strukturiert in klar definierte Vorgänge übersetzt wird oder ob KI auf ein ungeordnetes Durcheinander aus fünf Systemen losgelassen wird.

Genau dafür ist Modus gebaut: als pool-unabhängige operative Schicht statt als weiteres KI-Add-on. Sie konsolidiert eingehende Kommunikation aus allen Kanälen, verwandelt sie in Vorgänge mit Zuständigkeit, Priorität und Nachvollziehbarkeit und schafft so überhaupt erst die Grundlage, auf der KI sinnvoll und sicher arbeiten kann. Die Rolle des Maklers verschiebt sich dabei vom Ausführen zum Prüfen und Freigeben.

Häufige Fragen

Was sind die häufigsten Fehler bei der KI-Einführung im Maklerbüro?

Die sieben häufigsten Fehler sind: ein Tool ohne klares Ziel kaufen, einen Piloten ohne Messung starten, KI auf schmutzige Daten loslassen, KI in einen Tool-Flickenteppich stecken, Change Management und die tägliche Nutzung im Team unterschätzen, zu viele Vorgänge gleichzeitig automatisieren und Compliance ignorieren. Alle haben dieselbe Wurzel: die falsche Reihenfolge. Richtig ist Ziel, dann Daten, dann Pilot, dann messen, dann skalieren, mit Compliance von Anfang an.

Muss die Datenqualität stimmen, bevor man KI einführt?

Ja. KI arbeitet nur so gut wie die Daten, auf die sie zugreift. Liegen Kundeninformationen verteilt in Outlook, im Maklerverwaltungsprogramm, in WhatsApp und in lokalen Ordnern, produziert die KI schneller falsche Ergebnisse statt besserer. Datenqualität ist deshalb die Voraussetzung und keine spätere Aufräumarbeit. Der erste Schritt ist, die Kanäle in einer gemeinsamen Inbox zu konsolidieren, bevor KI auf den Datensatz losgelassen wird.

Wie misst man, ob ein KI-Pilot erfolgreich war?

Mit einem Vorher-nachher-Vergleich anhand harter Kriterien. Erheben Sie vor dem Start die Bearbeitungszeit pro Vorgang, die Durchlaufzeit bis zur Kundenantwort, die Fehler- oder Nachfragequote und die tatsächliche Nutzung im Team. Definieren Sie für jedes Kriterium einen Zielwert. Erst dieser Vergleich macht aus einem Eindruck einen belastbaren Nachweis, der das Team überzeugt und die Entscheidung zum Ausrollen trägt.

Wie stellt man sicher, dass das Team KI regelmäßig nutzt?

Indem die Nutzung zur Gewohnheit gemacht wird statt zur Option. Bewährt hat sich ein 30-Tage-Plan mit einer Gewohnheit pro Woche: erst das neue System als täglichen Einstiegspunkt etablieren, dann jede eingehende Anfrage vollständig darin bearbeiten, dann das Team mit delegierten Aufgaben und Kommentaren einbinden, bis die Nutzung selbstverständlich ist. Eine einfache Checkliste nach 30 Tagen zeigt, ob die Umstellung gelungen ist. Punktuelle Nutzung neben dem alten Ablauf erzeugt dagegen kaum Mehrwert, nur ein weiteres offenes Fenster.

Welche Pflichten gelten nach dem EU AI Act für Versicherungsmakler?

Die meisten Maklerbüros sind Betreiber und keine Anbieter und unterliegen damit den Betreiberpflichten. Seit dem 2. Februar 2025 gilt die KI-Kompetenzpflicht aus Artikel 4: Mitarbeitende, die KI nutzen, brauchen ein angemessenes Verständnis der Systeme, das dokumentiert wird. Ab dem 2. August 2026 werden die Transparenzpflichten nach Artikel 50 anwendbar, etwa die Kennzeichnung von Chatbots als KI. Zusätzlich gelten die DSGVO und in der Regel die Pflicht zu einem Auftragsverarbeitungsvertrag.

Ist der Einsatz von KI im Maklerbüro DSGVO-konform?

KI lässt sich DSGVO-konform einsetzen, aber nicht automatisch. Wer ein KI-System nutzt, das Kundendaten verarbeitet, braucht in der Regel einen Auftragsverarbeitungsvertrag mit dem Anbieter und Klarheit darüber, wo und wie die Daten verarbeitet werden. Datenschutz gehört deshalb von Anfang an in die Vorbereitung. Laut Bitkom nennen 48 Prozent der Unternehmen Datenschutz als zentrale Hürde beim KI-Einsatz, was zeigt, wie wichtig eine saubere Klärung vorab ist.

Wie viele Anwendungsfälle sollte man gleichzeitig angehen?

Einen. Wenige gut gewählte Anwendungsfälle schlagen viele halbgare. Beginnen Sie mit einem einzigen, hochfrequenten und gut messbaren Vorgang wie einer Adressänderung oder Police-Auskunft. Stabilisieren Sie diesen Fall, messen Sie den Effekt und holen Sie das Team ab, bevor Sie den nächsten Anwendungsfall dazunehmen. Wer fünf Baustellen gleichzeitig öffnet, hält keine sauber und riskiert, dass das gesamte Onboarding ins Stocken gerät.

Ersetzt KI den Versicherungsmakler?

Nein. KI übernimmt die manuelle Arbeit hinter der Beratung und ersetzt nicht den Vermittler selbst. Die Rolle verschiebt sich vom Ausführen zum Prüfen und Freigeben: KI bereitet Vorgänge vor, strukturiert eingehende Kommunikation und schlägt Antworten vor, die fachliche Entscheidung bleibt beim Menschen. Genau dieses Framing nimmt im Onboarding den größten Widerstand aus dem Team, weil es zeigt, dass die KI die lästige Vorarbeit übernimmt und nicht die Beratungskompetenz.