{"id":1244,"date":"2025-04-29T14:21:13","date_gmt":"2025-04-29T14:21:13","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/ergebnisse-ki-ultra\/?post_type=fallberichte&p=1244"},"modified":"2025-08-20T15:39:50","modified_gmt":"2025-08-20T15:39:50","slug":"msg-life-ag","status":"publish","type":"fallberichte","link":"https:\/\/websites.fraunhofer.de\/ergebnisse-ki-ultra\/fallberichte\/msg-life-ag","title":{"rendered":"msg life AG"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Eine Auswahl spannender Fallberichte<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Logo\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tX<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

msg life AG<\/span><\/b>\u00a0<\/span><\/h1>

\u00a0<\/p>

Unternehmen: <\/span><\/b>msg life AG<\/span>\u00a0<\/span><\/p>

Ort<\/span><\/b>: Wien, K\u00f6ln, Leinfelden-Echterdingen<\/span>\u00a0<\/span><\/p>

Anzahl der Mitarbeitenden<\/span><\/b>: ca. 1.000<\/span>\u00a0<\/span><\/p>

Gr\u00fcndungsjahr<\/span><\/b>: 1980<\/span>\u00a0<\/span><\/p>

Branche<\/span><\/b>: Informationstechnik und Software, IT-L\u00f6sungen f\u00fcr Versicherer<\/span>\u00a0<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Ein\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Ausgangssituation<\/span><\/b>\u00a0<\/span><\/p>

Das Unternehmen msg life ist nach eigenen Angaben marktf\u00fchrender Anbieter von Software-L\u00f6sungen f\u00fcr Lebensversicherungen im deutschsprachigen Raum. KI-Algorithmen werden u. a. genutzt, um Effizienzpotenziale beim Management gro\u00dfer Datenmengen auszusch\u00f6pfen. Bei msg life hat sich ein Team von Software-Entwickler*innen und Aktuaren (Versicherungsmathematiker*innen) in die KI-Thematik eingearbeitet. Erste prototypische Anwendungen wurden auf Projektbasis realisiert. KI hat sich hierbei als praktikable Technologie erwiesen. Unternehmenskund*innen verfolgen die technologischen Innovationen von msg life mit hoher Aufmerksamkeit. Nach Abschluss der Pionierphase gilt es nun, die KI-bezogenen Projektaktivit\u00e4ten in der betrieblichen Organisation und in den Gesch\u00e4ftsprozessen zu verankern. Zudem gilt es Entscheidungskriterien zu entwickeln, um einschl\u00e4gige Investitionsentscheidungen des Top-Managements abzusichern. Zur Verstetigung des Innovationsprozesses sind fachliche Kompetenzen zu b\u00fcndeln und Ressourcen bereitzustellen.<\/span>\u00a0<\/span><\/p>

\u00a0<\/span><\/p>

L\u00f6sungsansatz<\/span><\/b>\u00a0<\/span><\/p>

In drei Workshops wurden Wege er\u00f6rtert, wie KI-Projektaktivit\u00e4ten in die betriebliche Organisation zu integrieren sind. Innovation und Technik sind bei msg life in der Praxis von Kund*innen oder der Regulatorik getrieben, und die zugeh\u00f6rigen Prozesse seit langem etabliert. KI-Breakthrough-Innovationen machen neue Ans\u00e4tze und Prozesse notwendig, die in den Gesamtkontext zu integrieren sind. Im Mittelpunkt stand das Fuzzy-Frontend des Innovationsprozesses, bei dem Freir\u00e4ume f\u00fcr kreative Prozesse in Verbindung mit externen Wissensquellen entscheidend sind und die daraus resultierenden Ans\u00e4tze \u00f6konomisch bewertet werden m\u00fcssen.<\/span>\u00a0<\/span><\/p>

Managemententscheidungen zu KI-Projekten bed\u00fcrfen hierbei einer m\u00f6glichst validen Nutzen-Risiko-Absch\u00e4tzung. Ein modifizierter Business Model Canvas (BMC) schuf einen methodischen Zugang, um die Schl\u00fcsselfaktoren des Gesch\u00e4ftsmodells zu beschreiben. Im Diskussions- und Reflektionsprozess kristallisierte sich ein Spannungsfeld zweier Str\u00f6mungen heraus: Innovative KI-Anwendungen werden \u00fcblicherweise bottom-up, d. h. aus der Fachebene konzipiert. Die betriebswirtschaftliche Absicherung eines solchen Vorhaben erfolgt hingegen top-down durch eine Investitionsentscheidung des Top-Managements. Beide Str\u00f6mungen gilt es zu integrieren. Mangels geeigneter Kennzahlen f\u00e4llt eine Beurteilung des Kosten-Nutzen-Verh\u00e4ltnisses bei komplexen KI-Anwendungen schwer. Als ein pragmatischer L\u00f6sungsansatz wurden \u201estage gates\u201d definiert, deren erfolgreiche Erf\u00fcllung eine Fortf\u00fchrung einschl\u00e4giger Projektaktivit\u00e4ten legitimierte. Ferner wurden Ausstiegspunkte f\u00fcr KI-Projektaktivit\u00e4ten f\u00fcr den Misslingensfall beschrieben, um die Handlungssicherheit des Managements zu erh\u00f6hen. Die Diskussion der BMC-Faktoren legte die agile Entwicklungsdynamik in KI-Projekten offen, was eine b\u00fcrokratische Projektplanung weithin ausschlie\u00dft. Um betriebswirtschaftliche Entscheidungen abzusichern, erlangen menschliche Eigenschaften an Bedeutung (i. S. Fr\u00fchindikatoren): Hierzu geh\u00f6ren die Identifikation der Mitarbeitenden mit dem Projekt (was u. a. in einer geringen Fluktuationsquote zum Ausdruck kommt), das Empfinden von Sinnhaftigkeit und Selbstwirksamkeit, um zu \u201eetwas Gro\u00dfem\u201d beizutragen, sowie ein hierarchie\u00fcbergreifendes Vertrauensverh\u00e4ltnis aller Projektbeteiligten. Ferner wirken qualifizierte R\u00fcckmeldungen von Unternehmenskunden zu prototypischen Entwicklungsergebnissen erfolgsf\u00f6rdernd. Die einschl\u00e4gigen Projekterfahrungen des Projektteams schaffen zuk\u00fcnftig eine Grundlage, um einschl\u00e4gige Aktivit\u00e4ten qualifiziert zu beurteilen.<\/span>\u00a0<\/span><\/p>

\u00a0<\/span><\/p>

Beteiligte Interessensgruppen<\/span><\/b>\u00a0<\/span><\/p>