Sava Marinkovich, Senior Principal für KI-Strategie und -Lösungen bei HTEC, warnt vor einer „Inferenzlücke“, durch die die Produktionskosten von KI nach dem Rollout unerwartet stark steigen können. Er empfiehlt hybride Cloud-Edge-Architekturen nach dem Prinzip „Inferenz folgt der Nachfrage“, modulare Systeme für flexible Modellwechsel sowie eine gemeinsame Governance von CIO, CTO und CFO zur Steuerung der dynamischen Betriebskosten.

Sebastian Seutter, Global Managing Partner für Kontinentaleuropa bei HTEC, betont, dass die reine Einführung von KI keinen Wettbewerbsvorteil mehr darstellt und Unternehmen KI daher tief in spezifische Prozesskontexte integrieren müssen. Statt menschliche Arbeitskosten ersetzen zu wollen, sollten Unternehmen internes Fachwissen als entscheidenden Kontextgeber und Verstärker nutzen, damit KI-Ergebnisse vertrauenswürdig und umsetzbar werden.

Philip Otley, Global Managing Client Partner bei HTEC, sieht Datensilos, Altsysteme, regulatorische Hürden und fehlende Governance als zentrale Hindernisse für die KI-Skalierung in der Versicherungswirtschaft. Er empfiehlt, sich auf wenige wirkungsvolle Anwendungsfälle zu konzentrieren, Prüfpfade früh zu integrieren und bereichsübergreifende Datengrundlagen für Risikoprüfung, Preisgestaltung und Schadenabwicklung aufzubauen.

Sava Marinkovich, Senior Principal für KI-Strategie und -Lösungen bei HTEC, beschreibt „AI Restacking“ als Ansatz, der KI vom isolierten Zusatzmodul zum kognitiven Bindeglied zwischen Geschäftsprozessen, Daten, Anwendungen und Technologiearchitektur macht. Er empfiehlt Unternehmensarchitekten, die Orchestrierungslogik statt einzelner Tools in den Mittelpunkt zu stellen, um eine kontinuierlich lernende Organisation zu schaffen.

Ronny Fehling, Chief AI Transformation Officer bei HTEC, warnt, dass herkömmliche ROI-Modelle Betriebskosten nach dem Rollout verschleiern und den Wert von Pilotprojekten überbewerten. Er empfiehlt kontinuierliche, meilensteinbasierte Produktionskriterien und eine Bewertung der KI anhand der Kosten pro akzeptiertem Ergebnis statt der reinen Kosten pro Token.

Ronny Fehling, Chief AI Transformation Officer bei HTEC, warnt davor, traditionelle ROI-Logik auf KI anzuwenden, da sie Betriebskosten unterschätzt und isolierte Proof-of-Concepts überbewertet. Er empfiehlt, statische Business Cases durch messbare Produktionskriterien zu ersetzen – entscheidend sei nicht der Preis pro Token, sondern die Kosten pro akzeptiertem Ergebnis.

Ronny Fehling, Chief AI Transformation Officer bei HTEC, sieht die Ursachen für das Scheitern von KI weniger in technischen Grenzen als in veralteten Betriebsmodellen. Er empfiehlt ein Portfolio klar abgegrenzter „Slices“ mit eindeutiger P&L-Verantwortung, eine Dual-Speed-Governance für stabile und dynamische Systeme sowie die Verankerung der KI-Verantwortung direkt in den Geschäftsbereichen.