asseko.ai
Für haftungsrelevante Tarif-Bewertung reicht ein KI-Modell nicht. Bei asseko prüfen fünf.
asseko.ai ist die KI-gestützte Plattform für Makler in der Privaten Krankenversicherung. Sie liest Vertragsbedingungen, bewertet rund 375 Leistungskriterien pro Tarif per Multi-LLM-Consensus-Engine und belegt jede Bewertung mit der Stelle im Bedingungswerk. Inzwischen trägt sie den ganzen Beratungsfall: geführte Bedarfsanalyse, Vergleich nach Passung, KI-Advisor, IDD-Protokoll und der Vorgang mit eigenem Postfach bis zum laufenden Vertrag.
im Konsens
pro Tarif
im Katalog
(von ~5 % gesenkt)
Versicherungsdetails entscheiden. Aber wer liest schon 200 Seiten AVB?
Private Krankenversicherung lebt von den Details: ambulant, stationär, Zahn, Psychotherapie, Ausland — Dutzende Leistungsbereiche, hunderte Kriterien. Wer nur Prämie und Markenname vergleicht, übersieht Lücken und überschätzt Tarife. Gleichzeitig wächst der Dokumentationsdruck: Beratungen sollen IDD-konform nachvollziehbar sein.
Manuelles AVB-Lesen und Excel-Vergleiche skalieren nicht. Sie kosten Zeit pro Fall, erzeugen inkonsistente Bewertungen zwischen Beratern und bergen Haftungsrisiko, wenn Leistungsdetails in der Beratung nicht sauber belegt sind. Und ein einzelnes KI-Modell? Branchenstudien sehen Fehlerquoten um die 5 %. Für eine Marketing-Mail ist das vertretbar. Für eine Tarifaussage, die in ein IDD-Protokoll wandert, nicht.
Single-LLM beerdigt. Multi-Model Consensus Engine gebaut.
Statt einem unsicheren Modell die gesamte Beratung anzuvertrauen, prüfen bei asseko mehrere unabhängige Modelle jeden Tarif parallel — und ein Guardrail-Modell entscheidet, ob die Begründungen wirklich übereinstimmen. Das ist das digitale Vier-Augen-Prinzip für 2026, plus eine Eskalations-Instanz bei Konflikten.
Hierarchischer Kriterienkatalog
Rund 375 Kriterien in 14 Leistungsbereichen, gruppiert in Bereich → Gruppe → Kriterium. Bewertungen werden in PostgreSQL versioniert und bleiben rückführbar an die Originaltextstellen in den AVB-PDFs.
Multi-LLM-Consensus-Engine
Zwei technologisch verschiedene Checker-Modelle bewerten jeden Tarif parallel. Ein Guardrail prüft, ob die Begründungen semantisch übereinstimmen — nicht nur die Scores. Nur bei echtem Konflikt entscheidet ein dritter Richter. Teure Modelle laufen nur, wenn sie gebraucht werden.
Belegstellen im Bedingungswerk
Unter jeder Bewertung steht das Zitat — und „Im Original nachlesen“ öffnet das AVB-PDF auf der richtigen Seite, die Stelle markiert. Ein Lauf über den gesamten Bestand hat die Zitate im Bedingungswerk verortet.
Vom Bedarf bis zum Vertrag
Geführte Bedarfsanalyse mit Fragen zum Vorlesen, Tarifliste nach Passung, Lücken mit Begründung, Tarifwechsel nach §204 VVG, Kundenakte, Aufgaben und Vorgänge. Jeder Vorgang hat eine eigene Mailadresse; eingehende Post wird Kunde und Vorgang zugeordnet, Anhänge landen in der Akte.
AI Advisor mit Tool Use
Eigenes Beratungs-LLM mit Datenbank-Tools: Tarifsuche, Kriterien-Scores, Vertragstext-Stellen, Vergleich. Der Advisor arbeitet auch mit — er legt Kunden an, ergänzt Stammdaten, erzeugt Aufgaben und nimmt den Bedarf auf. Die Gewichtung bestätigt nur der Makler; das ist im Programm verriegelt.
Produktionsreife & Betrieb
SSR-App auf fly.io Frankfurt mit Blue-Green-Deploys und eigener Staging-Umgebung, Managed Postgres, Tigris Object Storage für AVB-PDFs. Passkeys, 2FA und Rollen trennen Admin- und Makler-Bereich. Rückmeldungen aus der Anwendung laufen über unser Service-Modul.
Fünf Modelle. Eine Bewertung.
Vier KI-Modelle in der Evaluierungs-Pipeline, eines im Beratungs-Chat. Welches Modell welche Rolle übernimmt, wird laufend überprüft — wenn ein besseres kommt, wird getauscht.
Vom Bedarf zur belegbaren Beratung.
Sechs Stationen, die zeigen, wie aus 73 Tarifen und ~375 Kriterien eine Empfehlung wird, die hält — bis hinunter zur markierten Stelle im Bedingungswerk und weiter bis zum Vertrag.
Erst der Bedarf, dann der Tarif.
Die Bedarfsanalyse stellt die Fragen, die der Makler im Gespräch vorliest — eine je Karte, in der Reihenfolge, in der man sie stellt. Zu jeder steht, warum sie gestellt wird, mit Quelle. Aus den Antworten entstehen Hypothesen; erst die Bestätigung des Maklers macht daraus eine Gewichtung der Leistungsbereiche.
- Fragen zum Vorlesen mit „Warum diese Frage?“
- Fragebogen per Link, den der Kunde vorab auf dem Telefon ausfüllt
- Bedarfsprofil mit Verlauf — jede Änderung als eigene Fassung
Aus 73 Tarifen werden die passenden.
Die Liste sortiert nach Passung: dem gewichteten Mittel über die Bereiche, die für diesen Kunden zählen. Die neutrale Gesamtnote bleibt daneben stehen. Jede Karte sagt, welcher Bereich den Anspruch erfüllt und welcher darunter liegt. Wer tiefer will, schaltet auf die Tabelle mit farbcodierten Bereichsnoten.
- Gewichtung aus der Bedarfsanalyse, an der Kundin gespeichert
- Filter nach Kriterium, Alter, Beitrag und Versicherer
- Schnellauswahl für wiederkehrende Beratungsfälle
Jede Lücke kommt mit Begründung.
„Lücken zeigen“ nennt die Einzelleistungen eines Tarifs, die unter guter Leistung bleiben — nach Bereich sortiert, mit der Begründung aus der Bewertung. Aus „die KI sagt 2,5“ wird eine Aussage, die der Makler vorlesen kann.
- Nach Leistungsbereich gruppiert
- Begründung je Kriterium aus der Konsens-Bewertung
- Score 0–5 je Einzelleistung
Score, Zitat — und die Stelle im Bedingungswerk.
Hier liegt die Pointe: Unter jeder Bewertung steht das Originalzitat, daneben „Im Original nachlesen“. Ein Klick öffnet das Bedingungswerk auf der richtigen Seite, die belegte Stelle markiert. Mit den Pfeiltasten geht es von Beleg zu Beleg, ohne die Seite zu verlassen.
- Originalzitat pro Kriterium aus dem AVB-PDF
- Markierte Stelle im eingebetteten Betrachter
- Detail-Vergleich mehrerer Tarife, Bereich für Bereich
Ein Advisor, der die Daten kennt — und mitarbeitet.
Der Advisor antwortet nicht aus Allgemeinwissen, sondern aus der evaluierten Datenbank: Er sucht Tarife, ruft Kriterien-Scores ab und liefert die Textstelle mit. Er liest nicht nur — „Leg mir eine neue Kundin an“ oder „Rückruf am Montag“ setzt er direkt in Kundenakte und Aufgaben um.
- Tool Use: Tarifsuche, Score-Abfrage, Textstellen
- Kunden, Stammdaten, Aufgaben, Bedarf aus dem Gespräch
- Keine Bestätigung durch die KI — die Gewichtung setzt der Makler
Der Vergleich ist der Anfang, nicht das Ende.
Zwischen „Tarif gefunden“ und „Police im Ordner“ liegen Voranfrage, Unterlagen, Antrag und Rückfragen. In asseko ist das ein Vorgang mit dem Schritt, der als Nächstes ansteht, und einem fertigen Mail-Entwurf. Jeder Vorgang hat eine eigene Mailadresse; das Postfach schlägt Kunde und Vorgang vor, Anhänge wandern in die Akte.
- Mail-Entwürfe für Voranfrage, Antrag, Nachforderung
- Zuordnungsvorschlag für eingehende Post
- Antworten und neue Mails aus derselben Ansicht
Dreizehn Minuten, die den ganzen Weg zeigen.
Seit der ersten Fassung dieser Fallstudie ist asseko vom Analysewerkzeug zur Arbeitsumgebung für den ganzen Beratungsfall gewachsen. Das Video zeigt alle Funktionen am Stück: Konto anlegen, Maklerprofil veröffentlichen, Kundin anlegen, Bedarf erheben, Tarife vergleichen und im Bedingungswerk nachlesen, Beratungsprotokoll erzeugen, Unterlagen per Mail anfordern — bis die Antwort der Kundin mit allen Anhängen im Vorgang landet.
Aufgenommen aus der laufenden Anwendung, nicht nachgestellt. Für Fehlermeldungen, Bedienfragen und Funktionswünsche ist in asseko außerdem unser Service-Modul eingebunden: Ein Chat in der Kopfzeile fragt zurück, fasst zusammen und legt daraus ein Ticket an.
- 0:03Konto anlegenRegistrierung mit Bestätigungscode per E-Mail
- 0:59Eigene DatenProfil, Foto und öffentliches Maklerprofil
- 3:00KonfigurationSignatur, Versichererzugänge und Schnellfilter
- 3:59Beratung startenEine neue Kundin anlegen
- 4:42BedarfsanalyseGeführte Fragen — daraus entsteht die Gewichtung
- 5:50Passende TarifeSortieren, Lücken sehen, vergleichen, im Original nachlesen, empfehlen
- 8:04BeratungsprotokollAus dem Gespräch mit dem AI Advisor
- 8:48AufgabenTo-dos direkt aus der Akte
- 9:22Der VorgangUnterlagen anfordern, die Kundin antwortet — bis zum Vertrag
- 12:50GeschafftVom leeren Konto bis zum laufenden Vertrag
Ein Produktionssystem, kein KI-Spielzeug.
asseko.ai läuft live unter asseko.ai und deckt den kompletten Beratungsfall ab: Bedarf erheben → KI-Bewertung im Konsens → Vergleich nach Passung mit Beleg im Original → Beratung im AI Advisor → IDD-Protokoll → Vorgang und Schriftverkehr bis zum Vertrag. Seit Projektstart ausgerollt wurden u. a. Tarifwechsel-Assistent (§204 VVG), Lückenanalyse, die PostgreSQL-Migration, die geführte Bedarfsanalyse, Vorgänge mit eigenem Postfach, ein öffentliches Maklerprofil mit Maklersuche und Bilanzkennzahlen der Versicherer aus zehn Jahrgängen.
Manuell oder Single-Model
- AVB-PDFs Seite für Seite lesen
- Excel-Vergleiche, inkonsistent zwischen Beratern
- Single-LLM mit ~5 % Fehlerquote
- Keine nachvollziehbaren Belege im Beratungsfall
- Vorgänge verstreut über Mailordner und Notizen
Multi-LLM-Konsens mit Beleg
- ~375 Kriterien pro Tarif automatisch bewertet
- Vier-Augen-Prinzip plus Eskalations-Richter
- Fehlerquote unter 0,1 % laut Eigenmessung
- Jeder Score mit Zitat, im Bedingungswerk markiert
- Bedarf, Protokoll und Vorgang in einer Anwendung
im Konsens
pro Tarif
im Katalog
bewertet
Die Plattform ist live, der Funktionsumfang wächst weiter. Die Partnerschaft läuft weiter: Neue Funktionen gehen zuerst auf die Staging-Umgebung und dann per Blue-Green-Deploy live, die Modellauswahl in der Consensus-Engine wird regelmäßig überprüft und bei besseren Modellen ausgetauscht.
Sind Ihre KI-Antworten gut genug für die Haftung?
Buchen Sie den kostenlosen Potenzial-Check. 30 Minuten, in denen wir ehrlich einordnen, ob Ihre Prozesse mit einem KI-Modell auskommen — oder ob es Zeit für einen Konsens-Ansatz ist.