Die Apokalypse hat keinen Selbstbehalt

Den Anstoß liefert eine Buttonwood-Kolumne des Economist: „You can’t trade your way through the AI apocalypse“. Ihre Frage nach der finanziellen Absicherung existenzieller KI-Risiken führt zu einer Überlegung, die für Versicherungsmakler fast schon berufsschädigend klingt: Manchmal ist die richtige Antwort auf ein Risiko keine Polizze.

Das Jüngste Gericht lässt sich nicht rückversichern

Die christliche Tradition kennt gewaltige Endzeitbilder. Trotzdem wäre es theologisch verkürzt, ihre Hoffnung mit der vollständigen Auslöschung der Menschheit gleichzusetzen. Die Offenbarung mündet in das Bild einer erneuerten Welt, in der Gott unter den Menschen wohnt. Auch der katholische Katechismus beschreibt die Vollendung als Erneuerung von Menschheit und Welt. Das christliche Danach ist keine menschenleere Serverhalle. [1]

Eine hypothetische KI, die alle Menschen vernichtet, hätte dieses Danach für uns beseitigt. Ob irgendwo noch Rechner laufen oder Maschinen miteinander handeln, ändert nichts am fehlenden menschlichen Nutzen einer Entschädigung.

Versicherung überträgt finanzielle Folgen. Sie schafft keine neue Menschheit. Sie benötigt jemanden, der einen Schaden erleidet, eine funktionsfähige Gegenpartei und eine Welt, in der die Leistung noch etwas bewirken kann.

Beim Ende sämtlichen menschlichen Lebens wäre deshalb nicht der Selbstbehalt zu hoch. Der Zweck des Vertrags wäre verschwunden. Selbst eine Schadenmeldung innerhalb von 24 Stunden hätte nur noch begrenzten praktischen Wert.

Das macht ein solches Risiko nicht unwichtig. Im Gegenteil: Wo Entschädigung ihren Sinn verliert, wird Verhinderung umso wichtiger. Aus mangelnder Versicherbarkeit folgt kein Freibrief für Sorglosigkeit. Es folgt eine stärkere Verantwortung für die Voraussetzungen unseres Weiterlebens.

Noah hatte einen Vorsorgeplan

Für den unternehmerischen Alltag ist Noah vielleicht die hilfreichere biblische Figur. In der Erzählung baut er die Arche vor der Flut, schafft Platz für Lebewesen und legt Vorräte an. Das lässt sich als Bild für Vorsorge lesen: Überleben und Handlungsfähigkeit müssen vorbereitet werden, bevor die Krise beginnt. [2]

Mit etwas beruflicher Fantasie war Noah ein früher Verantwortlicher für Business Continuity. Allerdings mit ungewöhnlich konkreten Bauvorgaben und einem anspruchsvollen Tiermanagement.

Für Unternehmen lautet die zeitgemäße Frage: Welche Abläufe müssen weiterfunktionieren, wenn ein KI-Dienst ausfällt, ein Agent falsche Aktionen ausführt oder ein Angriff unsere Systeme lahmlegt? Wer darf den Agenten stoppen? Welche Zahlungen benötigen menschliche Freigabe? Funktionieren Wiederherstellung und Notbetrieb auch ohne den betroffenen Anbieter?

Eine gute Versicherung kann Geld und Krisenhilfe bereitstellen. Den vorher nie geplanten Ersatzprozess kann sie im Schadenfall nicht herbeizaubern. Auch Noah hätte mit einer Deckungszusage allein Schwierigkeiten gehabt, die Giraffen trocken unterzubringen.

Was sich bei KI überhaupt versichern lässt

KI ist zunächst eine Technologie. Für die Deckung zählt, welches Ereignis eingetreten ist, welcher Schaden entstand und was der konkrete Vertrag umfasst. Die Geneva Association beschreibt entsprechende Cyber-, Betriebs- und Haftungsrisiken und eine Entwicklung sowohl bestehender Deckungen als auch spezieller KI-Produkte. [3]

Bei einem KI-gestützten Angriff kommen beispielsweise Cyberdeckungen für vereinbarte Kosten der Krisenbewältigung, Wiederherstellung, Betriebsunterbrechung oder Haftpflicht in Betracht. Eine KI-bedingte Fehlberatung kann hingegen eine Berufshaftpflicht- oder Vermögensschadenfrage sein. Ein Deepfake-Zahlungsbetrug erfordert eine genaue Prüfung der Betrugs- und Vertrauensschadendeckung. Die Technik allein entscheidet das nicht.

Besonders wichtig: Ein falsches KI-Ergebnis ist nicht automatisch ein versicherter Cyberangriff. Eine rechtmäßig eingebundene KI kann mit gültigen Zugriffsrechten etwas Falsches tun, ohne dass jemand in ein System eingebrochen ist. Wer nur nach „Hackerangriff“ fragt, übersieht möglicherweise den eigentlichen Schadenmechanismus.

Speziallösungen existieren bereits. Munich Re beziehungsweise HSB beschreibt unter aiSure Deckungen für bestimmte KI-Leistungsfehler und daraus entstehende finanzielle oder haftungsrechtliche Folgen. Das ist ein Beispiel für definierte Versicherbarkeit, keine Zusage, dass jedes KI-Problem oder jedes Produkt in jedem Markt gedeckt wäre. [4]

Der sinnvolle Ausgangspunkt lautet daher: Konkrete Schadenmechanismen prüfen, Deckung ausdrücklich klären und Verantwortung nicht mit dem Abschluss einer Versicherung verwechseln.

Babel in der Cloud

Die Babel-Erzählung beginnt mit gemeinsamer Sprache und einem gewaltigen Gemeinschaftsprojekt. Als die Verständigung zerbricht, endet der Bau. [5] Als heutige Analogie gelesen, erinnert das an die Verletzlichkeit großer Vorhaben, die von einer gemeinsamen Voraussetzung abhängen. Das ist eine Übertragung auf unsere Gegenwart, keine biblische Aussage über Cloudanbieter.

Unsere digitalen Türme bestehen aus Cloudplattformen, Identitätsdiensten, Softwarebibliotheken, KI-Modellen und Schnittstellen. Gemeinsame Infrastruktur macht vieles effizient. Sie kann aber auch dazu führen, dass tausende Unternehmen gleichzeitig an derselben Stelle scheitern.

Eine hypothetische fehlerhafte Aktualisierung eines weitverbreiteten KI-Agenten könnte zahlreiche Nutzer zu falschen Aktionen veranlassen. Eine Schwachstelle in einer gemeinsamen Komponente könnte viele Betriebe gleichzeitig angreifbar machen. Ob daraus Schäden entstehen, hängt auch von Berechtigungen, Kontrollmechanismen und Wiederherstellungsmöglichkeiten ab.

Für Versicherer heißt das Kumulrisiko: Ein gemeinsamer Auslöser trifft mehrere versicherte Risiken. Dieses Problem existiert auch ohne KI. Lloyd’s untersucht etwa im Bericht „Cloud Down“ die Ansammlung von Risiken durch gemeinsame Anbieterabhängigkeiten. KI kann zusätzliche gemeinsame Abhängigkeiten schaffen; sie kann zugleich die Abwehr verbessern. Ein zwangsläufiger Anstieg sämtlicher Schäden lässt sich daraus nicht ableiten. [6]

Der Underwriter sollte deshalb neben der Frage nach der Sicherheit jedes einzelnen Unternehmens eine zweite stellen: Welche anderen Unternehmen im Bestand hängen am selben digitalen Fundament?

Ein Portfolio mit vielen verschiedenen Kundennamen kann technisch erstaunlich eintönig sein. Diversifikation auf dem Briefpapier ist noch keine Diversifikation im Serverraum.

Wann die Versicherbarkeit schwierig wird

Schwierig wird es, wenn viele Schäden gleichzeitig auftreten, ihre Größenordnung unsicher ist, Schadenursachen schwer abzugrenzen sind oder das verfügbare Kapital nicht zur möglichen Belastung passt. Die Geneva Association beschreibt diese Grenzen bei extremen Cyberereignissen ausdrücklich. [7]

Ein frei erfundenes Rechenbeispiel verdeutlicht den Unterschied: 200 versicherte Unternehmen erleiden durch dasselbe Ereignis jeweils 100.000 Euro gedeckten Schaden. Zusammen sind das 20 Millionen Euro. Ob jedes Unternehmen für sich überschaubar wirkte, hilft dem Versicherer dann nur begrenzt. Das Beispiel beschreibt ein Stressszenario, keine Eintrittswahrscheinlichkeit.

Zwei Portfolios können denselben erwarteten Jahresschaden haben und trotzdem unterschiedlich viel Kapital benötigen. Entscheidend ist, ob Schäden verteilt auftreten oder sich in wenigen Ereignissen bündeln.

Hier kommt die PML-Betrachtung ins Spiel: Welche große Portfoliobelastung erwarten wir unter festgelegten Modell-, Zeitraum- und Wahrscheinlichkeitsannahmen? Ein PML ist weder ein universell definierter Weltuntergangsbetrag noch eine Garantie für den höchstmöglichen Schaden. Die Annahmen gehören deshalb neben die Zahl.

Mehr Prämie allein löst außerdem nicht jedes Kumulproblem. Es kann sinnvoll sein, Kapazität je Abhängigkeit zu begrenzen, Limits und Selbstbehalte anzupassen, Rückversicherung gezielt einzusetzen und alternative Betriebswege zu verlangen. Rückversicherung verteilt die Belastung; sie beseitigt den gemeinsamen Auslöser nicht.

Welche Modelle beim Pricing sinnvoll sind

Michael Samselnig: Die Schlussfolgerung aus der Fachliteratur ist ein kombinierter Ansatz. Ein Modell sollte den normalen Schadenverlauf erklären, ein zweites gemeinsame Abhängigkeiten und ein drittes die Belastbarkeit des Portfolios unter Stress. Die Forschung unterscheidet hierfür unter anderem Einzelschaden-, gemeinsame Faktor- und Netzwerkansätze. [8]

Die Ansätze sind keine fertige Tarifempfehlung. Forschung zu Cyber-Pricing untersucht unter anderem Abhängigkeitsmodelle, Großschadenverteilungen und Bayes-Netze. Eine gesonderte Arbeit zeigt, wie Hawkes-Modelle zeitliche Bündelungen von Datenvorfällen erfassen können. Welcher Ansatz tragfähig ist, entscheidet sich an Datenqualität, Anwendungszweck und Überprüfung. [9][10]

Für einen praktikablen Beginn würde ich häufige Schäden anhand realer Schadendaten modellieren und die größten Anbieterabhängigkeiten zunächst mit nachvollziehbaren Szenarien prüfen. Dazu gehören Ausfälle verschiedener Dauer, unterschiedliche Wiederanlaufzeiten und die Frage, ob ein Ersatzdienst dieselbe Infrastruktur verwendet. Zwei Cloudverträge sind keine echte Redundanz, wenn beide am selben ausgefallenen Identitätsdienst hängen.

Statistische Abhängigkeit ist dabei nicht gleich technische Ansteckung: Eine gemeinsame Aktualisierung kann gleichzeitig viele Nutzer schädigen, ohne dass sich der Schaden von Unternehmen zu Unternehmen verbreitet. Beides gehört ins Modell, aber über unterschiedliche Mechanismen.

Auf dieser Basis lässt sich eine Prämie gedanklich zerlegen in erwartete selbst getragene Schadenkosten, Rückversicherungsprämie, Betriebskosten, Kapitalkosten und angemessen berücksichtigte Unsicherheit sowie Zielmarge. Dabei dürfen Schäden, Risikozuschläge und Rückversicherung nicht doppelt gezählt werden. Der erwartete Schaden gehört in die Kalkulation; der extreme Kumul gehört zusätzlich in Kapital- und Kapazitätsentscheidungen.

Ich halte einen nachvollziehbaren Zusammenhang zwischen Preis und Risiko für sinnvoller als einen pauschalen „KI-Zuschlag“. Relevant wären beispielsweise die Berechtigungen eines Agenten, menschliche Freigaben, geprüfte Wiederherstellung und echte Alternativen zu kritischen Anbietern. Ob diese Maßnahmen eine bestimmte Preiswirkung rechtfertigen, muss der Versicherer belegen und laufend überprüfen.

Ein Modell, das auf drei Nachkommastellen rechnet, aber die gemeinsame Cloudabhängigkeit nicht kennt, ist schließlich keine besonders genaue Erkenntnis. Es ist eine sehr ordentlich formatierte Ahnung.

Die Verantwortung vor dem Danach

In Matthäus 24 wird die Kenntnis von Tag und Stunde gerade nicht den Menschen zugesprochen. [11] Als philosophischer Hinweis gelesen, passt das erstaunlich gut zur Risikobetrachtung: Ungewissheit verlangt Wachsamkeit und Vorsorge. Sie liefert weder eine belastbare Eintrittsfrequenz noch einen Grund, das Problem zu ignorieren.

Für Unternehmen und Versicherer liegt die Aufgabe deshalb vor dem denkbaren Ende: Abhängigkeiten erkennen, Befugnisse begrenzen, Notbetrieb vorbereiten und die tatsächlich versicherbaren Folgen sauber beschreiben.

Wenn eine KI sämtliche Menschen auslöscht, hilft uns keine Polizze mehr. Wenn sie dagegen morgen die Buchhaltung, die Patientenverwaltung oder den Zahlungsverkehr beeinträchtigt, können vorbereitete Prozesse, kompetente Krisenhilfe und passende Versicherung sehr viel bewirken.

Noah eignet sich dafür als Bild besser als eine Weltuntergangswette. Er bereitete etwas vor, das nach der Katastrophe noch gebraucht wurde. Vielleicht sollten wir beim nächsten Gespräch über KI daher neben der Versicherungssumme auch fragen, ob die Arche schwimmt – und ob ihr Türschloss ausgerechnet vom ausgefallenen Cloudanbieter gesteuert wird.

**Unser besonderer Dank gilt Prof. Peter Micheuz der uns zum Nachdenken und Diskutieren über diese Fragen angeregt hat. Aus diesem Impuls entstand der Versuch, christliche Endzeitbilder, technische Möglichkeiten und die Grenzen der Versicherbarkeit gemeinsam zu betrachten. **

Quellen und weiterführende Lektüre

1. Offenbarung 21,1–5; Katechismus der katholischen Kirche, insbesondere Nr. 1042–1045.
2. Genesis 6,14–22
3. Geneva Association, Gen AI Risks for Businesses: Exploring the role for insurance, 2025.
4. Munich Re / HSB Canada, aiSure.
5. Genesis 11,1–9
6. Lloyd’s, Cloud Down, 2018.
7. Geneva Association, Cyber Risk Accumulation: Fully tackling the insurability challenge, 2023.
8. Awiszus et al., Modeling and Pricing Cyber Insurance – Idiosyncratic, Systematic, and Systemic Risks.
9. James Bardopoulos, Cyber-insurance pricing models, British Actuarial Journal, 2025.
10. Bessy-Roland, Boumezoued und Hillairet, Multivariate Hawkes process for cyber insurance, online 2020, Annals of Actuarial Science, 2021.
11. Matthäus 24,36