In einem aktuellen Bericht z\u00e4hlt das Beratungsunternehmen Gartner \u00abBig Data\u00bb zu den Themen mit den h\u00f6chsten \u00fcberzogenen Erwartungen. 1 Gartner (2013). W\u00e4hrend Theorie und Praxis in diesem Bereich noch in den Kinderschuhen stecken, dient das Schlagwort vielen Beratern als Beschleuniger f\u00fcr den Verkauf neuer Hard- und Softwaresysteme. Diese sollen in der Lage sein, intelligentere Einsichten aus der Flut gesammelter Daten abzuleiten. Im Vergleich zu anderen Branchen \u2013 wie der Konsumg\u00fcterindustrie oder dem Handel \u2013 agiert die Versicherungswirtschaft (Assekuranz) bei diesem Thema eher zur\u00fcckhaltend und beobachtet, ob und allenfalls wie sich die Widerspr\u00fcche der neuen technologischen Entwicklung aufl\u00f6sen lassen. <\/p>\n
\nVersicherungen erf\u00fcllen eine zentrale Fr\u00fchwarnfunktion f\u00fcr die Gesellschaft. Sie prognostizieren die Zukunft auf Basis von Vergangenheitsdaten und machen so auf ver\u00e4nderte Risikoerwartungen aufmerksam. Im iterativen Prozess der Risikobewertung werden unz\u00e4hlige Daten erfasst und analysiert, um ein besseres Risikoverst\u00e4ndnis und letztlich eine genauere Risikobeurteilung zu erm\u00f6glichen. Gleichzeitig organisieren sie den Risikoausgleich in verschiedenen Kollektiven, um das Einzelrisiko tragbar zu machen.
\n
\nInsofern erscheint es auf den ersten Blick paradox, dass die Assekuranz nicht zu den Vorreitern in Sachen Technologie und Datenmanagement geh\u00f6rt. Zus\u00e4tzlich sorgt eine hohe Regulierungsdichte daf\u00fcr, dass viele Versicherungsunternehmen noch mit Produkten und Prozessen arbeiten, die zum grossen Teil auf alten IT-Systemen basieren. Dennoch l\u00e4sst die Branche die immer rasanteren technologischen Entwicklungen nicht ausser Acht. Die Erkenntnis, dass sich hier neue Gesch\u00e4ftsm\u00f6glichkeiten er\u00f6ffnen, gelangt zunehmend auch auf die Agenda des Top-Managements.
<\/p>\n
\nVersicherer stehen noch am Anfang ihrer Big-Data-Reise. Bereits jetzt sehen sie sich mit einer Reihe von Chancen und Herausforderungen konfrontiert, die einen fundamentalen Transformationsprozess in Gang setzen. So planen zahlreiche Versicherungsunternehmen ab 2014 gr\u00f6ssere Investitionen in Big Data und ad\u00e4quate Analyseverfahren. 2 M\u00e4der et al. (2014). Wichtigste Ziele dabei sind das Erkennen von Compliance-Problemen (etwa bei Betrugsversuchen), die Erh\u00f6hung der Produktivit\u00e4t und die Entwicklung neuer Produkte. 3 Fraunhofer IAIS (2012). Den Anwendungsszenarien sind keine Grenzen gesetzt: Logdateianalysen f\u00fcr die Vermeidung von internem Betrug, Social-Media-Analysen f\u00fcr ein besseres Kundenverst\u00e4ndnis und zur Optimierung von Marketingmassnahmen stellen bloss den ersten Schritt dar. Das gr\u00f6sste Potenzial verspricht Big Data in den Bereichen Lebensversicherung, private Krankenversicherung und Motorfahrzeugversicherung. Wie schnell und wie oft f\u00e4hrt man Auto? Treibt man regelm\u00e4ssig Sport, und wie gesund ern\u00e4hrt man sich? Sensoren am K\u00f6rper, im Auto oder anderen Gegenst\u00e4nden liefern Bio- und Verhaltensdaten. Umfassende Datenanalysen helfen so das Risikoverhalten von Kunden genauer zu beobachten und vorherzusagen. Gleichzeitig entstehen neue \u00d6kosysteme von Produkten und Dienstleistungen, die M\u00e4rkte \u00fcber Branchengrenzen hinweg konsolidieren.Die derzeit gr\u00f6sste Herausforderung f\u00fcr die Assekuranz liegt in der Analyse von Big Data: Welche Algorithmen, Modelle und Theorien k\u00f6nnen den grossen Datenmengen Sinn verleihen und Muster aufzeigen, die bisher unentdeckt geblieben sind? In solchen neuartigen Erkenntnissen steckt der bedeutende Mehrwert von Big Data.
<\/p>\n
\nEine der prominentesten Anwendungsbereiche f\u00fcr Big Data in der Assekuranz ist der Einsatz von Telematik f\u00fcr die Erfassung und Analyse von Echtzeitdaten in Autos. GPS-Daten, Bremsverhalten, Informationen \u00fcber einzelne Fahrten (Dauer, L\u00e4nge und Art der Strecke) werden alle paar Sekunden von einer Blackbox im Auto \u00fcber das Mobilfunknetz an die Versicherungsgesellschaft gesendet. Diese wertet die Daten aus, passt die Versicherungspr\u00e4mie dynamisch an und stellt die Auswertungen ihren Kunden zur Verf\u00fcgung. Durch diese laufenden Feedbackprozesse k\u00f6nnen Versicherungsnehmer mit ihrem Fahrverhalten sp\u00fcrbaren Einfluss auf ihre Pr\u00e4mien nehmen (Pay How You Drive<\/i>). Erfolgreich eingef\u00fchrte Beispiele gibt es bereits in den USA, Italien und Grossbritannien \u2013 h\u00e4ufig einhergehend mit speziellen, besonders schlanken Gesch\u00e4ftsmodellen. Die Pr\u00e4mieneinnahmen von Telematik-Angeboten in Europa bis Ende dieses Jahrzehntes werden auf insgesamt 50 Mrd. Euro gesch\u00e4tzt. 4 SAS Institute (2013).
<\/p>\nWert f\u00fcr alle Beteiligten<\/h2>\n
\nDie Vorteile solcher Pricingmodelle liegen klar auf der Hand. Einerseits l\u00f6sen sie einen gewissen Selbstselektionseffekt aus: Sie sprechen vorwiegend Personen mit einem zuverl\u00e4ssigen Fahrstil an, die ohne die Technologie h\u00f6here Pr\u00e4mien bezahlen m\u00fcssten. Andererseits k\u00f6nnen Versicherer die Risiken deutlich besser beurteilen und somit genauere Pr\u00e4mienkalkulationen vornehmen. Dazu k\u00f6nnen sie pr\u00e4ventiv agieren, indem sie Versicherungsnehmer \u2013 nicht nur \u00f6konomisch \u2013 zu einem sichereren Fahrverhalten motivieren. Die Technologie vereinfacht zudem die Betrugserkennung und hilft, die Kosten zu senken. Andererseits bestehen aus Sicht der Anbieter zwei Gefahren: zum einen, dass durch diese pr\u00e4ventive Wirkung das Pr\u00e4mienvolumen abschmilzt, zum anderen, dass durch erh\u00f6hte Transparenz die jeweiligen \u2013 derzeit noch ausk\u00f6mmlichen \u2013 Margen schrumpfen.Verhaltensbasierte Pricingmodelle lassen sich leicht auch auf andere Lebensbereiche wie Gesundheit oder Wohnen \u00fcbertragen (Pay How You Live<\/i>). Sie sind kompatibel mit grundlegenden Ver\u00e4nderungstrends auf gesellschaftlicher Ebene wie Individualisierung und Vernetzung 5 Maas et al. (2014). und erm\u00f6glichen neue Arten der Kommunikation und der Interaktion zwischen Versicherern und ihren Kunden. Das abstrakte Versicherungsprodukt wird erlebbar \u2013 und zwar nicht nur im Schadenfall, sondern entlang der gesamten Customer-Journey<\/i> 6 Der Begriff Customer-Journey bezeichnet den gesamten Interaktionsprozess zwischen Kunde und Anbieter \u00fcber die Dauer ihrer Beziehung.. Diese neuartigen Interaktionsprozesse f\u00fchren auch zu einer ver\u00e4nderten Wahrnehmung des Customer-Value, also des Wertes, den ein Versicherungskunde in seiner Beziehung zum Anbieter wahrnimmt. Deshalb wird diese Gr\u00f6sse zuk\u00fcnftig zu einem entscheidenden strategischen Erfolgsfaktor im Wettbewerb auch mit branchenfremden Anbietern.
<\/p>\nEntsolidarisierung der Versicherung?<\/h2>\n
\nEine der wesentlichen Herausforderungen von Big Data, denen sich Unternehmen, Individuen und Gesellschaft gleichermassen stellen m\u00fcssen, liegt in der Gefahr einer schleichenden Entsolidarisierung in der Versicherung. In ihrem Ursprung sind Versicherungen als ein Solidarit\u00e4tskonstrukt entstanden: Familien und Gilden haben sich gegenseitig gegen Risiken abgesichert, die Einzelpersonen im Normalfall nicht tragen konnten. Dieses Solidarit\u00e4tsprinzip liegt dem Versicherungswesen noch heute zugrunde. Laut dem Gesetz der grossen Zahl verringert sich der Einfluss des Zufalls mit steigender Anzahl von gleichartigen Risiken. Big Data erm\u00f6glicht nun eine sehr genaue Segmentierung von Kunden durch zus\u00e4tzliche Informationen, welche Versicherungen aktuell noch nicht bekannt sind. F\u00fchrt das zu nicht nur ausdifferenzierteren und homogeneren, sondern auch kleineren Kollektiven? Die Personalisierung der Versicherungspr\u00e4mien \u2013 etwa durch Telematik \u2013 kann so weit vorangetrieben werden, wie es eine noch zu ermittelnde optimale Kollektivgr\u00f6sse erlaubt. Die optimale Kollektivgr\u00f6sse ber\u00fccksichtigt gleichermassen das Konzept der Mithaftung f\u00fcr Sch\u00e4den anderer, den notwendigen Risikoausgleich und das pers\u00f6nliche Risikoprofil jedes einzelnen Versicherungsnehmers.
<\/p>\n
\nDer Zugang zu Kundeninformationen erreicht mit Big Data eine neue Dimension: Die bisher stark ausgepr\u00e4gte Informationsasymmetrie in den Versicherungsm\u00e4rkten ver\u00e4ndert ihre zwei Erscheinungsformen (siehe Kasten 1<\/i>). Die Antiselektion wird insofern gemindert, als Versicherer vollst\u00e4ndigere, durch Big Data angereicherte Informationen \u00fcber ihre Kunden erhalten und somit ihr Risikoprofil besser einstufen k\u00f6nnen. Eine st\u00e4rkere Kopplung der Versicherungspr\u00e4mien an das eigene Verhalten resultiert in einem ebenfalls niedrigeren subjektiven Risiko.Zwar nimmt die Informationsasymmetrie im Markt mit zunehmendem Einsatz neuer Technologien ab. Dennoch ist eine vollkommene Markttransparenz weder anzustreben noch im Versicherungswesen per se m\u00f6glich. Eine vollkommene Transparenz im Versicherungsmarkt suggeriert, dass Kunden und Versicherer das gleiche Verst\u00e4ndnis von Auftrittswahrscheinlichkeiten von Zuf\u00e4llen teilen. Da sich die Risikosituationen im Einzelfall deutlich voneinander unterscheiden und von Versicherungen und Kunden nur begrenzt im gleichen Ausmass objektiv wahrgenommen werden, ist mit Big Data eine h\u00f6here, wenn auch nicht perfekte Transparenz zu erreichen.
<\/p>\nWas sind die Kehrseiten einer zu hohen Transparenz?<\/h2>\n
\nVersicherungen m\u00fcssen hierzu eine Reihe von Fragen eindeutig beantworten: Verf\u00e4llt der Versicherungsschutz bei Fehlverhalten? Wer hat Zugriff auf die gesammelten privaten Daten? K\u00f6nnen bestimmte Individuen g\u00e4nzlich vom Versicherungsschutz ausgeschlossen werden? Ein entscheidender Faktor in diesem Kontext ist die Bereitschaft von Kunden, Daten zu teilen. Auch hier scheint sich eine l\u00e4ngerfristige Ver\u00e4nderung in den Einstellungen \u2013 vor allem der j\u00fcngeren Generation \u2013 abzuzeichnen: In verschiedenen Studien konnten wir zeigen, in welchen Situationen Kunden pers\u00f6nliche Daten mit ihrem Versicherungsunternehmen zu teilen bereit sind.7 Grunds\u00e4tzlich ist diese Bereitschaft in den letzten f\u00fcnf Jahren angestiegen (siehe Grafik\u00a01<\/i>), Voraussetzung daf\u00fcr ist aber ein sp\u00fcrbarer Kundennutzen.<\/p>","protected":false},"excerpt":{"rendered":"
In einem aktuellen Bericht z\u00e4hlt das Beratungsunternehmen Gartner \u00abBig Data\u00bb zu den Themen mit den h\u00f6chsten \u00fcberzogenen Erwartungen. 1 Gartner (2013). W\u00e4hrend Theorie und Praxis in diesem Bereich noch in den Kinderschuhen stecken, dient das Schlagwort vielen Beratern als Beschleuniger f\u00fcr den Verkauf neuer Hard- und Softwaresysteme. Diese sollen in der Lage sein, intelligentere Einsichten […]<\/p>","protected":false},"author":4057,"featured_media":34698,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"ep_exclude_from_search":false,"footnotes":""},"post__type":[66],"post_opinion":[],"post_serie":[],"post_content_category":[154],"post_content_subject":[],"acf":{"seco_author":4057,"seco_co_author":[4058,0],"author_override":"","seco_author_post_ocupation_year":"","seco_author_post_occupation_de":"Professor f\u00fcr Versicherungsmanagement, Mitglied der Direktion des Instituts f\u00fcr Versicherungswirtschaft der Universit\u00e4t St. Gallen","seco_author_post_occupation_fr":"Professeur de gestion des assurances, membre de la direction de l\u2019Institut des assurances de l\u2019universit\u00e9 de Saint-Gall","seco_co_authors_post_ocupation":[{"seco_co_author":4058,"seco_co_author_post_occupation_year":"","seco_co_author_post_occupation_de":"Wissenschaftliche Mitarbeiterin und Projektleiterin am Institut f\u00fcr Versicherungswirtschaft der Universit\u00e4t St. Gallen","seco_co_author_post_occupation_fr":"Collaboratrice scientifique et cheffe de projet \u00e0 l\u2019Institut des assurances de l\u2019universit\u00e9 de Saint-Gall"}],"short_title":"","post_lead":"Das Management von Risiken bedingt eine umfassende Auseinandersetzung mit statistischen Wahrscheinlichkeiten, Erfahrungswerten und m\u00f6glichen Auswirkungen. Insofern ist das Potenzial von Big Data f\u00fcr die Versicherungswirtschaft kaum hoch genug einzusch\u00e4tzen. Dem steht die gesellschaftliche Dimension entgegen: F\u00fchrt die fortschreitende Individualisierung der Risikobetrachtung nicht zu einer schleichenden Entsolidarisierung auf kollektiver Ebene? W\u00e4hrend die technologische Entwicklung rasant voranschreitet, hat die Diskussion der Auswirkungen gerade erst begonnen.","post_hero_image_description":"Eine der prominentesten Anwendungsbereiche f\u00fcr Big Data in der Versicherungswirtschaft ist der Einsatz von Telematik in Autos. Das Fahrverhalten der Versicherungsnehmer wirkt sich direkt auf ihre Pr\u00e4mien aus. ","post_hero_image_description_copyright_de":"Keystone","post_hero_image_description_copyright_fr":"","post_references_literature":"