Was Stornos dein Maklerbüro wirklich kosten
Ein Storno kostet mehr als die verlorene Courtage eines einzigen Jahres. Wer einen Vertrag innerhalb der Stornohaftungszeit verliert, bekommt nicht nur keine Provision mehr – er muss bereits ausgezahlte Beträge zurückgeben. Dazu kommt der Aufwand, den Bestand zu ersetzen: neuer Lead, neues Gespräch, neue Bedarfsanalyse. Laut GDV Statistischem Taschenbuch liegt die jährliche Stornoquote in der deutschen Lebensversicherung im langjährigen Mittel bei 3 bis 5 Prozent des Bestands – je nach Produkt und Marktsituation. Jedes Jahr kündigt also mindestens jeder zwanzigste bis dreißigste Vertrag.
Was dabei selten betrachtet wird: Die meisten Kündigungen lassen sich verhindern – wenn das Signal früh genug erkannt wird. KI-gestützte Systeme werten Muster aus dem CRM, der Kommunikationshistorie und dem Vertragsbestand aus und identifizieren Verträge mit erhöhtem Stornopotenzial, bevor der Kündigungsbrief eintrifft.
Welche Signale auf eine bevorstehende Kündigung hindeuten
Kündigungsrisiken entstehen nicht aus dem Nichts – sie bauen sich über Wochen und Monate auf. Die häufigsten Warnsignale, die sich in deinen CRM-Daten abbilden und automatisiert auswerten lassen:
Lange Kontaktpause: Ein Kunde, der seit mehr als 12 Monaten keinen Kontakt hatte, fühlt sich nicht betreut – und empfindet seine Versicherung als austauschbare Ausgabe. Das Stornopotenzial steigt signifikant, wenn aktive Betreuung fehlt.
Schaden ohne Folgeaktion: Ein gemeldeter Schaden, dem kein Nachfassgespräch folgte, hinterlässt Restunsicherheit. Kunden, die nach einem Schadensfall keine Rückmeldung zum Verlauf erhalten haben, kündigen häufiger als der Durchschnitt.
Offene Änderungsanfragen: Wer eine Vertragsänderung angefordert hat und seit Wochen keine Antwort bekommt, zieht Schlüsse über die Qualität der Betreuung – und beginnt zu vergleichen.
Beitragsanpassung ohne Kommunikation: Wenn der Beitrag steigt, ohne dass jemand erklärt warum, ist das einer der häufigsten Auslöser für Stornos in der Sachversicherung. Der Preis ist selten das Problem – das Gefühl, übergangen worden zu sein, ist es.
Geänderter Lebenssachverhalt: Umzug, Scheidung, Jobwechsel oder Nachwuchs verändern den Bedarf. Ein Vertrag, der vor drei Jahren passte, kann heute unangemessen hoch oder unterdimensioniert sein – und das weiß der Kunde, auch wenn er es nicht sagt.
Eine KI-Lösung kombiniert diese Signale zu einem gewichteten Risikoscore je Vertrag und Kunde. Das Ergebnis ist keine Liste aller möglichen Problemfälle, sondern eine priorisierte Auswahl der Verträge, bei denen eine proaktive Kontaktaufnahme den größten Effekt hätte.
Wie der KI-gestützte Präventionsprozess funktioniert
Schritt 1: Risikosegmentierung des Bestands
Vor jeder Intervention steht die Einteilung: Welche Verträge haben hohes, welche mittleres Stornopotenzial? KI-Systeme erstellen diese Segmentierung auf Basis deiner historischen Stornodaten und vordefinierter Signalgewichtungen.
Für Maklerbüros ohne umfangreiche Storno-Historie lohnt sich ein regelbasierter Einstieg: Alle Verträge mit mehr als 12 Monaten Kontaktpause, offenen Beschwerden oder kürzlichen Beitragserhöhungen werden automatisch in die Risikogruppe eingestuft. Das System wird mit der Zeit präziser, je mehr Rückmeldungen es verarbeitet.
Schritt 2: Automatisierte Erstkommunikation
Gefährdete Verträge lösen eine automatisierte Kontaktsequenz aus – kein Massenmail, sondern eine auf den konkreten Auslöser abgestimmte Nachricht:
- Nach einer Beitragsanpassung: eine kurze Erklärung der Anpassungslogik und ein Angebot zum Beratungsgespräch
- Nach einer langen Kontaktpause: eine proaktive Nachfrage, ob sich die Lebenssituation geändert hat und ob der aktuelle Schutz noch passt
- Nach einem abgeschlossenen Schaden: eine kurze Rückmeldung, wie der Fall gelaufen ist, verbunden mit einem Hinweis auf mögliche Optimierungen
Diese Kommunikation wird durch den KI-Agenten vorbereitet und ausgelöst. Je nach Konfiguration bestätigt der Berater vorher oder die Nachricht geht automatisch raus – bei definierter Tonalität und vollständiger Dokumentation.
Schritt 3: Eskalation an den Berater bei hohem Risikoprofil
Nicht jede gefährdete Situation lässt sich durch eine automatisierte Nachricht entschärfen. Bei Verträgen mit hohem Deckungsbeitrag, langer Laufzeit oder einem kombinierten Risikosignal aus mehreren Quellen übernimmt der Berater persönlich.
Die KI liefert die Priorisierung – wer als erstes angerufen werden sollte, mit welchem Kontext, welchem Gesprächsziel. Der Berater spart die Zeit, die er ohne System damit verbringen würde, den Bestand manuell zu scannen. Er erhält stattdessen eine strukturierte Tagesliste.
Schritt 4: Muster auswerten und nachjustieren
Nach vier bis acht Wochen zeigt sich, welche Signale tatsächlich zu Stornos geführt haben – und welche nicht. Diese Rückmeldung macht das System schrittweise genauer. Ein Stornopräventionssystem, das nach einem halben Jahr noch genauso wie am ersten Tag arbeitet, schöpft sein Potenzial nicht aus.
Was Stornoquoten mit Bestandsbetreuung gemeinsam haben
Kündigungsprävention und aktive Bestandskundenpflege sind zwei Seiten derselben Medaille. Wer regelmäßigen Kontakt hält, Bedarfsänderungen aktiv anspricht und Leistungsänderungen erklärt, verliert messbar weniger Verträge. Die strukturellen Voraussetzungen für aktive Bestandspflege senken gleichzeitig das Stornopotenzial – weil der häufigste Kündigungsgrund nicht der Preis ist, sondern das Gefühl, nicht wahrgenommen zu werden.
Wie du systematische Bestandspflege automatisierst, erklärt der Beitrag Bestandskundenpflege automatisieren: Nachfass ohne Mehraufwand. Welche Signale außerdem darauf hinweisen, dass ein Kunde kurz vor einer Entscheidung steht, beschreibt Lead-Scoring im Versicherungsvertrieb: Die wichtigsten Kriterien.
FAQ
Kann KI wirklich vorhersagen, wer kündigt? Kein System trifft eine sichere Einzelprognose. Was KI zuverlässig leistet: Verträge identifizieren, die deutlich mehr Risikosignale tragen als der Durchschnitt des Bestands. Diese Verträge priorisiert zu behandeln, senkt die Gesamtquote messbar – auch wenn nicht jede Prognose im Einzelfall stimmt.
Ab welcher Bestandsgröße lohnt sich Kündigungsprävention mit KI? Ab rund 500 aktiven Verträgen. Darunter lässt sich der Bestand mit manuellem Aufwand noch überblicken. Ab 1.000 Verträgen wird ein systematischer Ansatz zum messbaren Vorteil, weil manuelles Monitoring nicht mehr skaliert und erste Signale im Tagesgeschäft untergehen.
Was passiert, wenn der Kunde bereits einen Kündigungswunsch geäußert hat? Dann ist der Moment für einen menschlichen Berater. Ein KI-Assistent kann die Kündigung aufnehmen und weiterleiten – das Bindungsgespräch führt ein Mensch. Gut konfigurierte Systeme erkennen das Signal „Kündigung" und lösen sofort einen menschlichen Handoff aus, statt weiterzuqualifizieren.
Wie ein automatisierter Bestandspflegeprozess in der Praxis aussieht, kannst du direkt auf safebird.ai in der Live-Demo ausprobieren.