STRATEGIE21. Februar 2018

Daten lügen nicht: Mit Machine Learning dem Versicherungsbetrug auf der Spur

Analytics und Machine Learning-Spezialist: Stephan Grotz
Stephan Grotz, Systems Engineering Manager Central ClouderaCloudera

Versicherungsbetrug ist eines der größten Probleme der Assekuranz-Branche und mit einem jährlich geschätzten Schaden von über 4 Mrd. Euro keine Bagatelle. Kein Wunder also, dass Versicherer immer auf der Suche nach neuen Methoden sind, Betrugsfälle zu erkennen oder sogar im Vorfeld zu vermeiden. Big Data und darauf aufsetzendes Machine Learning bieten den Unternehmen hier interessante Möglichkeiten.

von Stephan Grotz, Systems Engineering Manager Central Cloudera  

Ein Vorreiter in Sachen Nutzung von Datenanalysen sind die KFZ-Versicherer. Hier haben sich Machine Learning und das Internet der Dinge schon so weit etabliert, dass telematikbasierte Lösungen helfen, Risiken effektiv zu managen und individuelle Versicherungspolicen anhand des analysierten Fahrverhaltens zu entwerfen.

Das IT-Unternehmen 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 (das Internet der Dinge lässt grüßen).“

Die Daten stammen aus einer im Auto installierten Black Box, die kontinuierlich von Sensoren “gefüttert” wird. Informationen, die hier einfließen, sind beispielsweise die Geschwindigkeit, der Beschleunigungsstil, das Brems- und Abbiegeverhalten, GPS-Position, zurückgelegte Strecken und Fahrtzeiten.

Wie so etwas in der Praxis aussieht, demonstriert die Württembergische Versicherung. Sie bietet seit letztem Sommer ein Telematik-Angebot für Fahranfänger unter 30 Jahre 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.

Franz Bergmüller Vorstandsmitglied Württembergische Versicherung AG und Württembergische Lebensversicherung AGWürttembergische Versicherung
Württembergische Versicherung

Das Internet der Dinge wird in Zukunft viele Chancen für Versicherungen bieten und großen Einfluss auf die Produktgestaltung und -bepreisung haben. … Unser Ziel ist, in Zukunft noch tiefer in diese Thematik einzusteigen.“

Franz Bergmüller, Vorstand der Württembergische Versicherung

Data Analytics klärt Unfallursache

Ein weiteres Einsatzgebiet von der Technologie ist das Aufklären von Unfallursachen. Telematikbasierte Lösungen können bei unklaren Versicherungsfällen wertvolle Informationen zur Unfallrekonstruktion bereitstellen. Nach einem Unfall lässt sich so zum Beispiel ermitteln, wie hoch die Geschwindigkeit war, in welchem Winkel der Aufprall erfolgte, wer der Verursacher war und welche äußerlichen Gegebenheiten eine Rolle spielten. Dabei ergeben sich durchaus interessante Nebeneffekte: So kann man aus den Daten z.B. ableiten, ob ein Unfallopfer überhaupt schnell genug unterwegs war, um ein angegebenes Schleudertrauma zu erleiden.

Wenn es gelingt, zielgerichteter nachzuforschen, komplexe Ansprüche schneller zu identifizieren und in kürzerer Zeit abzuwickeln, dann ergeben sich deutliche Einsparungen bei der Klärung von Versicherungsansprüchen.“

Mit den durch neue Technologien gewonnenen Informationen lassen sich die Versicherungsbeiträge wesentlich besser auf den Versicherungsnehmer zuschneiden (auch zu seinen Gunsten). Im Umkehrschluss wissen die Versicherer, wie viel sie eine Police wahrscheinlich kosten wird. So lassen sich risikoreiche Policen frühzeitig identifizieren und das Unternehmen kann sich auf gewinnbringende Kunden und Geschäftsbereiche fokussieren.

Autor Stephan Grotz, Systems Engineering Manager, Cloudera
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.

Analytics und Machine Learning rechnet sich

Das sich der Einsatz von Analytics und Machine Learning tatsächlich rechnet, beweist die britische Versicherungsgesellschaft Markerstudy. Seitdem man dort auf Machine Learning umgestellt hat, konnte man die Performance des internen Bewertungssystems deutlich verbessern. Verarbeiteten die Systeme vor der Umstellung bis zu 25 Millionen Anfragen pro Tag und stießen dabei bereits an ihre Grenzen, analysiert das Unternehmen heute wesentlich mehr Daten aus den unterschiedlichsten Quellen. Neben Systemen für die Verwaltung von Versicherungspolicen und Hinweisen von Schadensregulierern greift man nun auch auf Wetterdaten, Verkehrsmuster und sogar Social Media zu. Innerhalb von 18 Monaten konnte Markerstudy so den Anteil der Anfragen, die in Versicherungspolicen mündeten, um 120 Prozent steigern.

In Deutschland lassen die Zahlen der AXA aufhorchen. Das Un­ter­neh­men nutzt Ma­chi­ne Learning und ein De­ep-Learning-Mo­dell, 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.“

Individuelle Policen, Analysen von Unfallvorgängen und das Aufdecken von Betrug – die Versicherung der Zukunft wird definitiv anders aussehen und arbeiten als heute.

Der Wandel hin zu einer mehr IT-gestützten Zukunft ist unverkennbar.“

Wie die aufgeführten Beispiele zeigen, nutzen Versicherer schon heute Big Data, Machine Learning und Analytics, um auf innovative Weise Unfälle zu reduzieren, Betrug zu bekämpfen, Kosten zu minimieren aber auch, um die Policen für die Kunden günstiger zu machen. Machine Learning wird deshalb künftig ein wesentlichen Bestandteil der Geschäftsmodelle von Versicherern sein. Um den größtmöglichen Nutzen aus solchen zu ziehen, müssen Versicherer ihr Geschäftsmodell jedoch zumeist neu ausrichten und die Datenanalytik künftig in den Mittelpunkt stellen.aj

 
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/66237 
 
1 Stern2 Sterne3 Sterne4 Sterne5 Sterne (1 Stimmen, Durchschnitt: 4,00 von maximal 5)
Loading...

 

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

10 IT‑Experten: Die 10 Entwickler-Trends für 2018

2018 ist da – Entscheider und speziell Entwickler sollten neue...

Schließen