Aviva: über 80 KI-Modelle in der Schadenbearbeitung und 90 Millionen Pfund Einsparungen im Geschäftsbericht

Aviva plc hat seine Schadenbearbeitung um mehr als 80 KI-Modelle herum neu aufgebaut und das Ergebnis im am stärksten geprüften Dokument eines börsennotierten Unternehmens veröffentlicht: im Jahresabschluss. Die Bekanntgabe der Jahresergebnisse 2025 vom 5. März 2026 steht neben einem Geschäftsbericht, der über 90 Millionen Pfund an eingesparten Schadenkosten verzeichnet, eine um 23 Tage verkürzte Haftungsprüfung bei komplexen Fällen und einen Rückgang der Kundenbeschwerden um 65%. CEO Amanda Blanc nennt Künstliche Intelligenz als einen der Treiber eines Konzern-Betriebsgewinns, der um 25% auf 2,2 Milliarden Pfund stieg.

Komplexe Schäden in Papiergeschwindigkeit

Aviva ist der größte Sachversicherer Großbritanniens, ein FTSE-100-Konzern mit Kunden im Vereinigten Königreich, in Irland und in Kanada. Vor der Transformation lief die Kfz-Schadenbearbeitung an jedem Schritt über manuelles Urteil. Die Haftungsprüfung komplexer Fälle — Kollisionen mit mehreren Fahrzeugen, strittige Schuldfragen, Personenschäden — verlangte wochenlange Aktenarbeit. Routing-Entscheidungen bestimmten, welches Team einen Fall übernahm, und Fehlzuweisungen schickten komplexe Fälle an Generalisten und einfache Fälle an Spezialisten, was Kapazität auf beiden Seiten band. Die Kundenbeschwerden folgten dieser Reibung. Im Lebensversicherungs-Underwriting existierte ein paralleler Engpass: Underwriter lasen ärztliche Berichte von teils über 90 Seiten, um wenige entscheidende Fakten zu extrahieren. Der Fall für KI beruhte auf einer strukturellen Einsicht: Ein Schadenfall erzeugt an jeder Station Daten, von der Erstmeldung bis zur endgültigen Regulierung, und jede Station bietet eine messbar verbesserbare Entscheidung. McKinseys Dokumentation beschreibt die Ambition klar: Aviva wollte die führende Schadenorganisation Großbritanniens aufbauen, mit KI-Verbesserungen an jedem Prozessschritt.

Die Entscheidung, die das Ergebnis möglich machte: eine Journey sättigen, dann Adoption verdienen

Viele Unternehmens-KI-Programme starten mit einem einzelnen Leuchtturm-Use-Case. Aviva wählte die Breite. Gemeinsam mit QuantumBlack, dem KI-Arm von McKinsey, baute der Versicherer mehr als 80 KI-Modelle, die exakt die Bedürfnisse der Schadenteams abbilden, und verankerte sie über die gesamte Kfz-Schadenstrecke. Die menschliche Investition entspricht der Modellskala: ein Team aus mehr als 50 Data Scientists, Ingenieuren, Business-Verantwortlichen, Change-Profis und Übersetzern zwischen Fach und Technik, organisiert entlang sechs Dimensionen — Strategie, Talent, agiles Betriebsmodell, Technologie, Daten sowie Adoption und Skalierung. Der aufschlussreichste Posten liegt abseits der Modelle: Aviva investierte mehr als 40.000 Trainingsstunden, um Daten- und KI-Kompetenzen in der gesamten Schadenorganisation aufzubauen — Adoption als Ingenieursdisziplin statt als Kommunikationsübung. Dieselbe Philosophie prägt das Ende 2025 gestartete Underwriting-Werkzeug: Es verdichtet lange Arztberichte zu präzisen Zusammenfassungen, und Avivas Underwriter prüfen jede Zusammenfassung und treffen die endgültige Entscheidung. Vor dem Rollout durchlief das Werkzeug achtzehn Monate Tests und 1.000 Fälle in einer aktiven Pilotphase. CEO Amanda Blanc formulierte die strategische Position in der Ergebnismitteilung: „Wir haben klare Stärken in Künstlicher Intelligenz, die große Chancen eröffnen, Schaden, Underwriting und Kundenerlebnis zu transformieren.“

Das Ergebnis — mit vollem Kontext

Die operativen Zahlen stehen in McKinseys veröffentlichter Fallstudie: Die durchschnittliche Zeit für die Haftungsprüfung komplexer Fälle sank um 23 Tage, die Routing-Genauigkeit stieg um 30%, die Kundenbeschwerden fielen um 65%, und die Kundenzufriedenheit nach Net Promoter Score stieg auf mehr als das Siebenfache. Die finanzielle Ebene liegt in Avivas eigener Investorenberichterstattung. Der Geschäftsbericht 2025 verzeichnet über 90 Millionen Pfund eingesparter Schadenkosten aus der Transformation, verbunden mit deutlich verbesserter Kundenerfahrung. Die Mitteilung zu den Jahresergebnissen 2025 weist einen Konzern-Betriebsgewinn von 2,2 Milliarden Pfund aus, plus 25%, und Blanc nennt „erhebliche Vorteile bei Schadenaufwendungen und höhere Preissophistikation durch KI-Modelle“ sowie „frühe Erfolge mit Werkzeugen für Schadenzusammenfassung und medizinisches Underwriting“. Das Underwriting-Werkzeug, live seit dem 28. November 2025, verkürzt die Prüfzeit pro Fall um rund 50%. Voller Kontext verlangt zwei Klarstellungen. Erstens: McKinsey war Avivas Transformationspartner; die operativen Kennzahlen stammen damit von einer Partei mit eigenem Interesse an der Geschichte — Leser sollten sie entsprechend gewichten. Zweitens: Die Ergebnismitteilung selbst hält ihre KI-Sprache qualitativ; die Quantifizierung steht im Geschäftsbericht und in der Falldokumentation. Genau diese Schichtung macht die Stärke der Geschichte aus: Eine Beraterfallstudie erhebt Ansprüche, und ein testierter Geschäftsbericht — unterzeichnet von der CEO und geprüft von Regulatoren, Wirtschaftsprüfern und Märkten — bestätigt die finanzielle Substanz dahinter.

Was andere Organisationen daraus lernen können

Drei Lektionen sind übertragbar. Erstens: Ein Portfolio schlägt einen Piloten. Aviva verdichtete über 80 Modelle in einer einzigen Domäne — Kfz-Schäden — vor jeder Expansion, und jedes Modell verbesserte die Daten- und Entscheidungsbasis des nächsten. Diese Verzinsung entsteht, wenn Modelle eine Domäne und einen verantwortlichen Eigentümer teilen. Zweitens: Adoption ist eine Budgetposition und wird wie eine dimensioniert. Vierzigtausend Trainingsstunden sind ein Investment in Millionenhöhe; sie verwandelten eine Schadenbelegschaft in tägliche Nutzer von Modellergebnissen und erzeugten den Beschwerderückgang, den reine Modellgenauigkeit liegen lässt. Drittens: Der Goldstandard der KI-ROI-Verifikation ist investorentaugliche Berichterstattung. Herstellermitteilungen verkünden Absichten; Fallstudien beschreiben Projekte; Geschäftsberichte tragen rechtliches Gewicht. Wenn eine CEO einen Teil eines 25-prozentigen Gewinnanstiegs in einem testierten Dokument der KI zuschreibt, gewinnen Vorstände einen belastbaren Maßstab für die eigenen Programme. Die Replikationsbedingungen sind klar: ein datenreicher End-to-End-Prozess mit einem verantwortlichen Team, menschliche Entscheidungshoheit am letzten Schritt und ein mehrjähriges Commitment über Budgetzyklen hinweg. Versicherer stehen Avivas Playbook am nächsten, und jede Organisation mit volumenstarken, urteilsintensiven Prozessen — Banken, Versorger, Gesundheitszahler, Logistik — kann dieselbe Sequenz anwenden: eine Journey wählen, sie mit Modellen sättigen, die Menschen ausbilden und die Ergebnisse dort berichten, wo Prüfer hinschauen.