Underwriting ist unter Umständen individuell und erfahrungsbasiert. Es gibt jedoch Raum für Automatisierung. Alexander Stolte, Senior Underwriter und Business Analyst, über die Besonderheiten von Regeln, Kontext, strukturierten Daten und die Möglichkeiten von Automatisierung in der Transportversicherung.

Was genau steckt hinter dem Begriff “automatisierte Entscheidung” im Underwriting?

In Abgrenzung zur KI, ist eine automatisierte Entscheidung für mich im ersten Schritt etwas, das regelbasiert ist. Das ist immer eine Entscheidung, die auf Basis von Regeln abgespult werden kann, die dem System vorher “beigebracht” worden sind. Automatisierung beruht nach meinem Verständnis auch immer auf Basis der im System erfassten Daten. Das heißt, es passiert nicht aus dem luftleeren Raum, sondern irgendjemand muss Daten erfasst oder aus externen Quellen verfügbar gemacht haben, so dass ein System darauf die definierten Regeln anwenden kann.

Manche verstehen eine automatisierte Entscheidung als etwas, auf das sie überhaupt keinen Einfluss mehr haben, weil die Gesamtverantwortung für den Prozess dem System übergeben worden wäre.

Manche verstehen eine automatisierte Entscheidung als etwas, auf das sie überhaupt keinen Einfluss mehr haben, weil die Gesamtverantwortung für den Prozess dem System übergeben worden wäre. Das wäre natürlich schwierig, da nicht jedes versicherungstechnische Risiko gleich ist. Im selben Umfang, in dem der Underwriter derzeit Entscheidungen im Rahmen der unternehmens- oder abteilungsspezifischen Zeichnungsrichtlinien auf Basis erhaltener Information trifft, kann auch ein System dies unterstützen. Daher kann eine regelbasierte Entscheidung auch sein, zu einem Abbruch/Unterbrechung der Beurteilung durch das System zu führen und die Prozessverantwortlichkeit an den Underwriter zu übergeben. Eine entsprechende Regel könnte also lauten: „Das kann ich als System jetzt nicht entscheiden.“ Das Resultat der systemischen Beurteilung kann auch eine automatisierte Ablehnung des Risikos durch sein ( „Das möchte ich nicht versichern.“). Das heißt, ich kann auch die Entscheidung festlegen, dass das System keine Entscheidung treffen soll.

Ein weiterer Aspekt, der für mich bei automatisierten Entscheidungen immer sehr wichtig ist: eine automatisierte Entscheidung ist wiederholbar. Das heißt, dem System ist es egal, wer die Daten eingibt und wann die Daten eingegeben werden. Auf Basis von gleichen, eingegebenen Daten wird das System immer wieder zu der gleichen Entscheidung kommen.

Bedeutet das auch, dass das System grundsätzlich eine von subjektiven Einflüssen freie Entscheidung trifft? Jein.

Die Subjektivität in automatisierten Entscheidungen entsteht natürlich durch die Person oder Personen, die die Regeln definieren. An dieser Stelle fließen Erfahrungen und Einflüsse hinein. Das ist auch gut so, denn genau diese Erfahrungen, von Underwritern zum Beispiel, sind ein wichtiger Bestandteil der Regeln: „Wenn die und die Konstellation eintritt, wollen wir das als Unternehmen nicht, oder nur zu dem und dem Preis, oder nur zu den und den Konditionen versichern.“ Das stellt sicher, dass die Handschrift der Verantwortlichen sichtbar bleibt.

Die Grenzen der Automatisierbarkeit liegen in der Größenklasse von Risiken. Je größer und je individueller Risiken werden, desto schwieriger wird es, diese strukturiert und umfassend im System so zu erfassen, dass dort eine automatisierte Entscheidung getroffen werden kann. Jemand muss es auch verantwortbar finden, dass ein Regelsystem dort eine Entscheidung trifft.

Ist es sinnvoll automatisierte Underwriting-Entscheidungen nach Produkten vorzunehmen? Wäre eine Betriebshaftpflicht dementsprechend leichter zu automatisieren als ein Transportprodukt?

Risiken für ein kleineres Unternehmen mit zum Beispiel zwei Millionen Euro Umsatz im Jahr kann ich als Versicherungsunternehmen grundsätzlich stärker strukturieren. Ich kann gut definieren, nach welchen Kriterien ich  Entscheidungen treffen möchte, welche Kriterien ich erfassen muss, um eine Entscheidung treffen zu können.

In der Abgrenzung Betriebshaftpflicht zu Transportversicherung ist es so, dass die Risiken in der Betriebshaftpflichtversicherung deutlich besser strukturierbar sind, als das vielleicht in der Transportversicherung der Fall ist, in Bezug auf alles, was ich zunächst an Daten benötige, um ein Unternehmen grundsätzlich zu beschreiben. Es gibt hierbei jedoch noch eine zweite Dimension. Natürlich ist es so, dass eine Betriebshaftpflichtversicherung für ein großes Unternehmen, sagen wir ein namhaftes, deutsches Chemieunternehmen, ungleich schwieriger zu bewerten und zu beschreiben ist, als es das vielleicht für einen Friseurbetrieb in der Nachbarschaft wäre.

Inwiefern bieten sich automatisierte Entscheidungen für Transportrisiken an?

Für Transportrisiken können Versicherer Daten so strukturieren, dass einzelne Transporte auf jeden Fall bewertbar sind. Davon abgeleitet kann die Einschätzung des Risikos erfolgen. Wenn ein Versicherer Risiken eines Unternehmen anschaut, welches vielleicht mehrere tausend Transportbewegungen pro Jahr hat, stellt sich die Frage: kann ich das als Versicherer sinnvoll strukturieren und kann ich auch Informationen entsprechend erfassen? Möglicherweise wird immer dieselbe Sorte Gut transportiert, möglicherweise handelt es sich stets um dieselben Transportstrecken?

Als Underwriter kläre ich das ja auch: Was versendet ein Kunde, den ich versichern möchte, auf welchen Strecken, wie häufig, mit welchen Werten, mit welchen Transportmitteln, gegen welche Gefahren? Aus meiner Underwriter-Zeit erinnere ich mich an einen meiner ersten Kunden aus der Lebensmittelbranche. Er hat mir aufgezeigt, wie die Bezugstransporte laufen, also was er von Zulieferern erhält und was nachher als halbfertiges Produkt oder als Endprodukt wieder auf den Transportweg geht und dann in Handel zum Verkauf. Wir sprachen damals sehr detailliert über Transportwege, Transportmittel, die transportierten Güter. In meinem Kopf passierte dann nichts anderes, als diese Risiken zu clustern und in Strukturen zu packen, in denen dieses Risiko für mich als Underwriter einordbar wird.

Natürlich ist mir bewusst, dass heutzutage viele Transportversicherungsverträge auf Umsatzbasis geschlossen werden. Hierbei steht der Umsatz als abstrakte Hebegröße stellvertretend für das Transportvolumen je Transportrelation, die kein unmittelbares Maß für die Höhe und den Umfang des übernommenen Risikos darstellt. Andererseits: Auch dem Underwriter gelingt es, hier einen Prämiensatz abzuleiten. Dabei greift er unter anderem auf die Art der transportierten Güter, das Transportmittelmaximum, den Selbstbehalt, die Vorschadenhistorie zurück. Im Vergleich zweier Unternehmen, die ähnliche Transportbewegungen haben, wird der Umsatz dann eher degressiv wirken – also höherer Umsatz, geringerer umsatzbasierter Prämiensatz – quasi eine Art Mengenrabatt.

Was wäre ein Beispiel für strukturierte Daten in der Transportversicherung?

Wählen wir ein einfaches Szenario: Transport einer Ladung Fernsehgeräte. Hier könnte ich eine automatisierte Entscheidung unterstützen, indem ich nicht angebe „TV-Geräte“, sondern aus einer Liste von Güterklassen auswählen kann, beispielsweise „Fernseher“ oder „Flachbildschirme“ oder etwas ähnliches. Mit der Auswählbarkeit aus der Liste habe ich dem System einen gewissen Kontext gegeben. Ich habe nämlich gesagt: „Du bist jetzt die Beschreibung für das Gut” und “Du bist ein ganz konkreter Wert”. Anhand der Underwriting-Regeln, die ich für “Flachbildschirme” festgelegt habe, für die Risiken, denen das strukturierte Element “Flachbildschirm” potenziell auf dem Transportweg ausgesetzt ist, kann das System nun automatisert arbeiten.

Ich habe dem System beigebracht, was ein Fernsehgerät aus der Risikoperspektive für mich als Versicherer bedeutet.

Beim Transportweg läuft es ähnlich. Die Fernseher werden transportiert von Shanghai nach Rotterdam. Jetzt kann ich als Freitext “Shanghai” und “Rotterdam” angeben. Das System hat dadurch jedoch noch keinen Kontext, denn “Rotterdam ” könnte ein beliebiger Name oder eine Bezeichnung sein. Woher weiß das System, ob diese Information der Ablieferungsort oder der Zielort des Transportes ist? Woher weiß das System überhaupt was ein Transport und ein Ablieferungsort ist?

Ich mache mal eine Analogie zum Buchungssystem eines Luftfahrtunternehmens. Wenn du als Privatperson ein Flugticket buchst, dann wählst du auch aus der Liste der Flughäfen, die diese Luftfahrtgesellschaft bedient, einen konkreten Wert aus. Und du findest vielleicht einen konkreten Wert, der auch dein Zielort ist. Das ist eine Form von Strukturierung der Daten.

Mit strukturierten Daten können Regeln festgelegt werden, die ein System “versteht”. Das System trifft an der Stelle noch keine Entscheidung. Wenn das System nun die beiden Orte als Ablieferungsort und Zielort erkennt, kann es die Transportdistanz bestimmen. Wenn dann noch die Art des Transportmittels Flugzeug, Seeschiff, Container hinzukommt, erhalte ich bereits ein sehr konkretes Bild zu diesem Transport.

Datenstrukturierung existiert für Industrieversicherer nicht zwingend schon überall?

Viele Versicherer sind auf dem Weg dorthin. Auf Unternehmensseite, beispielsweise bei Frachtführern, passiert da auch einiges in Richtung Datenstrukturierung, da sie teilweise neben der transportierten Fracht auch noch Versicherungen anbieten wollen.

Aber Achtung, wir sprechen gerade über einzelne Transporte, ein Einzelrisikio. Das ist aber nicht unbedingt das, was Industrieversicherung ausmacht. Als Industrieversicherer möchtest du ja nicht, dass ein großer Chemiekonzern, bleiben wir bei diesem Beispiel, jeden einzelnen Transport von Deutschland nach irgendwo in der Welt, oder von irgendwo in der Welt nach Deutschland oder zwischen seinen Tochtergesellschaften weltweit, anmelden oder bekanntgeben muss. Das ist ja eine nicht zu bewältigende Masse an Informationen für den Kunden. Zumindest auf den ersten Blick nicht. Natürlich gibt es auch da Überlegungen, wie man aus den Daten, die im Einkauf vorherrschen, irgendwas machen kann. Aber das ist, glaube ich, zunächst illusorisch, darüber nachzudenken, dass das zu irgendetwas führt.

Einige Versicherer versuchen dies aber schon im etwas kleineren Kundensegment. Dort wird dann festgestellt, dass bei einem Kunden immer ein gewisse Klasse von Transporten durchgeführt wird. Stellen wir uns einen kleinen Möbelhersteller vor, der innerhalb Deutschlands seine Transporte durchführt, oder durchführen lässt. Es handelt sich immer wieder um Schrankwände im Wert von 1.000 Euro bis 10.000 Euro, die von seinem Standort in Deutschland an andere Ort in Deutschland und immer mit dem Lkw transportiert werden.  Das ist ein sehr gut clusterbares Risiko, das mit einer grundsätzlich gut einschätzbaren Prämienentscheidung verbunden werden kann. In Anbetracht der Umsatzzahlen dieses Möbelherstellers, der als Beispiel 2000 Schrankwände im Jahr verkauft, ergibt sich ein klares Bild des Transportrisikos. Nehmen wir in Abgrenzung dazu den erwähnten Chemiekonzern. Das wird schwierig, diese Dimension zu übertragen.

Fazit: Die wesentliche Herausforderung für automatisierte Underwriting-Entscheidungen im dargestellten Kontext ist und bleibt es, strukturierte Daten aufzubauen.

 

Auch interessant: Vom Underwriter zum IT-Dienstleister – Die Digitalisierungskolumne von Alexander Stolte.