Die Apokalypse hat keinen Selbstbehalt

Eine Buttonwood-Kolumne des Economist mit dem Titel „You can’t trade your way through the AI apocalypse“ gibt den Anstoß. Aus ihrer Frage, wie sich existenzielle KI-Risiken finanziell absichern lassen, erwächst eine Überlegung, die einem Versicherungsmakler fast den Beruf verdirbt: Nicht jedes Risiko verlangt nach einer Polizze.

Das Jüngste Gericht lässt sich nicht rückversichern

Gewaltige Endzeitbilder gehören zur christlichen Tradition. Wer deren Hoffnung jedoch mit der vollständigen Auslöschung der Menschheit gleichsetzt, verkürzt sie theologisch. Die Offenbarung endet mit dem Bild einer erneuerten Welt, in der Gott unter den Menschen wohnt; der katholische Katechismus beschreibt die Vollendung ebenfalls als Erneuerung von Menschheit und Welt. Keine menschenleere Serverhalle erwartet die Christen also im Danach. [1]

Wäre die Menschheit durch eine hypothetische KI vernichtet, hätte sie dieses Danach für uns beseitigt. Ob noch irgendwo Rechner laufen oder Maschinen miteinander handeln, spielt keine Rolle – eine Entschädigung hätte für niemanden mehr einen Nutzen.

Finanzielle Folgen gehen bei einer Versicherung auf den Versicherer über; eine neue Menschheit entsteht dadurch nicht. Verlangt sind vielmehr jemand, der einen Schaden erleidet, eine funktionsfähige Gegenpartei und eine Welt, in der eine Leistung überhaupt noch etwas bewirken kann.

Nicht der Selbstbehalt wäre beim Ende allen menschlichen Lebens zu hoch, sondern der Zweck des Vertrags wäre dahin. Selbst eine Schadenmeldung binnen 24 Stunden hätte praktisch nur noch begrenzten Wert.

Unwichtig wird ein solches Risiko dadurch nicht. Ganz im Gegenteil: Verhinderung gewinnt dort an Gewicht, wo Entschädigung ihren Sinn einbüßt. Aus mangelnder Versicherbarkeit folgt kein Freibrief für Sorglosigkeit, wohl aber eine größere Verantwortung für die Voraussetzungen unseres Weiterlebens.

Noah hatte einen Vorsorgeplan

Vielleicht ist Noah für den unternehmerischen Alltag die hilfreichere biblische Gestalt. Vor der Flut baut er in der Erzählung die Arche, schafft Platz für Lebewesen und legt Vorräte an. Als Bild für Vorsorge lässt sich das lesen: Bevor die Krise beginnt, müssen Überleben und Handlungsfähigkeit vorbereitet sein. [2]

Mit einiger beruflicher Fantasie betrachtet, war Noah ein früher Verantwortlicher für Business Continuity – freilich mit ungewöhnlich konkreten Bauvorgaben und einem anspruchsvollen Tiermanagement.

Zeitgemäß lautet die Frage für Unternehmen: Welche Abläufe müssen weiterlaufen, wenn ein KI-Dienst ausfällt, ein Agent falsche Aktionen ausführt oder ein Angriff die eigenen Systeme lahmlegt? Wer darf den Agenten stoppen? Für welche Zahlungen braucht es menschliche Freigabe? Und funktionieren Wiederherstellung und Notbetrieb auch ohne den betroffenen Anbieter?

Geld und Krisenhilfe kann eine gute Versicherung bereitstellen. Einen Ersatzprozess jedoch, den vorher niemand geplant hat, zaubert sie im Schadenfall nicht herbei. Auch Noah wäre mit einer bloßen Deckungszusage schwer damit zurechtgekommen, die Giraffen trocken unterzubringen.

Was sich bei KI überhaupt versichern lässt

Zunächst ist KI eine Technologie. Entscheidend für die Deckung sind das eingetretene Ereignis, der entstandene Schaden und der konkrete Vertragsumfang. Die Geneva Association beschreibt entsprechende Cyber-, Betriebs- und Haftungsrisiken sowie eine Entwicklung, die sowohl bestehende Deckungen als auch spezielle KI-Produkte betrifft. [3]

Bei einem KI-gestützten Angriff etwa kommen Cyberdeckungen für vereinbarte Kosten der Krisenbewältigung, der Wiederherstellung, der Betriebsunterbrechung oder der Haftpflicht in Betracht. Eine KI-bedingte Fehlberatung kann dagegen eine Frage der Berufshaftpflicht oder des Vermögensschadens sein. Ein Deepfake-Zahlungsbetrug wiederum verlangt eine genaue Prüfung der Betrugs- und Vertrauensschadendeckung. Die Technik allein gibt darüber keine Auskunft.

Wichtig ist vor allem: Ein falsches KI-Ergebnis ist nicht automatisch ein versicherter Cyberangriff. Mit gültigen Zugriffsrechten kann eine rechtmäßig eingebundene KI etwas Falsches tun, ohne dass jemand in ein System eingebrochen ist. Wer allein nach dem „Hackerangriff“ fragt, übersieht womöglich den eigentlichen Schadenmechanismus.

Speziallösungen gibt es bereits. Unter aiSure beschreibt Munich Re beziehungsweise HSB Deckungen für bestimmte KI-Leistungsfehler und die daraus entstehenden finanziellen oder haftungsrechtlichen Folgen. Das belegt definierte Versicherbarkeit, nicht aber die Zusage, dass jedes KI-Problem oder jedes Produkt in jedem Markt gedeckt wäre. [4]

Sinnvoll ist deshalb dieser Ausgangspunkt: Konkrete Schadenmechanismen prüfen, die Deckung ausdrücklich klären und Verantwortung nicht mit dem Abschluss einer Versicherung verwechseln.

Babel in der Cloud

Am Anfang der Babel-Erzählung stehen eine gemeinsame Sprache und ein gewaltiges Gemeinschaftsprojekt; der Bau endet, als die Verständigung zerbricht. [5] Als Analogie für heute gelesen, erinnert das an die Verletzlichkeit großer Vorhaben, die von einer gemeinsamen Voraussetzung abhängen. Das ist eine Übertragung auf unsere Gegenwart und keine biblische Aussage über Cloudanbieter.

Cloudplattformen, Identitätsdienste, Softwarebibliotheken, KI-Modelle und Schnittstellen bilden unsere digitalen Türme. Vieles wird durch gemeinsame Infrastruktur effizient. Zugleich kann sie bewirken, dass tausende Unternehmen an derselben Stelle gleichzeitig scheitern.

Veranlasst eine hypothetische fehlerhafte Aktualisierung eines weitverbreiteten KI-Agenten zahlreiche Nutzer zu falschen Aktionen, oder macht eine Schwachstelle in einer gemeinsamen Komponente viele Betriebe gleichzeitig angreifbar, so hängt die Frage, ob daraus Schäden entstehen, auch von Berechtigungen, Kontrollmechanismen und Wiederherstellungsmöglichkeiten ab.

Für Versicherer bedeutet das Kumulrisiko: Ein gemeinsamer Auslöser trifft mehrere versicherte Risiken. Auch ohne KI existiert dieses Problem. Wie Risiken sich durch gemeinsame Anbieterabhängigkeiten ansammeln, untersucht Lloyd’s etwa im Bericht „Cloud Down“. Zusätzliche gemeinsame Abhängigkeiten kann KI schaffen; die Abwehr vermag sie zugleich zu verbessern. Ein zwangsläufiger Anstieg sämtlicher Schäden lässt sich daraus nicht ableiten. [6]

Neben der Sicherheit jedes einzelnen Unternehmens sollte der Underwriter daher eine zweite Frage stellen: Welche anderen Unternehmen im Bestand hängen am selben digitalen Fundament?

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

Wann die Versicherbarkeit schwierig wird

Schwierig wird es, sobald viele Schäden gleichzeitig auftreten, ihre Größenordnung unsicher bleibt, Schadenursachen sich schwer abgrenzen lassen oder das verfügbare Kapital nicht zur möglichen Belastung passt. Diese Grenzen bei extremen Cyberereignissen benennt die Geneva Association ausdrücklich. [7]

Den Unterschied verdeutlicht ein frei erfundenes Rechenbeispiel: Durch dasselbe Ereignis erleiden 200 versicherte Unternehmen jeweils 100.000 Euro gedeckten Schaden, zusammen also 20 Millionen Euro. Dass jedes Unternehmen für sich überschaubar wirkte, hilft dem Versicherer dann nur begrenzt. Beschrieben wird damit ein Stressszenario, keine Eintrittswahrscheinlichkeit.

Bei gleichem erwartetem Jahresschaden können zwei Portfolios unterschiedlich viel Kapital benötigen. Ob Schäden verteilt auftreten oder sich in wenigen Ereignissen bündeln, ist entscheidend.

Ins Spiel kommt hier die PML-Betrachtung (Probable Maximum Loss, also wahrscheinlicher Höchstschaden): Welche große Portfoliobelastung erwarten wir unter festgelegten Modell-, Zeitraum- und Wahrscheinlichkeitsannahmen? Weder ist ein PML ein universell definierter Weltuntergangsbetrag noch eine Garantie für den höchstmöglichen Schaden. Neben die Zahl gehören deshalb die Annahmen.

Jedes Kumulproblem löst zudem mehr Prämie allein nicht. Sinnvoll kann es sein, die Kapazität je Abhängigkeit zu begrenzen, Limits und Selbstbehalte anzupassen, Rückversicherung gezielt einzusetzen und alternative Betriebswege zu verlangen. Die Belastung wird durch Rückversicherung verteilt; der gemeinsame Auslöser verschwindet dadurch nicht.

Welche Modelle beim Pricing sinnvoll sind

Michael Samselnig: Aus der Fachliteratur folgt ein kombinierter Ansatz. Erklären sollte ein Modell den normalen Schadenverlauf, ein zweites die gemeinsamen Abhängigkeiten und ein drittes die Belastbarkeit des Portfolios unter Stress. Unterschieden werden in der Forschung dafür unter anderem Einzelschaden-, gemeinsame Faktor- und Netzwerkansätze. [8]

Eine fertige Tarifempfehlung sind diese Ansätze nicht. Untersucht werden in der Forschung zum Cyber-Pricing unter anderem Abhängigkeitsmodelle, Großschadenverteilungen und Bayes-Netze. Wie Hawkes-Modelle zeitliche Bündelungen von Datenvorfällen erfassen können, zeigt eine gesonderte Arbeit. Ob ein Ansatz tragfähig ist, entscheidet sich an Datenqualität, Anwendungszweck und Überprüfung. [9][10]

Praktikabel wäre für den Beginn, häufige Schäden anhand realer Schadendaten zu modellieren und die größten Anbieterabhängigkeiten zunächst mit nachvollziehbaren Szenarien zu prüfen. Dazu zählen Ausfälle verschiedener Dauer, unterschiedliche Wiederanlaufzeiten und die Frage, ob ein Ersatzdienst auf dieselbe Infrastruktur zurückgreift. Hängen zwei Cloudverträge am selben ausgefallenen Identitätsdienst, sind sie keine echte Redundanz.

Statistische Abhängigkeit bedeutet dabei nicht technische Ansteckung: Viele Nutzer kann eine gemeinsame Aktualisierung gleichzeitig schädigen, ohne dass der Schaden von Unternehmen zu Unternehmen wandert. Über unterschiedliche Mechanismen gehören beide Phänomene ins Modell.

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

Einem pauschalen „KI-Zuschlag“ ziehe ich einen nachvollziehbaren Zusammenhang zwischen Preis und Risiko vor. Relevant wären etwa die Berechtigungen eines Agenten, menschliche Freigaben, geprüfte Wiederherstellung und echte Alternativen zu kritischen Anbietern. Ob eine bestimmte Preiswirkung durch diese Maßnahmen gerechtfertigt ist, muss der Versicherer belegen und laufend überprüfen.

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

Die Verantwortung vor dem Danach

Nicht den Menschen zugesprochen wird in Matthäus 24 die Kenntnis von Tag und Stunde. [11] Als philosophischer Hinweis gelesen, fügt sich das erstaunlich gut in die Risikobetrachtung: Wachsamkeit und Vorsorge verlangt Ungewissheit. Eine belastbare Eintrittsfrequenz liefert sie ebenso wenig wie einen Grund, das Problem zu ignorieren.

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

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

Besser als eine Weltuntergangswette eignet sich dafür Noah als Bild. Vorbereitet hat er etwas, das nach der Katastrophe noch gebraucht wurde. Vielleicht sollten wir beim nächsten Gespräch über KI neben der Versicherungssumme deshalb auch fragen, ob die Arche schwimmt – und ob ihr Türschloss ausgerechnet von dem Cloudanbieter gesteuert wird, der ausgefallen ist.

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

Denkanstoß: The Economist, Buttonwood, „You can’t trade your way through the AI apocalypse“

1. Offenbarung 21,1–5; Katechismus der katholischen Kirche, insbesondere Nr. 1042–1045.
2. Genesis 6,14–22. Die Übertragung auf Business Continuity ist eine Analogie des Autors.
3. Geneva Association, Gen AI Risks for Businesses: Exploring the role for insurance, 2025.
4. Munich Re / HSB Canada, aiSure. Produktbeispiel; keine Aussage über konkrete Deckung oder Verfügbarkeit in Österreich beziehungsweise Deutschland.
5. Genesis 11,1–9. Die Übertragung auf digitale Abhängigkeiten ist eine Analogie des Autors.
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. Die Übertragung auf Risikomanagement ist eine philosophische Lesart des Autors.