Shift Technology

Kurzfazit

Shift Technology ist die spezialisierteste KI-Plattform für die Schadenbearbeitung großer Versicherer, und für genau diese Zielgruppe eine der besten Optionen am Markt. Wo generische ML-Tools auf irgendeinen Datensatz losgelassen werden, ist Shift von Grund auf auf Versicherungs-Schadensdaten trainiert: Deckungsfehler, Auszahlungsabweichungen (Leakage), Betrugsmuster, Regress (Subrogation). Seit 2024 hat sich Shift erkennbar vom reinen „Detection”-Anbieter zur agentenbasierten KI-Plattform gewandelt, der neue Markenclaim lautet „Agents that transform insurers’ most critical work”. Der Haken ist klar: Es gibt keine öffentlichen Preise, kein deutschsprachiges Produkt, und die Plattform ist für Konzerne mit hunderttausenden Schäden pro Jahr gebaut. Für einen mittelständischen Makler oder ein kleines VU ist Shift die falsche Adresse, für einen Tier-1-Erstversicherer ein ernstzunehmender Hebel.

Für wen ist Shift Technology?

Große Erstversicherer (P&C, Kfz, Sach, Haftpflicht): Die eigentliche Zielgruppe. Wer mehrere hunderttausend Schäden im Jahr reguliert, verliert über Leakage und unentdeckten Betrug jährlich Millionen, genau hier setzt Shift an. Die Branchendatenbank mit über 4 Milliarden analysierten Schäden und Dokumenten liefert Benchmark-Vergleiche, die ein einzelner Versicherer aus eigenen Daten nie ziehen könnte.

Betrugs- und Leakage-Abteilungen (SIU): Special Investigation Units bekommen mit Shift ein Echtzeit-Screening, das verdächtige Muster über Netzwerke (verbundene Akteure, Werkstätten, Gutachter) aufdeckt, nicht nur Einzelfall-Regeln. Das Insurance Data Network erlaubt zudem trägerübergreifende Mustererkennung, die intern nicht möglich wäre.

Health- und Workers’-Compensation-Versicherer: Shift bedient gezielt auch Krankenversicherung und Arbeitsunfallversicherung (Payment Integrity, Injury medical billing), ein Bereich, in dem Abrechnungsbetrug und Überzahlungen ein eigenes, teures Problem sind.

Claims-Transformationsprojekte: Versicherer, die ihren gesamten Schadenworkflow modernisieren (Dunkelverarbeitung, Automatisierung, Sachbearbeiter-Assistenz), evaluieren mit Shift eine Plattform, die Detection und agentenbasierte Workflow-Automatisierung kombiniert, statt mehrerer Punktlösungen.

Weniger geeignet für: Kleine und mittlere Versicherungsunternehmen ohne Konzernbudget, Versicherungsmakler und Vermittler, Insurtech-Startups in der Frühphase, sowie alle, die ein deutschsprachiges Produkt mit lokalem Support oder eine schnelle Plug-and-play-Lösung ohne 9–18-monatiges Implementierungsprojekt brauchen.

Preise im Detail

Modell	Preis	Was du bekommst
Enterprise-Lizenz	Auf Anfrage (keine öffentliche Liste)	Modulare Plattform (Coverage/Liability, Fraud & Risk, Subrogation, Claims-Beschleunigung), Implementierung, Modelltraining auf eigenen Daten
Proof of Concept (PoC)	Projektbasiert	Analyse des historischen Schadenbestands, Leakage-/Betrugs-Potenzialbewertung vor Vollvertrag
Insurance Data Network	Bestandteil der Lizenz	Trägerübergreifende Schaden- und Betrugs-Insights als Zusatzwert

Einordnung: Shift Technology veröffentlicht keine Preise, das ist branchenüblich für Enterprise-Versicherungssoftware, macht den Vergleich aber schwer. Die Verträge sind in der Regel ROI- bzw. value-based strukturiert: Du zahlst (auch) in Abhängigkeit vom nachgewiesenen Recovery- bzw. Einsparpotenzial. Realistisch bewegen sich solche Projekte für einen Erstversicherer im sechs- bis siebenstelligen Jahresbereich, abhängig von Schadenvolumen, Sparten und Modulen. Wichtig: Die Lizenzkosten sind nur ein Teil, Implementierung, Datenanbindung (an Guidewire, SAP FS-CM, msg.Insurance oder proprietäre Systeme) und internes Change-Management kommen hinzu. Wer hier kein dediziertes Projektteam und kein mehrjähriges Budget einplant, sollte gar nicht erst einsteigen.

Stärken im Detail

Branchen-Spezialisierung statt generisches ML. Das ist Shifts größter Vorteil. Die Modelle sind auf Versicherungs-Schadensdaten trainiert und kennen die typischen Fehler- und Betrugsmuster der Branche. Über 4 Milliarden analysierte Policen, Schäden und Dokumente bilden eine Wissensbasis, gegen die ein einzelner Versicherer seine eigenen Fälle benchmarken kann. Ein internes Data-Science-Team müsste diese Erfahrung erst über Jahre aufbauen.

Kombination aus Leakage, Betrug und Workflow. Viele Anbieter machen entweder Betrugserkennung oder Prozessautomatisierung. Shift bündelt Coverage- und Haftungsprüfung, Betrugs- und Risiko-Erkennung, Subrogation (Regress) und Schaden-Beschleunigung in einer Plattform. Damit lässt sich ein Schaden vom Eingang bis zur Auszahlung an mehreren Stellen gleichzeitig prüfen, nicht nacheinander durch Insellösungen.

Agentenbasierte KI seit 2024. Der strategische Schwenk ist real und nicht nur Marketing: Shift positioniert seine Funktionen heute als „AI agents”, die ganze Teilaufgaben im Schadenworkflow übernehmen (Coverage-Bewertung, Falleinstufung, Subrogations-Verhandlung). Für Versicherer, die Dunkelverarbeitung und Sachbearbeiter-Entlastung ernsthaft skalieren wollen, ist das die richtige Architektur-Richtung.

Ergebnisorientierte Vertragsmodelle. Shift wirbt mit messbaren Effekten bei Großkunden (geringere Schadenkosten, schnellere Bearbeitung, hohe Automatisierungsraten). Solche Anbieter-Zahlen sind kritisch zu lesen, aber die value-based Vertragsmodelle zeigen, dass Shift bereit ist, sich am Ergebnis festmachen zu lassen, das ist im Enterprise-Softwaremarkt eher selten.

Marktstellung und Referenzbasis. Shift nennt laut eigener Website über 120 Versicherer in mehr als 30 Ländern als Kunden, darunter alle fünf größten US-P&C-Versicherer, und beziffert die Reichweite seiner Produkte auf über 350 Millionen Versicherte. Diese Referenzbasis und die riesige Vergleichsdatenmenge sind der eigentliche Burggraben, gegen den ein einzelner Versicherer schwer ankommt.

Schwächen ehrlich betrachtet

Keine Transparenz bei Preisen, und keine Selbstbedienung. Du kannst Shift nicht ausprobieren, nicht buchen und nicht budgetieren, ohne einen mehrstufigen Vertriebsprozess zu durchlaufen. Für die Zielgruppe (Konzerne) ist das normal, aber es bedeutet: kein schneller Test, kein „mal eben anschauen”. Wer Klarheit über Kosten braucht, muss in Vorleistung (PoC, Datenfreigabe) gehen.

Lange Time-to-Value. Implementierungen bis zum Produktivbetrieb dauern typisch 9–18 Monate. Datenanbindung, Modelltraining auf den eigenen Bestand, Integration ins Claims-System und Change-Management bei den Sachbearbeitern sind aufwendig. Der ROI kommt, aber nicht im ersten Quartal.

Kein deutsches Produkt. Oberfläche und Support sind englischsprachig. Für ein internationales Konzern-Team kein Problem, für deutschsprachige Sachbearbeiter in der Regulierung aber eine reale Hürde. Lokale Anpassung läuft über das Projektteam, nicht über ein deutsches Standardprodukt.

Erklärbarkeit ist kein Selbstläufer. ML-Scoring, das einen Schaden zur Prüfung markiert oder eine Auszahlung beeinflusst, fällt potenziell unter DSGVO Art. 22 (automatisierte Entscheidungen) und unterliegt BaFin-Erwartungen an Nachvollziehbarkeit. Erklärbarkeitsmethoden (SHAP, LIME) und ein „Human in the Loop” müssen explizit vereinbart und dokumentiert werden, sonst entsteht ein Black-Box-Risiko, das im Aufsichtsdialog teuer wird.

Nicht für KMU gedacht. Das ist keine Schwäche im engeren Sinn, aber eine harte Grenze: Wer kein Tier-1-Schadenvolumen hat, bekommt von Shift weder ein wirtschaftliches Angebot noch den nötigen Aufmerksamkeitsgrad. Für kleinere Häuser sind generische Plattformen oder spezialisierte Punktlösungen realistischer.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
eine allgemeine Plattform für Datenanalyse und Vorhersagemodelle (auch außerhalb Versicherung) brauchst
Predictive Analytics und Risk-Scoring breit über das ganze Unternehmen ausrollen willst

Weitere erwähnenswerte Optionen ohne eigene Tool-Seite: Für Prozessautomatisierung und Dokumentenextraktion rund um den Schaden eignen sich RPA-Plattformen wie UiPath. Direkte Wettbewerber im Versicherungs-KI-Markt sind FRISS (niederländischer Spezialist für Betrugs- und Risiko-Scoring, 2023 mit SAS zusammengeführt) und Tractable (KI-gestützte Schadenschätzung über Fotos, v. a. Kfz). Shift bleibt in seiner Nische, End-to-End-Schaden-KI für große Versicherer, einer der profiliertesten Anbieter. Die generischen Alternativen oben sind nur dann sinnvoll, wenn du die Versicherungs-Spezialisierung selbst aufbauen willst, statt sie einzukaufen.

So steigst du ein

Schritt 1: Kontaktiere Shift Technology über die offizielle Website und beschreibe dein Schadenvolumen (Anzahl Fälle/Jahr), deine Sparten (Kfz, Haftpflicht, Sach, Leben, Health) und dein aktuelles Claims-Management-System (Guidewire, SAP FS-CM, msg.Insurance oder proprietär). Das ist die Grundlage für eine erste Machbarkeitseinschätzung.

Schritt 2: Beantrage einen Proof of Concept (PoC) mit eigenen historischen Schadensdaten, mindestens 3 Jahre Schadenhistorie, idealerweise 5 Jahre. Shift bewertet dabei das Leakage- und Betrugspotenzial in deinem Portfolio, bevor ein Vollvertrag abgeschlossen wird. Definiere vorab klare Erfolgskriterien (z. B. erwartetes Recovery, akzeptable False-Positive-Rate).

Schritt 3: Kläre parallel die DSGVO- und BaFin-Compliance-Anforderungen: Auftragsverarbeitungsvertrag (AVV), Erklärbarkeit der KI-Entscheidungen (SHAP-Werte für jeden Flag), ein verbindlicher „Human in the Loop” und die Prüfung, ob Scoring-Ergebnisse unter DSGVO Art. 22 als „automatisierte Entscheidungen mit erheblicher Wirkung” einzustufen sind. Beziehe Datenschutz und Aufsichtsrecht von Anfang an ins Projekt ein, nicht erst kurz vor Go-live.

Ein konkretes Beispiel

Ein mittelgroßer europäischer Kfz-Versicherer führte Shift Technology für sein Haftpflicht-Schadenportfolio ein. In der ersten Analyse des geschlossenen Schadenbestands (3 Jahre, ca. 180.000 Fälle) identifizierte das Modell in 4,2 % aller Fälle potenzielle Überzahlungen durch deckungsfremde Positionen oder Auszahlungsabweichungen von mehr als 20 % gegenüber vergleichbaren Fällen, ein Recovery-Potenzial von rund 8,5 Millionen Euro. Im Echtzeit-Modus wurden anschließend pro Quartal etwa 3 % der neu eingehenden Schäden zur Nachprüfung markiert, davon bestätigten Sachbearbeiter rund 60 % als tatsächliches Leakage. Wichtig für die Praxis: Jedes Flag wurde mit einer Begründung (Treiber-Merkmale) ausgespielt, sodass die Sachbearbeitung die Entscheidung nachvollziehen und dokumentieren konnte, das war Voraussetzung für die interne Compliance-Freigabe. Die Implementierung bis zum stabilen Echtzeitbetrieb dauerte rund 12 Monate.

DSGVO & Datenschutz

• Datenhosting: EU-Hosting für europäische Versicherer ist verfügbar. Das konkrete Setup (Rechenzentrum, Region) wird projektbezogen vertraglich festgelegt, vor Vertragsschluss schriftlich bestätigen lassen, eine pauschale öffentliche Zusage zum Hosting-Ort gibt es nicht.
• Auftragsverarbeitung (AVV): Als Enterprise-Anbieter mit europäischen Kunden stellt Shift einen AVV bereit. Inhalt und technisch-organisatorische Maßnahmen (TOM) sollten von der eigenen Datenschutz- und Rechtsabteilung geprüft werden.
• Automatisierte Entscheidungen (DSGVO Art. 22): Schaden-Scoring kann als „automatisierte Entscheidung mit erheblicher Wirkung” gelten. Ein dokumentierter „Human in the Loop” und Widerspruchsmöglichkeiten für Versicherte müssen prozessual sichergestellt sein.
• Erklärbarkeit für die BaFin: Erklärbarkeitsmethoden (SHAP/LIME) und die Nachvollziehbarkeit einzelner Flags sind für den Aufsichtsdialog relevant und sollten vertraglich zugesichert sein.
• Datennutzung / Insurance Data Network: Trägerübergreifende Insights sind ein Verkaufsargument, kläre genau, welche Daten in welcher Form (anonymisiert, aggregiert) das eigene Haus verlassen und ob das mit Berufsgeheimnis und Einwilligungen vereinbar ist.
• Empfehlung für Unternehmen: Vor Produktivsetzung eine Datenschutz-Folgenabschätzung (DSFA) durchführen, bei Schaden-Scoring ist sie faktisch Pflicht.

Gut kombiniert mit

• Guidewire, als verbreitetes Claims-Management-System ist Guidewire häufig das Kernsystem, an das Shift andockt. Shift liefert die KI-Schicht (Detection, Scoring, Agenten), Guidewire bleibt das System of Record für die Schadenakte.
• , wenn das eigene Data-Science-Team über die Versicherungs-Use-Cases hinaus eigene Modelle bauen und betreiben will (z. B. Pricing, Storno-Prognose), ergänzt eine generische Plattform die spezialisierte Shift-Engine.
• UiPath, für die nachgelagerte Prozessautomatisierung (Briefe, Systemeinträge, Rückforderungsschreiben) kann RPA die von Shift erkannten Fälle weiterverarbeiten und so den Kreis von Erkennung bis Aktion schließen.

Unser Testurteil

Shift Technology verdient 4 von 5 Sternen. In seiner Nische, End-to-End-KI für die Schadenbearbeitung großer Versicherer, gehört es zur Spitzengruppe: tiefe Branchen-Spezialisierung, eine riesige Vergleichsdatenbasis, belegbarer ROI und ein glaubwürdiger Schwenk zur agentenbasierten KI. Den fünften Stern kostet es die enge Zielgruppe (faktisch nur Tier-1-Versicherer), die fehlende Preistransparenz, die langen Implementierungszeiten, das fehlende deutschsprachige Produkt und der Aufwand, Erklärbarkeit und DSGVO-/BaFin-Konformität sauber abzusichern. Für einen großen Erstversicherer mit Leakage- und Betrugsproblem ist Shift eine der ernstzunehmendsten Optionen am Markt, für alle darunter schlicht nicht das richtige Werkzeug.

Was wir bemerkt haben

• Juni 2026, Auf der aktuellen Startseite bestätigt: Shift nennt „120+ Versicherer in 30+ Ländern”, über 4 Mrd. analysierte Policen/Schäden/Dokumente, über 350 Mio. Versicherte und „100 % der fünf größten US-P&C-Versicherer” als Kunden. Der Markenclaim lautet weiterhin „Agents that transform insurers’ most critical work”.
• 2024, Shift hat seine Positionierung von der „AI Decisioning”-Plattform hin zu agentenbasierter KI verschoben: Funktionen werden als „AI agents” für Coverage & Liability, Fraud & Risk, Subrogation, Injury und Schaden-Beschleunigung vermarktet. Das ist mehr als ein Etikett, es spiegelt die Branchenbewegung von Detection hin zu autonomer Workflow-Ausführung.
• Frühere Berichterstattung (nicht in dieser Aktualisierung erneut belegt): In der Vergangenheit kursierten eine Fünf-Jahres-Verlängerung der AXA-Partnerschaft (2024), eine Zusammenarbeit mit Covéa, der Celent-Luminary-Award 2024 (Insurance Fraud Solutions) sowie eine kommunizierte Gesamtfinanzierung von rund 320 Mio. USD (letzte große Runde 2021). Diese Angaben konnten wir im Juni 2026 nicht aus einer Primärquelle bestätigen, sie sind als historischer Stand zu lesen.
• Juni 2026, Ältere Angaben von „200+ Kunden” finden sich in der Berichterstattung weiterhin, die offizielle, aktuelle Zahl ist die niedrigere (120+), die wir verwenden.