close

Willkommen auf unserer digitalen Leseplattform – Bitte wählen Sie Ihre gewünschte Region aus

The Magazine
Management. Expertise. Inspiration.

Date: 04/06/2019

Title: Katastrophen­schadensmanagement mit bahnbrechenden Technologien

Teaser: Disruptive Fallbeispiele in der Nichtlebensversicherung oder Sachversicherung und hochmoderne Technologielösungen

Button: Mehr lesen

Image:

Katastrophen-schadensmanagement mit bahnbrechenden Technologien

Die Digitalisierung der Schadensregulierung nach einem Wirbelsturm oder anderen Katastrophen mit Hilfe von Luftbildern und Deep Learning könnte den Sachversicherungssektor revolutionieren. Dieser Artikel beschreibt Herausforderungen im Schadensmanagement, disruptive Fallbeispiele in der Sachversicherung und einige hochmoderne Technologielösungen zur Bewältigung der Herausforderungen.

Autoren: Udit Anand | Anmol Gandhi


Das Management von Schadensfällen nach einer Katastrophe gleicht dem Fallschirmsprung eines Soldaten in ein Kriegsgebiet: Zerstörte Häuser, unzugängliche Areale und Gefahren ausgesetzte Versicherungsnehmer. Letztere haben vielleicht ihre Häuser, Wertsachen und Autos verloren. Sie könnten sich verletzen, sie haben vielleicht lange nichts gegessen und nicht geschlafen. Um in einem solchem Katastrophen-Fall erfolgreich zu unterstützen, brauchen Versicherer eine «Armee» von sehr gut ausgebildeten Mitarbeitern, die hervorragend organisiert, akribisch diszipliniert und engagiert sind. Dies gilt nicht nur für die «Frontlinien» des «Sturmbannführers» (Schadensregulierer und Agenten), sondern auch die «leitenden Offiziere» (Schadensmanager) und für die die logistische Unterstützung (Ermittler und Anwälte) in der Zentrale. Wenn Ihrer Katastrophenschadensabteilung eine dieser Voraussetzungen fehlt, wird die Mission, mit ziemlicher Sicherheit, scheitern – sprich, es wird dann schwierig, sich schnell um die Versicherungsnehmer zu kümmern und berechtigte Schadensansprüche zu regulieren, und zugleich noch mögliche Betrugsfälle aufzudecken.

Mit den folgenden fünf Problemstellungen sind Versicherungsunternehmen im Rahmen des Schadensmanagements nach einer Katastrophe i.d.R. konfrontiert:

  • Ineffizientes Schadensmanagement: Aufgrund der hohen Anzahl von Schäden, die zum Zeitpunkt der Katastrophe auftreten, wird es schwierig, alle Ansprüche zu bearbeiten.
  • Beschränkter Zugang zu betroffenen Gebieten: Sonst gut erschlossene Gebiete können unzugänglich werden, was den Schadensbearbeitern die Abklärung erschwert. Dies führt zu einer Verzögerung im Schadensregulierungsprozess.
  • Mangelnde Ressourcen: Die Schadensquote steigt bei Katastrophen exponentiell an und verzögert den Schadensausgleich zusätzlich
  • Datenqualität: Die Versicherungsträger sind bei ihren Entscheidungen auf Daten angewiesen. Falsche Daten infolge einer Katastrophe können zu Fehlern und Verzögerungen im Abwicklungsprozess führen.
  • Abnehmende Kundenzufriedenheit: Der Schadensregulierungsprozess kann langwierig und umständlich werden, was die Abwicklung für den betroffenen Kunden verzögern kann.

Der Versicherungsbranche stehen jedoch unbegrenzte technologische Möglichkeiten zur Verfügung – von der Schadensbearbeitung nach einem Sturm bis hin zur täglichen Ausstellung von Policen. Mithilfe von datengesteuerten Technologien können Sachversicherer die negativen Auswirkungen einer möglichen Katastrophe für ihre Versicherungsnehmer minimieren und sich auf Schadensfälle in solchen Szenarien vorbereiten.

Die Zukunft der Sachversicherung – Daten sind Schlüsselfaktoren

Mit Technologien wie Bilderkennung, Luftaufnahmen und künstliche Intelligenz können Daten beschafft werden. Das Datenqualitätsproblem des Sachversicherungssektors, insbesondere bei Katastrophenfällen, kann mithilfe solcher Technologien gelöst werden.

Nachfolgend einige Beispiele für die technologische Disruption im Sach- und Unfallkatastrophen-Sektor:

1)     Künstliche Intelligenz (KI)

  • Künstliche Intelligenz ist keine wirklich neue Erscheinung – sie existiert schon seit einigen Jahren. Die KI sammelt und analysiert Daten schneller als jeder Mensch.
  • «Liberty Mutual» arbeitet beispielsweise an einer mobilen App für Versicherungsnehmer. Sind diese in einen Unfall verwickelt, können sie den Schaden an ihrem Fahrzeug mithilfe eines Handy-Fotos unmittelbar einschätzen. Die App wird eine KI nutzen, die durch Tausende von Bildern von Autounfällen gelernt hat, den Schaden genau zu beurteilen. Hierdurch entfallen voraussichtlich viele zeitaufwändige Schritte, die im Schadensfall sonst erforderlich wären.

2)     Betrügerische Ansprüche aufdecken

  • Betrug betrifft alle Branchen, und Versicherungen bilden da keine Ausnahme. Falsche Erklärungen zum Vertrag, falsche Behauptungen und Übertreibungen der Katastrophe führen dazu, dass die Versicherer jedes Jahr mehrere hundert Millionen Dollar verlieren.
  • «Shift Technology», ein französischen Start-up-Unternehmen, das an der Automatisierung von Schadensfällen arbeitet, kann bis zu 75% der betrügerischen Schadensfälle identifizieren. Dazu werden die Daten mehrerer nicht offengelegter Partner, wie z.B. von Versicherungsunternehmen, zusammengefasst und miteinander verglichen. Dies ermöglicht den Versicherungsunternehmen, die Prozesse für vertrauenswürdige Kunden zu beschleunigen.
  • Das KI-Modell von Shift Technology vergleicht mehrere scheinbar voneinander unabhängige Ansprüche, um Auffälligkeiten bei Meldungen oder Rechnungen zu erkennen und statistisch unwahrscheinliche Trends zu erkennen, die dem menschlichen Bearbeiter Warnzeichen geben.

3)     Katastrophenvorhersage-Modellierung

  • Je früher ein Versicherungsunternehmen weiß, wie sich ein Ereignis auf ein Gebiet auswirkt, desto schneller kann es mit der Schadensbearbeitung und Schadensberechnung beginnen.
  • «Aon» hat eine strategische Allianz mit «Zesty.ai» geschlossen, einem in San Francisco ansässigen InsurTech-Startup, das künstliche Intelligenz (KI) einsetzt. Das neue «Wildfire-Modell» (Z-FIRE) von Zesty.ai stellt sich der oben genannten Herausforderung: Es setzt maschinelles Lernen ein, um wichtige Details von Grundstücken – darunter die Vegetation, Baumaterialien, Topographie, Wettermuster etc. – mit tatsächlichen Verlustdaten zu kombinieren.
  • Die Erfassung dieser Faktoren auf Basis einzelner Grundstücke ermöglicht eine voraussagbare Risikoeinschätzung und stellt somit ein wichtiges Instrument zur Risikobewertung dar.

4)     Regulatorische Veränderungen und ein verbessertes     
         Katastrophenmanagement

  • Nach der Katastrophe verursacht durch die Wirbelstürme Irma und Maria war ein effizienter Recovery-Prozess erforderlich.
  • Die Regierung erarbeitete Maßnahmen zur verbesserten Abwicklung von Versicherungsfällen. Über 287'000 Schadensfälle wurden eingereicht, von denen nach Angaben von des Versicherungsunternehmens «Rivera» fast 11'000 Schadensfälle im Gesamtvolumen von fast USD 2 Milliarden nicht abgewickelt worden sind. Die Versicherungsgesellschaften hatten nach dem Sturm hart zu kämpfen, darunter auch «Real Legacy», das im Zuge dessen zusammenbrach.
  • Gesetzesänderungen waren erforderlich. Eines dieser neuen Gesetze lautete «law 246». Es besagt, dass Ansprüche an Mikroversicherungen innerhalb von 30 Tagen geltend gemacht werden müssen. Die Schlussfolgerung: Geschwindigkeit ist ein wichtiger Faktor.
  • Bilder von Satelliten, Flächen-Flugzeugen, unbemannten Luftsystemen und mobilen Geräten können den Schadensregulierern helfen, einzuschätzen, was sich am Boden befindet. In einigen Fällen kann dies unnötige Inspektionen vor Ort vermeiden und ermöglicht, schnell tätig zu werden.

So verlockend es auch klingen mag, die oben beschriebene Technologie ist kein Allheilmittel. So einfach diese Lösungen auch erscheinen mögen, sie können komplex und aufwendig zu implementieren sein. Herausforderungen sind zum Beispiel der Aufbau der Datenleitungen, die Aufrechterhaltung der Datenqualität, die genaue Modell-Kalibrierung – von all dem hängt die Qualität des Endergebnisses entscheidend ab. Die Versicherungsgesellschaften setzen diesbezüglich bereits wichtige Schritte. Sie entwickeln neue Lösungen mit fortschrittlichen digitalen Lösungen, bei denen sie Luftbilder und Deep Learning verwenden, um die bestehenden Probleme zu lösen.

Unternehmen, die bereits fortschrittliche Bildverarbeitungstechnologien einsetzen, sind unter anderem:  

1)     Cape Analytics

  • Bei Cape Analytics geht es darum, Versicherungsgesellschaften davor zu bewahren, einen Sachverständigen zur physischen Inspektion vor Ort schicken zu müssen, die Ressourcen-intensiv ist und gefährlich sein kann, wenn es darum geht, auf Dächer oder ähnliches zu klettern.  
  • Stattdessen kann Cape Analytics beispielsweise erkennen, ob seit einer früheren Bewertung Veränderungen an einer Immobilie vorgenommen wurden, wobei visuelle Updates in regelmäßigen Abständen über das Jahr verteilt auf die Plattform gesendet werden.  
  • Das Unternehmen arbeitet mit Dritten wie «Nearmap» zusammen, das hochauflösende Luftbilder liefert und dann strukturierte Daten aus den Bildern extrahiert.

2)     Munich Re

  • Der globale Rückversicherungsriese erforscht derzeit neue Methoden. Die Münchener Rück könnte dazu imstande sein, Wirbelsturmopfern bereits während der Zeit, in der sie nach Hause zurückkehren, Schadenszahlungen für ihre beschädigten Objekte zu leisten.
  • Künstliche Intelligenz (KI) wird eine Schlüsselrolle dabei spielen, dass unmittelbar nach einem Hurrikan Flugzeuge über die betroffenen Gebiete fliegen und hochauflösende Bilder aufnehmen. Anschließend werden die Daten von einer KI-gesteuerten Software analysiert, um den Schaden an den versicherten Häusern zu beurteilen.

3)     Geomni-Verisk

  • Geomni hat eine riesige Bibliothek von hochauflösenden Bildern und 3D-Daten aufgebaut. Dazu wurden mehrere Fernerkundungsplattformen auf Flächen-Flugzeugen eingesetzt, aber auch Satelliten, unbemannte Luftfahrzeuge (UAVs) und sogar mobile Geräte wurden zur Erfassung von Bodendaten über die Geomni Mobile App verwendet.
  • Nach einer großen Katastrophe werden Geomni-Flugzeuge eingesetzt, die über die gesamten Vereinigten Staaten verteilt sind, um Bilder und Daten nach einer Katastrophe zu sammeln.

Alle diese Unternehmen adressieren mit ihrer Lösung die Probleme, die die Versicherer bei katastrophalen Ereignissen am stärksten treffen. Damit können sich die Versicherer darauf konzentrieren, ihre Kunden schnell und effizient zu versorgen. Dies bietet folgende Vorteile:

  • Agil und effizient: Da sowohl der voraussichtliche Schaden als auch die Standorte bekannt sind, ermöglichen diese Lösungen effiziente und agile Reaktionen.
  • Präzision: Diese Lösungen liefern präzise Ergebnisse für die Be- und Entschädigungsbewertung von Katastrophenschäden.
  • Wirtschaftlich: Die Lösungen können helfen, die zum Zeitpunkt der Schadensregulierung benötigten Ressourcen zu beziffern, und somit wirtschaftlich zu agieren.
  • Kundenzufriedenheit: Schnelleres und effizienteres Schadensmanagement führt zu höherer Kundenzufriedenheit.

Zusammenfassend lässt sich sagen, dass spannende Zeiten im Sachversicherungssektors bevorstehen, in dem die von Versicherungen und InsurTechs fortschrittliche Lösungen unter Einsatz von Luftbildern, Deep Learning und Bilderkennung nutzen, die den Sachversicherungssektor im Bereich Katastrophenschäden revolutionieren.

kontakt

graphic

Marcel Loetscher

Cookies helfen uns bei der Bereitstellung unserer Dienste. Durch die Nutzung unserer Dienste erklären Sie sich damit einverstanden, dass wir Cookies setzen. Mehr erfahren.
OK