Whitepaper · 2026
ITSC Horizon
Wie autonome AI-Agents Routineaufgaben übernehmen, die Versichertenkommunikation beschleunigen und Fachkräfte spürbar entlasten — und worauf es bei Integration, Betrieb und Compliance wirklich ankommt.
Management Summary
AI-Agents erweitern die Automatisierungsmöglichkeiten in der GKV: Sie lösen Aufgaben eigenständig, indem sie unstrukturierte Daten — Texte und Bilder — auswerten und über eine vorgegebene Auswahl an Werkzeugen, vor allem Schnittstellen zu Bestandssystemen, handeln.
Das größte Potenzial liegt in der Kommunikation mit Versicherten und in der Unterstützung von Routineaufgaben. Gerade dort, wo Dokumente und Daten aus mehreren Systemen zusammengeführt und analysiert werden müssen, leisten Agenten wertvolle Vorarbeit — und schaffen die Grundlage für eine abschließende Entscheidung durch Menschen.
So lassen sich Fachkräfte deutlich entlasten, Prozesse beschleunigen und die Kundenzufriedenheit durch kürzere Reaktionszeiten steigern.
Den größten Hebel zur Realisierung bilden heute die Integration in Bestandssysteme sowie sichere, skalierbare Betriebsumgebungen für KI-Modelle.
Inhalt
Kapitel — Ausgangslage
Bevor KI ihren Nutzen in der gesetzlichen Krankenversicherung entfalten kann, stehen vier wiederkehrende Hürden im Weg. Sie sind weniger technologischer als struktureller Natur.
Es fehlt eine geeignete Integrationslösung, um KI an die vielfältigen Anwendungslandschaften der Krankenkassen anzubinden.
KI als InsellösungEin mangelndes Verständnis juristischer, kaufmännischer und kundenbezogener Anforderungen erschwert die Bewertung von Veränderungspotenzialen.
Bewertung erschwertTeilweise fehlt die digitale Grundlage, um KI kurzfristig zu validieren und produktiv einzuführen.
Fehlende BasisDer Compliance-Aufwand bestimmter KI-Anwendungen wird in der GKV häufig als deutlich höher wahrgenommen, als er tatsächlich ist.
Falsche WahrnehmungKapitel — Grundlagen
Fünf Begriffe geraten regelmäßig durcheinander: AI, LLM, AI-Agent, AI-Agent-Plattform und KI-Plattform. Sie bauen aufeinander auf — wer sie sauber trennt, kann Potenzial und Aufwand realistisch einordnen.
Eine Sammlung von Technologien bildet das Feld. Sie alle erzeugen auf Basis zuvor erlangten „Wissens" technische Ausgaben.
Eine mit Milliarden Daten vortrainierte KI zur Spracherzeugung. Sie besitzt breites Kontextverständnis, kann generieren und beherrscht oft mehr als reine Sprache.
Gibt man einem LLM Werkzeuge, deren Einsatz es selbst steuert, entsteht ein AI-Agent. Die Bandbreite reicht von kleinen, zusammengeklickten Agenten bis zu komplexen Multiagenten-Lösungen.
Die Entwicklungs- und Betriebsüberwachungs-umgebung für AI-Agents. Viele Lösungen verfolgen einen No-Code-Ansatz und ermöglichen auch Laien das Bauen von Agenten.
Die Betriebsumgebung für Daten- und Testmanagement, Ressourcenverwaltung und Roll-Out — vergleichbar mit anderen Software-Betriebsplattformen. Hier dominieren Open-Source-Standards.
Die Entwicklung der Informationstechnologie
Quelle: angelehnt an Board of Innovation — „Your playbook to win in the age of AI".
Die Bewertung von Reifegrad und tatsächlichem Mehrwert einer Technologie ist anspruchsvoll — Hype und Substanz liegen eng beieinander.
Fast wöchentlich erscheint eine neue Technologie. Architektur- und Lieferantenentscheidungen müssen mit dieser Dynamik umgehen können.
Die fortschrittlichsten Technologien kommen überwiegend aus den USA (Anthropic, OpenAI). Das stellt die GKV vor besondere Compliance-Fragen.
Kapitel — Technologie
Ein AI-Agent — oft auch „AI-Employee" genannt — handelt nicht nach starren Regeln, sondern verfolgt ein Ziel. Er nimmt Informationen auf, plant, handelt und liefert ein Ergebnis.
Aufnahme von Daten, Dokumenten und Anfragen — auch unstrukturiert.
Zerlegung der Aufgabe und Auswahl der passenden Werkzeuge.
Ausführung über Schnittstellen, Suche, Berechnung oder Kommunikation.
Ergebnis, Vorschlag oder erledigte Aufgabe — bereit zur Freigabe.
Agenten arbeiten unabhängig und agieren ohne ständige menschliche Überwachung.
Über Machine & Deep Learning passen sie sich an neue Daten und Situationen an.
Sie interagieren über APIs, Chatbots oder Sprachschnittstellen mit Mensch und System.
Algorithmen analysieren Daten und treffen darauf aufbauend Entscheidungen.
Je nach Bedarf lassen sie sich schnell skalieren oder duplizieren.
Sie binden sich in bestehende Systeme wie CRM, ERP oder Workflow-Tools ein.
Reifegradmodell der Digitalisierung
AI-Agents sind — neben BITMARCK-Workflows, BITMARCK-Aktionssteuerungen und Robotic Process Automation (z. B. mit UiPath) — eine weitere Option, um Prozesse mit unstrukturierten Eingangsdaten zu automatisieren.
Recherche, Berichte erstellen und andere Einzelaufgaben für den Arbeitsplatz.
Z. B. eine Beitragsänderungs-Berechnung über mehrere Schritte hinweg.
Übernimmt z. B. die komplette Kommunikation mit Versicherten unter Nutzung diverser Quellen.
Beide Ansätze haben ihre Berechtigung. Diese fünf Kriterien helfen bei der Wahl.
| Kriterium | Klassische Automatisierung | AI-Agent |
|---|---|---|
| Grundprinzip | Wenn-dann-Regeln / fester Prozess | Zielorientiertes Handeln |
| Intelligenzgrad | Deterministisch (immer gleich) | Adaptiv und kontextabhängig |
| Flexibilität | Starr | Flexibel |
| Skalierung | Technisch gut, fachlich eingeschränkt | Technisch und fachlich gut skalierbar |
| Regulatorik | Grundsätzlich geringer Aufwand | Use-Case-spezifische Einzelfallanalyse nötig |
Priorisierung
Keine Lösung ist in allen drei Dimensionen führend. Die Auswahl ist immer eine bewusste Priorisierung.
Kapitel — Anwendung
Daten allein genügen nicht. Damit ein AI-Agent im echten Leben Mehrwert liefert, muss er in die Prozessstrecken und Bestandssysteme integriert werden, die es heute schon gibt.
Das weiß jede und jeder — und ist in der Regel durch die jeweilige Lösung bereits sichergestellt.
Erst sie verschafft im Tagesgeschäft relevanten Einfluss und macht aus Daten echten Mehrwert.
Schematische Integration
Wo das KI-Modell „läuft", spielt inhaltlich keine Rolle — mehrere Anbieter liefern BAS-konforme Lösungen.
Über 300 Schnittstellen · in 30 Krankenkassen integriert · mehrere 100.000 Aufrufe pro Tag
Die Digital Platform des ITSC ist heute bereits in die Massenprozesse von 30 Krankenkassen integriert und stellt über 300 Schnittstellen bereit, die zusammen mehrere 100.000-mal am Tag genutzt werden.
Auch für Kassen, deren BITMARCK 21c|ng nicht im ITSC läuft, ist die Digital Platform breit im Einsatz. Gerade die breite Integration von AI-Agents braucht genau diesen sauberen Zugriff.
Sachbearbeitende müssen sich regelmäßig über Release Notes im System 21c|ng informieren, deren Relevanz bewerten und Erkenntnisse im Team teilen.
Zusammenfassung der relevanten Änderungen im BITMARCK 21c|ng und Aufbereitung als PowerPoint im Corporate Design.
Versicherte zeitnah informieren: Viele Anfragen lassen sich schnell anhand des im Unternehmen vorhandenen Wissens beantworten.
Formulieren von Antworten auf Versichertenanfragen auf Basis der unternehmensweiten Wissensdatenbank.
Trotz Wissensdatenbanken erreichen Kassen viele Anfragen per Telefon und E-Mail. Automatisierung entlastet Berater*innen für komplexe Anliegen.
Beantwortung einfacher und häufiger Versichertenanfragen über Telefon und E-Mail.
Kapitel — Compliance
AI-Agents können Entscheidungen, Kommunikation und Prozessschritte automatisieren — und dabei auf Sozial- und Versichertendaten zugreifen.
Compliance-Risiken entstehen nicht im Modell, sondern im Zusammenspiel von Agenten, Daten und Prozess. AI-Agents sind keine IT-Tools — sie sind eigene Akteure.
Für jeden AI-Agents sollten folgende Punkte verbindlich festgelegt werden:
Open-Source-Agent-Plattformen greifen auf Nodes zurück, die eigene Nutzungslizenzen haben. Relevante Managementfragen:
Quelle: BFSG / EU-KI-Verordnung
Aus DSGVO & Sozialdatenschutz folgt: Warum kam diese Antwort zustande? Auf welche Daten hat der Agent zugegriffen? Notwendig für interne Prüfung, Datenschutz und externe Revision.
Quelle: KI-Verordnung / Empfehlungen der EU-Kommission
Eine klare Trennung ist erforderlich zwischen Nutzer-, Agenten- und Plattformrechten.
Quelle: KI-Verordnung / Empfehlungen der EU-Kommission
Formale Regelungen sind nötig für Einführung, Änderungen, regelmäßige Auditierung und Deaktivierung. Andernfalls entstehen Risiken:
Quelle: KI-Verordnung / Empfehlungen der EU-Kommission
Kapitel — Kompetenzen
No-Code- und Code-Agenten verlangen unterschiedliche Profile. No-Code rückt fachliches Verständnis in den Vordergrund, Code die technische Integration.
| Kompetenzfeld | No-Code AI-Agents | Low-Code / Code AI-Agents |
|---|---|---|
| Schwerpunkt | fachlich / UX | technisch / Integration |
| System Prompting | hoch (konzeptionell) | hoch (technisch) |
| Programmierung | nicht nötig | notwendig |
| Use-Case-Entwicklung | notwendig | notwendig |
| Systemintegration | nicht nötig | notwendig |
| Governance & Compliance | notwendig | notwendig |
| Controlling von Ergebnissen & Daten | notwendig | notwendig |
Kapitel — Roadmap
Der Weg führt von der etablierten LLM-Nutzung über No-Code-Agenten im Fachbereich bis zu tief integrierten Agenten in komplexen Prozessen.
Kapitel — Umsetzung
Erfolg entsteht, wenn alle Mitarbeitenden mitgenommen werden und Ängste gar nicht erst aufkommen. Fünf aufeinander aufbauende Schritte führen zum produktiven Einsatz.
Eine Auftaktveranstaltung vermittelt Grundlagen zur Technologie, ihrem Einsatz und den konkreten Vorteilen für die Mitarbeitenden — mit ausreichend Raum für Fragen.
Das AI-Agent-Team besteht idealerweise aus einem erfahrenen Consultant und mehreren Scouts. Der Consultant bringt das Fachwissen und koordiniert Scouts und Prozessevaluation; die Scouts beurteilen Prozesse aus fachlicher Sicht. Die Motivation der Mitarbeitenden ist ein entscheidender Erfolgsfaktor.
In einem Kick-off wird das Team vertraut gemacht: Grundlagen („Was ist ein AI-Agent?"), der Evaluationsprozess, häufige Fehlerquellen bei der Prozessauswahl und vorhandene Hilfsmittel wie Checkliste und Templates.
Die Scouts identifizieren in den Fachabteilungen über zwei Wochen potenzielle Prozesse. Diese werden mit einer abgestimmten Checkliste aufgenommen, klassifiziert und priorisiert — je Scout maximal fünf Prozesse im Detail.
In einer zweiwöchigen Phase bewerten die Scouts jeden Prozess im Detail — unterstützt von einem Automation-Analyst und dem Controlling (Wirtschaftlichkeit). Pro Prozess wird ein Business Case mit ROI berechnet. Das Ergebnis ist ein Ranking, das die Umsetzungsreihenfolge vorgibt.
Kapitel — Zusammenfassung
AI-Agents transformieren Krankenkassen von reaktiven Bearbeitungsorganisationen hin zu proaktiven, datengetriebenen Serviceanbietern.
Vorteile für die gesetzlichen Krankenkassen
Kapitel — Angebot
ITSC bringt AI-Agents BAS-konform in die Praxis — vom Bauen und Betreiben über AI-Endpoints bis zur gemeinsamen Umsetzung konkreter Anwendungsfälle.
Eine gemanagte n8n-Plattform in sicherer, BAS-konformer Cloud-Infrastruktur — mit Betrieb, Beratung und Community.
Auch unabhängig von Agenten: AI-Endpoints (OVH, künftig Azure), BAS-konform für die Verarbeitung von Sozialdaten.
Gemeinsame Realisierung — von einfacher Prozessautomatisierung bis zu komplexen Agent-Workflows.
