Zusammenfassung

  • Mit Projekt Nemo hat Allianz im Juli 2025 in Australien seine erste integrierte agentische KI-Lösung in Produktion gebracht: sieben aufgabenspezifische Agenten automatisieren Verdorbenschafts-Schadensfälle der Nahrungsmittelsparte, mit berichteter 80-prozentiger Reduktion der Bearbeitungs- und Abwicklungszeit und einem End-to-End-Durchlauf unter fünf Minuten; die Auszahlungsentscheidung bleibt beim Menschen. [1]
  • Die Systemfrage dahinter ist nicht ein Modell, sondern ein Operating Model: agentischer Kontrollplan, interner Agenten-Marktplatz mit Audit-Logs und Traces, MCP- und REST-Anbindungen, drei Agentenstufen (L1 Planung, L2 Geschäft, L3 Assistenten) — vorgestellt von CTO Axel Schell auf der AWS re:Invent 2025 Keynote. [2][3]
  • Die Skalierungsmaschinerie dahinter läuft über einen doppelgleisigen Betrieb: ein SageMaker Data Science Workbench mit rund zweitägigem Onboarding neben einer Self-Service-Spur, Low-Regret-Standards (Git-basiertes Prompt-Management, OpenTelemetry, Container) und einer gestuften Governance-Trichterkonstruktion — präsentiert im Breakout IND3321. [4]
  • AllianzGPT 2.0 ist als neue interne KI-Plattform für 2026 angekündigt; das GenAI Lab hat laut Konzernangabe die Erzeugung von über 30.000 KI-Agenten ermöglicht — eine Erzeugungs-, keine Einsatzmetrik. [5]
  • Die Evidenzlücken bleiben dieselben: es fehlt eine gruppenweite Cloud-Metrik, und Agentenanzahlen sind keine Belege für Produktionsdurchsatz. [6]

Das eigentliche Ereignis ist nicht der Agent, sondern die Kontrollstruktur um ihn herum. In der Keynote-Segment auf re:Invent 2025 beschrieb Allianz-CTO Axel Schell eine Architektur, die Agenten nicht als isolierte Tools behandelt, sondern als verwaltete Betriebsmittel: ein Kontrollplan, ein interner Marktplatz, Audit-Logs und Traces für jede Agenteninteraktion, Anbindungen über MCP und REST, drei Hierarchiestufen von Planungsagenten über Geschäftsagenten bis zu Assistenten.

Das ist die Infrastruktur-Sicht auf etwas, das andere Firmen als Produktmarketing abhandeln — und sie ist deshalb wichtig, weil sie bestimmt, ob agentische KI in einem Konzern mit 74 Länderbetrieben reproduzierbar wird oder als Sammlung von Piloten endet.

Projekt Nemo ist der erste datierte Produktionsbeweis dieser Kette. Die im November 2025 veröffentlichte Konzernmitteilung datiert den Start auf Juli 2025 in Australien und beschreibt sieben Agenten — Planung, Cyber, Deckung, Wetter, Betrug, Auszahlung, Audit —, die Schadensfälle aus der Verderbnis von Nahrungsmitteln automatisieren. Die berichteten Zahlen sind konkret: 80 Prozent weniger Zeit für Bearbeitung und Abwicklung, End-to-End unter fünf Minuten, menschliche Prüfung der Auszahlung. Das ist ein echtes Einsatzmuster mit definiertem Grenzbereich: ein Schadenstyp, eine Region, ein klarer Human-in-the-Loop-Schnitt.

Bemerkenswert ist der Konflikt in den Unterlagen selbst: Eine separate Allianz-Governance-Aufstellung nennt sechs Agenten, die Pressemitteilung sieben. Für eine Firma, deren Kernthese Kontrollierbarkeit ist, ist eine inkonsistente eigene Agentenzählung ein berichtenswerter Widerspruch.

Die Skalierungswerkzeuge kamen im Breakout IND3321 von Tivadar Debreczeny (Allianz Technology) und Philipp Klose (AWS) auf den Tisch: Amazon Bedrock und SageMaker als Basis, ein Data Science Workbench mit rund zweitägigem Onboarding für den regulierten Pfad, daneben eine Self-Service-Spur für niedrigriskante Arbeiten, Git als Prompt-Quelle der Wahrheit, OpenTelemetry für Traces, Container als Paketformat und eine Governance-Trichterkonstruktion, die Projekte stufenweise von der Idee in die Produktion befördert.

Das ist genau die Art von Low-Regret-Standardisierung, die einen Agenten-Marktplatz über AI-Engineering-Heroik hinaus tragfähig macht.

Die Konzernseite von März 2026 liefert den Vermehrungsmechanismus: AllianzGPT 1.0 im internen Gebrauch, AllianzGPT 2.0 als neue Plattform für 2026 angekündigt, ein GenAI Lab, das die Erzeugung von mehr als 30.000 KI-Agenten ermöglicht hat, Copilot auf Anfrage, Claude for Enterprise im Rollout und ein Lernrahmen namens Fit4AI. Der kritische Unterschied, den diese Berichterstattung zieht: 30.000 erzeugte Agenten sind eine Erzeugungsmetrik, keine Einsatzmetrik. Wie viele davon laufen in Produktion, mit welcher Verfügbarkeit, mit welchem Audit-Volumen — dazu schweigen die Quellen.

Was die Evidenz noch nicht hergibt

Die historische Berichterstattung dieser Publikation zur Netzwerkinfrastruktur von Allianz Technology hat zwei Anker gesetzt: ein ingesourctes SD-WAN über rund 1.100 Niederlassungen und 13 Colocations im stabilen Betrieb sowie ein gruppenweites Cloud-Bild, das bislang fast ausschließlich auf eine Anbieter-Fallstudie zu Allianz Ayudhya stützt (30 auf 76 Prozent). Beide Anker bleiben unverändert. Neu ist, dass die 2026er Aufzeichnung einen datierten Produktionsbeweis ergänzt, aber die gruppenweite Lücke offenlässt: Es existiert keine veröffentlichte, gruppenweite Cloud- oder Agenten-Produktionsmetrik.

Auch die Speed2Value-Offshoring-Zahlen (Australien: 515 direkte Stellen im März 2023, 329 im März 2026 laut Tribunal-Unterlagen) bleiben der Kostenkontext, in den die Automatisierungsleistung eingebettet sein müsste, um als Ersetzung beurteilt werden zu können.