Studie: Wissensmanagement & KI

In unserer heutigen Zeit fehlt es nicht an Wissen und Informationen, sondern an deren Auffindbarkeit. Es bedarf einer intelligenten Wissensorganisation sowie passender technologischer Unterstützung, um diese Herausforderung zu adressieren. Unsere Studie nimmt das KI-gestützte Wissensmanagement in der Versicherungsbranche in den Blick und konzentriert sich dabei auf folgende Fragestellungen:

• Status quo & Problembewusstsein: Wo stehen Versicherer aktuell beim Thema Wissensmanagement und welche Probleme entstehen im Arbeitsalltag, wenn wichtiges Wissen fehlt oder verloren geht?​
• ​Strategische Handlungsfelder & Lösungsansätze: Welche organisatorischen und strukturellen Voraussetzungen müssen geschaffen werden, um Wissensarbeit zielführend zu steuern?​
• Rolle der Technologie: Wie lässt sich künstliche Intelligenz konkret und nahtlos in bestehende Tools und Arbeitsabläufe integrieren, um das Wissensmanagement zu unterstützen?

Zentrale Erkenntnisse

Der Erfolg von KI im Wissensmanagement wird weniger durch technologische Möglichkeiten bestimmt, sondern durch die Fähigkeit von Unternehmen, Strukturen, Daten und Kompetenzen systematisch weiterzuentwickeln.​

- Das Wissensmanagement in Versicherungsunternehmen befindet sich insgesamt auf einem niedrigen bis mittleren Reifegrad (MW 2,69) und ist häufig nicht konsequent in Prozesse und Strukturen integriert.​

- Zentrale Herausforderungen liegen insbesondere in unklaren Zuständigkeiten (52 %) und fehlender systematischer Qualitätssicherung von Wissen.​

- Der wahrgenommene Wissensverlust wird vor allem durch strukturelle Schwächen getrieben – insbesondere die Abhängigkeit von Einzelpersonen (80 %) und unzureichende Dokumentation (72 %).​

- Künstliche Intelligenz wird primär als Werkzeug zur Effizienzsteigerung und besseren Zugänglichkeit von Wissen verstanden. Transformative Potenziale, etwa für neue Arbeitsweisen oder Innovationsprozesse, stehen bislang weniger im Fokus.​

- Die größten Hürden beim KI-Einsatz liegen in der Datenqualität (72 %) sowie in fehlenden Anwendungsfällen und Governance-Strukturen.​

Datenbasis & Methodik

• Methoden:
  • qualitativ: leitfadengestützte Experteninterviews mit 6 Expertinnen und Experten der Branche
  • quantitativ: Onlinebefragung unter 66 Expertinnen und Experten der Branche
• Erhebungszeitraum: Januar 2026

Die Studie entstand in Zusammenarbeit mit unserem Partner msg systems ag. Das Studiendokument mit allen Fragestellungen sowie Handlungsfeldern und Lösungsansätzen können Sie sich kostenlos auf der Webseite unseres Studienpartners herunterladen.

zur Studie