Für viele gilt er noch immer als Kavaliersdelikt anstatt als Gesetzesverstoß: der Versicherungsbetrug. Dabei verursacht das Vergehen jährlich einen geschätzten Schaden von über 4 Mrd. Euro und ist somit keine belanglose Bagatelle, sondern vielmehr das größte Problem der Assekuranz Branche. Fünf Prozent der Befragten haben laut einer Umfrage von Statista schon einmal Versicherungsbetrug begangen – zehn Prozent haben zumindest darüber nachgedacht. Ähnlich sieht es auch in anderen Ländern aus.
Aus diesem Grund investieren Versicherungen immer mehr in Technologien wie Big Data, Künstliche Intelligenz und Machine Learning. Diese Technologien helfen bei ihrem Kampf gegen Windmühlen. Mit ihnen lassen sich aus großen Datenmengen Verhaltensmuster herausfiltern, die helfen, schwarze Schafe frühzeitig zu entdecken – idealerweise, bevor man ihnen als Versicherer eine Police anbietet.
Unfälle aufklären …
Ein absoluter Vorreiter auf dem Gebiet des Einsatzes von Data Analytics sind die KfZ-Versicherungen. In den vergangenen Jahren haben sich hier Machine Learning und das Internet der Dinge schon stark etabliert und helfen dabei, Unfälle aufzuklären, Risiken effektiv zu managen und individuelle Versicherungspolicen zu entwerfen.
Mit Hilfe von Sensoren wird im Auto während der Fahrt Big Data erfasst, verarbeitet und analysiert. So wie die Blackbox zur Dokumentation eines Flugzeugabsturzes beiträgt, so lassen sich diese digitalen “Fahrtenschreiber” zur Rekonstruktion eines Unfalls heranziehen. Mittels der erfassten Daten lässt sich beispielsweise bei unklaren Versicherungsfällen ermitteln, wie hoch die Geschwindigkeit war, in welchem Winkel der Aufprall erfolgte, wer der Verursacher war und welche äußerlichen Gegebenheiten eine Rolle spielten. Aber auch, ob ein Unfallopfer überhaupt schnell genug war, um ein angegebenes Schleudertrauma zu erleiden.
… und Policen optimieren
Auch das grundsätzliche Fahrverhalten lässt sich detailliert analysieren, sodass man Kunden eine auf sie zugeschnittene Versicherungspolice anbieten kann. Das kann bei Rasern zu höheren Prämien führen, kann aber verantwortungsbewusste Fahrer auch mit niedrigeren Beiträgen belohnen. Der Versicherungskonzern AXA nutzt Machine Learning und ein Deep-Learning-Modell bereits erfolgreich, um herauszufinden, welche Kunden teure Unfälle verursachen könnten. So will man die Kosten senken und gleichzeitig die Preise für Versicherungspolicen optimieren. Erste Erfolge sind beachtenswert: Durch die neue Vorgehensweise konnte die Prognosegenauigkeit von 40 auf 78 Prozent erhöht werden.
Ein weiteres Beispiel wie Kunden profitieren können, demonstriert die Württembergische Versicherung. Seit Sommer 2017 bietet sie ein Telematik-Angebot für Fahranfänger unter 30 Jahren mit einer günstigeren Ersteinstufung an. Auf dem Smartphone des Versicherungsnehmers zeichnet eine Telematik-App das Fahrverhalten auf und ermittelt so einen persönlichen Fahrer-Score. Dieser ergibt sich aus Beschleunigungs- und Bremswerten sowie aus dem Kurvenverhalten. Sofern diese Werte einen definierten Schwellenwert nicht überschreiten, behält der Kunde die günstige Einstufung.
Gemeinsam mehr erreichen
Immer mehr Unternehmen spezialisieren sich auf die Unterstützung der Versicherungen in dem sie ihnen relevante Datenanalysen liefern. Sie beziehen ihre Daten aus verschiedenen Quellen (Wearables, Telematik, soziale Medien, Wetter) und Endgeräten, führen sie zusammen, werten sie aus und erstellen am Ende ein entsprechendes Nutzerprofil.
Der Cloudera Kunde Octo Telematics* zum Beispiel nutzt verhaltens- und kontextbasierte Daten, um seine Connected-Car-Plattform zu befüllen. Auf diese können angeschlossene Versicherer zugreifen und so ihre Risiken besser bewerten und Betrugsfälle aufdecken. Octo Telematics analysiert dazu täglich Informationen aus 11 Milliarden Datenpunkten von über fünf Millionen Autos.
Insurtech – Disruption in der Versicherungswirtschaft
Aber nicht nur etablierte Player sorgen für Fortschritt. Start-ups und Technologie-Innovatoren haben das Potenzial von AI und Machine Learning in der Versicherungsbranche früh erkannt. Das Ergebnis ist ein Boom bei InsurTech, einem der am schnellsten wachsenden Segmente im FinTech-Bereich. So wie die jungen Wilden – die FinTechs – im Banking für frischen Schwung sorgen, so bereichern die InsurTechs die Versicherungsbranche und helfen neuen Technologien zum Durchbruch.
Versicherer können entweder interne Kapazitäten aufbauen, mit Start-ups zusammenarbeiten oder beides tun. Was alles möglich ist, zeigen einige Beispiele:
- Würden Sie eine App auf Ihrem Handy installieren, die Ihr Fahrverhalten überwacht? Eventuell schon, wenn Sie einen bedeutenden Diskont auf Ihre Autoversicherungsprämie erhielten. Die Algorithmen von Zendrive verwandeln gesammelte Sensordaten in Sicherheitshinweise und reduzieren so Unfälle. Darüber hinaus bietet die App “Driver Coaching”, denn verbessertes Fahrverhalten reduziert die Wahrscheinlichkeit von Kollisionen und senkt die Versicherungsprämien.
- AppSichern ist eine Plattform, die Versicherungsschutz zugeschnitten auf konkrete Situationen bietet. Die Versicherung endet mit Ablauf der vereinbarten Zeit und muss nicht gekündigt werden. Der Dienst kann als App aufs Smartphone geladen werden, um Kunden jederzeit spontan abzusichern.
- Control€xpert behandelt Schadensfälle in der Autoversicherung und setzt auf Künstliche Intelligenz zur Unterstützung von spezialisierten Experten. Das Unternehmen vernetzt alle am Schaden- und Wartungsprozess beteiligten Parteien und digitalisiert manuelle Prozesse für Versicherungen, Autohäuser / Werkstätten, Leasing / Flotte und OEMs.
- In der Automobilindustrie sind Zulieferer in der Produktionskette nicht mehr wegzudenken. ELEMENT überträgt den Ansatz und bietet Whitelabel- Lösungen für Erstversicherer, Online-Händler, Versicherungsmakler und Insurtechs. Damit lassen sich neue Produkte in wenigen Wochen digital am Markt realisieren.
Versicherung 4.0
Der Einsatz der aufgeführten Technologien ist nicht immer einfach, doch es lohnt sich. So konnte beispielsweise die britische Versicherungsgesellschaft Markerstudy* mit Machine Learning die Performance ihres Bewertungssystems deutlich verbessern. Vor der Umstellung verarbeiteten die Systeme bis zu 25 Millionen Anfragen pro Tag und stießen dabei an ihre Grenzen. Heute analysiert das Unternehmen mehr Daten als je zuvor und konnte dadurch innerhalb von 18 Monaten den Anteil der Anfragen, die in Versicherungspolicen münden, um 120 Prozent steigern.
Künftig werden immer mehr Versicherungen auf Big Data, Machine Learning und Analytics zurückgreifen, um auf innovative Weise Unfälle zu reduzieren, Betrug zu bekämpfen, Kosten zu minimieren, aber auch um die Services für ihre Kunden zu optimieren und Policen günstiger zu machen. Dabei stehen wir allerdings erst am Anfang und es wird bald mit Riesenschritten weiter gehen, denn Themen wie die Blockchain und Autonomes Fahren stehen vor der Tür. Sobald die ersten 1.000 selbst fahrenden PKW zugelassen sind, wird kein KFZ-Versicherer mehr ohne AI und Machine Learning auskommen.
In diesem Beitrag habe ich mich stark auf den KFZ-Bereich fokussiert, ganz einfach, weil hier bereits viele IT-Trends implementiert sind. Aber die grundlegenden Entwicklungen werden, Stichwort Digital Transformation, auch bei Lebensversicherung, Kasko & Co. eher früher als später ihre Auswirkungen haben.
Eines ist sicher: Die Versicherung der Zukunft wird anders aussehen und anders arbeiten als heute.
Über den Autor:
* Stephan Grotz ist Systems Engineering Manager Central bei Cloudera. Seit Februar 2014 leitet Stephan Grotz das Systems Engineering Team von Cloudera in der Region Central EMEA. Im Rahmen seiner Tätigkeit managt er das Wachstum der Region und arbeitet eng mit dem Führungsteam der Region EMEA zusammen. Vor seiner Arbeit bei Cloudera war Stephan Grotz als Big Data Architect bei Terracotta tätig, wo er ein Team aus Solution Architects leitete. Weitere frühere Stationen waren Macquarie Securities, Glintech und Accenture.
