Diese Zahlen beschreiben kein technologisches, sondern ein strukturelles Problem. Die strategisch entscheidende Frage lautet deshalb nicht mehr, ob künstliche Intelligenz Wert schafft. Sie lautet: Was unterscheidet die Unternehmen, die diesen Wert bereits realisieren, von jenen, die noch in Pilotprojekten verharren? Und welche Konsequenzen ergeben sich daraus für das eigene Geschäftsmodell?

Was heute in Strategie-Papieren als nächste Phase der KI beschrieben wird, lässt sich in dokumentenbasierten Prozessen seit Jahren in der Praxis beobachten.

Wenn Volumen automatisierbar wird, verlieren volumenbasierte Modelle ihre Grundlage

Klassische Business-Process-Outsourcing-Modelle basieren auf einer einfachen Logik: Pro bearbeitetem Dokument, pro abgewickeltem Fall, pro erfasstem Datensatz wird vergütet. Diese Logik funktionierte, solange die zugrundeliegenden Tätigkeiten nicht automatisierbar waren – Lesen, Übertragen, Strukturieren von Informationen war menschliche Arbeit.

Moderne Sprachmodelle verändern diese Voraussetzung grundlegend. Für end-to-end neu designte Workflows werden mögliche Kostenreduktionen von 60 Prozent und mehr beschrieben. In der Schadenbearbeitung berichten Versicherer von Produktivitätsgewinnen zwischen 30 und 40 Prozent, sobald agentische Systeme über den gesamten Bearbeitungsprozess hinweg orchestriert werden.

Was gestern noch ein Stundensatz war, ist heute eine API-Abfrage. Damit gerät die ökonomische Logik volumenbasierter Service-Modelle unter Druck – und mit ihr die Marktposition aller Anbieter, deren Wertversprechen primär auf der Skalierung manueller Arbeit beruht. Für Vorstände stellt sich damit nicht die Frage, ob sich Service-Modelle verändern – sondern wie schnell und wie radikal.

Vom Pay-per-Document zum Pay-per-Outcome: Eine Verschiebung mit messbarer Dynamik

Die ökonomische Logik der Verschiebung ist kein theoretisches Konstrukt. In der Beratungsbranche selbst ist mittlerweile rund ein Viertel der globalen Honorare an Outcomes gekoppelt – nicht mehr an Stunden. Die Hintergründe sind aufschlussreich: In den großen Häusern berichten Berater von Zeiteinsparungen von bis zu 30 Prozent in der Wissensarbeit durch interne KI-Tools. Wenn KI ein Drittel der Denkarbeit übernimmt, verliert die abrechenbare Stunde ihre Funktion als Wertmaßstab.

Dieselbe Logik greift in service-intensiven Industrien. Wenn die Bearbeitung von Dokumenten automatisierbar wird, verschiebt sich der Wertbeitrag in der Wertschöpfungskette. Nicht mehr die Bearbeitung selbst ist knapp, sondern die Qualität der Entscheidungen, die aus den Informationen abgeleitet werden. Daraus folgt eine neue ökonomische Logik: Vergütungsmodelle, die an Aufwand gekoppelt waren, verlieren ihre Berechtigung. An ihre Stelle treten Modelle, die an messbaren Ergebnissen ausgerichtet sind – reduzierte Schadenkosten, verbesserte Bearbeitungsqualität, höhere Kundenzufriedenheit.

Wer als Service-Provider künftig Wert generiert, muss diesen Wert auch in seinem Geschäftsmodell abbilden können – sonst überlässt er die entstehenden Margen anderen.

Warum dokumentenbasierte Prozesse als erstes produktivisiert wurden

Aufschlussreich ist, wo diese Verschiebungen bereits in der Praxis erprobt sind. Dokumentenbasierte Prozesse gehörten zu den ersten Anwendungsfeldern, in denen künstliche Intelligenz produktiv eingesetzt wurde – früher als die meisten heute diskutierten Use Cases.

Die Gründe dafür waren pragmatisch, nicht visionsgetrieben. Drei Bedingungen kamen zusammen: messbare Effekte durch klar definierte Vorher-Nachher-Vergleiche, kalkulierbares Risiko bei überschaubarer Eingriffstiefe in Kernprozesse, und etablierte Vorgängertechnologien aus der OCR- und Document-Capture-Welt. Wo andere Use Cases noch um Akzeptanz, Datengrundlage oder regulatorische Klarheit ringen mussten, konnten dokumentenbasierte Prozesse früh aus dem Experimentier- in den Produktivmodus wechseln.

Wer in diesem Feld früh begonnen hat, konnte Lernkurven durchlaufen, die anderen Anwendungsbereichen heute noch bevorstehen. Aus diesem Lernvorsprung lassen sich Muster ableiten. Nicht weil dokumentenbasierte Prozesse ein besonderer Sonderfall wären, sondern weil sie der erste belastbare Testlauf für Verschiebungen sind, die jetzt in andere Bereiche überlaufen.

Drei Jahre Produktivbetrieb: Was sich konkret beobachten lässt

Unsere Erfahrungen aus der Versicherungs- und Immobilienwirtschaft zeigen, wie sich die beschriebenen strategischen Verschiebungen in konkrete Wertschöpfung übersetzen. Vier Beobachtungen aus dem Produktivbetrieb:

Drei Jahre produktive KI in der Rechnungsverarbeitung (Immobilienwirtschaft). Mit der Lösung SmartInvoice setzen wir seit über drei Jahren KI-gestützte Modelle für die Verarbeitung von Rechnungen ein – zu einem Zeitpunkt, an dem ein Großteil der Branche noch nicht über Generative AI sprach. Die Reduktion manueller Nachbearbeitung ist substanziell. Entscheidender als die Effizienz ist der strukturelle Effekt: Erfassung wurde nachgelagert, fachliche Bewertung gewann an Gewicht, Qualitätssicherung wurde inhaltlich ausgerichtet.

Von der Extraktion zur Entscheidungsgrundlage: costREview. In einem zweiten Schritt haben wir aus strukturierten Rechnungsdaten eine Steuerungsgrundlage gemacht. Mit costREview lassen sich Kostenstrukturen bis auf Ebene einzelner Rechnungspositionen analysieren – Kostentreiber werden sichtbar, Dienstleister vergleichbar, Einkaufsentscheidungen fundiert. Damit verschiebt sich der Wertbeitrag von Prozessautomatisierung hin zu Entscheidungsunterstützung.

Transfer in die Versicherungswirtschaft: Agentic AI in der Schadenbearbeitung. Die gleichen Muster setzen wir heute im Versicherungsbereich um – unter regulatorisch deutlich anspruchsvolleren Bedingungen. KI-Agenten, trainiert auf historischen Schadenfällen, prüfen Plausibilitäten, erkennen Muster und bereiten Entscheidungen vor. Der gezielte Verzicht auf vollständige Autonomie ist dabei kein Kompromiss, sondern ein Design-Prinzip. Diese Architektur – KI-Agenten als primäre Execution Engine unter menschlicher Aufsicht – wird in der aktuellen Strategieliteratur als Zielbild für AI-First-Versicherer beschrieben; in dokumentenbasierten Prozessen lässt sie sich seit längerem im Produktivbetrieb beobachten.

Neue Wertschöpfung statt reiner Effizienz. Aus den freigesetzten Kapazitäten entstehen neue Services – etwa die direkte Verhandlung von Reparaturkonditionen mit Werkstätten. Der Effekt ist gerade nicht Personalabbau, sondern eine Verschiebung von repetitiver Bearbeitung zu fachlich anspruchsvollerer Tätigkeit. Diese Verschiebung hin zu Outcome-based Modellen wird in vielen Workforce-Transformation-Frameworks als Zielbild beschrieben; in dokumentenbasierten Prozessen lässt sie sich heute bereits konkret beobachten.

Der Vorteil dokumentenbasierter Prozesse lag nicht in besseren Visionen, sondern in einem früheren Zugang zu produktionsreifen Modellen. Daraus ergeben sich Erfahrungswerte, die sich heute über das ursprüngliche Anwendungsfeld hinaus übertragen lassen.

Der Service-Layer als strategischer Moat

Klassische Outsourcing-Modelle waren bewusst austauschbar konzipiert. Volumen ließ sich verschieben, Anbieter wechseln – genau diese Austauschbarkeit war Teil der Kundenstrategie.

KI-gestützte Service-Modelle funktionieren anders. Wer strukturierte Daten, fachliche Klassifizierung und kontinuierliche Optimierung als integralen Bestandteil der Wertschöpfung des Kunden bereitstellt, wird Teil der operativen Substanz – nicht externer Dienstleister, sondern integrierter Service-Layer. Die Bindung entsteht nicht durch Vertragslaufzeiten, sondern durch tiefe Integration in Daten, Prozesse und Entscheidungslogik. In der Strategieliteratur wird dieselbe Verschiebung mittlerweile auch im Retention-Kontext der Versicherungsdistribution diskutiert: weg von der Verhandlung, hin zur Optimierung. In dokumentenbasierten Prozessen lässt sich dieser Mechanismus seit längerem im Service-Modell selbst beobachten.

Für Auftraggeber bedeutet das eine andere Form der Zusammenarbeit – langfristiger, datengetriebener, schwerer reversibel. Für Anbieter entsteht eine neue Qualität von Retention, die in klassischen BPO-Modellen kaum erreichbar war. Für Vorstände stellt sich damit eine selten gestellte, aber zentrale Frage: Wer sollte den Service-Layer im eigenen Unternehmen kontrollieren?

Drei strategische Entscheidungen, die nicht delegierbar sind

Aus diesen Verschiebungen ergeben sich für Vorstände service-intensiver Industrien drei zentrale strategische Entscheidungen.

Erstens – Make or buy. Wer baut KI-gestützte Capabilities selbst auf, wer kauft sie ein, wer geht Partnerschaften ein? Diese Entscheidung definiert auf Jahre, wo der Wertbeitrag eines Unternehmens liegt – und welche Teile der Wertschöpfungskette von Dritten dominiert werden. Erschwerend kommt hinzu: Die Lebensdauer einzelner Modelle und Plattformen sinkt drastisch. Architektur muss heute Vendor-Wechsel mitdenken.

Zweitens – Vergütungslogik. Wer sich heute auf outcome-basierte Modelle einlässt, verändert seine eigene Margenstruktur und seine Anreize – mit allen Chancen und Risiken, die das mit sich bringt. Wer es nicht tut, riskiert, von Anbietern überholt zu werden, die diesen Schritt bereits gehen. Bei den großen internationalen Beratungshäusern ist heute bereits rund ein Viertel der Honorare an Outcomes gekoppelt; in der Branche wird offen von einer Verschiebung in Richtung Service-as-Software gesprochen. Der eigentliche Wettbewerbsdruck entsteht nicht durch Technologie, sondern durch Anbieter, die ihr Risiko teilen.

Drittens – Integrationstiefe. Wie tief lasse ich externe Service-Provider in meine operative Substanz integrieren? Wo entsteht produktive Abhängigkeit, wo strategisches Risiko? Die Antwort entscheidet, ob ein Unternehmen seinen Service-Layer kontrolliert – oder von ihm kontrolliert wird.

Diese drei Entscheidungen lassen sich nicht delegieren. Sie sind Vorstandsthemen, weil sie das Geschäftsmodell selbst betreffen.

Die zweite Phase der KI ist eine Frage des Geschäftsmodells, nicht der Technologie

Die erste Phase der KI war geprägt von Experimenten und Effizienzfragen. Die zweite Phase betrifft die Architektur von Wertschöpfung selbst: Welche Tätigkeiten bleiben im eigenen Haus, welche werden ausgelagert, in welcher Form wird vergütet, wie tief wird integriert.

Was in der aktuellen Strategieliteratur als nächste Phase beschrieben wird, ist in dokumentenbasierten Prozessen vielfach bereits gelebte Praxis – nicht weil dort früher die Vision war, sondern weil dieser Anwendungsbereich aus pragmatischen Gründen besonders früh produktisiert wurde. Lösungen wie SmartInvoice und costREview sind keine isolierten Tools, sondern Bestandteile eines Service-Modells, in dem aus Dokumenten strukturierte Daten und aus Daten unternehmerische Entscheidungen werden.

Wer als Unternehmen die zweite Phase der KI strategisch gestalten will, muss deshalb auf Vorstandsebene über Geschäftsmodelle nachdenken – nicht über Tools. Operating Models, die sich in der Praxis bereits bewährt haben, sind dabei ein wertvoller Anhaltspunkt.

Quellenhinweis: Zahlen und Aussagen basieren auf aktuellen Branchenanalysen, u.a. BCG-Veröffentlichungen zu AI-First Versicherern (2026) sowie McKinsey „State of AI 2025“ und „State of Organizations 2026“. Angaben zur Outcome-based-Pricing-Umstellung bei führenden Beratungshäusern nach Berichterstattung von Business Insider.