Makor/Versicherungen
Anwendung · 02 — Decision Intelligence für VersichererEin System für Versicherungen.

Die Schicht, die aus vielen Risiko- und Schutz-Domänen ein System macht.

MAKOR verbindet Bestandsführung, Schaden, Partner und Dokumente zu einem semantischen Bild. Alle Kernsysteme bleiben unangetastet, die eingesetzte KI erhält belastbaren Kontext — und jede Antwort liefert den nachweisbaren Beleg durch Daten.

AnbindungIm laufenden Betrieb — keine Migration, kein Freeze-Fenster
BausteineOntologie · Cortex · Audit-Trail
BetriebEntwickelt und betrieben in Deutschland · eigenes RZ möglich
01 — Das Problem

Gewachsene Systemlandschaften entziehen wertvolle Daten dem Gesamtbild.

Ihre Kernsysteme tragen das Geschäft seit Jahrzehnten zuverlässig. Intelligente Systeme können diese Daten allerdings nur lesen, wenn sie den passenden Kontext mitbringen.

Bestand & Vertrag

Host bis Tarifierung

Host / COBOLBestandsführungTarifierungAktuariat

Jede Sparte trägt ihre eigene Historie: Leben, Kranken und Komposit arbeiten auf getrennten Beständen. Zugekaufte und Run-off-Bestände liegen zusätzlich auf eigenen Altsystemen.

Schaden & Leistung

Akte bis Zahlung

SchadensystemDokumentenarchivGutachtenZahlungsverkehr

Der Sachverhalt eines Falls steht in Dokumenten, die Struktur steht in Tabellen. Die semantische Brücke zwischen beiden entsteht heute im Kopf der Sachbearbeitung.

Partner & Vertrieb

CRM bis Provision

CRMMaklersystemeProvisionenKundenkommunikation

Ein Kunde erscheint mehrfach in mehreren Systemen. Die vollständige Kundensicht entsteht heute manuell.

Klassische Integrationsprojekte binden Monate an Zeit und Millionen an Budget, bevor das erste KI-Modell produktiv läuft. Parallel steigt der Nachweisdruck aus DORA, VAIT, Solvency II und dem EU AI Act.

02 — Das Auskunfts-Modell

Wie belegbar beantwortet ein Versicherungsunternehmen heute eine Frage an den Bestand?

Fünf Stufen beschreiben, wie ein Versicherer von der manuellen Auskunft zur belegbaren, mehrfach nutzbaren Datenbasis kommt. In der Praxis stehen einzelne Sparten — etwa Leben, Kranken oder Komposit — oft auf unterschiedlichen Stufen und sprechen dadurch nicht dieselbe Sprache.

A3 · Prüfung

Datenstände werden formal auf Vollständigkeit und Plausibilität geprüft, bevor sie in Entscheidungen einfließen. Die fachliche Bedeutung der Felder liegt weiterhin in der Hand der Fachbereiche.

Kurzformel

Vollständigkeit steht vor der Freigabe fest

Typische Ausgangslage

Viele Häuser starten auf A2–A3. Der Weg von A2 nach A4 entscheidet über die Auskunftsfähigkeit.

MAKOR setzt auf jeder Stufe an.

Standort einordnen lassen
Architektur

MAKOR dockt im laufenden Betrieb an. Die Datenhoheit verbleibt beim Versicherer.

Keine Migration, kein Eingriff in die Kernsysteme. MAKOR liest, modelliert, verknüpft.

Ebene 3 · Freie LLM-Wahl
OpenAIAleph AlphaMistralLlama · ···
→ Erklärbare Antworten
MAKOR · Semantische Abstraktions-Schicht

Ontologien als universelle Sprache. Bedeutung und Beziehungen zwischen Ihren Daten werden sichtbar.

OntologieCortexAudit-Trail
Ebene 1 · Ihre bestehenden Systeme
BestandsführungSchadenPartner / CRMDokumentenarchivHost / MainframeRückversicherung
System of Systems / BildLive
Bestandsführung Core● Verbunden
Schadensystem● Verbunden
Dokumentenarchiv● Sync
Partner / CRM● Verbunden
03 — Prinzipien

Vier Prinzipien, die nicht verhandelbar sind.

01
Andocken im laufenden Betrieb
Ihre Kernsysteme bleiben unangetastet. Kein Migrations-Projekt, kein Freeze-Fenster.
02
Datenhoheit bleibt geschützt
Entwickelt und betrieben in Deutschland. Betrieb im eigenen Rechenzentrum ist möglich.
03
Freie Modellwahl
Sie wählen das KI-Modell. Sie wechseln es später frei. Keine Plattformabhängigkeit.
04
Erklärbare Antworten
Ontologisches Tiefenverständnis — jede Aussage ist auf den Quellsatz zurückführbar. Prüfbar für Revision und Aufsicht.
04 — Mechanik

Bedeutung ist mehr als Daten in Tabellen.

Die Ontologie versteht, was Ihre Daten bedeuten und wie sie zusammenhängen: Ein Schadenfall gehört zu einem Vertrag, der Vertrag trägt Deckungsklauseln, die Klausel bestimmt die Leistungspflicht, das Gutachten belegt den Sachverhalt.

Nachvollziehbare KI-Antworten. Jede Antwort trägt ihren Kontext mit: Sie sehen, welche Vertragsklausel und welcher Datenpunkt zur Aussage führen — erklärbar, überprüfbar, entscheidungsreif.

Audit-Trail · jede Inferenz protokolliert

Schadenakte logisch mit Deckungsklausel und Gutachten verknüpft — Leistungspflicht wird belegbar, Reserven werden präziser.

05 — Abgrenzung

Entscheidend ist, was heute live an echten Beständen läuft.

Zugekaufte / monolithische PlattformenMAKOR live
Start6–18 Monate Vorlaufzeit, bevor das erste Modell läuft4 Wochen bis zum funktionsfähigen ontologischen Bild
DatenverständnisManuelles Mapping je Datensatz, erneut bei SchemaänderungenOntologie modelliert Bedeutung einmalig, neue Quellen fügen sich ein
KI-BindungModell vom Plattformanbieter vorgegebenFreie LLM-Wahl, jederzeit wechselbar
PrüfbarkeitAuswertungen als Black Box, kein Audit-TrailAudit-Trail über jede Inferenz, vorlagefähig für Revision und Aufsicht
Ramp-upErgebnis auf Demo-Daten in kontrollierten UmgebungenErgebnis an Ihren Live-Beständen, nachweisbar
BetriebBetrieb in externer oder Drittland-InfrastrukturEntwickelt und betrieben in Deutschland
06 — Angebot

Der Beweis an Ihren Daten.

n

Bestehende Systeme anbinden

Sie wählen die Systeme: Bestandsführung, Schaden, Host oder Dokumentenarchiv.

1

KI Ihrer Wahl

Eine frei gewählte KI läuft auf dem ontologischen Bild Ihrer Live-Daten.

30

Tage bis zum Ergebnis

Ein funktionsfähiges, ontologisches Bild — live und überprüfbar.

Woche 01
Systeme angebunden
Datenzugriff geklärt, Quellen verbunden.
Woche 02
Ontologie modelliert
Schadenprozess semantisch erfasst.
Woche 03
KI aktiv
KI auf dem Bild, Audit-Trail aktiv.
Woche 04
Ergebnis live
Vorgeführt, bewertet, dokumentiert.
07 — Regulatorischer Rahmen

Was Aufsicht und Revision künftig sehen wollen.

EU AI Act

Hochrisiko-Anwendungen

Risikobewertung und Preisbildung in Leben und Kranken zählen zu den Hochrisiko-Anwendungen. Gefordert sind Nachvollziehbarkeit der Entscheidung und Dokumentation der Datengrundlage.

DORA

IKT-Abhängigkeiten nachweisen

Der Nachweis über Datenflüsse und Abhängigkeiten in der IKT-Landschaft wird laufend geführt. Ein semantisches Bild macht diese Abhängigkeiten explizit.

VAIT

Datenqualität und Verantwortung

Die Aufsicht erwartet belegbare Datenqualität und dokumentierte Verantwortlichkeiten je Datenbestand.

Solvency II & IFRS 17

Herkunft und Konsistenz

Aktuarielle Modelle stützen sich auf Bestandsdaten aus mehreren Systemen. Herkunft und Konsistenz jeder Größe werden nachweisbar.

08 — Häufige Fragen

Was Versicherungen vor dem ersten Gespräch wissen wollen.

Was verändert MAKOR an unseren Kernsystemen?+

MAKOR liest aus den Quellsystemen und legt eine semantische Schicht darüber. Ihre Bestandsführung und Ihr Host bleiben in ihrem bestehenden Zustand.

Wo laufen unsere Daten?+

MAKOR wird in Deutschland entwickelt und betrieben. Betrieb im eigenen Rechenzentrum ist möglich.

An welche KI sind wir gebunden?+

Sie wählen das Modell und wechseln es später frei.

Wie sieht der Audit-Trail konkret aus?+

Jede KI-Schlussfolgerung (Inferenz) — also jede Antwort, die die KI aus Ihren Daten ableitet — wird mit den herangezogenen Datenpunkten protokolliert und archiviert. Der Nachweis ist vorlagefähig.

Was brauchen wir für den 4-Wochen-PoC von unserer Seite?+

Lesenden Zugriff auf zwei bis drei Systeme, einen fachlichen Ansprechpartner und einen abgegrenzten Prozessausschnitt.

Wie fangen wir an, wenn wir auf Stufe A1 stehen?+

Eine erste Einordnung zeigt Ihre größten Lücken. Der PoC setzt an einem Ausschnitt an, der schnell Klarheit bringt.

15 Minuten genügen für den ersten Eindruck.

Wir zeigen Ihnen live, wie ein semantisches Bild über Bestand, Schaden und Dokumente entsteht — und was Ihre KI daraus beantworten kann.