Wie ein führender US-Versicherer KI in der Softwareentwicklung skaliert

Die Herausforderung

Über KI-Experimente hinausgehen

Der Versicherer hatte sich frühzeitig für Investitionen in KI-gestützte Entwicklungstools entschieden, hatte jedoch Schwierigkeiten, grundlegende Fragen zu beantworten:

• Wo und wann sollte KI im gesamten SDLC eingesetzt werden?
• Wie erfüllen wir nach der Auswahl der Tools die unternehmensweiten Anforderungen an Sicherheit, Compliance, Recht und Beschaffung?
• Wie messen wir Verbesserungen über den gesamten SDLC hinweg?
• Wie lassen sich diese Verbesserungen in konkrete Vorteile umwandeln?

Erfolgreiche KI-gestützte SDLC-Programme erfordern mehr als nur die Implementierung von Technologie. Sie benötigen einen Transformationsrahmen, der KI-Initiativen direkt mit Geschäftszielen und messbaren Ergebnissen verknüpft.

Der Prozess

Sechs Workstreams, die die KI-gestützte SDLC-Transformation bei einem führenden US-Versicherer beschleunigten

Wavestone arbeitete mit dem Versicherer zusammen, um sechs Workstreams zu definieren und zu starten. Die Ausgestaltung berücksichtigte das regulatorische Umfeld, das Beschaffungsmodell und die Engineering-Struktur des Unternehmens. Die Workstreams haben sich auch auf andere Großunternehmen übertragen lassen, wobei die jeweiligen Schwerpunkte je nach Organisation variieren.

Das Programm basierte auf Erkenntnissen aus der Praxis. In einem zwölfwöchigen Pilotprojekt mit mehr als 30 Teilnehmenden wurden GitHub Copilot und Amazon Q sowie MS 365 Copilot und SeaLights evaluiert. Jede Empfehlung wurde anhand der tatsächlichen Erfahrungen dieser Teams validiert.

Wo KI im Arbeitsalltag eingesetzt wurde

Die wichtigsten Anwendungsfälle in den Entwicklungsteams umfassten Codegenerierung, Generierung von Unit-Tests, Refactoring, Performance-Optimierung, Debugging, Codeverständnis und Dokumentation. Der Mehrwert entstand aus der Kombination dieser Möglichkeiten und nicht aus einer einzelnen Funktion.

Die Ergebnisse

Von Produktivitätssteigerungen zu Geschäftsergebnissen

Für diesen Versicherer lagen die größten Wertschöpfungspotenziale in vier Phasen: Planung, Anforderungsmanagement, Entwicklung und Testing. Das Programm konzentrierte sich daher auf diese Bereiche, anstatt den gesamten Lebenszyklus auf einmal zu transformieren. Wavestone hat eine ähnliche Konzentration auch in anderen großen Engineering-Organisationen beobachtet, wobei die konkrete Verteilung vom Reifegrad der eingesetzten Tools und den jeweiligen Engpässen im Delivery-Prozess abhängt.

Produktivität war jedoch nur der Ausgangspunkt. Der Versicherer realisierte die erzielten Vorteile über zwei Wege.

Weg 1: Wettbewerbsvorteile durch operative Hebelwirkung

KI ermöglichte es dem Versicherer, mit seinen bestehenden internen Teams mehr zu erreichen:

• Durchschnittlich rund 30 % Zeitersparnis pro Entwickler
• Erster messbarer Mehrwert nach etwa 4 Arbeitstagen des Experimentierens, wodurch Bedenken hinsichtlich der Time-to-Value frühzeitig ausgeräumt wurden
• Mehr als 80 qualifizierte geschäftliche Anwendungsfälle identifiziert
• Mehr als 100 Mitarbeitende geschult, mit einer positiven Entwicklung der Akzeptanz, gemessen anhand des Net Promoter Score

Anstatt den Personalbestand zu reduzieren, verlagerte der Versicherer Kapazitäten auf die Modernisierung der Architektur, den Abbau technischer Schulden, Innovationsinitiativen, die Lösung komplexer Probleme und eine schnellere Produktbereitstellung.

Weg 2: Kostenoptimierung durch geringere Delivery-Kosten

KI eröffnete zudem Möglichkeiten zur Optimierung externer Delivery-Ausgaben:

• Geschätzte Kostenvermeidung von 3–5 Mio. US-Dollar bei ausgewählten zukünftigen Initiativen
• Neue Potenziale für Einsparungen von 10–30 % bei der Verlängerung von IT-Serviceverträgen
• Frühzeitige Einbindung von Managed-Service-Providern, um Erkenntnisse und Erfahrungen ihrer Teams direkt einfließen zu lassen

Mit zunehmender Reife der Produktivitätsverbesserungen gestaltete der Versicherer seine Beziehungen zu Dienstleistern neu, unter anderem durch die Neufestlegung von Vertragsgrundlagen, Scope-Optimierung, Gain-Sharing-Modelle und eine höhere Delivery-Effizienz. Das Ergebnis sind messbare finanzielle Effekte, die sich auf die operative Marge auswirken, sowie eine stärkere Ausrichtung auf ergebnisbasierte statt kapazitätsbasierte Delivery-Modelle.

Was dies für andere Unternehmen bedeutet

Die Einführung von KI-Coding-Assistenten war nur der Ausgangspunkt. Entscheidend ist der Aufbau eines strukturierten Transformationsprogramms, das die Planung, Entwicklung, das Testing und die Bereitstellung von Software systematisch verbessert.

Planung, Anforderungsmanagement, Entwicklung und Testing sind zugleich die Phasen, in die agentische Tools bereits vordringen. Das verändert die Faktoren, die den Mehrwert bestimmen. Nicht mehr die Geschwindigkeit einzelner Entwickler steht im Mittelpunkt, sondern die Orchestrierung: wie Aufgaben auf verschiedene Agents verteilt werden, wie Ergebnisse überprüft werden, bevor sie die Produktionsumgebung erreichen, und an welchen Stellen menschliches Urteilsvermögen weiterhin eingebunden bleibt. Damit wird die Review-Kapazität zum Engpass und nicht mehr die Erstellungskapazität.

Wenn KI-Systeme mehrstufige Aufgaben mit weniger menschlicher Kontrolle ausführen, profitieren vor allem Unternehmen, die bereits wissen, wie sie Ergebnisse messen, die Einführung steuern, die Token-Kosten beim skalierbaren Betrieb von Agents kontrollieren und die Akzeptanz in großen Engineering-Organisationen fördern. Werden diese Kosten nicht aktiv gesteuert, können sie die Einsparungen aufzehren, die das Programm eigentlich erzielen sollte. Die Fähigkeiten, die für assistive Tools aufgebaut wurden, bilden die Grundlage dafür, agentische Tools sicher zu skalieren. Unternehmen, die sich noch in der Pilotphase befinden, könnten dadurch bereits ins Hintertreffen geraten, bevor dieser Wandel vollständig einsetzt.

Jede neue KI-Welle in der Softwareentwicklung verschiebt den Engpass an eine andere Stelle. Die nächste Verlagerung geht in Richtung Spezifikation und Verifikation. Im Vorteil sind die Unternehmen, die frühzeitig erkennen, wohin sich der Engpass verlagert hat, und ihre Organisation als Erste darauf ausrichten.