KI-Talentbedarf in Versicherungen: Welche Rollen jetzt zählen

Versicherer brauchen 2026 mehr als Data Scientists. Sie brauchen Leute, die KI-Anwendungen in Schaden, Underwriting und Vertrieb produktiv machen, sie aufsichtskonform steuern und das Wissen der Fachbereiche in Modelle übersetzen. Gleichzeitig verlässt ein großer Teil der erfahrenen Belegschaft in den nächsten Jahren die Häuser. Hier erfährst du, welche KI-Rollen in der Assekuranz gerade fehlen, welche Kompetenzen wirklich zählen und wie du die Besetzung planst: fest, interim oder fractional.

Kurz gesagt

• Die Lücke ist real: In einer Branchenumfrage geben 81,2 Prozent der Versicherer an, dass ihnen Fachkräfte in Data Science oder KI-Entwicklung fehlen.
• Das Profil verschiebt sich: Der Anteil der Stellenprofile mit KI-Bezug ist in der Assekuranz binnen eines Jahres von 5 auf 21 Prozent gestiegen.
• Regulierung schafft Rollen: AI Act, DORA und BaFin-Erwartungen machen Governance, Model Risk und KI-Sicherheit zu eigenen Aufgaben, nicht zu Nebenjobs der IT.
• Demografie verschärft alles: Rund ein Viertel der Beschäftigten scheidet altersbedingt aus. Wissen muss gesichert werden, bevor es geht.
• Die richtige Mischung entscheidet: Feste Kernteams, ergänzt um Interim- und Fractional-Rollen für Aufbau und Übergänge.

Inhaltsverzeichnis

• Die Lage in Zahlen
• Warum der Bedarf gerade jetzt steigt
• Diese KI-Rollen brauchen Versicherer jetzt
• Kompetenzen, die über Technik hinausgehen
• Fest, interim oder fractional: welches Modell passt
• In fünf Schritten zum KI-Personalplan
• Unsere Sicht: Weniger Profile, bessere Besetzungen
• Häufige Fragen
• Quellen

Die Lage in Zahlen

Die Daten aus der Branche zeichnen ein klares Bild. Versicherer investieren in KI, aber es fehlen die Menschen, die sie umsetzen.

Drei Punkte stechen heraus.

Erstens: Laut der KI-Befragung in der Assekuranz von msg und AMC fehlen nicht nur Fachkräfte, auch die Datengrundlage ist bei der Hälfte der Häuser nicht bereit. Das heißt: Gesucht sind nicht nur Modellbauer, sondern Leute, die Datenqualität, Datenprodukte und Datenverantwortung organisieren.

Zweitens: Versicherer bauen ihre IT wieder stärker selbst auf. Die GDV-Publikation Demografie und Automatisierung beschreibt, dass das IT-Personal zwischen 2022 und 2024 um 11,5 Prozent gewachsen ist und Versicherer zunehmend auf Festanstellungen statt externe Dienstleister setzen. Die Zahl der IT-Stellenangebote hat sich im selben Zeitraum mehr als verdreifacht.

Drittens: KI wird zur Kernkompetenz im Stellenprofil. Der GDV berichtet zum demografischen Wandel und zur Digitalisierung der Versicherer, dass der Anteil der Profile mit KI-Bezug innerhalb eines Jahres von 5 auf 21 Prozent gestiegen ist. Datenanalyse, Machine Learning und generative KI rücken damit in Rollen, die früher rein fachlich waren.

Warum der Bedarf gerade jetzt steigt

Demografie: Das Wissen geht in Rente

Die Babyboomer verlassen die Versicherer, und der Nachwuchs reicht zahlenmäßig nicht aus. Eine Studie von Vers Leipzig, über die DAS INVESTMENT zu drohenden Personalengpässen berichtet, erwartet, dass sich der Wettbewerb um Talente bis 2030 weiter verschärft, gerade in IT und Kapitalanlage.

Für dich als IT-Leitung heißt das: Wer heute einen erfahrenen Schadenexperten oder einen langjährigen Bestandssystem-Spezialisten verliert, verliert oft genau das Wissen, das ein KI-Modell braucht. KI-Projekte und Nachfolgeplanung gehören deshalb in denselben Plan.

Regulierung: KI-Kompetenz wird Pflicht

Der EU AI Act ist seit August 2024 in Kraft. Artikel 4 verlangt, dass Anbieter und Betreiber von KI-Systemen für ein ausreichendes Maß an KI-Kompetenz ihres Personals sorgen. Das betrifft ausdrücklich nicht nur die IT, sondern auch Sachbearbeitung und Support im Kundenkontakt, wie die LMU-Präsentation Fit4AIAct: KI-Regulierung in der Versicherung zusammenfasst. KI-Systeme zur Risikobewertung und Preisgestaltung in der Lebens- und Krankenversicherung zählen zu den Hochrisiko-Anwendungen, für die umfangreiche Dokumentations- und Qualitätsmanagementpflichten gelten. Welche Pflichten für deinen konkreten Anwendungsfall gelten, klärst du mit deiner Rechtsabteilung oder Compliance-Funktion.

Dazu kommt die Aufsicht. Die BaFin stellt in ihrem Fachartikel KI bei Banken und Versicherern: Automatisch fair? klar, dass Unternehmen Überprüfungsprozesse gegen ungerechtfertigte Diskriminierung durch KI einrichten müssen. In einer Rede von 2025 zur KI in der Versicherungsbranche betont die Aufsicht, dass die Verantwortung bei den Unternehmen liegt. Und die Orientierungshilfe zu IKT-Risiken beim Einsatz von KI empfiehlt eine Technologie-Roadmap, die die nötigen IKT-Ressourcen und Kapazitäten für den KI-Einsatz definiert.

Das Ergebnis: Governance, Modellrisiko und KI-Sicherheit brauchen Menschen mit Namen und Verantwortung. Mehr zu diesen Rollen findest du in unserem Beitrag zum Model Risk Management für KI.

Skalierung: Vom Pilot zum Prozess

Viele Versicherer haben Piloten, wenige haben skalierte Anwendungen. Experten von Roland Berger argumentieren in Versicherungswirtschaft-heute, dass KI das gesamte Operating Model fordert: KI übernimmt operative Schritte, menschliche Expertise wird für Steuerung und Qualitätskontrolle wichtiger. Wer KI nur punktuell einsetzt, scheitert oft an der Skalierung. Skalierung ist deshalb vor allem eine Personalfrage: Wer betreibt die Modelle, wer verantwortet das Produkt, wer schult die Fachbereiche?

Diese KI-Rollen brauchen Versicherer jetzt

Nicht jede Gesellschaft braucht alle Rollen sofort. Die folgende Übersicht zeigt, welche Aufgabe jede Rolle in der Assekuranz typischerweise übernimmt.

Die drei Rollen mit der größten Hebelwirkung

AI Governance Officer. In Leben und Kranken ist diese Rolle kein Luxus. Ohne eine Person, die das KI-Inventar führt, Risiken klassifiziert und die Dokumentation steuert, lassen sich Hochrisiko-Pflichten kaum rechtssicher erfüllen. Gute Kandidatinnen und Kandidaten kommen oft aus Compliance, Risikomanagement oder Aktuariat und haben sich tief in KI eingearbeitet.

Forward Deployed Engineer. Die Rolle schließt die Lücke zwischen Data-Team und Fachbereich. Statt Anforderungen über drei Stufen weiterzureichen, sitzt die Person mit der Schadenabteilung zusammen und baut die Lösung im laufenden Betrieb. In Versicherern mit gewachsener Bestands-IT ist das oft der schnellste Weg vom Pilot zum Prozess.

Data Product Manager. Wenn die Hälfte der Häuser keine bereinigten Datensätze hat, ist Datenqualität das eigentliche Nadelöhr. Ein Data Product Manager macht aus Datensilos verantwortete Produkte mit Qualitätsregeln und Abnehmern.

Kompetenzen, die über Technik hinausgehen

In der Assekuranz reicht technisches Können allein nicht. Diese Kompetenzen entscheiden, ob eine Besetzung trägt:

• Fachverständnis: Wer Schadenprozesse, Tarifierung oder Rückversicherung versteht, baut bessere Modelle und stellt die richtigen Fragen.
• Regulatorisches Gespür: AI Act, DORA und BaFin-Erwartungen müssen im Alltag mitgedacht werden, nicht erst im Audit.
• Urteilsvermögen über KI-Ergebnisse: Wer KI einsetzt, muss beurteilen können, wann ein Ergebnis plausibel ist und wann nicht. Gerade bei Bias und Modellstabilität erwartet die Aufsicht genau das.
• Verantwortung für das Resultat: Ein Modell, das niemand verantwortet, ist ein Risiko. Gesucht sind Menschen, die für Ergebnisse einstehen.
• Brückenfähigkeit: Zwischen Vorstand, Fachbereich, IT und Aufsicht übersetzen können.
• Legacy-Toleranz: Viele junge Talente meiden Versicherungs-IT wegen alter Systeme, wie der GDV zum IT-Nachwuchsproblem der Versicherer beschreibt. Wer moderne KI mit Bestandssystemen verbinden kann und will, ist besonders wertvoll.

Wie du solche Anforderungen in eine unternehmensweite Linie übersetzt, zeigt unser Praxisleitfaden zur AI-Talentstrategie.

Fest, interim oder fractional: welches Modell passt

Der GDV-Trend geht zur Festanstellung, um Know-how im Haus zu halten. Das ist richtig für das Kernteam. Für Aufbau, Übergänge und Spezialthemen sind andere Modelle oft klüger.

Ein typisches Muster bei mittelgroßen Versicherern: Ein fractional CAIO legt Strategie und Governance fest, ein fest angestellter AI Product Manager und ein MLOps Engineer bauen das erste skalierte Produkt, und ein Interim-Governance-Lead bereitet die Dokumentation für Hochrisiko-Anwendungen vor, bis eine feste Besetzung gefunden ist. Ob du intern aufbaust oder externe Partner einbindest, vergleichen wir ausführlich im Beitrag Inhouse vs. externe KI.

In fünf Schritten zum KI-Personalplan

1. Use Cases priorisieren. Welche Anwendungen in Schaden, Underwriting, Vertrieb und Service bringen den größten Nutzen, und welche fallen unter Hochrisiko-Pflichten?
2. Rollen ableiten. Für jeden priorisierten Use Case: Wer verantwortet Produkt, Daten, Betrieb, Governance und Sicherheit? Lücken werden sichtbar.
3. Demografie abgleichen. Welche Wissensträger gehen in den nächsten fünf Jahren? Wessen Wissen braucht ein Modell? Hier beginnt die Nachfolgeplanung.
4. Modell je Rolle festlegen. Fest, interim oder fractional, je nach Dauer, Dringlichkeit und Wissenssicherung.
5. Kompetenz in der Breite aufbauen. Artikel 4 AI Act betrifft alle, die mit KI arbeiten. Ein AI Enablement Lead verankert das, und eine klare KI-Richtlinie im Unternehmen gibt den Rahmen.

Begleitend lohnt ein Blick auf den Wandel selbst: Rollen ändern sich, Teams müssen mitgenommen werden. Unser Beitrag zum Change Management mit KI zeigt, worauf es dabei ankommt. Wer parallel den Finanzsektor vergleicht, findet ähnliche Muster beim KI-Talentbedarf in Banken.

Unsere Sicht: Weniger Profile, bessere Besetzungen

Wir sehen in Versicherern häufig dasselbe Muster. Eine KI-Rolle wird ausgeschrieben, es kommen viele Bewerbungen, und am Ende passt kaum eine. Der Grund liegt selten im Markt allein. Oft ist die Rolle nicht sauber definiert: Ist ein Governance Officer gesucht oder ein Data Scientist mit Compliance-Erfahrung? Braucht es einen Architekten oder jemanden, der mit der Schadenabteilung baut?

Deshalb beginnen wir mit der Rollenberatung, bevor wir suchen. Danach sprechen wir Talente direkt an und liefern wenige, gründlich geprüfte Profile. Jedes Talent interviewen wir persönlich. In der Endauswahl durchläuft jedes Talent eine EFPA-zertifizierte Eignungsdiagnostik, die ein zertifizierter Berater bei uns auswertet.

In jeder Rolle prüfen wir eine Frage besonders genau: Setzt das Talent KI souverän ein, beurteilt es die Ergebnisse kritisch und steht es für das Resultat ein? In einer Branche, in der die Aufsicht ausdrücklich die Verantwortung bei den Unternehmen sieht, ist das kein weiches Kriterium, sondern der Kern.

Und wenn eine Schlüsselposition frei wird, denken wir Suche, Überbrückung und Wissenssicherung zusammen. Gerade bei der Verrentungswelle in der Assekuranz ist eine lückenlose Nachfolge oft wertvoller als die schnellste Einzelbesetzung.

— Ingmar

→ Du suchst KI- oder Data-Experten für deinen Versicherer? Wir besetzen Rollen vom Head of AI über den AI Governance Officer bis zum MLOps Engineer, fest, interim oder fractional. Sprich mit uns über deine Data- und AI-Position. Für die strategische Spitze findest du hier unsere Besetzung von CIO- und IT-Management-Rollen.

Häufige Fragen

Welche KI-Rolle sollte ein Versicherer zuerst besetzen?

Das hängt vom Reifegrad ab. Ohne klare Strategie lohnt zuerst ein Head of AI oder ein fractional CAIO, der Use Cases priorisiert. Gibt es bereits Piloten, bringen ein AI Product Manager und ein MLOps Engineer sie in den Betrieb. Bei Anwendungen in Leben oder Kranken gehört ein AI Governance Officer früh dazu.

Betrifft der AI Act nur die IT-Abteilung?

Nein. Artikel 4 verlangt ein ausreichendes Maß an KI-Kompetenz bei allen, die im Auftrag des Unternehmens mit KI-Systemen arbeiten. Dazu zählen Sachbearbeitung, Support und Vertrieb. Welche Schulungen und Nachweise für dein Haus konkret nötig sind, klärst du am besten mit Compliance und Rechtsabteilung.

Lohnt sich eine Interim-Besetzung für KI-Rollen?

Ja, besonders in der Aufbauphase oder wenn eine Schlüsselperson kurzfristig ausfällt. Ein Interim-Manager kann Strukturen aufbauen und Wissen dokumentieren, während die feste Besetzung gesucht wird. So entsteht keine Lücke in Verantwortung und Aufsichtskommunikation.

Warum ist es so schwer, KI-Talente für Versicherungen zu gewinnen?

Versicherer konkurrieren branchenübergreifend um dieselben Fachkräfte, und viele junge Talente verbinden Versicherungs-IT mit Legacy-Systemen. Hinzu kommt der demografische Druck. Wer die Rolle klar definiert, die Gestaltungsmöglichkeiten zeigt und Talente direkt anspricht, hat deutlich bessere Chancen.

Quellen

• msg: KI-Befragung in der Assekuranz
• GDV: Demografie und Automatisierung
• GDV: Demografischer Wandel, Versicherer setzen auf Digitalisierung
• GDV: Wie Versicherer das IT-Nachwuchsproblem angehen
• DAS INVESTMENT: Vers Leipzig, Personalengpass bei Versicherern voraus
• LMU: Fit4AIAct, KI-Regulierung in der Versicherung
• BaFin: KI bei Banken und Versicherern, automatisch fair?
• BaFin: KI in der Versicherungsbranche, die Verantwortung liegt bei den Unternehmen
• BaFin: Orientierungshilfe zu IKT-Risiken beim Einsatz von KI
• Versicherungswirtschaft-heute: KI als Mittel gegen den Fachkräftemangel?

Empfehlungen

• KI-Talentbedarf im Gesundheitswesen: Welche Rollen jetzt zählen
• KI-Talentbedarf Pharma: Welche Rollen jetzt zählen
• KI-Talentbedarf in Banken: Welche Kompetenzen jetzt zählen
• KI-Talentbedarf im Handel: Welche Rollen jetzt zählen