Die Versicherungsindustrie war schon immer datengetrieben. Wir haben keine physischen Produkte – von Policen auf Papier mal abgesehen. Seither mussten wir auf Basis verwertbarer Daten das Risiko von Schäden abschätzen. Über Jahrhunderte haben wir hierfür statische Daten benutzt, die wir vornehmlich von den Versicherten abgefragt haben.

Auch heute besteht ein Großteil der Daten, die Versicherungen nutzen, aus statischen Daten, die vom Kunden erhoben werden. Dadurch entstehen schier endlose Antragsstrecken, die Maklern und Agenturen einen Abschluss erschweren. Einmal erhoben, werden nach Versicherungsbeginn jedoch kaum mehr Datensätze abgefragt.

Erst in der jüngsten Vergangenheit sind einige Versicherungen dazu übergegangen, dynamische Daten zu erfassen – auch nach Versicherungsbeginn. Natürlich können wir nicht ständig unsere Kunden nach neuen Daten fragen. Es mussten also andere Datenquellen her. Smartphones, Smartwatches, Fitnesstracker oder die Datenschnittstelle von Autos haben sich als gute erste Datenquellen bewiesen. So konnten massenhaft Daten erhoben werden, ohne Kunden oder Vertriebspartner zu belasten.

Das Ergebnis kennen Vertriebe und Kunden beispielsweise als Telematiktarife in der Kfz-Versicherung, Smart-Home-Tarife in Hausrat- und Wohngebäudeversicherungen oder als Smart-Health-Tarife im Krankenversicherungsbereich. Diese Produkte sind jedoch klar in der Minderheit.

Große Chancen bei Nutzung dynamischer Daten

Allerdings werden dynamische Daten bisher lediglich für die Preisfindung eines Versicherungsangebots genutzt. Man verspricht sich davon eine bessere Risikoselektion und einen höheren Gewinn, der letzten Endes aber nur von einer Versicherung zur anderen geschoben wird. Anbieter, die genauere Preise verlangen, erhöhen ihren Gewinn auf Kosten anderer Versicherungen. Erst wenn alle Versicherungen dynamische Daten in ähnlicher Form verwenden, werden die Preise risikogerecht. Erst dann reduziert sich die Quersubventionierung innerhalb der Versichertengemeinschaft. Das, was wir momentan sehen, sind Umverteilungseffekte. Einen echten Mehrwert hat die Nutzung dynamischer Daten bisher noch nicht geschaffen.

Dabei bieten sie eine große Chance, denn das eigentliche Potenzial dynamischer Daten liegt in der Risikoprävention. Durch eine zielgerichtete und optimierte Nutzung können Unfälle, Krankheiten, zu frühe Todesfälle, Einbrüche oder Elementarschäden um bis zu 30 Prozent reduziert werden. Das bedeutet 30 Prozent weniger Leid, weniger Trauer, weniger Schmerzen. Das klingt erstrebenswert, aber wie kann das funktionieren?

Das Prinzip ist einfach und funktioniert in zwei Schritten.

Im ersten Schritt sammeln und speichern Versicherungen zahlreiche dynamische Daten zu ihren Kunden. Wenn ein Kunde einen Schaden meldet, analysiert der Versicherer die Daten des Kunden in den Sekunden, Minuten, Tagen, Wochen oder Jahren vor dem Schaden. Im Falle eines Autounfalls sind die Daten der letzten Tage ausreichend. Bei einer schweren Erkrankung muss die Versicherung Jahre zurückgehen, um die Ursache für die Erkrankung zu finden. Solch eine Analyse wird nicht nur für den Einzelnen durchgeführt, sondern für alle Kunden, die einen ähnlichen Schaden gemeldet haben.

Die daraus entstehende Datenmenge ist so groß und unstrukturiert, dass sie keine humanitäre Belegschaft stemmen könnte. Maschinen werden benötigt, die sich selbst laufend hinsichtlich der Datenanalyse verbessern. Der Einsatz von sogenannten Machine Learning oder Künstlicher Intelligenz ermöglicht das Erkennen von Mustern, die einem Schaden vorangehen.

So könnte die Maschine feststellen, dass Autofahrer, die einen schweren Unfall verursacht haben, in den Nächten zuvor schlecht geschlafen haben, ihr Fahrverhalten sich in den Minuten vor dem Unfall verändert hat, Blutdruck oder Puls unregelmäßig waren oder sie vor dem Unfall mehr als drei Stunden ohne Pause gefahren sind. Die Maschine könnte auch Muster bezüglich der Straßenverhältnisse, Wetterlage, des Sonnenstands oder der Windverhältnisse erkennen.

In Schritt zwei werden die Ergebnisse der vorhergehenden Analyse angewandt

Die dynamischen Daten aller Kunden werden nach den ermittelten Mustern in Echtzeit durchsucht. Das bedeutet, Terabytes von Datensätzen müssen in Sekundenbruchteilen überprüft werden. Auch diese Aufgabe ist von Menschen nicht zu bewältigen.

Sobald die Maschine also ein Muster erkennt, das in der Vergangenheit häufig zu Schäden, wie beispielsweise Autounfällen, geführt hat, muss der Kunde dahingehend informiert werden. Das Ziel dieser direkten Ansprache soll sein, den Schaden zukünftig zu vermeiden. Und hier kommt die Psychologie ins Spiel, denn der Kunde wird erstmal zögern, den Empfehlungen der Versicherung zu folgen.

Die Versicherung muss geeignete Mittel finden, die den Kunden zur Mitarbeit motivieren. Das kann ein Kaffeegutschein sein, wenn der Kunde eine Pause einlegen soll. Oder ein Taxigutschein, wenn der Kunde das Auto erst gar nicht nutzen soll. Menschen, die auf Ratschlag der Versicherung nach Hause gehen und vor einem aufziehenden Hagel die Fenster schließen, kann ein Betrag auf Spotify gutgeschrieben werden.

Wie viele Schäden vermieden werden können, wird letztlich von der geeigneten Ansprache der Kunden abhängen. Den Stein der Weisen hat dabei noch niemand gefunden. Aber die Suche lohnt sich. Das Ergebnis ist, die Welt zu einem sicheren Ort zu machen. Und das ist doch ein Ziel, dem wir alle gerne folgen.

Über den Autoren

Oliver Lang ist Geschäftsführer des digitalen Sachversicherers One Insurance. Er bringt über 20 Jahre Erfahrung im Bereich Technologie und Versicherungen mit. Seine Karriere begann er bei der Unternehmensberatung McKinsey und war danach unter anderem als Globaler Leiter des Risikomanagements beim Schweizer Rückversicherer Converium tätig und hat verschiedene Unternehmen und Beratungsgesellschaften in der Finanzindustrie gegründet.