Webinar-Rückblick: Wie Admiral Versicherungsgespräche mit KI-Agenten bearbeitet

Admiral bearbeitet weltweit jährlich Millionen von Kundenanfragen in mehreren Sprachen, unter anderem im Vereinigten Königreich, in Italien, Frankreich und Spanien.

In unserem aktuellen Webinar Behind the Agent: Wie Admiral Versicherungsgespräche mit KI-Agenten bearbeitet, Dominika Kampa, Group Head of Generative AI bei Admiral, erläuterte, wie ihr Team die KI-Ebene für dieses Volumen aufbaut – einschließlich Architektur, Teststandards und der organisatorischen Arbeit dahinter.

Admiral verfolgt das Ziel, das vertrauenswürdigste Kundenerlebnis in der Versicherungsbranche zu schaffen.

Admiral wollte eine neue Kategorie von Kundenerlebnissen schaffen.

Es ist einfach, einen Agenten zu entwickeln, der ein Gespräch schnell beendet, ohne das Problem des Kunden wirklich zu lösen.

Das Ziel ist, dass jedes Anliegen jedes Kunden über jeden Kanal sofort gelöst oder an einen Mitarbeitenden übergeben wird, der den Kunden, den Kontext und das zu lösende Problem kennt.

Ihre wichtigste Kennzahl war eine Erstlösungsquote von 90 %. Außerdem verfolgten sie die Verfügbarkeit des Services rund um die Uhr, kurze Interaktionen und einen deutlich höheren NPS. 

Die Automatisierungsquote war eine sekundäre Kennzahl. Beim ersten Voice-Anwendungsfall verbesserte das Team sie deutlich, als die Kunden erkannten, dass der Agent schneller war.

Die Lösung blieb jedoch der zentrale Maßstab. Admiral misst separat, ob Kunden tatsächlich erhalten haben, weshalb sie angerufen haben – unabhängig davon, ob ein Gespräch eskaliert wurde. Eine bewusste Übergabe an einen Menschen gilt daher nie als Fehler.

Was „gut“ in einer regulierten Branche bedeutet

Admiral setzt die Hürde für den Produktivbetrieb hoch. Bevor ihre agentenbasierte Lösung live geht, soll sie mindestens so gut sein wie die Mitarbeitenden heute – oder besser.

Wir wollen die Anforderungen an die Validierung erhöhen, nicht aber die Compliance-Anforderungen senken.

Wissen über Sonderfälle, das früher in der Intuition der erfahrensten Mitarbeitenden steckte, muss nun für jeden Anwendungsfall explizit getestet werden.

In der Praxis zog das Team bewusst klare Grenzen. Fälle von Vulnerabilität und Zahlungsrückständen bleiben beispielsweise bei menschlichen Mitarbeitenden, während das Team weitere Sonderfälle für den Anwendungsfall untersucht.

Da die meisten Versicherungsvorschriften ergebnisorientiert sind, ist Doms Sicht pragmatisch: Das „Wie“ ist flexibel, solange das Ergebnis für Kunden und Unternehmen exakt dem Ziel entspricht.

Akzeptanz entsteht nicht durch Vorgaben

Eine regulierte Organisation führt KI nicht ein, nur weil sie dazu aufgefordert wird.

Dom arbeitete vor ihrem Wechsel zu Admiral mehrere Jahre bei McKinsey an Change-Management-Programmen. Auf die Frage, was sie heute einem Kollegen raten würde, der für agentenbasierte KI argumentiert, nannte sie drei Prinzipien direkt aus diesem Playbook.

1) Menschen unterstützen, was sie mitgestalten

Admirals Antwort auf Skepsis war, das Tool direkt den Skeptikern zu zeigen.

Das Team führte im gesamten Unternehmen Demos und Schulungen durch, auch mit den 50 wichtigsten Führungskräften des Konzerns, um agentische KI verständlicher zu machen. ElevenLabs und Dom veranstalteten einen Schulungstag, an dem das Führungsteam einschließlich Group CEO Milena Mondini de Focatiis Agenten von Grund auf entwickelte. Laut Dom „hatten sie tatsächlich Freude daran“.

2) Es geht nie nur um Technologie

Die Vision betrifft Veränderungen bei Gewinn und Verlust, beim Kundenerlebnis und beim Mitarbeitererlebnis.

Sobald sich alle auf das Ergebnis geeinigt haben, lassen sich die Technologieoptionen klären. Dom rät, nicht bei der Technologie anzufangen.

3) Governance früh aufbauen

Die richtigen Kontaktpunkte, KPIs und Daten schon in einer frühen Phase erleichtern Entscheidungen erheblich. Das Gegenmuster sei, so ihre Worte, sich auf das Bauchgefühl zu verlassen und bei „einem sehr schönen Artefakt“ zu enden, das niemand nutzt und keine relevante Kennzahl verbessert.

Auch das Einführungsmodell war entscheidend. Admiral wählte einen Bereich der Gruppe aus, um ein Thema intensiv zu erproben, und übertrug die Erkenntnisse anschließend auf alle anderen Bereiche.

Zuerst folgen schnelle Übernahmen, danach der vollständige Rollout. Nicht ein Anwendungsfall in einer Domäne – das hätte sie laut Dom massiv verlangsamt –, sondern die bewusste Disziplin, das Rad nicht zehnmal neu zu erfinden.

Demo 1: Ablöseangebote (Admiral Money)

Szenario: Eine Kundin möchte ihren Kredit vorzeitig zurückzahlen. Sie benötigt lediglich den Ablösebetrag.

Traditionell bedeutete das: durch ein IVR navigieren, die Identität bei einem menschlichen Agenten bestätigen, warten, während ein Backend-System die Berechnung durchführt und Bildschirme laden, und dann auf ein PDF im Posteingang warten. Fünf Minuten Prozess für eine Frage mit einer Antwort.

Dan Clark, Group Head of Generative AI bei Admiral, zeigte, was das Team entwickelt hat.

Gezeigt wurde:

• Die Authentifizierung läuft zu Beginn des Workflows als eigener Sub-Agent, bevor etwas anderes ausgeführt wird.
• Der Sentry-Sub-Agent prüft, ob Anrufende mit dem KI-Agenten sprechen können. Vulnerable Kunden und Kunden mit Zahlungsrückständen werden an eine priorisierte Warteschlange mit einem Mitarbeitenden weitergeleitet, während das Team weitere Edge Cases untersucht. 
• Der Agent erfasst Antworten vorausschauend im Voraus und arbeitet API-basiert, statt auf Legacy-Oberflächen zu warten. Derselbe Ablauf, der mit einem Mitarbeitenden rund fünf Minuten dauert, benötigt mit dem Agenten etwa zweieinhalb Minuten.
• Der Erfolg wird daran gemessen, ob sich der Kunde authentifiziert hat und sein Ablöseangebot erhielt. Dies wird getrennt von einer Eskalation erfasst.
• Am Ende des Anrufs bittet ein Feedback-Agent Kunden, die Erfahrung auf einer Skala von eins bis fünf zu bewerten. Nicht eskalierte Anrufe erhalten fast ausschließlich Vierer- und Fünferbewertungen.

Warum das wichtig ist: Die Zeitersparnis entsteht dadurch, dass der Workflow API- statt bildschirmgesteuert ist – nicht einfach dadurch, dass KI statt eines Menschen antwortet. Laut Dan geht es vor allem um kürzere Gesprächszeiten und dadurch ein besseres Kundenerlebnis. Aktuelle Eskalationen spiegeln zudem Grenzen wider, die das Team während des Lernens bewusst gesetzt hat, und nicht ein Versagen des Agenten.

Demo 2: Olivia (L’Olivier)

Szenario: Ein Kunde in Frankreich hat eine Frage zu seiner Police. Er öffnet den Chat auf der Website und trifft auf Ollie Bot, ein klassisches baumbasiertes Tool („Drücken Sie A hierfür, B dafür“). Seine Frage entspricht weder Option A noch Option B, daher verlässt er den Chat ohne Antwort.

Dieses Erlebnis wollte L’Olivier ersetzen. Das Team entwickelte Olivia, einen Wissensdatenbank-Agenten auf ElevenLabs, der heute live auf der Website läuft.

Gezeigt wurde:

• System-Prompt, erste Nachricht, Workflows und Sub-Agent wurden direkt auf Französisch geschrieben, nicht aus dem Englischen übersetzt. Dan verweist auf Forschungsergebnisse, wonach Prompting in der Sprache des Kunden das Modell anders einbindet. Das Team erzielte damit deutlich bessere Ergebnisse. Olivia erkennt bei Bedarf automatisch Englisch und antwortet auf Englisch. 
• Echte Kundengespräche werden mit der Wissensdatenbank abgeglichen, um Lücken zu erkennen. Anpassungen sind im Live-Agenten meist innerhalb von ein bis zwei Stunden verfügbar.
• Änderungen werden in einem Branch mit schrittweiser Traffic-Aufteilung bereitgestellt: 1 %, 2 %, 5 %, 10 %, 25 %, 50 % und dann 100 %. Bevor Änderungen Live-Traffic erreichen, erfolgen Simulationstests und eine manuelle Vorschau. Wenn die Daten die Änderung nicht stützen, wird der Traffic sofort auf null gesetzt – ohne dass etwas zurückgerollt werden muss.
• Ein vollständiger Branch-Zyklus dauert vom Anfang bis zum Ende zwischen wenigen Stunden und einem Tag. Keine zweiwöchigen Sprints und zweiwöchigen Deployments mehr.

Warum das wichtig ist: Der Release-Zyklus verkürzt sich von Wochen auf Stunden. Noch wichtiger ist jedoch die Erkenntnis, dass Sprache nicht nur ein Detail der Lokalisierung sein könnte – sie kann beeinflussen, wie das Modell schlussfolgert.

Kein Playbook übersteht den Eintritt in einen neuen Markt

Konventionen beim Sprecherwechsel, die Toleranz für Unterbrechungen und ein als normal empfundener Gesprächsrhythmus unterscheiden sich je nach Markt stark.

Es gibt keine Universallösung. Laut Dom funktioniert es, einen Engineer mit Kenntnissen in Prompting und Architektur mit einem Verantwortlichen aus der lokalen Einheit zusammenzubringen, der den Marktkontext einbringt. Dieses Paar wird zur Einheit des Deployments.

Der Aufbau selbst unterscheidet sich von Markt zu Markt nicht wesentlich. Die Akzeptanz schon. Dom zufolge gilt das für jede KI-Einführung, nicht nur für den Kundenservice.

Wenn Ihre Kunden ihr nicht vertrauen oder sie nicht verstehen, sagen sie sofort – bereits in Sekunde zwei des Gesprächs: „bitte verbinden Sie mich mit einem Menschen“

Deshalb erwartet das Team, mehr Zeit in Kundenaufklärung zu investieren – Begrüßungsnachrichten, Positionierung, IVR-Nachrichten und mehr – als in das zugrunde liegende Modell.

Faire Behandlung in allen Märkten

In der Versicherungsbranche ist die Erkennung von Vulnerabilität ein Mindeststandard, der in jedem Markt, jeder Sprache und jedem Kanal funktionieren muss.

Admiral erkennt Vulnerabilität über mehrere Wege. Speziell dafür setzt das Team bewusst etablierte Machine-Learning-Modelle parallel zu generativer KI ein, statt sich nur auf eines von beiden zu verlassen. So werden vulnerable Kunden in jeder Phase erkannt – unabhängig davon, welches Signal zuerst auslöst – und passend betreut.

Dieser Standard gilt, noch bevor der Technologie ein Fall anvertraut wird. Beim Agenten für Ablöseangebote prüft ein Sentry-Sub-Agent jeden Anrufenden. Vulnerable Kunden oder Kunden mit Zahlungsrückständen gelangen direkt in eine priorisierte Warteschlange mit einem Mitarbeitenden – eine bewusst gesetzte Grenze, während das Team weitere Edge Cases untersucht.

Da Kunden unvorhersehbar sind – beispielsweise fragte jemand Olivia, wie man Zwiebelsuppe kocht –, kombiniert das Team Guardrails mit proaktiver Kennzeichnung unerwarteter Anfragen. So weiß es jederzeit, wer mit den Tools interagiert und wie.

Das Team hinter den Agenten

Admiral arbeitet nach einem Hub-and-Spoke-Modell: Fachwissen auf Gruppenebene sitzt im „Hub“, lokale Experten in den „Spokes“ kennen Markt, Kunden und Mitarbeitende.

Das Kompetenzzentrum gliedert sich in zwei Bereiche. Der erste Bereich verantwortet Wertschöpfung, Strategie, Roadmaps, Produktdesign und Ergebnistests einschließlich A/B-Tests. Der zweite ist ein technischer Bereich aus Ingenieuren, Architekten und Delivery-Kollegen, der sicherstellt, dass alles Entwickelte Standards erfüllt und in die übrige Systemlandschaft integriert ist.

Dom sieht die Rolle des KI-Engineers der Zukunft deutlich weniger im Schreiben von Code und viel stärker im Verständnis generativer KI, in der richtigen Strukturierung von Ideen und im Einsatz agentischen Codings für die Umsetzung.

Um das Kernteam herum werden Prozessexperten und Business Owner mit Produkt- und Tech-Talenten in kleinen Pods zusammengebracht. Wie sie sagt: „Sie werden in einen Raum eingeschlossen“, um gemeinsam zu entwickeln und zu testen, bevor echte Kunden das Ergebnis auf die Probe stellen.

Bei McKinsey sagten wir früher: Für jedes Pfund, das in Technologie investiert wird, fließen drei Pfund in die Prozessneugestaltung und fünf in Change Management.

So priorisiert Admiral die Roadmap

Auch hier übernimmt das Hub-and-Spoke-Modell die Arbeit. Die Gruppe legt verbindliche Prioritäten für große Projekte fest, bei denen Risiko und Wert höher, die Umsetzbarkeit jedoch etwas geringer sind. Zentrale Unterstützung kann dort Engpässe lösen. Die Spokes erhalten Raum für Innovation von unten, solange sie über die Kapazitäten verfügen und innerhalb der zentralen Leitlinien bleiben.

Die Roadmap des Teams verfolgt das Ziel, dass Kunden sich nie wiederholen müssen – unabhängig davon, ob sie mit IVR, Voice-Agent, menschlichen Mitarbeitenden oder über verschiedene Kanäle interagieren. Signale zu Anliegen, Stimmung und Vulnerabilität sollen bei jeder Übergabe mitgegeben werden, nicht nur das Transkript.

Die vollständige Session ansehen

Admiral hat die Anforderungen an Validierung, organisatorische Akzeptanz und den Tech-Stack gemeinsam neu aufgebaut, um seinem Ziel eines optimalen Kundenerlebnisses in der Versicherungsbranche näherzukommen.

Das vollständige Webinar ansehen hier.