Swissi
InsAI
Formale Multi-Agenten-KI-Systemarchitektur für regulierte Versicherungsunternehmen
Ein produktionsreifes Multi-Agenten-System, das Versicherungsunternehmen als verteilte Entscheidungssysteme modelliert und zentrale Gewinn- und Risikofunktionen in operative Optimierungsmaschinen übersetzt. Die Plattform ermöglicht Versicherern die Simulation, Überwachung und Optimierung von Underwriting, Kapitalallokation und regulatorischen Anforderungen in Echtzeit.
"Compliance ist keine externe Schicht, sondern direkt in die Entscheidungslogik eingebettet. Jede Agentenaktion wird vor der Ausführung auf regulatorische Zulässigkeit geprüft."— InsAI-Forschungsteam
Versicherungs-KI ist fragmentiert—aufgabenspezifische Tools, die lokale Metriken optimieren, ohne institutionelle Ziele oder regulatorische Anforderungen zu berücksichtigen. Solvency II, KI-Verordnung und DSGVO schaffen erhebliche Compliance-Belastungen.
Formale Multi-Agenten-Architektur, basierend auf Arrow-, Nash- und Prinzipal-Agenten-Theorie. Eingebettete regulatorische Compliance mit voller Auditierbarkeit und persistentem Entscheidungsspeicher.
Das Problem
Fragmentierte KI-Anwendungen
Bestehende KI-Lösungen im Versicherungsbereich konzentrieren sich hauptsächlich auf operative Teilbereiche—Betrugserkennung, Kundenprofilierung, Schadensortierung. Diese aufgabenspezifischen Implementierungen optimieren lokale Leistungskennzahlen, ohne institutionelle Ziele oder regulatorische Anforderungen zu berücksichtigen.
Regulatorische Komplexität
Versicherungsunternehmen in Österreich und Deutschland unterliegen Solvency II, der KI-Verordnung, der DSGVO, der Versicherungsvertriebsrichtlinie und ESG-bezogenen Rahmenwerken. Konventionelle Modelle behandeln Compliance als externe Schicht und integrieren institutionelle Anforderungen nicht in die Kernentscheidungsprozesse.
Theoretische Grundlagen
Das Framework synthetisiert drei zentrale theoretische Perspektiven aus der Wirtschaftstheorie, um das Verhalten von Versicherern als eingeschränkte Optimierungsprobleme zu modellieren.
Arrows Risikopooling
Formalisiert Risikotransformation unter Unsicherheit. Versicherung als Mechanismus zur Übertragung individueller Unsicherheit in kollektive Stabilität durch Risikopooling bei unvollständiger Information und Risikoaversion.
Nash-Gleichgewicht
Modelliert strategische Interaktionen zwischen Entscheidungsagenten. Jedes Unternehmen maximiert seinen erwarteten Nutzen unter Berücksichtigung der Strategien der Wettbewerber—ein Gleichgewicht, bei dem kein Versicherer einen Anreiz zur einseitigen Abweichung hat.
Prinzipal-Agenten-Theorie
Behandelt Anreizanpassung bei Informationsasymmetrie. Erfasst versteckte Information (adverse Selektion) und versteckte Handlungen (Moral Hazard) zwischen Versicherern und Versicherungsnehmern sowie innerhalb der Unternehmensführung.
Datengesteuerte Entscheidungsarchitektur
Jeder Agent operiert unter lokalen Entscheidungsregeln, die durch unternehmensweite Einschränkungen begrenzt sind. Während Agenten semi-unabhängig handeln, werden sie durch eine globale Optimierungslogik koordiniert, die regulatorische Zulässigkeit, Risikoexpositionsgrenzen und Kapitaladäquanz durchsetzt.
Große Sprachmodelle bieten eine natürliche Schnittstellenebene für die Kommunikation mit Mitarbeitern und Kunden und ermöglichen es Agenten, mit Nutzern in transparenten, interpretierbaren Begriffen zu interagieren, während sie breitere Governance-Ziele unterstützen.
Multi-Agenten-Architektur
Das Versicherungsunternehmen wird in spezialisierte Agenten zerlegt, die jeweils unterschiedliche Funktionsbereiche mit spezifischen Einschränkungen, Datenprivilegien und Entscheidungslogik repräsentieren.
Kapitalmanagement
Erhält die Solvenz bei gleichzeitiger Unterstützung des Geschäftswachstums. Allokiert Kapital auf risikotragende Einheiten gemäß Solvency-II-Anforderungen.
Underwriting
Selektiert, bepreist und klassifiziert Risiken. Maximiert den Underwriting-Gewinn unter Beachtung von Kapitalexposure-Grenzen.
Schadenbearbeitung
Bewertet, verifiziert und reguliert Schäden. Gewährleistet faire Zahlungen bei gleichzeitiger Verhinderung von Überkompensation und Betrug.
Betrugserkennung
Überwacht auf anomale Muster. Identifiziert Hochrisikofälle bei gleichzeitiger Minimierung von Fehlalarmen.
Compliance & Recht
Setzt regulatorische Zulässigkeit durch. Validiert Entscheidungen gegen Solvency II, KI-Verordnung, DSGVO und ESG-Regeln.
Mitarbeiterschnittstelle
Kontrollierter Zugang für Personal. Rollenbasierter Zugriff auf Agenten-Outputs mit Audit-Nachverfolgbarkeit.
Stakeholder-Schnittstelle
Verwaltet externen Zugang für Regulierungsbehörden, Prüfer und Aktionäre mit abgestufter Sichtbarkeit.
Kundenservice
Personalisierte Kommunikation für Versicherungsnehmer. Deckung, Schäden und Vertragsinformationen.
Kundenakquise
Ansprache von Interessenten und Vorfilterung von Anträgen. Produktzuordnung und vorvertragliche regulatorische Informationen.
System-Orchestrator
Aufsichtsebene zur Sicherstellung globaler Konsistenz. Validiert Inter-Agenten-Abstimmung und institutionelle Kohärenz.
Systemweite Intelligenz
Eine einheitliche Optimierungsstruktur integriert sowohl interne Entscheidungsagenten als auch menschliche Schnittstellenagenten in einem einzigen analytischen Ausdruck. Dies ermöglicht der Orchestrierungsebene, die gemeinsame Zulässigkeit aller Agentenaktionen und Benutzeranfragen vor der Ausführung zu bewerten.
Nichts wird ausgeführt, bis der Orchestrator verifiziert hat, dass jede Aktion und Antwort zusammenpasst, ohne rechtliche oder operative Regeln zu verletzen—so wird sichergestellt, dass das KI-System wie eine kohärente Institution agiert.
Regulatorischer Rahmen
Compliance ist keine externe Schicht, sondern direkt in die Entscheidungslogik eingebettet.
Solvency II
Marktkonsistente Bewertung, Kapitaladäquanz und risikobasierte Aufsicht. VaR-Einschränkungen bei 99,5% Konfidenzniveau für Solvabilitätsschwellen.
KI-Verordnung & DSGVO
Algorithmische Rechenschaftspflicht, Datenschutzpflichten und Auditierbarkeitsanforderungen. Nachverfolgbare Entscheidungsprotokolle innerhalb von 24-72 Stunden nach Ausführung.
IDD & ESG
Versicherungsvertriebsrichtlinie für Verbraucherschutz. EU-Taxonomie und SFDR für Umweltprüfung und Nachhaltigkeitsoffenlegungen.
Multi-Agenten-Versicherungsarchitektur
Unsere Forschung formalisiert Versicherungsunternehmen als verteilte Entscheidungssysteme unter Verwendung von Arrow-, Nash- und Prinzipal-Agenten-Theorie. Wir übersetzen zentrale Gewinn- und Risikofunktionen in operative Optimierungsmaschinen mit eingebetteter regulatorischer Compliance.
Durch die Zusammenarbeit mit österreichischen und deutschen Regulierungsbehörden stellen wir die Ausrichtung an Solvency II, der KI-Verordnung, der DSGVO und ESG-Rahmenwerken sicher und ermöglichen gleichzeitig Echtzeit-Underwriting- und Kapitalallokationsentscheidungen.
Swissi-Autoren: Prof. Dr. Walter Kurz
Protokoll-Integration
Eine Dual-Stack-Grundlage für robuste, auditierbare Multi-Agenten-Systeme, die asynchronen Betrieb mit erklärbarem, persistentem Entscheidungsspeicher kombiniert.
Model Context Protocol (MCP)
Regelt semantische Kohärenz und Speicherpersistenz. Strukturiert Kontextpropagation und Zustandserhaltung, sodass Agenten über gemeinsame Historien, hierarchische Ziele und Umgebungssignale schlussfolgern können.
Fungiert als institutionelle Speicherschicht—notwendig für Konsistenz, Begründung kontingenter Entscheidungen und Compliance-Transparenz.
Agent-to-Agent Protocol (A2A)
Standardisiert Inter-Agenten-Messaging über Frameworks wie LangGraph, CrewAI und AutoGen. Definiert gemeinsame Syntax für Intention, Speicher und Aufgabenstatus.
Ermöglicht Koordination zwischen heterogenen Komponenten—ein LLM-basiertes Compliance-Modul und ein regelbasierter Pricing-Agent können nahtlos strukturierte Entscheidungen austauschen.
Zielmärkte: Österreich & Deutschland
Zwei der am weitesten entwickelten und streng regulierten Versicherungsmärkte in Europa. Beide Jurisdiktionen operieren unter Solvency II, gekennzeichnet durch hohe Marktdurchdringung, standardisierte Aufsichtspraktiken und formal kodifizierte Kapitaladäquanzregime.
BaFin
Deutsche Regulierungsbehörde
FMA
Österreichische Regulierungsbehörde
Wesentliche Differenzierungsmerkmale
Proprietär
Infrastruktur
Nicht auf offenen Plattformen aufgebaut. Institutsspezifische Zielfunktionen mit voller Datensouveränität.
Eingebettet
Compliance
Regulatorische Anforderungen in die Entscheidungslogik integriert, nicht als externe Filter angewandt.
Formal
Grundlagen
Basierend auf Unternehmenstheorie—Arrow, Nash, Prinzipal-Agent—nicht auf heuristischen Regelwerken.
Auditierbar
Architektur
Volle Nachverfolgbarkeit mit persistentem Entscheidungsspeicher für regulatorische Überprüfung.
Zugang zu allen Details
Registrieren Sie sich als Finanzierungspartner, um vollständige technische Spezifikationen, Finanzdaten und Partnerschaftsbedingungen einzusehen.
Kein Partner? Kontaktieren Sie uns für Partnerschaftsanfragen