Icon_Data

Das Data Warehouse – ein Bilanzierungstool bei Versicherern

Geht es um die Erstellung der Gesamtbilanz oder der Statistik innerhalb eines Versicherungskonzerns, fällt die Wahl immer wieder auf das Data Warehouse (DWH) als dispositives System. Es steht im Grunde am Ende aller „Kernsysteme“, u. a. dem Bestandsverwaltungssystem (VWS) als Herzstück jedes Versicherers. Es ist im Kern eine Datenbank, aus der man u. a. für die BaFin die notwendigen Berichte in Form der BerVersV (diverse Formblätter und Nachweise) generiert.

Am „vorderen Ende“ kommen die Rohdaten aus den Kernsystemen und anderen externen Datenquellen meist über eine tägliche Beladung an. Diese werden für die Erstellung von Bilanz und Statistik in Bestandsgruppen aggregiert. Die zusätzlichen Vorschriften, wie zu aggregieren ist, kommen selten direkt aus den Rohdaten und können daher direkt im DWH als zusätzliche „Schicht“ zwischengeschaltet werden. Oft wird dabei auch die zeitliche Abgrenzung zwischen den Abschlüssen der Bilanz/Statistik direkt im DWH umgesetzt.

Am „hinteren Ende“ – so das Ziel – erfolgt dann oft ein browserbasierter Zugriff auf die aggregierten Daten, wo lediglich noch simple Parameter (Zeiträume, Teilbestände und Tarifgruppen) vorzugeben sind, um am Ende die Gesamtbilanz per Knopfdruck zu erhalten, ohne über irgendwelche Kenntnisse zu SQL o. ä. zu verfügen. Die Endanwender des DWH sind u. a. die Bilanzmathematiker, die für jeden Jahres- und Quartalsabschluss die Bilanz und die Gewinnzerlegung aufstellen müssen.

Ein gewaltiger Vorteil der Bilanzierung auf Basis des DWH, anstelle der direkten Datenabfrage im VWS, ist die Performance. Die Vorauswahl der Rohdaten kann sich lediglich auf diejenigen Tabellen beschränken, die auch relevant sind. Komplizierte Abfragen auf dem produktiven VWS während des Tagesgeschäfts können sehr viel länger dauern als auf einem entkoppelten System, was über Nacht einmal täglich neu beladen wird.

Ein weiteres Thema ist die einfachere und schnellere Korrektur von Fehlern, die direkt in den VWS entdeckt, aber bis zur nächsten Bilanz aus Zeit- oder Kostengründen nicht mehr zu beheben sind. Im DWH kann man dagegen zügig neue Tabellen einfügen, um gewisse Werte für die Bilanz zu korrigieren, ohne das eigentliche VWS zu verändern. Wenn v. a. das VWS auch noch extern verwaltet wird (im Gegensatz zum DWH), können Bestandskorrekturen zum Teil sehr lange dauern.

Eine Besonderheit bietet das DWH für Migrationen: Während der Quellanalyse fallen immer wieder Bestandsfehler im Quellsystem auf, die man u. U. aus Kosten-Nutzen-Gründen nicht migrieren möchte bzw. aufgrund von Bilanzstetigkeit nicht anpassen darf. Im DWH können diese recht unkompliziert mitgeführt werden, um sie in jeder Bilanz automatisch berücksichtigen zu können. Dazu kann man Zeitreihen umsetzen und in die automatischen Prozesse integrieren. Innerhalb einer Migration aufgefallene Fehler im Quellsystem können so bestehen bleiben, ohne dass man im Zielsystem bewusst Fehler umsetzt. Diese Fehler können und sollen sich dann lediglich durch den normalen Bestandsabbau von selbst eliminieren.

Natürlich gibt es neben Bilanz und Statistik weitere Einsatzmöglichkeiten für das DWH: Sei es für interne Auswertungen auf den Rohdaten direkt per SQL-Statements oder die Darstellung von Vertragsverläufen etc., so bietet dieses System eine Vielzahl von zusätzlichen Anwendungen.

Als Experte und Ansprechpartner steht Ihnen Herr Stefan Kietzmann gerne zur Verfügung.

Icon_Projektmanagement

So machen Sie Migrationserfolg messbar (Teil2)

Im Teil 1 haben wir gezeigt, dass das Ziel unseres Vorgehens die finanzielle Bewertung einer geplanten Migration ist. Im Teil 2 schauen wir auf die einzelnen Schritte, die von einer groben qualitativen Bewertung (s. Abb. 1) zu einer finanziellen Prognose führen.

Abb. 1.

Die Abbildung zeigt eine mögliche Bewertung des Zielsystems durch eine Auswahl von Organisations­bereichen. Für die finanzielle Prognose, erfolgt eine mehrstufige Abschätzung potenzieller Aufwände im Betrieb für das (die) Zielsystem(e), die untereinander bzw. mit denen des aktuellen Systems verglichen werden.

Die drei Schritte des Vorgehens sind:

  1. Produkterfassung
  2. Prozesserfassung
  3. Bewertung

1.Produkterfassung

In diesem Schritt wird der Bestand klassifiziert. In Abhängigkeit von Bestandstruktur und der beste­henden Kostenzuordnung, beispielsweise für Solvenz- und Profitabilitätsberechnungen, wächst das Vorgehen in Tiefe und Breite mit. Das bedeutet, in der Breite nimmt man sukzessive alle relevanten Produkte, Produktgruppen, Tarife, Vertriebswege, Geschäftsbereiche usw. auf. In der Tiefe wird nach Tarifgenerationen, Abrechnungsverbänden, Quellsystemen etc. gegliedert. Das geschieht in Abhän­gigkeit davon, welche Granularität für die betrachteten Bestand sinnvoll ist.

Typische Einteilungen aus unserem Referenzmodell sind: Konventionelle gemischte Versicherung, Risikoversicherung, Beitragsbefreiung/Rentenleistung bei Berufsunfähigkeit, konventionelle Renten­versicherung, Fondsgebundene Rentenversicherung, Hybride Rentenversicherung. Diese Produkt­arten, werden aufgegliedert in Tarife, Version Geschäftsplan oder 13d-Meldung, Tarifvarianten, Konsortialbestand, bAV/pAV-Zuordung bis zu dem Grad, der der Kostenableitung angemessen ist.

2. Prozesserfassung

In diesem Schritt werden die Kernprozesse der Lebensversicherung erfasst und mit Kosten bewertet. Die Kernprozesse haben wir u.a. gegliedert nach technischen und juristischen Bearbeitungen, plan­mäßigen und außerplanmäßigen Vorgängen sowie Vertrags- und Leistungsbearbeitungen. Nach unserer Migrationserfahrung ist es an dieser Stelle sinnvoll die Aggregation in der Ebene vorzuneh­men, in der eine valide Kostenzuordnung möglich ist. Das Ziel ist, die einzelnen Prozesse mit Stück­kosten zu bewerten. Sicherlich sind für das Quellsystem und die in Frage kommenden Zielsysteme high-level-Daten zu den Kosten von „Blech“/Cloud-Services, Wartung, Lizenzgebühren etc. verfügbar. Um jedoch aus den Informationen der Anbieter valide Informationen für den Betrieb ihrer Systeme zu generieren, ist es entscheidend weitergehende, zielführende Fragen zu stellen. Welche Geschäfts­vorfälle funktionieren komplett in der Dunkelverarbeitung oder nur zu 80% oder 90%? Welche Geschäftsvorfälle werden mittels synchroner/asynchroner Schnittstellen abgewickelt? Hier kann ganz gezielt auf Punkte eingegangen werden, deren laufender Betrieb noch nicht den eigenen Ansprüchen genügt; beispielsweise Fondsausschüttungen, Verschmelzung von Fonds, Riester-Meldewesen oder Krankenkassenmeldungen.

3. Bewertung

Im Schritt Bewertung werden die Mengen an Geschäftsprozessen pro Produkt/Tarif und Bewertungs­jahr mit den Kosten aus der Prozesserfassung bewertet und aggregiert. Die Kostenbewertung für das Quellsystem wird z.B. anhand der Kostenverteilung geeigneter Solvenzberechnungen validiert. Die möglichen Zielsysteme stehen dadurch nicht nur gegeneinander sondern auch mit dem Quellsystem im Wettbewerb. Schwächen und Stärken der Zielsysteme werden so greifbar. Ein Ergebnis einer solchen Bewertung kann z.B. sein, dass in den ersten Jahren nach Migration kein signifikanter Unter­schied zwischen Anbieter A und Anbieter B besteht, sich im weiteren Zeitverlauf Anbieter B als güns­tigere Wahl herausstellt, da nach Ablauf eines großen Teils der konventionellen Versicherungen die effizienteren Prozesse rund um die Fondsverwaltung eine dominierende Rolle spielen (s. Abb. 2).

Abb. 2.

Natürlich kann das Ergebnis einer solchen Bewertung nicht die alleinige Grundlage einer Migrations­entscheidung sein. Ein entscheidender Vorteil ist, dass es dazu beiträgt, die unterschiedlichen Einschätzungen aus den Fachbereichen zu Themen wie Rentenbezugsmitteilung, Zulagenverwaltung, Leistungsbearbeitung, Fondskurserfassung, Skalierbarkeit der Systeme, Ausfallsicherheit, Servicelevel usw. zu kanalisieren und einer einheitlichen Bewertung zugänglich zu machen.

Unseren Artikel zum AAA Referenzmodell LV-Bestand finden Sie hier.

Als Experte und Ansprechpartner steht Ihnen Herr Michael Stoffels gerne zur Verfügung.

Icon_Projektmanagement

So machen Sie Migrationserfolg messbar (Teil1)

Wenn Sie heute auf die Success-Stories schauen, die Softwareanbieter auf ihren Homepages zu großen LV-Migrationen zur Verfügung stellen, finden Sie interessante Angaben zu Umfang der Migration und Architektur des Zielsystems.

Was Sie nicht finden, sind die Effizienzgewinne im laufenden Betrieb. Dabei besteht die Nagelprobe einer Migration nicht in Dauer und Aufwand bis zum unmittelbaren Transfer der Vertragsdaten von A nach B. Die tatsächliche Nagelprobe sind die Kosten im laufenden Betrieb nach der Migration. Diese Kosten so abzuleiten, dass sie prognostisch messbar und validierbar sind, ist das Herzstück unseres standardisierten Vorgehens zur finanziellen Bewertung einer geplanten Migration. Dieser zwei geteilte Beitrag beschreibt unser Vorgehen.

Die Schwerpunkte einer solchen finanziellen Betrachtung richten sich nach der Heterogenität des zu migrierenden Bestandes und der angestrebten Ziellandschaft. Insbesondere bei einem Lebens­versicherer im Konzernverbund werden in der Regel zahlreiche Systeme, wie z.B. Partner und Buch­haltung, im Rahmen einer Migration beibehalten. Das bedeutet, die Komponenten des Zielsystems sind immer auch im Kontext vorhandener Systeme zu betrachten. Die Komplexität eines zu migrierenden Bestandes beeinflusst nicht nur den unmittelbaren Migrationsaufwand, sondern auch die langfristig zu erzielenden Effizienzgewinne. Diese Komplexität ergibt sich aus einer Vielzahl von Faktoren wie Produktmix, zurückliegenden Fusionen und Bestandsübertragungen oder auch Vertriebswegen. Nach der Migration sind regelmäßig vielfältige technische Schwachstellen und Altlasten bereinigt. Wie stark sich diese Bereinigung finanziell auf den laufenden Betrieb auswirkt, betrachten wir unter Zugrundelegung unseres Referenzmodells für die Lebensversicherung. Dieses unabhängige Referenzmodell ermöglicht es, die Schwachstellen und Stärken sowohl des bestehen­den Systems als auch die Leistungsfähigkeit der Systeme potenzieller Anbieter zu bewerten. Durch das standardisierte Vorgehen werden die Auswirkungen auf den laufenden Betrieb finanziell messbar gemacht. Vorteile eines solchen Vorgehens sind:

  • Das Referenzmodell ist nicht „betriebsblind“. Ohne historisch gewachsene Altlasten verhin­dert es einerseits eine Fehlbewertung des Ist-Systems und macht andererseits die möglichen Zielsysteme objektiv vergleichbar.
  • Das Vorgehen fokussiert auf Geschäftsprozesse, die im Bestand tatsächlich auftreten, und macht unterschiedliche Sachverhalte vergleichbar. Einmalige Effekte wie die Reduktion der Tarifvielfalt und Geschäftsvorfälle mit hohem Volumen wie Beitragsfreistellungen werden finanziell adäquat bewertet.

Ausgehend von unserem LV-Referenzmodell haben wir ein übersichtliches Vorgehen entwickelt, mit dem auf Managementebene wichtige finanzielle Auswirkungen verschiedener Migrationsszenarien im Zeitverlauf dargestellt werden. Das Vorgehen gliedert sich in die drei Schritte:

  • Produkterfassung
  • Prozesserfassung
  • Bewertung

Das Ergebnis ist eine Prognose darüber, welche finanziellen Wirkungen im laufenden Betrieb der Wechsel des Systems und damit auch die Migration haben. Damit wird eine zentrale Frage beantwortet: Lohnt sich die Migration oder nicht? In Teil 2 beschreiben wir, wie die einzelnen Schritte unseres Standardvorgehens zum Ergebnis führen. Diesen stellen wir Ihnen ebenfalls zeitnah vor und bis dahin, steht Ihnen für Fragen Herr Michael Stoffels gerne zur Verfügung.

KI1

Migration beherrschbar machen – lohnt sich der Einsatz von KI?

Migrationsprojekte gelten als aufwändig, komplex und kostenintensiv. Deshalb haben wir uns die Frage gestellt, ob es nicht möglich ist, KI-Methoden in Migrationen kostensparend einzusetzen.

Wenn ich von mir selbst ausgehe, dann beschäftigt man sich als Aktuar und Mathematiker lieber mit Zahlen und Formeln. Dennoch kommt man in Migrationsprojekten an einer systematischen AVB-Analyse nicht vorbei. Denn oftmals schlummern in den AVB spezielle Regelungen, die nicht direkt präsent sind oder deren Umsetzung im Altsystem noch nicht erforderlich waren, die aber zukünftig notwendig sind. Ein Beispiel ist die Formulierung „Dynamische Erhöhungen können nach den neuesten Rechnungsgrundlagen durchgeführt werden“.

Gerade Text oder Textbausteine können durch eine KI effektiv analysiert werden. Deshalb bieten sich die AVB für eine automatisierte Analyse mit KI-Methoden an.

Aus einem konkreten Praxisbeispiel wurde mit unserer versicherungsfachlichen Unterstützung ein Tool entwickelt, das dies genau leistet: die automatisierte AVB-Analyse zugeschnitten auf Fragestellungen für Bestandsmigrationen.

Mehr dazu finden Sie hier: Whitepaper AVB-Analyse – speedie

Als Experte und Ansprechpartner steht Ihnen Herr Gerald Heger gerne zur Verfügung. 

ICON_Geschäftsprozessmanagement

 „AAA Referenzmodell LV-Bestand“ – wenn aus Erfahrung Innovation wird

„Wir haben ja alle notwendigen Informationen im Haus vorliegen.“ – heißt es in Versicherungsunternehmen oft vor Projektstart. Schon bald klingt das dann aber so:

„Die Prozessmodellierung in unserem BPMS-Tool ist für unsere Analyse zu grobgranular und hat leider einen anderen fachlichen Schnitt als die Business Architektur in unserem EAM-Tool. Das passt irgendwie nicht.“

„Aus unseren Arbeitsanweisungen können wir keine Szenarien für den Proof-of-concept des neuen externen Systems ableiten, da sie zu detailliert auf die bestehende Benutzeroberfläche referenzieren.“

„Im diesem Projekt vor zwei Jahren haben wir mal eine ähnliche Entscheidung treffen müssen, weiß jemand, in welchem Protokoll die stehen könnte? Ist das Projektlaufwerk schon archiviert?“

Zweifelsohne unterstützen BPMS-, EAM- und Kollaborations-Tools perfekt ihr jeweiliges Einsatzgebiet, was jedoch häufig fehlt, ist eine integrierende fachlich-technische Sicht der Prozess- und Systemlandschaft, aus der konsistente Anforderungen für die notwendigen Change- und Run-Themen abgeleitet werden können und die im Pflegeaufwand leichtgewichtig daherkommt.

Viele Häuser zögern, diese integrierte Basis zu schaffen, da der Aufwand für eine derartige Basisinvestition ausufern könnte – obwohl der Bedarf klar gesehen wird.

Für den – nicht gerade trivialen – Bereich Bestandsführung Lebensversicherung gibt es dazu einen innovativen Ansatz: das „AAA Referenzmodell LV-Bestand“. Auctor Actor Advisor kombiniert dafür die über 20-jährige Erfahrung im Bereich Lebensversicherung mit dem Einsatz von Atlassian Confluence, dass auch in Versicherungsunternehmen inzwischen der Quasi-Standard bei den Kollaborationstools ist.

Fünf wesentliche Dokumentationselemente der LV-Bestandsführung (Basisanforderungen, Tarife/Produkte, IT-Systeme, Bestandsbearbeitungen/GeVos und Dokumente/Briefe) werden in Atlassian Confluence konsistent vernetzt und medienbruchfrei abgebildet. Vorgefertigte Templates erleichtern die Erstellung der Dokumentation und können flexibel auf die unternehmensspezifischen Bedürfnisse angepasst werden. Zwischen den Dokumentationselementen bestehende Beziehungen können einfach (zum Teil automatisch) abgebildet werden und ermöglichen sowohl eine fokussierte als auch eine explorative Navigation. 

Zusätzlich ist das Modell bereits umfassend vorbefüllt, so dass es keinen Start „auf der grünen Wiese“ gibt – es sind z.B. bereits ca. 120 elementare GeVos/Bestandsbearbeitungen vorab modelliert und verschlagwortet.

Bestehende Dokumentationen und Systeme können (sofern sie über eine URL erreichbar sind) leicht verlinkt werden, so dass der der Aufbau einer redundanzfreien (oder zumindest redundanzarmen) Dokumentation von Anfang an unterstützt wird. Von Hause aus besitzt Atlassian Confluence ein ausgefeiltes Konzept zur Rechtevergabe und versioniert automatisch Seiten und Anhänge.

Das „AAA Referenzmodell LV-Bestand“ holt Versicherungsunternehmen dort ab, wo sie stehen und bringt sie konsequent weiter. Die Anwendungsmöglichkeiten des AAA Referenzmodells, wie z.B. bei der Evaluierung von Migrationen, zeigen wir in künftigen Beiträgen. Fragen zum Referenzmodell beantwortet Ihnen gerne Leonid Korliakov.

Icon_Erde

Ein Ansatz für Nachhaltigkeit: (Mikro-) Versicherungen in Schwellen- und Entwicklungsländer

Helfen (Mikro-) Versicherungen die Ziele für nachhaltige Entwicklung zu realisieren? Teil I

Unter den aktuellen weltwirtschaftlichen Entwicklungen leiden Entwicklungs- und Schwellenländer besonders. Der Angriffskrieg in der Ukraine, die Klimaveränderungen und die Langzeitfolgen von Covid belasten extrem. Ein Mittel, die Bevölkerung zu unterstützen und ihnen die Möglichkeit zu geben, auf eigenen Beinen zu stehen, ist die von Muhammad Yunus weiterentwickelte Idee der Mikrofinanzierungen.

Während diese inzwischen ein etabliertes Konzept in Schwellen- und Entwicklungsländern sind, hat sich die Mikroversicherung noch nicht in ähnlichem Maße durchgesetzt, obwohl auch sie bereits seit über 15 Jahren existiert. Kurz gesagt sind Mikroversicherungen Versicherungsdienstleistungen, die genau auf die Zielgruppe der armen Bevölkerung abgestimmt sind.[1]

Sie zahlen auf die Ziele für nachhaltige Entwicklung der UN (SDG= sustainable development goals) in verschiedenster Art ein. So können zwei Prioritäten unterschieden werden. Es gibt SDGs, deren Realisierung direkt und unmittelbar durch Mikroversicherungen unterstützt werden und es gibt SDGs die mittelbar beeinflusst werden. In einer Reihe von Blogbeiträgen sollen Einflüsse und Wirkungen auf die Ziele nachhaltiger Entwicklung näher betrachtet werden.

Die unmittelbar beeinflussten SDGs sind folgende:

  1. Keine Armut
  2. Kein Hunger
  3. Gute Gesundheit und Wohlergehen
  4. Geschlechtergleichstellung
  5. Menschenwürdige Arbeit und Wirtschaftswachstum
  6. Maßnahmen zum Klimaschutz

Wenn in den nachfolgenden Beiträgen Beispiele für die Einflüsse auf die SDGs beschrieben werden, sollte man im Hinterkopf behalten, dass natürlich der Sinn von Versicherungen auch hier der gleiche bleibt – die Absicherung der Menschen und deren Risiken. Die Wirkungen von (Mikro-) Versicherungen in Entwicklungs- und Schwellenländern ist allerdings sehr viel höher als bei uns. Während bei uns eine Krankenzusatzversicherung durch eine gesetzliche Krankenkasse nicht abgedeckte Risiken übernimmt, gibt es in vielen Entwicklungsländern erst gar keine Krankenversicherung, die Grundleistungen abdeckt. Auch können die meisten Menschen in Deutschland individuelle Gesundheitsleistungen sogenannte IGEL-Leistungen bezahlen. Dieses ist in Afrika nur selten der Fall. Somit ist die Auswirkung einer Krankenversicherung auf die arme Bevölkerung ungleich höher als die einer Krankenzusatzversicherung bei uns.

In den folgenden Beiträgen in den kommenden Wochen soll nur anhand von drei Beispielen (SDG 1, 5, 13) die Wirkung grundsätzlich aufgezeigt werden. Die Unterstützung der anderen SDGs ist daraus ableitbar.

Ansprechpartner für das Thema Mikroversicherung ist Manuela von Göler.

Siehe dazu:

  • GIZ (Hrsg.): Inclusive Insurance and the sustainable development goals, Eschborn, 2017.

[1] “Microinsurance is the protection of low-income people against specific perils in exchange for premium payments proportionate to the likelihood and cost of the risk involved.” (Churchill, C. (2006). What is insurance for the poor? In: C. Churchill (Ed.), Protecting the poor: A microinsurance compendium (1st ed., pp. 12-24). International Labor Organization (ILO)).

icon_Roboter

AAA goes Metaverse

Im Presseranking des ablaufenden Jahres 2022 erreicht das „Metaverse“ in der Rubrik Innovation und Trends ganz sicher einen der vorderen Plätze. Ob es nun in Analogie zum Smartphone die Schlüsselinnovation zur nächsten oder übernächsten Stufe der Digitalisierung wird oder doch eher ein nettes Feature für Gamer und Nerds bleibt, ist sicher noch nicht geklärt.

Unbestritten ist das Metaverse aber eine spannende Innovation mit Raum für viel Fantasie. Das Spannungsfeld reicht von einer effizienten und begeisternden Abdeckung einzelner Use-Cases bis zur einer neuen, hybriden Welt, in der reale und digitale Elemente zusammenwachsen und so völlig neue Chancen eröffnen.

Damit ist klar, dass wir als zukunftsorientiertes, innovatives Beratungshaus nicht nur beobachten und diskutieren wollen, sondern das Metaverse ausprobieren. Uns interessiert:

  • Wie fühlt es sich an in der digitalen Welt?
  • Welche Plattformen, Features und Tools gibt es? Welche braucht man? Was hilft und ggfs. auch was stört?
  • Wie belastbar sind die fantasievollen Ideen, wem nutzen Sie und wer profitiert?
  • Ist die benötigte Technologie ready for use oder zumindest auf dem Weg dahin?
  • Wann erlangen erste Futures Marktreife oder etablieren sich?
  • Welche Einsatzszenarien sind zu erwarten oder erweisen sich als besonders attraktiv? Eignen sich vertriebliche Prozesse eher als Schulungen, Ausbildung oder Konferenzen? Sind die tatsächlichen Schlüsselfunktionen noch zu erfinden?
  • Welche Voraussetzungen muss ein Unternehmen schaffen, um Teil des Metaverse zu werden, als Anbieter oder als Nutzer? Welche Kompetenzen müssen dazu entwickelt oder aufgebaut werden? Welche Spielregeln sind zu vereinbaren?
  • Wann ist an regulatorische Anforderungen wie Datenschutz oder Dokumentationspflichten zu denken? Gleich zu Beginn oder eher nachgelagert?

Mit der AAA-Metaverse-Community gehen wir diese Themen und Fragen an. Für uns hat Verstehen auch in der digitalen Welt mit anfassen zu tun. Das machen wir.

Gern würden wir uns dazu auch mit anderen vernetzen. Interessierte, Neugierige, Gestaltende, aber auch Orientierungssuchende sind bei uns willkommen. Also los, der Austausch mit Michael Fenz ist nur eine Kontaktaufnahme entfernt.

Daten

AAA engagiert sich in der neuen Arbeitsgruppe des DAV

AAA engagiert sich in der neuen Arbeitsgruppe des DAV

Bestandsmigrationen rücken immer mehr in den Mittelpunkt der IT-Strategien der Versicherungsunternehmen.

Aktuarielle Expertise und Erfahrung sind ein ganz wesentlicher Erfolgsfaktor für erfolgreiche Migrationsvorhaben. In der DAV (Deutsche Aktuarvereinigung e. V.) hat sich eine Arbeitsgruppe gebildet, die sich mit Bestandsmigrationen in der Lebensversicherung beschäftigt. Als unabhängiges Beratungsunternehmen haben wir in den vergangenen Jahren umfassende Erfahrungen in verschiedenen Projektrollen in Migrationsprojekten gesammelt und weitreichende Expertise dazu aufgebaut.

Als Spezialist für Migrationsvorhaben freuen wir uns, ab sofort unsere fachliche und methodische Lösungskompetenz in die Arbeit der DAV einzubringen zu können. Gerne bringen wir unseren Beitrag zur Positionsbestimmung, Orientierung sowie zur erfolgreichen Berücksichtigung von Innovationen in einem spannenden Umfeld ein.

Unser Kollege Gerald Heger wird sich in der Arbeitsgruppe mit seiner langjährigen Erfahrung aus der Praxis aktiv engagieren.

Icon_Telematic

Sensorbasierte Unfallerkennung – Welche Technologien Versicherer heute nutzen können, um Kunden zu begeistern und Daten für sich nutzbar zu machen

Nach einem Autounfall direkt an der Seite des Kunden zu sein, ist für KFZ-Versicherer enorm wichtig. Es schafft hohe Kundenzufriedenheit, weil ein erfahrener Sachbearbeiter den Geschädigten durch die Stresssituation begleitet und den Schaden effizient und zeitnah steuern kann. Letzteres vermeidet Aufwände für Werkstätten und Sachverständige außerhalb des Partnernetzwerks sowie für Anwälte. In der Praxis erfährt der Versicherer jedoch häufig erst im Nachhinein vom Schadenereignis und kann somit für Kunden sowie Unfallgegner keine optimalen Lösungen platzieren.

Sensorbasierte Unfallmelder stellen eine Möglichkeit dar, eine „Automated First Notification of Loss“ beim Versicherer als Startpunkt für eine Schadenregulierung auszulösen. In der Praxis sind drei Varianten mit unterschiedlichen technischen Reifegraden gängig.

1. Moderne, mit dem Internet vernetzte Autos besitzen Sensoren ab Werk, die eine Vielzahl an Messwerten generieren. Ein Algorithmus erkennt durch die entsprechende Interpretation dieser Daten, wenn das Fahrzeug in einen Unfall verwickelt ist. Diese Informationen können Versicherern vom Fahrzeughersteller zur Verfügung gestellt werden.

2. Für ältere Modelle gibt es die Möglichkeit, einen nachrüstbaren Sensor im Wagen anzubringen, der möglicherweise weniger präzise Daten als vorinstallierte Sensoren liefert, aber unabhängig vom Autobaujahr ist.

3. Zudem kann ein Smartphone als Sensor fungieren. Da dieses im Normalfall nicht fest mit dem Fahrzeug verbunden ist, ist die Datenqualität sowie die Wahrscheinlichkeit der Unfallerkennung am geringsten. Allerdings stellt es bei der Distribution die kostengünstigste Alternative dar und durch gesammelte Unfalldaten kann der Erkennungsalgorithmus sukzessive verbessert werden, weshalb die Lösung hohe Potentiale aufweist.

Strategisch ergeben sich für KFZ-Versicherer verschiedene Handlungsoptionen, die sich zwischen zwei Gegensätzen bewegen.

1. Passives Warten: Einige Unternehmen warten ab, bis vernetzte Autos einen signifikanten Marktanteil ausmachen, um dann direkt auf Daten mit potenziell hoher Qualität zuzugreifen. Das Risiko dieser passiven Strategie ist zum einen der perspektivisch unbestimmte Zeitpunkt, zu dem dieser signifikante Marktanteil erreicht wird und darüber hinaus das damit verbundene Risiko von Marktanteilsverlusten bis zum Markteintritt.

2. Aktives Handeln: Andere nutzen die Chance des unmittelbaren Markteintritts und beschäftigen sich mit existierenden Brückentechnologien. Deren Daten machen eine Unfallerkennung aktuell zwar herausfordernder, allerdings sind sie bereits heute in hoher Zahl verfügbar (fast jeder Kunde besitzt ein Smartphone). Zudem sind die Smartphone-Daten geeignet, um im Rahmen der Weiterentwicklung der KI-basierten Algorithmen als Trainingsdaten genutzt zu werden. Versicherer sammeln so Erfahrungen mit den Möglichkeiten und Grenzen der Unfallerkennung, sind in der Lage datenbasierte Use Cases sinnvoll abzuleiten und beschäftigen sich schon heute mit den dazugehörigen, teils neuartigen Prozessen.

Wir glauben, dass die Transformation hin zur flächendeckenden Verbreitung vernetzter Autos viel Zeit in Anspruch nehmen wird (z.B. aufgrund der aktuell absehbaren zunehmenden Alterung des Fahrzeugbestands) und die Koexistenz der verschiedenen Ansätze noch lange bestehen wird. Einem Versicherer, der mit der Heterogenität der Handlungsoptionen umgehen kann, bietet sich daher ein entscheidender Wettbewerbsvorteil.

Besitzt ein Versicherer erst einmal eine ausreichend große Datenmenge, kann er diese mithilfe verschiedener Methoden der Datenanalyse untersuchen. Hierfür werden KI-basierte Modelle (von Klassifikationsbäumen bis hin zu neuronalen Netzen) entwickelt, die auf Grundlage bekannter Einflussgrößen eine Zielgröße auf Basis der Muster im Datensatz vorhersagen können. Konkrete Anwendungsfälle können hierbei sein, Personenschäden, Fahrtauglichkeit oder konkrete Schadenhöhen einzuschätzen. Hierzu werden Sensordaten (z.B. beschädigte Autoteile sowie Beschleunigung vor und nach dem Unfall) mit kundenspezifischen Daten (etwa Fahrverhalten, Alter oder Wagentyp) intelligent kombiniert. Je genauer dem Sachbearbeiter das Unfallbild schon vor dem Anruf klar ist, desto effizienter kann er dem Geschädigten helfen und Schadenkosten minimieren.

Bei einigen Versicherern ist die Unfallerkennung bereits heute in bestehenden Telematiktarifen integriert. Am Markt gibt es eine Vielzahl von Anbietern für die technische Umsetzung. Aus diesem Grund und aufgrund der Potenziale an datengetriebenen Use Cases, empfehlen wir KFZ-Versicherern, sich frühzeitig mit der Analyse und Bewertung der Optionen im eigenen Geschäftsmodell auseinander zu setzen und sich im Ergebnis zeitnah zu positionieren. Wir unterstützen die Assekuranz bei der strategischen Ausrichtung und Umsetzung mit unserer langjährigen Expertise und Erfahrung, die wir im Rahmen unserer Beratungstätigkeit für die Mehrzahl deutscher Versicherungsunternehmen mit Aktivitäten rund um die Telematik gesammelt haben.
Sprechen Sie Herrn David Feldmann hierzu gerne an.

Icon_Gesetzbuch

Handlungsbedarf zur Implementierung von Nachhaltigkeitspräferenzen im Beratungsprozess

Die EIOPA hat in dieser Woche, zwei Wochen vor dem relevanten Stichtag (02.08.2022) Hinweise zur Integration von Nachhaltigkeitspräferenzen in die Eignungsprüfung gemäß Versicherungsvertriebsrichtlinie (IDD) veröffentlicht.

Interessant ist diese Veröffentlichung, weil die EIOPA explizit darauf hinweist, dass der Prozess der Veröffentlichung von Leitlinien (Guidelines), die im April als Entwurf zur öffentlichen Diskussion gestellt wurden, pausiert und es sich aktuell vielmehr um einen Leitfaden (Guidance) für Versicherungen und Versicherungsvermittler handelt.

Grundsätzlich richtig ist, dass die fehlende zeitliche Synchronisierung laufender Gesetzgebungsinitiativen und damit fehlende Regeln und Anforderungen für die Umsetzung von Leitlinien diesen Schritt erforderlich gemacht haben. Die Branche gewinnt Zeit für die konzeptionelle Auseinandersetzung mit den Anforderungen, gleichwohl setzt die EIOPA auf die Selbstverantwortung der Akteure „verantwortungsvoll“ und „nach besten Kräften“ zu handeln.

Als Partner der Assekuranz empfehlen wir jetzt die Chance zu nutzen und mit der Perspektive auf den 01.01.2023:

  • den Beratungsprozess für Lebensversicherungsprodukte und insbesondere auf die Eignungsprüfung mit Blick auf Produktion und Bestandsgeschäft zu professionalisieren und zu modellieren
  • potenzielle Implikationen der gesetzlichen Anforderungen auf Geschäftsvorfälle im Bestandskundengeschäft zu analysieren, zu bewerten und entsprechende Maßnahmen zu ergreifen
  • notwendige Vorkehrungen zu treffen, um datenseitig die Bereitstellung der ersten beiden KPI zur Taxonomieverordnung sicherzustellen
  • die fachliche Eignung sämtlicher Vertriebspartner und Mitarbeitenden zu bewerten und notwendige Maßnahmen zur Sicherstellung notwendiger Sachkenntnisse, Kompetenzen und des Mindsets zu ergreifen

Wir beraten Sie mit unserer Erfahrung aus zahlreichen IDD Projekten zu möglichen Handlungsoptionen und entwickeln, gemeinsam mit Ihnen thesenbasierte Lösungsansätze für die glaubhafte Weiterentwicklung zu mehr Nachhaltigkeit in der Beratung und im Vertrieb von Lebensversicherungsprodukten.

Als Ansprechpartner erläutert Axel Kirchhoff Ihnen unser Leistungsangebot.