Das Omnichannel-Paradoxon oder wie KI den Kanal-Dschungel orchestriert

Mit zunehmender Digitalisierung ist die Anzahl Vertriebskanäle der Versicherer kontinuierlich gewachsen. Neben dem GA-Aussendienst konkurrieren heute Broker, (Banken) Partner, Direktkanal, Aggregatoren und zunehmend Angebote, die in fremde digitale Ökosysteme eingebettet sind (Embedded Insurance). Aus Kundensicht ist das ein Gewinn an Flexibilität und Transparenz (Vergleichbarkeit). Aus Managementsicht entsteht ein neues Problem: Je mehr parallele Kanäle, desto anspruchsvoller die Steuerung, bzw. Orchestrierung.

Teil 1 hat die regulatorischen Leitplanken, die Datenbasis und das Reifegradmodell umrissen. Dieser Teil fokussiert die Stufen 3 «Orchestrierung» und 4 «Ausführung». Es geht nicht darum, wie ein einzelner Kanal effizienter wird, sondern wie der Vertrieb als Gesamtsystem entlang einer kanalübergreifenden Customer Journey effektiv und effizient gesteuert wird. Der Branchenfokus liegt dabei auf dem margensensiblen, volumengetriebenen P&C-Geschäft (Nichtleben) mit Privat- und Unternehmenskunden.

Für die Vertriebssteuerung mit KI sind nicht die einzelnen Modelle entscheidend, sondern ihr Zusammenspiel. Erst daraus wird ein operatives Entscheidungs- und Steuerungsinstrument.

Den Ausgangspunkt bilden Lead-Scoring-Modelle. Sie bewerten die Abschlusswahrscheinlichkeit von Interessenten und Bestandskunden anhand historischer und aktueller Merkmale. Ziel ist die Priorisierung knapper Vertriebskapazitäten auf jene Kunden mit dem höchsten Erfolgspotenzial.

Darauf bauen Propensity-Modelle auf. Sie prognostizieren konkrete Verhaltenswahrscheinlichkeiten, wie z. B. ein Abschluss, Cross-/ Up-Selling oder auch eine Kündigung. Während Lead-Scoring priorisiert, beantworten Propensity-Modelle die Frage, welche Handlung mit welcher Wahrscheinlichkeit erfolgreich ist.

Den eigentlichen Mehrwert liefern Next-Best-Action (NBA) und Next-Best-Offer (NBO). Aus Kundendaten wie z. B. Share-of-Wallet, Vertragslaufzeit, bisherigem Verhalten und Reaktionen auf frühere Angebote ermitteln NBA- und NBO-Modelle das optimal passende Angebot - Produkt, Service oder Beratung. Solche Modelle bestimmen nicht nur das WAS und WOZU, sondern auch den optimalen Kanal (WIE), den passenden Vertriebsmitarbeitenden (WEN) und den richtigen Zeitpunkt (WANN). Damit wird KI von der analytischen Technologie zum operativen Steuerungsinstrument.

Neben den Basismodellen tragen ergänzende Modelle zum integralen Steuerungsmodell (Orchestrierung) bei:

Churn-Prediction (Abwanderungsprävention) Erkennt Frühindikatoren einer Kündigung, wie gehäufte Schadenmeldungen, Prämienanpassungen oder ausbleibende Interaktion durch den Kunden und löst automatisch Bindungsmassnahmen aus (Churn-Prävention).

Vermittler-Performance-Analytics Steuert Generalagenturen, Broker und Partner datenbasiert nach Produktivität, Profitabilität und Portfolioqualität und setzt Vertriebsressourcen gezielt dort ein, wo sie wirken.

Intelligentes Lead-Routing (Behavioral Scoring) Verteilt eingehende Leads nicht mehr nach Geografie (Gebietsschutz) oder Zufall, sondern führt Kundenpersönlichkeit und Risikoprofil mittels Verhaltensanalyse mit der Expertise und den Stärken des passenden Beraters zusammen.

Historisch stehen die Kanäle nebeneinander: GA-Aussendienst, Broker, Partner, Direktkanal sowie Ökosysteme (z.B. Motofahrzeug-Versicherung oder Ratenschutz im Autogewerbe, Möbel- oder Mobiltelefonversicherung im Detailhandel). Jeder Kanal verfolgt eigene Ziele und Kennzahlen. Darin liegt das Omnichannel-Paradoxon: Je mehr Kanäle verfügbar sind, desto grösser wird die Gefahr, dass sie gegeneinander statt miteinander arbeiten (Kannibalisierung).

Die orchestrierte Customer Journey dreht das Prinzip um: Nicht der Kanal bestimmt den Kontakt, sondern der Kundenkontext bestimmt den Kanal. Kontakt, Kanal, Verantwortlichkeit und Zeitpunkt werden entlang der gesamten Journey aufeinander abgestimmt. KI übernimmt die Rolle des Dirigenten: Sie orchestriert die Vertriebsaktivitäten auf Basis gemeinsamer Daten und einer einheitlichen Steuerungslogik.

Eine Studie des Instituts für Finanzdienstleistungen Zug aus dem Banking zeigt, dass die grössten Hürden bei der Umsetzung eines solchen kundenzentrierten Target Operating Models nicht in der Technik liegen, sondern im Menschen: in fehlendem Veränderungswillen und fehlenden Change-Management-Kapazitäten.

Nur bei Akzeptanz eines solchen Regelwerks verschiebt sich der Fokus von der Optimierung einzelner Kanäle hin zur Optimierung des gesamten Vertriebssystems und genau darin liegt der nächste Reifegrad der KI-gestützten Vertriebssteuerung. Diese muss jedoch KPI-fokussiert erfolgen.

Steuerung verlangt Messgrössen. An die Stelle reiner Aktivitätszahlen (Anzahl Besuche) treten datenbasierte Erfolgsparameter; je nach Kennzahlensystem der Organisation nach Reporting-Tree aufbereitet, zu Beginn mindestens auf Stufe Kanal:

Die Einführung KI-gestützter Vertriebssteuerung scheitert selten an den KI-Modellen. Massgebend für den Reifegrad sind in der Praxis neben modell- und datenbezogenen vor allem organisatorische Faktoren und menschlicher Widerstand.

Der Nutzen liegt nicht primär in Kosteneinsparungen, sondern in der intelligenteren Allokation knapper Vertriebskapazitäten. Erfolgreiche Versicherer kontaktieren ihre Kunden nicht häufiger, sondern gezielter.

Conversion Rate: Massgeschneiderte Cross-Selling-Impulse - etwa die Kombination von Betriebshaftpflicht und Cyber-Versicherung - treffen zum richtigen Zeitpunkt auf den richtigen Entscheidungsträger.

Ressourceneffizienz: Ein wesentlicher Hebel liegt in der kanalübergreifenden Priorisierung von Verkaufschancen. Vertriebskapazitäten werden dort gebündelt, wo Abschlusswahrscheinlichkeit und somit Deckungsbeitrag am höchsten sind.

Personalisierung: KI kombiniert Informationen aus Vertrags-, Verhaltens- und Interaktionsdaten, um Produkte, Services und Kommunikationskanäle individuell auf den jeweiligen Kunden abzustimmen (z.B. Aufzeigen von Deckungslücken, bzw. Unterversicherungen als Vorbereitung einer Gesamtberatung). Die Beratung wird dadurch konsistenter, weil sämtliche Vertriebseinheiten auf derselben Informationsbasis handeln.

Administration: Vorbereitung, Dokumentation und Routine-Follow-ups laufen automatisiert. Der (kostenintensive) Aussendienst gewinnt Zeit für das, was sich nicht automatisieren lässt: Risiken beurteilen, individuelle Lösungen ausarbeiten und Vertrauen aufbauen (Trusted Advisor).

Underwriting: Bereits am Point of Sale liefern Modelle Hinweise zu Datenqualität, Risiko und möglichen Deckungslücken, z. B. beim Pre-Screening des Risko eine Betriebsunterbruch im im KMU-Bereich.

Je stärker KI in operative Vertriebsprozesse eingreift, desto höher werden die Anforderungen an Governance, Transparenz und Verantwortung. Die Herausforderung liegt weniger in der Leistungsfähigkeit der Modelle als in ihrer kontrollierten Anwendung.

Modell-Bias und Diskriminierung: Beruhen Algorithmen auf historisch verzerrten Daten, können bestehende Ungleichbehandlungen ungewollt verstärkt werden (z. B. Diskriminierung bestimmter Kundengruppen nach Nationalität, Geschlecht oder Alter in der Motorfahrzeugversicherung). In diesem Zusammenhang spricht man von «Algorithmic Fairness» (Regulatorisches und Reputationsrisiko aufgrund von Ungleichbehandlung).

Black-Box und Overfitting: Überangepasste Modelle (Overfitting) ohne nachvollziehbaren Zusatznutzen untergraben das Vertrauen der Vertriebsmitarbeitenden und auch der Kunden (Mitarbeiter-/ Kundenrisiko und Reputationsrisiko).

Sourcing und Abhängigkeit: Extern entwickelte Modelle und ausgelagerte Daten (Cloud, Third-Party) schaffen Abhängigkeiten (Regulatorisches und Reputationsrisiko). Hier gilt der Leitsatz aus Teil 1: Verantwortung lässt sich nicht delegieren - weder an die KI noch an Dritte.

Kanalkonflikte: Werden Leads durch Algorithmen bevorzugt in digitale Kanäle umgeleitet, droht Demotivation im Aussendienst (Mitarbeiter- und Effizienzrisiko).

Fehlverkäufe (Über- und Unterdeckung): Gerade in beratungsintensiven Sparten kann automatisierte Ansprache zu Über- oder Unterdeckung führen (z. B. Hausrat bei Privatkunden oder Sachversicherung bei Unternehmenskunden). Die Verantwortung für vertriebliche Entscheidungen kann weder regulatorisch noch organisatorisch vollständig an Algorithmen delegiert werden (Kundenrisiko durch Über-/ Unterdeckung und Reputationsrisiko durch regulatorische Nichtkonformität).

Organisatorische Risiken: Werden Vertriebskanäle weiterhin anhand unterschiedlicher Zielgrössen gesteuert, können selbst leistungsfähige KI-Modelle bestehende Kanalkonflikte sogar verstärken. Technologie ersetzt keine konsistente Vertriebsstrategie.

Wie bereits in Teil 1 gezeigt, ist KI-gestützte Vertriebssteuerung kein Technologie-, sondern ein Transformationsprojekt. Der Nutzen entsteht nicht durch möglichst komplexe Modelle, sondern durch ihre konsequente Integration in ein kundenzentriertes Betriebsmodell; Prozesse, Organisation, Führung, KPIs und Befähigung.

Im margensensiblen, volumengetriebenen P&C-Geschäft entsteht der Wert weniger aus einem einzelnen, hochoptimierten Modell als aus dem Wegfall von Reibung zwischen den Kanälen. Jeder vermiedene Doppelkontakt, jede unterbundene Kannibalisierung, jeder gut getimte Cross-Sell zahlt unmittelbar auf den Deckungsbeitrag ein. Next-Best-Action-Modelle verstärken diesen Effekt, indem sie Aktivität dorthin lenken, wo diese einen zusätzlichen Abschluss, eine gehaltene Police oder einen Win-Back bewirkt.

Das Omnichannel-Paradoxon löst sich nicht durch mehr Technik, sondern durch eine gemeinsame Steuerungslogik: Nicht der Kanal bestimmt den Kontakt, sondern der Kundenkontext den Kanal. Lead-Scoring, Propensity und Next-Best-Action verbinden WAS, WOZU, WIE, WEN und WANN zu einem operativen Instrument, gesteuert über KPIs, nicht über Aktivitätszahlen. Der Nutzen liegt in der intelligenten Allokation knapper Vertriebskapazität, nicht in Kosteneinsparung. Doch KI skaliert in beide Richtungen: Ohne Governance und Akzeptanz sowie konsistente und nachvollziehbare KPIs verstärkt sie bestehende Kanalkonflikte. Denn Verantwortung lässt sich nicht delegieren - weder an die KI noch an Dritte.

Wer die Kanäle orchestriert und entscheidet, ob Mensch oder Maschine ausführt, steht vor der nächsten Frage: Wo steht die Schweizer Assekuranz international? Teil 3 misst den Schweizer Markt an den globalen Vorreitern und ordnet das Feld in drei Cluster: evolutionäre Konsolidierung - digitale Pioniere - agentische Disruption. Kein Ranking, sondern eine ehrliche Standortbestimmung: Was hat die Welt uns tatsächlich voraus - so und wo ist die vermeintliche Langsamkeit in Wahrheit ein Standortvorteil?