Does insurance secrecy apply when an employee uses ChatGPT?

Yes. Art. 35 VAG places employees of supervised insurers under confidentiality obligations analogous to banking secrecy, and social health insurers are additionally bound by Art. 84 KVG. A prompt containing client or insured data sent to an external LLM provider is a potential breach. NativeAI Guard anonymizes client identifiers, diagnoses and policy numbers before the prompt leaves the organization.

Is insurance pricing AI high-risk under the EU AI Act?

From August 2026 the EU AI Act classifies AI used for risk assessment and pricing in life and health insurance as high-risk, with binding logging, human-oversight and governance duties. Employment-related AI decisions are also high-risk. NativeAI Guard contributes the logging and oversight gates these obligations require.

How can an insurer explain an AI content-blocking decision to a regulator?

Every NativeAI Guard decision is logged together with the policy and the data category that triggered it, and human overrides are recorded with an audit trail. Anonymized-storage mode keeps the full audit trail without exposing raw personal data, which is the balance social health insurers need under Art. 84 KVG.

Can AI claims agents leak insured data?

Yes, in both directions. Claims agents ingest submissions, medical reports and correspondence, which can carry hidden prompt-injection instructions, and their responses can expose another claimant's health data. NativeAI Guard inspects what the agent ingests and what it responds with, blocking injected instructions and cross-claimant data leaks.

Branchen / Versicherung · Versicherer & Krankenkassen

KI-Schutz für Versicherer, gebaut für die Geheimhaltung nach Art. 35 VAG.

Geheimhaltung nach Art. 35 VAG, analog zum Bankwesen, und ab August 2026 Hochrisiko-Regeln des EU AI Act für Risikobewertung und Preisgestaltung bei Lebens- und Krankenversicherungen: Derselbe Arbeitsablauf löst beides aus.

In Aktion erleben

Omnichannel-Schutz, auf allen Geräten.

ChatGPT, Claude, Gemini, Copilot, DeepL und alles, was Ihre Mitarbeitenden nächste Woche ausprobieren: dieselben Richtlinien, dieselbe Anonymisierung und derselbe Audit-Trail auf dem Arbeitslaptop wie auf dem Mobile.

Szenarien ansehen →

FRISTENJETZT · Art. 35 VAG · DSG in KraftJAN 2025 · DORA in KraftAUG 2026 · EU AI ACT HOCHRISIKO (Risikobewertung & Preisgestaltung)

Das KI-Governance-Framework für Versicherungen

Sechs Pflichten. Unser Anteil, ehrlich eingeordnet.

Wir kennzeichnen, was NativeAI Guard für die von uns geschützten Kanäle löst, wo es beiträgt und was bei Ihren Prozessen bleibt.

Art. 35 VAGVersicherungsgeheimnis, Vertraulichkeitspflichten für Mitarbeitende regulierter Versicherer.✓ Wir lösen · DLP + Anonymisierung

Art. 84 KVGVertraulichkeit von Versichertendaten für soziale Krankenversicherer, getrennt von und zusätzlich zu Art. 35 VAG.✓ Wir lösen · DLP + Anonymisierung

DSG / DSGVOGesundheitsdaten sind besonders schützenswerte Personendaten: Datenminimierung, Verzeichnisse, grenzüberschreitende Beschränkungen, persönliche Haftung.✓ Wir lösen · Anonymisierung + RoPA

EU AI ActRisikobewertung und Preisgestaltung für Lebens-/Krankenversicherungen sind ab Aug 2026 hochriskant, zusätzlich KI für Beschäftigungsentscheide.◐ Wir tragen bei · Logging + Aufsicht

FINMA 2018/3Die Nutzung externer LLM ist auch für Versicherer eine Auslagerungsbeziehung, Dokumentation und Überwachung erforderlich.◐ Wir tragen bei · Monitoring-Artefakt

DORAGilt für EU-orientierte Versicherer, IKT-Drittparteienregister und Vorfallmeldung.◐ Wir tragen bei · Logging + RoI-Nachweis

Beobachtet bei Schweizer Versicherern

Die Schadenzusammenfassung

Ein Underwriter fügt die Krankengeschichte eines Kunden in ein LLM ein, um einen Schadenfall zusammenzufassen. Gesundheitsdaten, besonders schützenswerte Personendaten, haben soeben unter den Nutzungsbedingungen eines Consumer-Dienstes den Perimeter verlassen.

NativeAI Guard: [PERSON], [DIAGNOSIS], [POLICY-NO], die Zusammenfassung funktioniert weiterhin, die Gesundheitsdaten bleiben im Unternehmen.

Die Frage der Erklärbarkeit

«Wie rechtfertigen wir die Entscheidung eines unscharfen LLM-Klassifikators gegenüber der Aufsicht?», der Einwand, den wir von jedem Versicherungs-CISO hören. Ein Block, den Sie nicht erklären können, ist ein Block, den Sie nicht verteidigen können.

NativeAI Guard: jede Entscheidung wird mit der Richtlinie und der Datenkategorie protokolliert, die sie ausgelöst hat; menschliches Übersteuern mit Audit-Trail. Der Modus mit anonymisierter Speicherung bewahrt den vollständigen Trail ohne rohe Personendaten, wie Art. 84 KVG es verlangt.

Die ersten Schaden-Agenten

Versicherer pilotieren KI-Agenten, die Schadenmeldungen, medizinische Berichte und Korrespondenz lesen, um Schadenfälle zu triagieren. Diese Dokumente können eine versteckte Prompt Injection enthalten, und die Antwort des Agenten kann die Gesundheitsdaten eines anderen Anspruchstellers nach aussen tragen.

NativeAI Guard: prüft, was der Schaden-Agent aufnimmt und was er zurückgibt, fängt eingeschleuste Anweisungen ab und blockiert übergreifende Datenlecks zwischen Anspruchstellern. NativeAI Guard Agent Firewall →

Richtlinien in natürlicher Sprache statt in Regex zu schreiben, das ist das entscheidende Alleinstellungsmerkmal von NativeAI Guard.

SECURITY ENGINEER · SCHWEIZER KRANKENVERSICHERER

Richtlinien, betreut

Das Regelwerk für Versicherer ist schon geschrieben. Sie passen es an.

DSG, DSGVO und EU AI Act, dazu die Vorgaben, denen Ihre Branche konkret unterliegt. Fachleute aus Sicherheit und Compliance prüfen es; wir halten es aktuell, wenn sich das Recht ändert.

Insurance packArt. 35 VAGArt. 84 KVG · health insurersSwiss DSG · GDPREU AI Act, pricingFINMA 2018/3

Im Onboarding justieren wir das Paket auf Ihre eigenen Datenstrukturen und internen Regeln, ausgehend von den Compliance-Dokumenten, die Sie bereits haben.

Häufige Fragen

Häufig gestellte Fragen

Können die anonymisierten Felder in der Antwort des Modells wiederhergestellt werden, damit die Antwort brauchbar bleibt?

Die Re-Identifikation auf dem Rückweg befindet sich in aktiver Entwicklung und wird heute noch nicht ausgeliefert; sie steht weit vorne auf unserer Dev-Roadmap, weil mehrere Kunden danach gefragt haben. Was heute funktioniert: Die Anonymisierung erhält den Kontext. Kennungen werden zu typisierten Platzhaltern, sodass das Modell weiterhin eine brauchbare, korrekt strukturierte Antwort erzeugt, die Ihre Leute intern vervollständigen können.

Wie begründen wir eine KI-gestützte Blockierentscheidung gegenüber einer Aufsichtsbehörde? Ein LLM-Klassifikator wirkt unscharf.

Indem die Entscheidung rekonstruierbar gemacht wird, nicht indem behauptet wird, das Modell sei unfehlbar. Jede Entscheidung hält die angewandte Richtlinie, die erkannte Datenkategorie, den auslösenden Inhalt, die ergriffene Massnahme und die Modellversion fest, sodass sie nachträglich nachgespielt werden kann; deterministische Regeln laufen neben der semantischen Schicht für die Pflichten, die Sie nie verfehlen dürfen. Aufsichtsbehörden fragen, ob eine Kontrolle dokumentiert, konsistent angewandt und prüfbar ist, nicht ob sie deterministisch ist.

Wir halten Gesundheitsdaten, Bankdaten und Versicherungsdaten unter einem Dach. Können sich Richtlinien nach Geschäftsbereich unterscheiden?

Ja, und das sollten sie. Richtlinien werden pro Gruppe, Geschäftsbereich oder Team abgegrenzt, sodass Art. 35 VAG, Art. 84 KVG und die Regeln für Gesundheitsdaten dort unterschiedlich durchgesetzt werden können, wo sie gelten, statt alles auf den strengsten gemeinsamen Nenner zu bringen und Arbeit zu blockieren, die vollkommen rechtmässig ist.

Schützen Sie Ihre Mitarbeitenden vor Risiken nach Art. 35 VAG.

Eine Pilotphase, von uns betrieben: ein Policy-Starterpaket für Versicherungen plus Bericht zu Datenabflüssen, Shadow-AI, Nutzung und Kosten. Der Anonymisierungsmodus hält Kunden- und Gesundheitsdaten im Unternehmen.