Interview: Metakognition als Schlüsselkompetenz für den GenAI-Einsatz in der Assekuranz
Robert Schnoeckel erklärt im Interview, was Metakognition bedeutet und warum sie im Kontext von GenAI so wichtig ist.
Wie können Versicherer GenAI sicher, wirksam und regelkonform einsetzen? Im Interview erklärt Robert Schnoeckel, Leiter Neue Technologien bei den Versicherungsforen Leipzig, warum Metakognition zu einer Schlüsselkompetenz für die Versicherungswirtschaft wird.
Wer mit generativer KI arbeitet, muss Ergebnisse kritisch prüfen, Unsicherheiten erkennen und den eigenen Denkprozess bewusst steuern. Genau darin liegt die besondere Relevanz von Metakognition – ob im Underwriting, in der Schadenbearbeitung oder bei der Betrugsprüfung.
Robert Schnoeckel erklärt, wie metakognitive Fähigkeiten, gutes Prompt-Design und AI Literacy zusammenhängen und warum sie für Qualität, Compliance und Rechtssicherheit unverzichtbar sind. Zudem gibt er konkrete Hinweise, wie Versicherer Metakognition organisatorisch verankern und mit den Anforderungen des AI Act verbinden können.
Robert, was bedeutet Metakognition überhaupt – und warum ist sie im Kontext von GenAI so wichtig?
Metakognition ist die Fähigkeit, die eigenen Denk- und Entscheidungsprozesse zu beobachten, zu bewerten und gezielt zu steuern. Sie ist ein zentraler Bestandteil selbstregulierten Denkens, also „das Denken über das Denken“. Im Umgang mit GenAI wird Metakognition zum entscheidenden „menschlichen Filter“: Mitarbeitende müssen KI-Ergebnisse kritisch einordnen, Unsicherheiten erkennen und ihr Vorgehen iterativ anpassen, damit Qualität und Rechtssicherheit gewährleistet bleiben.
Warum sollten sich Versicherer konkret mit Metakognition beschäftigen?
Weil die Versicherungswirtschaft hochreguliert und fachlich komplex ist. GenAI kann zwar Prozesse beschleunigen, aber ohne metakognitive Kontrolle können sich auch die Risiken erhöhen – zum Beispiel können falsche Aussagen entstehen, Dokumente unvollständig sein oder sich Compliance-Probleme ergeben.
Hinzu kommt: Menschen gewöhnen sich an den Einsatz der Tools und das Vertrauen in sie steigt. Dementsprechend sollten Versicherer aktiv daran arbeiten, die Aufmerksamkeit der Mitarbeitenden auf mögliche Risiken zu lenken.
Aus welchen Bausteinen besteht Metakognition und wie zeigt sich das praktisch in der Arbeit mit GenAI?
Metakognition besteht aus vier Bausteinen: metakognitives Wissen, metakognitive Erfahrungen, metakognitives Monitoring und metakognitive Kontrolle. Praktisch heißt das zum Beispiel: Ich weiß, welche Fehler ich oft mache – das ist Wissen. Ich bemerke beim Lesen eines Outputs, dass etwas nicht stimmt – das ist Erfahrung. Ich prüfe aktiv, ob das Ergebnis wirklich korrekt ist – das ist Monitoring. Und ich passe dann den Prompt oder meine Strategie an – das ist Kontrolle. Diese Schleife läuft bei GenAI ständig mit, ähnlich wie bei einer Führungskraft, die delegiert, überwacht und nachsteuert.
Was hat gutes Prompt-Design mit Metakognition zu tun?
Prompting ist ein metakognitiver Prozess: Zuerst wird das Ziel geklärt, dann wird während der Eingabe laufend geprüft, ob der Prompt präzise genug ist. Nach der ersten Antwort wird angepasst – Ton, Länge, Fokus oder Detailtiefe werden nachjustiert. Ein anschauliches Beispiel aus der Praxis ist eine Deckungszusage: Hier müssen Klauseln bewusst eingeplant, Ergebnisse geprüft und Prompts iterativ präzisiert werden, bis das Ergebnis fachlich und rechtlich belastbar ist.
Was sollten Versicherer organisatorisch tun, um Metakognition wirklich wirksam zu verankern?
Versicherungsunternehmen müssen ihre Mitarbeitenden im Umgang mit KI-Tools schulen, damit sie die Technologie sinnvoll einsetzen und kritisch beurteilen können. Das ist das Konzept von AI Literacy. Metakognition ist dafür eine zentrale Voraussetzung und muss in die realen Arbeitsabläufe übersetzt werden, vor allem in Kernprozessen wie dem Underwriting, der Schadenbearbeitung oder Betrugsprüfung. Wir empfehlen außerdem, praxisnahe Kennzahlen zu etablieren, um Lernfortschritte überprüfen zu können, zum Beispiel die Selbsteinschätzung der Mitarbeitenden mit den tatsächlichen Ergebnissen abzugleichen oder wie häufig KI-Fehler festgestellt und korrigiert werden. Und schließlich sollten Versicherungsunternehmen kontinuierliches Lernen fördern, zum Beispiel mit regelmäßigen Reflexionen und realitätsnahen Trainings für die Belegschaft.
Hier können wir die Vorgaben des AI Act, was Schulungs-, Dokumentations- und Transparenzpflichten angeht, direkt in den Lernprozess integrieren.
Vielen Dank für das Interview!
