Der Druck auf Versicherer, Schadenprozesse effizienter zu gestalten, wächst kontinuierlich. Gleichzeitig erschweren historisch gewachsene, fragmentierte Systemlandschaften häufig eine durchgängige digitale Bearbeitung komplexer Schadenfälle. Genau hier setzt die Partnerschaft von msg nexinsure und VYDA an.

Mit der Integration der Personenschadenlösungen von VYDA erweitert msg nexinsure den Leistungsumfang von msg.P&C Claims gezielt um hochspezialisierte Fähigkeiten für komplexe Personen- und Unfallschäden. Versicherer erhalten damit eine leistungsstarke, durchgängige Schadenplattform, die End-to-End-Prozessabbildung, ein 360°-Schadendashboard und ein integriertes Dienstleister-Ökosystem mit der fachlichen und digitalen Personenschaden-Expertise von VYDA verbindet – von der strukturierten Informationsbeschaffung über die medizinische Bewertung bis hin zur Prognose- und Fallsteuerungsunterstützung. So entsteht ein klarer Mehrwert für Schadenorganisationen: schnellere und fundiertere Entscheidungen, höhere Prozesssicherheit, mehr Transparenz und eine spürbare Effizienzsteigerung in der Bearbeitung komplexer Schadenfälle.

Effizienzsteigerung durch Prozessautomatisierung und optimierte Workflows

Umfangreiche medizinische Dokumentationen, unterschiedliche Datenquellen und historisch gewachsene Systemlandschaften machen die Bearbeitung von Personenschäden häufig komplex und zeitaufwendig. Informationen und Prozesse sind oft über mehrere Systeme verteilt, was Medienbrüche und zusätzlichen Abstimmungsaufwand verursacht. Die Integration der Personenschadenlösungen von VYDA in msg.P&C Claims schafft durchgängige digitale Workflows und reduziert den Aufwand für technische Anbindungen. Versicherer profitieren von einem schnelleren Zugriff auf relevante Informationen, einer stärkeren Automatisierung administrativer Aufgaben und einer effizienteren Steuerung komplexer Schadenfälle.

„Versicherer erwarten heute Lösungen, die sich nahtlos in bestehende Prozesse integrieren lassen und gleichzeitig fachlichen Mehrwert schaffen. Mit msg nexinsure haben wir einen starken Partner gefunden, der unsere Personenschaden-Expertise direkt in moderne Schadenprozesse integriert. Gemeinsam schaffen wir für Versicherer einen spürbaren Mehrwert durch effizientere Abläufe, bessere Datenverfügbarkeit und eine schnellere Fallbearbeitung“, sagt Jörg Halm, Direktor und Prokurist bei VYDA.

„Mit VYDA erweitern wir unser Schadenökosystem gezielt um einen ausgewiesenen Spezialisten für Personen- und Unfallschäden. Unsere Kunden profitieren von einer durchgängigen Lösung, die Technologie, Prozesse und fachliche Expertise intelligent miteinander verbindet. Damit unterstützen wir Versicherer dabei, komplexe Schadenfälle effizienter zu bearbeiten und ihre digitale Transformation weiter voranzutreiben“, ergänzt Helmut Körfer, Chief Sales Officer bei msg nexinsure.

Über VYDA

VYDA ist einer der führenden Datenexperten im deutschsprachigen Raum und verbindet menschliche Expertise mit innovativer Technologie. Als verantwortungsvoller Partner für Prozessautomatisierung unterstützt VYDA die datengetriebene Transformation in den Zielbranchen Insurance und Real Estate. Mit über 400 Mitarbeitenden vereint das Unternehmen mit Sitz in Münster fundiertes Branchen-Know-how mit ISO-zertifizierter Technologie und langjähriger Erfahrung in der End-to-End-Steuerung von Geschäftsprozessen.

Mit passgenauen Lösungen stärkt VYDA die Wettbewerbsfähigkeit von Unternehmen in den Bereichen Kfz-, Sach-, Personenschaden und Real Estate. KI-gestützte Prozesse und fachlich validierte Analysen bilden das Fundament für datengetriebene Entscheidungsfindung in der Versicherungs- und Immobilienwirtschaft. Dabei arbeitet das Unternehmen eng mit seinem strategischen Partner, dem Sachverständigenbüro STIBL in Österreich, zusammen.

VYDA – Value your Data.

Weitere Informationen unter www.vyda.de

Pressekontakt

VYDA GmbH
Paula Hürter
Communications Lead
Tel. +49 175 3514405
p.huerter@vyda.de

Über die msg nexinsure ag

Die msg nexinsure ag mit Sitz in Ismaning bildet mit ihren Gruppenunternehmen eines der größten IT- und Beratungs-Lösungshäuser für Versicherungsunternehmen im deutschsprachigen Raum. Das Produktportfolio der msg nexinsure ag beinhaltet ein vollständiges und spartenübergreifendes IT-Lösungsangebot für die Bereiche
Kranken-, Sach- und Kfz-Versicherung.

Erfahren Sie mehr unter: msg-insurance-suite.com/de/

Die msg nexinsure ag gehört zur msg-Gruppe, die seit mehr als 45 Jahren und mit nunmehr ca. 10.000 Mitarbeitenden in 34 Ländern im Bereich Softwareentwicklung und im IT-Consulting Maßstäbe setzt.

Pressekontakt

msg nexinsure ag
Cornelia Thelen
Tel. +49 40 37 86 267 048
cornelia.thelen@msg.group 

Dieser Beitrag erschien zuerst beim Versicherungsboten (18.09.2026).

Versicherer erkennen heute mehr Potenziale als je zuvor. Warum bleiben trotzdem viele davon ungenutzt?

Die Versicherungswirtschaft hat in den vergangenen Jahren erhebliche Fortschritte bei der Digitalisierung von Schadenprozessen erzielt. Rechnungen, Kostenvoranschläge und weitere Belege lassen sich heute automatisiert prüfen, Auffälligkeiten erkennen und potenzielle Abweichungen identifizieren. Unterstützt durch regelbasierte Systeme, Datenanalysen und zunehmend auch künstliche Intelligenz ist die Transparenz in vielen Prozessen deutlich gestiegen.

Dennoch zeigt sich in der Praxis ein bemerkenswertes Phänomen:

Ein Prüfsystem identifiziert bei einer Glasschadenrechnung eine Auffälligkeit. Die Position wird fachlich geprüft, ein Kürzungspotenzial von beispielsweise 15 Euro erkannt. Die Analyse ist korrekt. Die Auffälligkeit ist nachvollziehbar dokumentiert.

Und trotzdem wird die Kürzung häufig nicht umgesetzt.

Nicht weil sie fachlich falsch wäre. Sondern weil zwischen dem Erkennen und dem Realisieren eines Potenzials weitere Prozessschritte liegen: Rückfragen, Abstimmungen, Werkstattkontakte oder Verhandlungen.

Genau hier beginnt das eigentliche Umsetzungsparadox moderner Schadenprozesse.

Die Herausforderung liegt nicht mehr im Erkennen

Die Diskussion rund um Automatisierung konzentriert sich häufig auf die Frage, wie Auffälligkeiten identifiziert werden können. Dabei wird leicht übersehen, dass die Analyse nur einen Teil der Wertschöpfungskette darstellt.

Zwischen einem identifizierten Potenzial und einer tatsächlichen wirtschaftlichen Wirkung liegen weitere Schritte: Positionen müssen fachlich bewertet, Sachverhalte geklärt und gegebenenfalls mit externen Partnern abgestimmt werden. Erst wenn dieser Prozess abgeschlossen ist, entsteht aus einem identifizierten Potenzial ein tatsächliches Ergebnis.

Viele Versicherer verfügen heute über mehr Transparenz als je zuvor. Das eigentliche Problem liegt zunehmend nicht mehr in der Identifikation von Potenzialen, sondern in deren wirtschaftlicher Realisierung.

Mit anderen Worten: Die Branche entwickelt sich vom Analyseproblem zum Umsetzungsproblem.

Das Glasbeispiel macht die Herausforderung sichtbar

Besonders deutlich zeigt sich dieses Muster in standardisierten Schadenarten wie dem Glasgeschäft.

Auf den ersten Blick wirken die Potenziale pro Schadenfall überschaubar. Gleichzeitig entstehen durch hohe Fallzahlen erhebliche Gesamteffekte. Deshalb lassen viele Versicherer Rechnungen heute automatisiert oder durch spezialisierte Prüfdienstleister analysieren, um Auffälligkeiten und Kürzungspotenziale frühzeitig zu identifizieren.

Die eigentliche Herausforderung beginnt jedoch häufig erst danach. Denn aus einem identifizierten Potenzial wird nur dann ein wirtschaftlicher Effekt, wenn Rückfragen geklärt, Werkstätten kontaktiert und strittige Positionen erfolgreich verhandelt werden. Genau dieser Schritt lässt sich bislang nur begrenzt automatisieren und entwickelt sich zunehmend zum eigentlichen Engpass im Prozess.

Die wirtschaftliche Herausforderung liegt dabei auf der Hand: Der Aufwand für die operative Umsetzung steht häufig in einem ungünstigen Verhältnis zum Einzelfall.

Die Konsequenz ist eine betriebswirtschaftlich nachvollziehbare Entscheidung: Potenziale werden erkannt, aber nicht konsequent realisiert.

Das Ergebnis ist keine Fehlfunktion des Prozesses, sondern eine logische Konsequenz seiner Organisation.

Je besser die Systeme werden, desto sichtbarer wird der Engpass

Paradoxerweise verstärkt der technologische Fortschritt diese Entwicklung sogar.

Je mehr Auffälligkeiten automatisiert identifiziert werden, desto stärker rückt die operative Bearbeitung in den Vordergrund. Die Frage lautet dann nicht mehr: „Welche Fälle sollten bearbeitet werden?“, sondern vielmehr: „Wer bearbeitet sie – und wie?“

Vor dem Hintergrund steigender Schadenvolumina, anhaltenden Fachkräftemangels und demografischer Entwicklungen gewinnt diese Fragestellung zusätzlich an Bedeutung.

Gerade in hochvolumigen Standardprozessen wird Skalierung damit zum eigentlichen Engpass.

Von der Automatisierung zur Operationalisierung

Diese Entwicklung legt einen Perspektivwechsel nahe.

Lange lag der Fokus auf der Automatisierung einzelner Prozessschritte. Zunehmend zeigt sich jedoch, dass der eigentliche Mehrwert erst dann entsteht, wenn die daraus resultierenden Maßnahmen auch operativ umgesetzt werden können.

Für Schadenorganisationen bedeutet das, die gesamte Wertschöpfungskette zu betrachten.

Neue Operating Models setzen genau an diesem Punkt an. Sie verbinden automatisierte Prüfung, standardisierte Entscheidungslogiken und spezialisierte operative Bearbeitung zu einem durchgängigen Prozess.

Ziel ist nicht allein die Erkennung von Potenzialen, sondern deren systematische Realisierung.

Dazu gehören beispielsweise spezialisierte Einheiten, die identifizierte Auffälligkeiten bündeln, zentral bearbeiten und wirtschaftlich skalierbar umsetzen können. Die entscheidende Innovation liegt dabei häufig weniger in der Technologie als in der Organisation ihrer Anwendung.

Was die Praxis zeigt

Wie relevant diese Fragestellung ist, zeigt sich in Pilotprojekten aus der Schadenpraxis.

In einem PoC zur proaktiven Endverhandlung von Glasschäden konnten bei 67 Prozent der betrachteten Vorgänge einvernehmliche Lösungen mit Werkstätten erzielt werden. Gleichzeitig zeigte sich in 40 Prozent der erfolgreichen Gespräche die Bereitschaft zu weiterführenden Vereinbarungen für zukünftige Fälle.

Bemerkenswert ist dabei weniger die konkrete Höhe einzelner Kürzungen als die Erkenntnis dahinter: Potenziale entfalten ihren wirtschaftlichen Nutzen erst dann, wenn ihre Umsetzung organisatorisch sichergestellt wird.

Die Analyse allein erzeugt noch keinen Mehrwert.

Neue Rollen für Mensch und Technologie

Die Entwicklung verändert auch die Rolle der Mitarbeitenden.

Während repetitive Tätigkeiten zunehmend automatisiert werden, gewinnen Aufgaben an Bedeutung, die Fachwissen, Verhandlungskompetenz oder die Bearbeitung von Ausnahmefällen erfordern.

Die Frage lautet deshalb nicht, ob Technologie den Menschen ersetzt. Vielmehr verschieben sich die Tätigkeiten innerhalb der Wertschöpfungskette.

Knappe Fachressourcen müssen dort eingesetzt werden, wo sie den größten Nutzen stiften. Standardisierte Volumenprozesse wiederum benötigen Organisationsformen, die eine wirtschaftliche Bearbeitung überhaupt erst ermöglichen.

Der nächste Reifegrad digitaler Schadenprozesse

Die Digitalisierung der Schadenbearbeitung wurde lange durch Transparenz, Automatisierung und Effizienz geprägt.

Der nächste Entwicklungsschritt könnte jedoch an einer anderen Stelle liegen.

Nicht die Frage, ob ein Potenzial erkannt wird, entscheidet künftig über den wirtschaftlichen Erfolg eines Prozesses. Entscheidend wird sein, ob Organisationen in der Lage sind, erkannte Potenziale konsequent und skalierbar umzusetzen.

Damit verschiebt sich der Fokus von der Technologie auf das Betriebsmodell.

Die zentrale Frage für Schadenorganisationen lautet künftig nicht mehr:

„Wie erkennen wir Auffälligkeiten?"

Sondern:

„Wie stellen wir sicher, dass aus Erkenntnissen tatsächlich Ergebnisse werden?"

Diese Zahlen beschreiben kein technologisches, sondern ein strukturelles Problem. Die strategisch entscheidende Frage lautet deshalb nicht mehr, ob künstliche Intelligenz Wert schafft. Sie lautet: Was unterscheidet die Unternehmen, die diesen Wert bereits realisieren, von jenen, die noch in Pilotprojekten verharren? Und welche Konsequenzen ergeben sich daraus für das eigene Geschäftsmodell?

Was heute in Strategie-Papieren als nächste Phase der KI beschrieben wird, lässt sich in dokumentenbasierten Prozessen seit Jahren in der Praxis beobachten.

Wenn Volumen automatisierbar wird, verlieren volumenbasierte Modelle ihre Grundlage

Klassische Business-Process-Outsourcing-Modelle basieren auf einer einfachen Logik: Pro bearbeitetem Dokument, pro abgewickeltem Fall, pro erfasstem Datensatz wird vergütet. Diese Logik funktionierte, solange die zugrundeliegenden Tätigkeiten nicht automatisierbar waren – Lesen, Übertragen, Strukturieren von Informationen war menschliche Arbeit.

Moderne Sprachmodelle verändern diese Voraussetzung grundlegend. Für end-to-end neu designte Workflows werden mögliche Kostenreduktionen von 60 Prozent und mehr beschrieben. In der Schadenbearbeitung berichten Versicherer von Produktivitätsgewinnen zwischen 30 und 40 Prozent, sobald agentische Systeme über den gesamten Bearbeitungsprozess hinweg orchestriert werden.

Was gestern noch ein Stundensatz war, ist heute eine API-Abfrage. Damit gerät die ökonomische Logik volumenbasierter Service-Modelle unter Druck – und mit ihr die Marktposition aller Anbieter, deren Wertversprechen primär auf der Skalierung manueller Arbeit beruht. Für Vorstände stellt sich damit nicht die Frage, ob sich Service-Modelle verändern – sondern wie schnell und wie radikal.

Vom Pay-per-Document zum Pay-per-Outcome: Eine Verschiebung mit messbarer Dynamik

Die ökonomische Logik der Verschiebung ist kein theoretisches Konstrukt. In der Beratungsbranche selbst ist mittlerweile rund ein Viertel der globalen Honorare an Outcomes gekoppelt – nicht mehr an Stunden. Die Hintergründe sind aufschlussreich: In den großen Häusern berichten Berater von Zeiteinsparungen von bis zu 30 Prozent in der Wissensarbeit durch interne KI-Tools. Wenn KI ein Drittel der Denkarbeit übernimmt, verliert die abrechenbare Stunde ihre Funktion als Wertmaßstab.

Dieselbe Logik greift in service-intensiven Industrien. Wenn die Bearbeitung von Dokumenten automatisierbar wird, verschiebt sich der Wertbeitrag in der Wertschöpfungskette. Nicht mehr die Bearbeitung selbst ist knapp, sondern die Qualität der Entscheidungen, die aus den Informationen abgeleitet werden. Daraus folgt eine neue ökonomische Logik: Vergütungsmodelle, die an Aufwand gekoppelt waren, verlieren ihre Berechtigung. An ihre Stelle treten Modelle, die an messbaren Ergebnissen ausgerichtet sind – reduzierte Schadenkosten, verbesserte Bearbeitungsqualität, höhere Kundenzufriedenheit.

Wer als Service-Provider künftig Wert generiert, muss diesen Wert auch in seinem Geschäftsmodell abbilden können – sonst überlässt er die entstehenden Margen anderen.

Warum dokumentenbasierte Prozesse als erstes produktivisiert wurden

Aufschlussreich ist, wo diese Verschiebungen bereits in der Praxis erprobt sind. Dokumentenbasierte Prozesse gehörten zu den ersten Anwendungsfeldern, in denen künstliche Intelligenz produktiv eingesetzt wurde – früher als die meisten heute diskutierten Use Cases.

Die Gründe dafür waren pragmatisch, nicht visionsgetrieben. Drei Bedingungen kamen zusammen: messbare Effekte durch klar definierte Vorher-Nachher-Vergleiche, kalkulierbares Risiko bei überschaubarer Eingriffstiefe in Kernprozesse, und etablierte Vorgängertechnologien aus der OCR- und Document-Capture-Welt. Wo andere Use Cases noch um Akzeptanz, Datengrundlage oder regulatorische Klarheit ringen mussten, konnten dokumentenbasierte Prozesse früh aus dem Experimentier- in den Produktivmodus wechseln.

Wer in diesem Feld früh begonnen hat, konnte Lernkurven durchlaufen, die anderen Anwendungsbereichen heute noch bevorstehen. Aus diesem Lernvorsprung lassen sich Muster ableiten. Nicht weil dokumentenbasierte Prozesse ein besonderer Sonderfall wären, sondern weil sie der erste belastbare Testlauf für Verschiebungen sind, die jetzt in andere Bereiche überlaufen.

Drei Jahre Produktivbetrieb: Was sich konkret beobachten lässt

Unsere Erfahrungen aus der Versicherungs- und Immobilienwirtschaft zeigen, wie sich die beschriebenen strategischen Verschiebungen in konkrete Wertschöpfung übersetzen. Vier Beobachtungen aus dem Produktivbetrieb:

Drei Jahre produktive KI in der Rechnungsverarbeitung (Immobilienwirtschaft). Mit der Lösung SmartInvoice setzen wir seit über drei Jahren KI-gestützte Modelle für die Verarbeitung von Rechnungen ein – zu einem Zeitpunkt, an dem ein Großteil der Branche noch nicht über Generative AI sprach. Die Reduktion manueller Nachbearbeitung ist substanziell. Entscheidender als die Effizienz ist der strukturelle Effekt: Erfassung wurde nachgelagert, fachliche Bewertung gewann an Gewicht, Qualitätssicherung wurde inhaltlich ausgerichtet.

Von der Extraktion zur Entscheidungsgrundlage: costREview. In einem zweiten Schritt haben wir aus strukturierten Rechnungsdaten eine Steuerungsgrundlage gemacht. Mit costREview lassen sich Kostenstrukturen bis auf Ebene einzelner Rechnungspositionen analysieren – Kostentreiber werden sichtbar, Dienstleister vergleichbar, Einkaufsentscheidungen fundiert. Damit verschiebt sich der Wertbeitrag von Prozessautomatisierung hin zu Entscheidungsunterstützung.

Transfer in die Versicherungswirtschaft: Agentic AI in der Schadenbearbeitung. Die gleichen Muster setzen wir heute im Versicherungsbereich um – unter regulatorisch deutlich anspruchsvolleren Bedingungen. KI-Agenten, trainiert auf historischen Schadenfällen, prüfen Plausibilitäten, erkennen Muster und bereiten Entscheidungen vor. Der gezielte Verzicht auf vollständige Autonomie ist dabei kein Kompromiss, sondern ein Design-Prinzip. Diese Architektur – KI-Agenten als primäre Execution Engine unter menschlicher Aufsicht – wird in der aktuellen Strategieliteratur als Zielbild für AI-First-Versicherer beschrieben; in dokumentenbasierten Prozessen lässt sie sich seit längerem im Produktivbetrieb beobachten.

Neue Wertschöpfung statt reiner Effizienz. Aus den freigesetzten Kapazitäten entstehen neue Services – etwa die direkte Verhandlung von Reparaturkonditionen mit Werkstätten. Der Effekt ist gerade nicht Personalabbau, sondern eine Verschiebung von repetitiver Bearbeitung zu fachlich anspruchsvollerer Tätigkeit. Diese Verschiebung hin zu Outcome-based Modellen wird in vielen Workforce-Transformation-Frameworks als Zielbild beschrieben; in dokumentenbasierten Prozessen lässt sie sich heute bereits konkret beobachten.

Der Vorteil dokumentenbasierter Prozesse lag nicht in besseren Visionen, sondern in einem früheren Zugang zu produktionsreifen Modellen. Daraus ergeben sich Erfahrungswerte, die sich heute über das ursprüngliche Anwendungsfeld hinaus übertragen lassen.

Der Service-Layer als strategischer Moat

Klassische Outsourcing-Modelle waren bewusst austauschbar konzipiert. Volumen ließ sich verschieben, Anbieter wechseln – genau diese Austauschbarkeit war Teil der Kundenstrategie.

KI-gestützte Service-Modelle funktionieren anders. Wer strukturierte Daten, fachliche Klassifizierung und kontinuierliche Optimierung als integralen Bestandteil der Wertschöpfung des Kunden bereitstellt, wird Teil der operativen Substanz – nicht externer Dienstleister, sondern integrierter Service-Layer. Die Bindung entsteht nicht durch Vertragslaufzeiten, sondern durch tiefe Integration in Daten, Prozesse und Entscheidungslogik. In der Strategieliteratur wird dieselbe Verschiebung mittlerweile auch im Retention-Kontext der Versicherungsdistribution diskutiert: weg von der Verhandlung, hin zur Optimierung. In dokumentenbasierten Prozessen lässt sich dieser Mechanismus seit längerem im Service-Modell selbst beobachten.

Für Auftraggeber bedeutet das eine andere Form der Zusammenarbeit – langfristiger, datengetriebener, schwerer reversibel. Für Anbieter entsteht eine neue Qualität von Retention, die in klassischen BPO-Modellen kaum erreichbar war. Für Vorstände stellt sich damit eine selten gestellte, aber zentrale Frage: Wer sollte den Service-Layer im eigenen Unternehmen kontrollieren?

Drei strategische Entscheidungen, die nicht delegierbar sind

Aus diesen Verschiebungen ergeben sich für Vorstände service-intensiver Industrien drei zentrale strategische Entscheidungen.

Erstens – Make or buy. Wer baut KI-gestützte Capabilities selbst auf, wer kauft sie ein, wer geht Partnerschaften ein? Diese Entscheidung definiert auf Jahre, wo der Wertbeitrag eines Unternehmens liegt – und welche Teile der Wertschöpfungskette von Dritten dominiert werden. Erschwerend kommt hinzu: Die Lebensdauer einzelner Modelle und Plattformen sinkt drastisch. Architektur muss heute Vendor-Wechsel mitdenken.

Zweitens – Vergütungslogik. Wer sich heute auf outcome-basierte Modelle einlässt, verändert seine eigene Margenstruktur und seine Anreize – mit allen Chancen und Risiken, die das mit sich bringt. Wer es nicht tut, riskiert, von Anbietern überholt zu werden, die diesen Schritt bereits gehen. Bei den großen internationalen Beratungshäusern ist heute bereits rund ein Viertel der Honorare an Outcomes gekoppelt; in der Branche wird offen von einer Verschiebung in Richtung Service-as-Software gesprochen. Der eigentliche Wettbewerbsdruck entsteht nicht durch Technologie, sondern durch Anbieter, die ihr Risiko teilen.

Drittens – Integrationstiefe. Wie tief lasse ich externe Service-Provider in meine operative Substanz integrieren? Wo entsteht produktive Abhängigkeit, wo strategisches Risiko? Die Antwort entscheidet, ob ein Unternehmen seinen Service-Layer kontrolliert – oder von ihm kontrolliert wird.

Diese drei Entscheidungen lassen sich nicht delegieren. Sie sind Vorstandsthemen, weil sie das Geschäftsmodell selbst betreffen.

Die zweite Phase der KI ist eine Frage des Geschäftsmodells, nicht der Technologie

Die erste Phase der KI war geprägt von Experimenten und Effizienzfragen. Die zweite Phase betrifft die Architektur von Wertschöpfung selbst: Welche Tätigkeiten bleiben im eigenen Haus, welche werden ausgelagert, in welcher Form wird vergütet, wie tief wird integriert.

Was in der aktuellen Strategieliteratur als nächste Phase beschrieben wird, ist in dokumentenbasierten Prozessen vielfach bereits gelebte Praxis – nicht weil dort früher die Vision war, sondern weil dieser Anwendungsbereich aus pragmatischen Gründen besonders früh produktisiert wurde. Lösungen wie SmartInvoice und costREview sind keine isolierten Tools, sondern Bestandteile eines Service-Modells, in dem aus Dokumenten strukturierte Daten und aus Daten unternehmerische Entscheidungen werden.

Wer als Unternehmen die zweite Phase der KI strategisch gestalten will, muss deshalb auf Vorstandsebene über Geschäftsmodelle nachdenken – nicht über Tools. Operating Models, die sich in der Praxis bereits bewährt haben, sind dabei ein wertvoller Anhaltspunkt.

Quellenhinweis: Zahlen und Aussagen basieren auf aktuellen Branchenanalysen, u.a. BCG-Veröffentlichungen zu AI-First Versicherern (2026) sowie McKinsey „State of AI 2025“ und „State of Organizations 2026“. Angaben zur Outcome-based-Pricing-Umstellung bei führenden Beratungshäusern nach Berichterstattung von Business Insider.

Die langjährigen VYDA-Manager Hubertus Lange, zuletzt CFO, und Pinar Reuter, zuletzt Director Customer Success, übernehmen künftig gemeinsam die Geschäftsführung des Unternehmens. Komplettiert wird die Geschäftsleitung durch Philipp Schäfer, weiterhin Managing Director und COO.

Pinar Reuter verantwortet künftig die Bereiche Markt und Kunde, Hubertus Lange ist fortlaufend für die Finanzen sowie für die Weiterentwicklung zentraler Unternehmensprozesse zuständig. Philipp Schäfer steuert weiterhin die Transformation des Geschäfts.

„Nach der Einführung unserer neuen Marke VYDA schlagen wir nun auch auf Führungsebene ein neues Kapitel auf. Dabei setzen wir bewusst auf Kontinuität, um das gewonnene Momentum zu sichern und die Weiterentwicklung des Unternehmens zielgerichtet voranzutreiben. Im Fokus stehen effiziente Strukturen, die Optimierung zentraler Prozesse mit Hilfe neuster Technologien und somit die Stärkung unserer internen Leistungsfähigkeit“, sagt Hubertus Lange, Geschäftsführer bei VYDA.

„Darauf aufbauend werden wir den Austausch mit unseren Kunden und Partnern intensivieren und unser Verständnis für Markt und Umfeld weiter vertiefen. So schaffen wir die Basis, um nachhaltige Wachstumschancen konsequent zu realisieren“, sagt Pinar Reuter, Geschäftsführerin bei VYDA.

Nach zehn Jahren als Geschäftsführer widmet sich Sven Krüger einer neuen beruflichen Herausforderung. „Wir danken Sven für seine herausragende Leistung. Mit seiner klaren Vision und seinem Engagement hat er das Unternehmen maßgeblich geprägt und eine solide Basis geschaffen, auf der wir nun weiter aufbauen. Für seine neue Aufgabe und seinen weiteren Weg wünschen wir ihm alles Gute.“

Der neue Name VYDA steht für „value your data“ und repräsentiert gleichzeitig die Transformation des Unternehmens: von einem etablierten Digitalisierungsdienstleister hin zu einem strategischen Partner, der Daten, KI und menschliche Expertise intelligent verbindet. Ziel ist es, Unternehmen dabei zu unterstützen, komplexe Prozesse effizienter, transparenter und skalierbarer zu gestalten.

„Mit VYDA schaffen wir eine Marke, die unsere Vision klarer ausdrückt: Daten sollen nicht nur verfügbar sein, sondern echten Wert schaffen“, sagt Sven Krüger, CEO von VYDA. „Der neue Markenauftritt spiegelt wider, wofür wir stehen – für langjährige Branchenerfahrung, Innovationskraft und die Fähigkeit, aus Daten intelligente Entscheidungen zu machen. Die Veränderung bedeutet für uns nicht, etwas aufzugeben, sondern das Beste aus der Vergangenheit mit in die Zukunft zu tragen.“

Das Rebranding umfasst neben dem neuen Namen auch ein vollständig überarbeitetes visuelles Erscheinungsbild sowie eine geschärfte Markenstrategie. Für bestehende Kunden ändert sich an den Leistungen und Ansprechpartnern nichts – vielmehr profitieren sie von einem stärkeren Zusammenspiel aus intelligenter Automatisierung, durchgängiger End-to-End-Prozesssteuerung und menschlicher Expertise, die gezielt in kritische Prozessschritte eingebunden bleibt.

Mit VYDA setzt das Unternehmen ein deutliches Zeichen für eine intelligente Balance aus Automatisierung und menschlicher Steuerung.