Auf Seminaren zum Thema KI-Nutzung im Maklerbüro sind die Plätze rar. Auf Veranstaltungen zur klassischen Prozessautomatisierung hingegen bleiben die Stühle leer. Das sagt viel darüber aus, wie der Markt das Thema wahrnimmt – und noch mehr darüber, was er davon erwartet. Matti Bargfried, der als Geschäftsführer von CODie täglich mit den technischen Realitäten von Maklerverwaltungsprogrammen konfrontiert ist, hat dazu eine klare Meinung.

Was KI heute wirklich kann

Der greifbarste Nutzen von KI liegt nach Bargfrieds Einschätzung nicht in der viel beschworenen intelligenten Assistenz, sondern in einer deutlich nüchterneren Funktion: aus unstrukturierten Daten strukturierte zu machen. Konkret bedeutet das: Eine Police als PDF auf das System werfen, die KI liest die relevanten Felder aus – Vorname, Nachname, Zahlungsweise, Beitrag –, befüllt ein vordefiniertes Schema und legt den Vertrag an.

Das klingt unspektakulär, ist aber für die Praxis relevant. Denn Schnittstellen wie BiPRO decken längst nicht alle Dokumententypen ab. Fondsdepotschreiben, Wertmitteilungen oder handelsübliche Vertragsunterlagen kommen weiterhin als PDF, als Scan, manchmal schlicht als E-Mail-Anhang. Hier kann KI tatsächlich Eingabearbeit abnehmen.

CODie hat das gemeinsam mit dem Softwareanbieter Mr. Money für einen Finanzvertrieb umgesetzt: Anträge, die per E-Mail eingehen, werden automatisch von einer KI ausgelesen – über 350 Datenfelder aus 20 Sparten. Das System erkennt zunächst die Sparte, zieht dann die entsprechenden Felder und übergibt den strukturierten Datensatz zur Weiterverarbeitung. Was danach passiert, sind klassische, fest definierte Prozesse – keine KI mehr, sondern Automatisierung.

Reproduzierbarkeit als Problem

Die ernüchternde Kehrseite: KI-Auswertungen sind nicht zuverlässig reproduzierbar. Das gleiche Dokument, zehnmal hochgeladen, kann zehnmal leicht unterschiedlich ausgewertet werden. Die Qualität hängt stark vom Prompt ab – und selbst dort gilt: Drei Wörter mehr können das Ergebnis um 50 Prozent verschlechtern.

Für Stammdaten ist diese Schwankungsbreite tolerierbar. Ein falsch erkannter Vorname lässt sich korrigieren. Für Finanzdaten – Cortagen, Provisionsabrechnungen, Zahlungseingänge – ist sie es nicht. Wer der KI eine strukturierte CSV mit Cortage-Daten übergibt und auf eine automatische Aufbereitung hofft, riskiert falsch summierte Beträge und fehlerhafte Zuordnungen. Bargfried zieht hier eine klare Grenze: Für Finanzdaten setzt CODie keine KI ein.

Agents oder doch nur Automatisierung?

Ein Begriff dominiert derzeit die Kommunikation der großen Pools: Agents. Blau Direkt und die DMV haben angekündigt, im Jahresverlauf zahlreiche solcher Agents aufzubauen. Das Versprechen: Intelligente, eigenständig handelnde Prozessbegleiter, die Aufgaben im Maklerbüro übernehmen.

Bargfried hinterfragt das nüchtern. Als Beispiel nennt er einen naheliegenden Anwendungsfall: Ein Kunde ändert seinen Familienstand auf „geschieden". Ein Agent erkennt das, prüft alle Verträge auf Familientarife, stellt fest, dass ein Neuvergleich sinnvoll wäre, und stößt entsprechende Prozesse an. Das klingt intelligent – ist es aber, so Bargfried, strukturell kaum etwas anderes als ein klassischer Automatismus. Der Auslöser mag ein Agent sein, der Rest ist deterministisch und hätte sich mit regelbasierter Programmierung genauso abbilden lassen.

Die eigentliche Stärke eines Agents liegt aus seiner Sicht in der Fähigkeit, unscharfe Daten zu validieren und anzureichern, bevor sie in einen vordefinierten Prozess einfließen. Das ist ein echter Mehrwert gegenüber starren Automatismen – aber kein revolutionärer Paradigmenwechsel.

Das Marketing rund um Agents nutzt diese Begriffsverwirrung aus: Automatisierung klingt nach Arbeit, nach Konfigurationsaufwand, nach IT-Projekt. KI-Agents versprechen, das alles wie von selbst zu erledigen. Die zugrundeliegenden Mechanismen sind häufig dieselben.

Das Libro-Paradox

Bargfried zieht einen Vergleich, der Nachdenklichkeit verdient. Als Maklerverwaltungsprogramme um 2016 flächendeckend den Posteingang digital abzubilden begannen, war der erste Reflex begeisterte Überlastung: Alles kam auf einmal ins System – ohne Prozesse, ohne Nachkontrolle. Jahrelang stapelten sich falsche Geschäftsvorfälle, weil die versprochene Automatik die Nacharbeit systematisch unterschätzte. Heute, zehn Jahre später, hat sich das eingependelt: Die Fehlerquoten sind überschaubar, die Prozesse etabliert, der Zeitgewinn real.

Beim Thema KI befinde man sich derzeit genau dort, wo man 2016 mit Libro war: erste Anwendungen, echter Nutzen an einzelnen Stellen, aber fehlende Review-Prozesse und eine unrealistische Erwartung an die Treffsicherheit des Systems. Wer die KI anlegen lässt, muss auch prüfen. Wer prüft, braucht Zeit. Die Rechnung geht oft knapper auf als erhofft.

Individualisierung als Grenze

Ein strukturelles Problem bleibt: KI-Systeme auf Plattformebene sind auf den kleinsten gemeinsamen Nenner ausgelegt. Was versteht ein Poolsystem unter „Altersvorsorge"? Welche Sparten gehören dazu? Wie soll ein Kundenspiegel aufgebaut sein? Fünf Makler geben fünf verschiedene Antworten.

Komplexe Automatisierungen im Maklerbüro erfordern tiefes Kontextwissen über Bestandsdaten, Workflows und individuelle Klassifizierungslogiken. Wer versucht, einer plattformweiten KI beizubringen, dass für Betrieb A Familientarife in Sparte X liegen, für Betrieb B aber in Sparte Y, stößt schnell an Grenzen. Das sei nach heutigem Stand der Technik, so Bargfried, nicht sinnvoll trainierbar.

Migrationsszenarien: echtes Potenzial, echte Hürden

Ein Bereich, dem Bargfried echtes Potenzial zuspricht, ist die Datenmigration zwischen Altsystemen. Wenn ein MVP in den Run-off geht und Makler auf eine neue Plattform wechseln müssen, ist das Mapping zwischen zwei heterogenen Datenbankstrukturen erfahrungsgemäß aufwendig. 80 Prozent der Felder sind vergleichsweise klar – Vorname bleibt Vorname. Die restlichen 20 Prozent können es in sich haben.

Sein Beispiel: In einem Altsystem wurde ein generisches Feld „Risikoinformation" für Kennzeichen, Gebäudeanschriften und Hundenamen gleichermaßen genutzt. Bei der Migration musste CODie eine eigene Heuristik entwickeln, um zu erkennen, ob im Feld ein Kfz-Kennzeichen, eine Adresse oder ein Tiername stand – und die Daten dann korrekt in die Zielfelder zu übertragen. Ob eine KI diese semantische Einordnung zuverlässig übernehmen könnte, bleibt offen. Denkbar wäre es; erprobt hat man es noch nicht.

Die Frage nach den Algorithmen

Juristisch bewegt sich das Thema KI im Maklerbüro in Gewässern, die noch nicht vollständig kartiert sind. Zum einen der Umgang mit Gesundheitsdaten: Ob diese in einer DSGVO-konformen Umgebung durch KI verarbeitet werden dürfen, ist zwischen Marktteilnehmern umstritten. Der EU AI Act schärft den Rahmen: Ab August gelten auch für kleine und mittelständische Unternehmen Verpflichtungen, sobald KI zur Kundenbewertung eingesetzt wird. Dann müssen Algorithmen offengelegt und Entscheidungen nachvollziehbar begründet werden. Wer eine KI nutzt, um „schlechte Risiken" oder potenzielle Betrugsfälle zu identifizieren, bewegt sich in eben diesem Bereich – mit potenziellen Haftungsfragen, die noch unbeantwortet sind.

Was bleibt

Am Ende des Gesprächs sind sich beide Seiten einig: KI ist kein Buzzword, das man ignorieren sollte – aber auch keines, das seinen Versprechen heute schon gerecht wird. Der ehrlichere Begriff wäre oft Automatisierung. Makler, die unter dem Deckmantel von KI-Schulungen in die Veranstaltungen kommen und dort lernen, ihre Abläufe besser zu strukturieren, profitieren davon – unabhängig davon, wie das Werkzeug heißt.

Die eigentliche Frage, die Bargfried am Ende aufwirft, ist langfristiger Natur: Wer die Arbeitsprozesse seines Büros vollständig auslagert – an Pools, an Systeme, an Agents –, verliert irgendwann das Know-how, diese Prozesse zu verstehen. Die Bank hat gezeigt, wohin das führt. Makler, die das vermeiden wollen, sollten wissen, was im Hintergrund passiert. Auch dann, wenn es die KI erledigt.