Warum Versicherer das ausschließen, was sie nicht bewerten können oder mit einem Risiko­zuschlag belegen – und welche Rolle KI dabei spielt

Würden Sie einen Gebraucht­wagen kaufen, wenn Sie die guten nicht von den schlechten unterscheiden könnten? Ein Versicherer tut dies jedenfalls nicht.

Der Preis für Versicherungs­schutz hängt nicht nur von den Schäden ab, die eintreten können, sondern auch davon, was die jeweiligen Markt­teilnehmer über diese Schäden wissen. Märkte, in denen beide Seiten über unterschiedliche Informationen verfügen, weisen typischerweise bestimmte Verhaltens­muster auf.

Bei Versicherungen verfügt die Seite, die Versicherungs­schutz sucht, oft über mehr Informationen über das Risiko als der Versicherer. Künstliche Intelligenz verschärft dieses Ungleich­gewicht. Vieles von dem, was ein KI‑System ausführen wird, ist vorab schwer zu erkennen, und auch die leistungs­fähigsten Modelle können nicht ohne Weiteres unabhängig überprüft werden.

Die Informationsbedingung

Das Rahmenwerk von Baruch Berliner zählt unter anderem die Begrenzung von adverser Selektion (adverse selection) und moralischem Risiko (moral hazard) zu den Voraus­setzungen funktionierender Versicherungs­märkte. Beide entstehen, wenn der Versicherer nicht dieselben Informationen über das Risiko besitzt wie der Versicherungs­nehmer.¹ Biener, Eling und Wirfs identifizieren Informations­asymmetrie als einen der Faktoren, die die Versicher­barkeit von Cyber­risiken erschweren.²

Der „Markt für Zitronen“

Die Ökonomie verfügt über ein Modell , das die daraus folgenden Entwicklungen beschreibt. Im Jahr 1970 beschrieb George Akerlof einen Gebraucht­wagenmarkt, auf dem Käufer nicht zwischen einem guten und einem schlechten Fahrzeug unterscheiden können. Für Letzteres verwendete er den umgangs­sprachlichen Begriff „Lemon“ (Zitrone).³ Versetzen wir uns in die Lage des Käufers: Da er die Qualität eines einzelnen Fahrzeugs nicht beurteilen kann, wird er nur den Preis zahlen, der der durchschnittlich erwarteten Qualität entspricht. Der Eigentümer eines guten Autos weiß jedoch, dass sein Fahrzeug mehr wert ist als dieser Durchschnitts­preis, und wird deshalb nicht zu diesem Preis verkaufen, während der Eigentümer eines schlechten Fahrzeugs dazu gerne bereit ist. Die guten Autos verschwinden somit vom Markt, und das verbleibende Angebot ist schlechter als die durchschnittliche Qualität, die der Käufer ursprünglich eingepreist hatte. Unter solchen Bedingungen ist es rational, vom schlechtesten Fall auszugehen. Diese Annahme wird durch die Preisbildung bestätigt und trägt selbst dazu bei, dass sie sich bewahrheitet.

Für Versicherer gilt dieselbe Logik, allerdings in umgekehrter Richtung. Für jedes Unternehmen, das Versicherungs­schutz sucht, sind zwei Preise von Bedeutung. Die kosten­deckende Prämie des Versicherers entspricht dem erwarteten Schaden­bedarf dieses Risikos. Über einen diversifizierten Bestand verteilt, gleicht sich dieses spezifische Risiko aus, sodass für ihn der erwartete Schaden die maßgebliche Kalkulations­größe ist. Der erwartete Schaden ist alles, was der Versicherer braucht. Die Zahlungs­bereitschaft des Unternehmens ist höher als der erwartete Schaden, weil das Unternehmen das Risiko selbst und ohne Diversifikation tragen müsste. Aufgrund ihrer Risiko­aversion bevorzugen Unternehmen die Sicherheit einer festen Versicherungs­prämie gegenüber einem unsicheren Schaden gleicher Höhe. Sie sind daher bereit, mehr als den mathematisch erwarteten Schaden zu zahlen, um diese Unsicherheit zu beseitigen.

Dieser Mehrbetrag stellt die Kosten der Risikotragung für das Unternehmen dar. Für den Versicherer ist er zugleich der Ertrag aus dem Risiko­transfer, der sowohl für das risikoarme als auch für das risikoreiche Unternehmen positiv ist, sodass sich das Geschäft in beiden Fällen lohnt. Kann der Versicherer jedoch nicht erkennen, welche Unternehmen ein geringes und welche ein hohes Risiko darstellen, bietet er allen dieselbe Prämie an, nämlich eine Durchschnitts­prämie für den gesamten Antrag­stellerpool. Diese durchschnittliche Prämie liegt über der Zahlungs­bereitschaft risikoarmer Unternehmen, sodass diese auf Versicherungs­schutz verzichten und das Risiko selbst tragen. Am Markt verbleiben zunehmend nur noch die risikoreichen Unternehmen. Abbildung 1 veranschaulicht den Fall mit Unternehmen zweier Risikotypen.

Abbildung 1 – Typen von Antragstellern in einem Prämienpool

Adverse Selektion in der Cyber­versicherung: Deckung wäre für beide Unternehmens­typen möglich, doch die Durchschnitts­prämie verdrängt das risikoarme Unternehmen aus dem Versicherten­kollektiv. Die Kreise markieren den erwarteten Schaden jedes Unter­nehmens­typs (die kosten­deckende Prämie des Versicherers), die Quadrate dessen Zahlungs­bereitschaft; die gestrichelte Vertikale ist die anhand des Durchschnitts errechnete Prämie, 0,5 × 40.000 USD + 0,5 × 160.000 USD = 100.000 USD. Diese liegt über der Zahlungs­bereitschaft des risikoarmen Unternehmens von 70.000 USD, sodass dieses auf Versicherungs­schutz verzichtet und nur risikoreiche Unternehmen im Kollektiv verbleiben. Illustrative Annahmen. Quelle: Gen Re.

Von der Risikoprüfung zur Antwort

Ob das risikoarme Unternehmen im Kollektiv verbleibt, hängt davon ab, wie gut das Risiko beurteilt werden kann. Wenn ein Risiko überprüfbar ist, etwa ein gewöhnliches Cyber­risiko mit etablierten Kontroll­mechanismen und dokumentierter Schaden­historie, kann der Preis am jeweiligen Risikotyp ausgerichtet werden. Das risikoarme Unternehmen erhält dann ein Angebot zu einer akzeptablen Prämie, und die Deckung wird gezeichnet. Ist der Risikotyp nicht erkennbar, kalkuliert der Versicherer auf Basis des gesamten Kollektivs. Das risikoarme Unternehmen lehnt ab, und versichert werden die risikoreichen Exponierungen. Ab einem bestimmten Punkt besteht die Antwort daher nicht mehr darin, die Exponierung zu bepreisen, sondern sie auszuschließen.

Wie sich der Markt verhält

Der in Abbildung 1 dargestellte Mechanismus entspricht der Markt­entwicklung. Im vergangenen Jahr haben zahlreiche Versicherer beantragt, KI‑Risiken aus Standard-Haftpflicht­policen auszuschließen. In den USA hat das Insurance Services Office (ISO) drei Ausschluss­klauseln zu generativer KI für die Betriebs­haftpflicht (CGL) eingeführt, die seit Januar 2026 in Kraft sind. Die Verwendung der Klauseln ist optional; ihre Einführung liegt im Ermessen der einzelnen Versicherer.⁴ Einige Versicherer haben umfangreiche Ausschlüsse formuliert, die sich auf Directors-and-Officers‑ (D&O), Errors-and-Omissions‑ (E&O) und Vertrauens­schaden­haftpflicht­versicherungen erstrecken.⁵ Bis Mitte 2026 hatten die Aufsichts­behörden der US‑Bundes­staaten mehr als 80 % dieser Anträge genehmigt.⁶ Im Juli 2026 erklärte Verisk, die Mutter­gesellschaft des ISO, weitere Optionen für KI‑Risiken zu prüfen, darunter auch Risiken aus sog. agentischer KI – d. h. KI‑Systemen, die selbstständig handeln, anstatt auf Anforderung Inhalte zu erzeugen.⁷ Eine im Juli 2026 veröffentlichte Auswertung von fast 10.000 Anträgen verdeutlichte das Ausmaß: Mehr als 60 Unternehmens­gruppen im Bereich Schaden- und Unfall­versicherung hatten Anträge zu KI‑Ausschlüssen gestellt – in 41 Versicherungs­gruppen gab es mindestens eine Tochter­gesellschaft, die einen KI‑Ausschluss beantragt hatte, und weitere 20 beantragten deren spätere Einführung. Betroffen waren u. a. die Sparten Betriebs­haftpflicht (CGL), Umbrella- und Exzedenten­deckungen, E&O- sowie Kombipolicen. Ein großer Versicherer erklärte, derzeit keine Einführung entsprechender Ausschlüsse zu planen; halte sich diese Option jedoch offen. Ein Versicherer, der die Ausschlüsse umfassend einführte, beschrieb das Risiko als „einen Bereich neu entstehender Kumulrisiken” („an area of emerging aggregation risk“), für deren Bewältigung die Deckung für Versicherungs­schutz für Persönlichkeits­rechtsverletzungen und Rechts­verletzungen im Zusammenhang mit Werbung („personal-and-advertising-injury coverage“) ursprünglich nicht konzipiert worden sei.⁸ Die Begründung der Underwriter entspricht genau der Logik des von Akerlof beschriebenen Modells: Ein Risiko, das nicht zuverlässig bewertet werden kann, versichern sie nicht. Abbildung 2 stellt diese Entwicklung auf einer Zeitachse dar. Sie zeigt, dass sich Ausschlüsse Schritt für Schritt durchsetzen und sich parallel dazu Lösungen in Form spezieller Deckungs­konzepte herausbilden.

Abbildung 2 – Zeitstrahl der Anträge zu KI‑Haftpflicht­deckungen

Ausgewählte Meilensteine seit April 2025: oberhalb der Achse (dunkelblau) der Ausschluss von KI‑Risiken aus der Standard-Haftpflicht­deckung, darunter (bernsteinfarben) die Entwicklung von Spezial­deckungen. Der Hintergrund dieser Entwicklung: Nach der Untersuchung eines globalen Rück­versicherungs­maklers nahm die Zahl der Rechts­streitig­keiten im Zusammenhang mit generativer KI in den USA zwischen 2021 und 2025 um 978 % zu. Die Darstellung erhebt keinen Anspruch auf Vollständigkeit. Die Zeitangaben wurden entsprechend den Quellen eingeordnet: „bis Mitte 2026“ zwischen April und Juli 2026, „Anfang 2026“ im Februar 2026. Quellen: wie in den Fußnoten dieses Beitrags zitiert; Zusammen­stellung: Gen Re.

Andere Marktteil­nehmer vertreten eine andere Sichtweise. Ein weltweit tätiger Rück­versicherungs­makler kommt in einer gemeinsam mit verschiedenen Partnern durchgeführten Studie aus dem Jahr 2026 zu dem Ergebnis, dass KI‑Haftpflicht­risiken eine wachsende und weitgehend unversicherte Exponierung darstellen. Nach seiner Erhebung stieg die Anzahl von Rechts­streitig­keiten im Zusammenhang mit generativer KI in den USA zwischen 2021 und 2025 um 978 %. Der Markt solle diesem Risiko mit speziellen Deckungen und verbesserten Governance-Maßnahmen begegnen, anstatt mit Ausschlüssen.⁹ Eine im Juli 2026 veröffentlichte Studie unter der Leitung eines auf das Underwriting von KI‑Risiken spezialisierten Unternehmens, an der zudem Wissenschaftler, Forschungs­institute, Makler, Underwriter und Entwickler von KI‑Systemen beteiligt waren, stellt dieselbe Dynamik adverser Selektion auch bei agentischer KI fest. Diese entstehe nach Ansicht der Autoren insbesondere dann, wenn „verantwortungsbewusste Akteure, die zu Recht der Ansicht sind, dass ihnen überhöhte Prämien berechnet werden, auf Versicherungs­schutz verzichten“ (“responsible actors, correctly judging themselves to be overcharged, decline coverage”). Als Antwort werden Risiko­selektion, Audits und technisches Underwriting genannt, nicht jedoch Ausschlüsse.¹⁰ Einer der Mitgründer dieses Unternehmens hatte diese Problematik bereits im November 2025, Monate vor der Studie, in einem Interview mit der Financial Times angesprochen: „Niemand weiß, wer haftet, wenn etwas schiefgeht“ (“Nobody knows who’s liable if things go wrong”).¹¹ Beide Sichtweisen greifen auf den Vergleich mit der Cyber­versicherung zurück: Auch Cyber­risiken wurden zunächst aus Standard­policen herausgelöst, bevor sich ein eigenständiger Markt entwickelte. Ein ähnlicher Prozess scheint sich nun bei KI‑Risiken zu wiederholen: Seit Anfang 2026 zeichnet ein von Lloyd‘s unterstützter Managing General Agent (MGA) eine eigenständige KI‑Haftpflicht­deckung für mittelständische Unternehmen in den USA. Zugleich bezeichnete ein etablierter Versicherer die neu eingeführten Ausschlüsse als die derzeit beste Ausgangslage für die Entwicklung eines speziellen Versicherungsprodukts.¹²

Das gemeinsame Merkmal

Diversifikation, Messbarkeit, Kumul und Prüfbarkeit stellen in der Lehre der Versicher­barkeit eigenständige Aspekte dar. Künstliche Intelligenz stellt jedes dieser Elemente durch ein gemeinsames Merkmal infrage: Viele Risiken hängen gleichzeitig von wenigen gemeinsam genutzten, sich rasch weiter­entwickelnden und nur schwer überprüfbaren Systemen ab. Wenn dieses Merkmal vorliegt, können zusätzliche Risiken nicht die relative Schwankung des Schadens verringern. Tarife können über den Extrem­bereich der Schaden­verteilung hinweg nicht mehr zuverlässig kalkuliert werden. Ein einzelnes Ereignis kann einen erheblichen Teil des Versicherungs­bestands treffen, und die zugrunde liegende Exponierung lässt sich im Vorfeld nur eingeschränkt prüfen.

All dies beantwortet noch nicht die Frage, ob und zu welchen Bedingungen KI versichert werden sollte. Es zeigt vielmehr auf, wo die entscheidenden Weichen gestellt werden: im Wortlaut der Police. Dort wird festgelegt, ob Deckung gewährt, mit einem Sublimit begrenzt oder vollständig ausgeschlossen wird. Diese Entscheidungen fallen vor der Prämien­kalkulation. Der Markt trifft sie derzeit Schritt für Schritt mit jeder neu eingereichten Klausel.

Die anderen Artikel dieser Serie finden Sie hier.