Ein Gewerbekunde hat seine Betriebshaftpflicht seit vier Jahren nicht angepasst. Der Umsatz ist um 40 % gestiegen, die Deckungssumme nicht. Ein KI-Tool erkennt das in Sekunden, der Makler hätte es beim nächsten Jahresgespräch vielleicht bemerkt. Vielleicht aber auch nicht.
Genau hier liegt der Reiz der automatisierten Deckungslückenanalyse: systematisch statt zufällig. Aber es gibt eine zweite Seite. Wenn das Tool dem Kunden drei neue Policen vorschlägt, die er nicht braucht, ist das keine Beratungsqualität. Das ist ein Vertriebstrichter mit Algorithmus-Anstrich.
Die ehrliche Frage lautet also nicht, ob KI Deckungslücken finden kann. Sondern ob sie die richtigen findet, und ob der Makler am Ende besser berät oder nur mehr verkauft.
Was die Tools heute wirklich vergleichen
Die meisten Tools arbeiten nach demselben Prinzip: Sie gleichen den bestehenden Versicherungsschutz eines Kunden gegen ein Soll-Profil ab. Die Datenbasis kommt entweder vom Bestandsverwaltungssystem des Pools oder von externen Vergleichsanbietern wie Franke und Bornberg.
Bei standardisierten Gewerberisiken funktioniert das gut. Betriebshaftpflicht, Inhaltsversicherung, Betriebsunterbrechung, Rechtsschutz: Hier gibt es klare Branchenstandards, messbare Deckungssummen und vergleichbare Tarifstrukturen. Das Tool prüft, ob der Kunde branchenüblich versichert ist, ob wichtige Bausteine fehlen und ob Selbstbehalte noch zum aktuellen Betriebsprofil passen.
Pool-integrierte Lösungen wie AMEISE (Blau Direkt), der AI-Hub (Fonds Finanz) oder ViKI (WIFO) bieten diese Funktion teils im Paket an. Was diese Pool-Tools können und wo sie binden, haben wir in einem eigenen Artikel aufgeschlüsselt.
Wo die automatisierte Analyse scheitert
Die Grenze verläuft dort, wo Versicherungsbedingungen individuell werden. Und das passiert häufiger, als die Tool-Demos vermuten lassen.
- Sublimits und Unterlimits: Eine Betriebshaftpflicht mit 5 Mio. Euro Deckungssumme klingt ausreichend. Aber wenn das Sublimit für Umweltschäden bei 250.000 Euro liegt und der Kunde einen Galvanik-Betrieb führt, hat er trotzdem eine Lücke. Die meisten Tools lesen Sublimits nicht zuverlässig aus, weil sie in Sonderbedingungen stehen, nicht in den Stammdaten.
- Obliegenheiten: Vertragliche Pflichten des Versicherungsnehmers (Wartungsintervalle, Brandschutzvorschriften, Meldepflichten) sind nirgends strukturiert erfasst. Kein Tool kann prüfen, ob der Kunde seine Obliegenheiten einhält.
- Branchenspezifische Ausschlüsse: Ein Handwerksbetrieb mit einer Standard-Betriebshaftpflicht, die Schäden durch Bearbeitungsfehler ausschließt, hat ein reales Risiko. Diesen Ausschluss zu erkennen, erfordert das Lesen der konkreten Bedingungswerke, nicht nur den Abgleich von Tarifmerkmalen.
Das Problem ist nicht, dass die Tools schlecht sind. Sie sind gut in dem, wofür sie gebaut wurden: strukturierte Daten schnell vergleichen. Aber Versicherungsschutz besteht eben nicht nur aus strukturierten Daten. Die Lücke zwischen dem, was das Tool sieht, und dem, was der Kunde tatsächlich braucht, muss der Makler füllen.
Die Upselling-Frage: Wann wird Lückenanalyse zum Vertriebstool?
Jede Deckungslückenanalyse hat ein eingebautes Spannungsfeld. Wer Lücken sucht, findet welche. Und jede gefundene Lücke ist ein potenzieller Abschluss.
Das wird zum Problem, wenn das Tool Lücken flaggt, die keine echten Risiken sind. Ein Privatkunde ohne Fahrrad braucht keine Fahrradversicherung, auch wenn die Software eine "Lücke" erkennt. Ein Handwerker mit drei Mitarbeitern braucht keine D&O-Versicherung, auch wenn das Soll-Profil sie vorsieht.
Pool-gebundene Tools haben ein zusätzliches Strukturproblem: Sie sehen nur den eigenen Bestand. Wenn eine Lücke über einen anderen Pool oder einen Direktversicherer besser geschlossen werden könnte, taucht diese Option im Ergebnis nicht auf. Das ist keine Manipulation, sondern eine Datengrenze. Aber für den Kunden macht es keinen Unterschied, ob die einseitige Empfehlung Absicht oder Architektur ist.
Die ehrliche Linie verläuft so: Wenn die Analyse dem Kunden Risiken zeigt, die er tatsächlich hat, und ihm Optionen bietet, die zu seiner Situation passen, ist das bessere Beratung. Wenn sie primär den Courtage-Umsatz des Maklers steigert, ist es Upselling mit KI-Etikett. Eine interne KI-Richtlinie sollte deshalb festlegen, wie mit automatisch generierten Empfehlungen umgegangen wird: Welche werden dem Kunden gezeigt, welche werden intern geprüft, welche werden verworfen?
Haftung: Der Makler bleibt verantwortlich
§ 61 Abs. 1 VVG verpflichtet den Versicherungsmakler zur anlassbezogenen Beratung auf Grundlage einer hinreichenden Zahl von Versicherungsprodukten. Diese Pflicht ist nicht delegierbar. Nicht an einen Mitarbeiter, nicht an einen Pool, und nicht an ein KI-Tool.
Konkret bedeutet das: Wenn das Tool sagt "kein Handlungsbedarf" und der Kunde im Schadenfall unterversichert ist, haftet der Makler. Der Tool-Anbieter liefert Analyseergebnisse, keine Beratung. Der Pool stellt Infrastruktur, keine Garantien. Die Haftung bleibt beim §34d-Makler.
Die BaFin-Orientierungshilfe für KI-Anwendungen bei §34d-Maklern (Dezember 2025) stellt klar: KI-gestützte Ergebnisse müssen vor Weitergabe an den Kunden geprüft und die Prüfung dokumentiert werden. Wer die Analyse ungeprüft als "Ihre Versicherungssituation auf einen Blick" weitergibt, handelt pflichtwidrig. Wie die IDD-Dokumentation bei KI-gestützter Beratung aussehen muss, haben wir in einem separaten Artikel beschrieben.
Dazu kommt seit August 2026 die EU AI Act Transparenzpflicht (Art. 50): Wenn KI-Ergebnisse direkt an den Kunden kommuniziert werden, muss kenntlich gemacht werden, dass ein KI-System beteiligt war.
Was eine gute Deckungslückenanalyse ausmacht
Die Technik ist nicht das Problem. Wie man sie einsetzt, schon. Ein Maklerbüro, das KI-gestützte Deckungslückenanalyse sauber nutzen will, braucht drei Dinge:
- Klare Schwellen. Nicht jede "Lücke" ist eine Empfehlung. Definieren Sie intern, ab welcher Risikorelevanz eine automatisch erkannte Lücke dem Kunden kommuniziert wird. Ein fehlender Glasbruchbaustein ist keine Beratungsempfehlung wert.
- Manuelle Prüfung bei Gewerbekunden. Für standardisierte Privatkunden-Bestände reicht die automatische Analyse als Vorfilter. Bei Gewerbekunden muss der Makler die Tool-Ergebnisse gegen die konkreten Bedingungswerke prüfen, bevor er eine Empfehlung ausspricht.
- Pool-übergreifende Sicht. Wenn Sie mit mehreren Pools arbeiten, gleichen Sie die Analyse-Ergebnisse ab. Eine Lücke, die nur in einem Pool-System auftaucht, kann an fehlenden Daten liegen, nicht an fehlendem Schutz. Die DSGVO-Anforderungen bei der Zusammenführung von Bestandsdaten aus verschiedenen Quellen gelten natürlich auch hier.
Besser beraten, nicht mehr verkaufen
Die automatisierte Deckungslückenanalyse ist eines der wenigen KI-Werkzeuge im Maklerbüro, das gleichzeitig den Kunden schützen und den Umsatz steigern kann. Aber nur, wenn der Makler die Grenze zieht.
Der Wert liegt nicht in der Zahl der gefundenen Lücken. Er liegt in der Qualität der Prüfung. Ein Makler, der seinem Kunden sagt: "Wir haben Ihren Bestand systematisch geprüft, und bei drei von acht Verträgen besteht Anpassungsbedarf", baut mehr Vertrauen auf als jemand, der eine KI-generierte Mängelliste ohne Kontext weiterreicht.
KI macht die Analyse schneller. Ob sie besser wird, entscheidet der Makler. Wer wissen will, welche KI-Werkzeuge im eigenen Büro den größten Hebel haben, findet in unserer unabhängigen KI-Potenzialanalyse für Versicherungsmakler einen strukturierten Einstieg.