Zentrale Ergebnisse auf einen Blick:
- Über 90 % der Befragten sehen KI als strategisch entscheidend
- Nur 6 von 21 Krankenkassen verfolgen konkrete KI-Projekte mit messbarem Nutzen
- Viele Initiativen bleiben auf der Ebene von allgemeinen Zielbildern statt konkreter Anwendungen
- Der Einsatzschwerpunkt liegt auf Kundenservice (92 %) und Bedarfsprognosen (77 %), während das Controlling (33 %) das Schlusslicht bildet
Die Studie „From Buzz to Blind Spots“ von Prof. Dr. Anna-Luisa Stöber und Prof. Dr. Hagen Habicht basiert auf einer Befragung von Führungskräften aus 25 gesetzlichen Krankenkassen, die rund zwei Drittel der Versicherten in Deutschland repräsentieren.
Ein zentraler Befund der Untersuchung ist die Diskrepanz zwischen Selbstbild und Realität: Während viele Organisationen ihre strategische Ausrichtung und Vorbereitung auf KI positiv bewerten, fehlen häufig konkrete Projekte, klar definierte Ziele und belastbare KPIs. In vielen Fällen beschränken sich die Aktivitäten auf unspezifische Vorhaben wie „Effizienzsteigerung“ oder „Prozessoptimierung.“
Die größten Herausforderungen liegen dabei weniger im Zugang zu Wissen als in dessen praktischer Anwendung. Hier offenbart sich die zentrale Schwachstelle der Krankenkassen: Während die Wissensaufnahme – also das Screening des Branchen- und Technologie-Umfelds nach KI-Trends – bereits etabliert ist (Mittelwert von 3,67 / 5), bricht die KI-bezogene Transformationsfähigkeit der Krankenkassen bei der Wissensanwendung ein. Die Fähigkeit der Mitarbeitenden, KI-Wissen praktisch in neue Lösungen zu übersetzen, wird mit durchschnittlich 2,85 / 5 als das „schwächste Glied der Kette“ bewertet.
„Viele Organisationen unterliegen der Illusion einer AI-Readiness, weil sie sich intensiv mit Informationen versorgen. Doch ohne die Fähigkeit zur Transformation bleibt dieses Wissen ungenutztes Potenzial“, erklärt Studienautor Hagen Habicht.
Ein aufschlussreiches Detail der Studie ist das TOP-DOWN Gefälle der Einschätzungen zur KI-Readiness: Während Vorstände die strategische KI-Bereitschaft ihrer Häuser durchweg positiv bewerten, äußern sich die zentralen Fachexpert:innen aus der IT- und Analytics-Ebene deutlich skeptischer. In Kombination mit unzureichend definierten strategischen KI-Zielen deutet diese Diskrepanz auf einen „blinden Fleck“ in der Führungsebene hin, der die praktische Umsetzung schon jetzt bremst.
„Das Gefälle zwischen Management und Fachebene zeigt einen ‚blinden Fleck‘ auf. Diese Vorsicht ist oft eine gezielte De-Risking-Strategie, z.B. aufgrund sensibler Daten oder schwach ausgebildeter Fehlerkultur. Doch gepaart mit starren Routinen führt dies zu einer organisatorischen Trägheit, die den Anschluss an eine moderne Versorgung gefährdet. Wir brauchen mutiges Experimentieren im mittleren Management statt reinem ‚Buzz‘ in Strategiepapieren“, schließt Anna-Luisa Stöber.
„Alle reden darüber, alle haben sie in irgendeiner Form im Einsatz. KI ist längst auch in der GKV angekommen. Die Ergebnisse der Studie zeigen jedoch: Noch liefert die Technologie kaum messbare Mehrwerte in den Kernbereichen der Krankenkassen. Das wird die zentrale Herausforderung den nächsten Monaten sein – auf strategischer und operativer Ebene.“ Martin Blaschka, Geschäftsführer der INNO3 GmbH.
Vom Schlagwort zum messbaren Erfolg
Die Autor:innen resümieren, dass die deutschen gesetzlichen Krankenkassen zwar die strategische Relevanz von KI erkannt haben, der Weg zur „AI-Readiness“ jedoch noch weit ist. Ein entscheidender Erfolgsfaktor wird künftig die Etablierung messbarer Zielsysteme sein: Bisher verfügen nur sechs der untersuchten 21 Kassen über spezifische KI-Projekte mit klaren Erfolgskennzahlen wie etwa Bearbeitungsdauern, Konversionsraten oder die Genauigkeit von KI-Antworten.
Damit die Transformation gelingt, empfehlen die Autor:innen, das mittlere Management gezielt zu incentivieren und systematische Experimentierräume zu schaffen. Nur so kann die Lücke zwischen dem strategischen Anspruch und der operativen Realität nachhaltig geschlossen werden.
Hier gibt's die Studie zum Download
Quelle: Macromedia University