Quelle: Eak K./ Pixabay
Erschienen in Ausgabe 8-2019Unternehmen & Management

Meister der Daten

Als bekennende Nachdenker sind Aktuare bei ihrer Arbeit hochkonzentriert und lassen sich nur ungern unterbrechen. Sie finden kleinste Rechenfehler ihrer Kollegen und befruchten Diskussionen mit präzisierenden Aussagen und Argumenten. Hilft oder stört da die Digitalisierung? Coyas Perspektive der digitalen Revolution in der Versicherungsmathematik.

Von Philipp MieheVersicherungswirtschaft

Lesen Sie den vollständigen Artikel

Erhalten Sie Zugang zu allen Artikeln unserer Fachzeitschriften und Publikationen.

Aktuare sind gläubig. Sie glauben an Modelle und daran, dass sich viele Dinge in unserer Welt typisch verhalten und damit vorhersagbar sind, basierend auf Annahmen und Verteilungen, die bestimmt, präzisiert und geteilt werden müssen. Andauernd verbessern Aktuare ihre Modelle, passen sie an Veränderungen an, machen sie detailreicher, genauer, tiefgängiger – ein Prozess, der Parametrisierung und Kalibrierung genannt wird. Größere Bedeutung erlangen aktuarielle Modelle aufgrund des stetig steigenden Daten- und Wissensdursts; sie werden komplexer, schwerer handhabbar und sind überaus sensitiv. Entwickelt in hauseigenen Systemen oder mithilfe mathematischer Plattformen (z. B. SAS, R) sind sie meist unabhängig, also eigenständig vom Versicherungsbetrieb. Höchstes Gut sind die Eingabe-Schnittstellen, die alle vorhandenen Datenquellen inner- und außerhalb des Hauses anzapfen. Besonders die System-Eigenständigkeit wird in der heutigen vermehrt datengetriebenen Welt diskutiert. Welcher Versicherer möchte nicht sofort neueste aktuarielle Kunden- und Schadenerkenntnisse in den Entwicklungs-, Verkaufs- und Annahmeprozess übernehmen?

Die Digitalisierung erzeugt verschiedenste Zukunftsvisionen in der Versicherungsbranche. Für Aktuare ermöglichen heutige Data-Science-Methoden schon eine verbesserte Visualisierung und Analyse von großen und komplexen Datenmengen. Die Übertragung der Kopfarbeit des Aktuars in klare, strukturelle Prozesse erlaubt die Erzeugung von selbstlernenden Algorithmen, die Erkenntnisse generieren, prüfen und in mögliche Produkt- und Preisentscheidungsvorlagen ummünzen. Für Effizienz in der Umsetzung von Erkenntnisgewinnung ist insbesondere die Integration aktuarieller Modelle und Data-Science-Methoden in die Versicherungssysteme notwendig. Nur so können nützliche Entscheidungen mit Sicht auf Produkt oder Preis extrem schnell, da (teil-)automatisiert getroffen und für unsere Kunden bereitgestellt werden.

Predictive-Modelling in der Preisfindung

Coya ist modellgläubig. Auf allen Ebenen, insbesondere auch in der Versicherungsmathematik. Neue Tools und Methoden helfen, Daten zu verstehen und schnelle Entscheidungen zu treffen. Deshalb setzen wir darauf, dass unser System alle Daten, die wir für aktuarielle Entscheidungen benötigen, in real-time an unsere Modelle liefert. Wir versuchen, diese Modelle tief in unsere Versicherungssysteme zu integrieren, damit sie gewonnene Erkenntnisse präzise, schnell und konsistent an unsere Mitarbeiter, aber vor allem an…