Hausversicherung: Wird KI die Mutualisierung durch Hyper-Segmentierung zerstören?

Können Künstliche Intelligenz und Daten die Versicherung so weit fragmentieren, dass das Grundprinzip der Mutualisierung zerstört wird? Dies ist eine der zentralen Fragen unseres E-Books „Wie können KI und Daten die Versicherungsbranche retten? Das Beispiel der Hausversicherung in Frankreich“, verfasst von Addactis-Experten. Dieser Artikel bildet den ersten Teil: Er beleuchtet die technischen Grundlagen der Mutualisierung, untersucht die Auswüchse bestimmter Preisgestaltungspraktiken und zeigt, wie KI angesichts steigender Klimarisiken zu einem Instrument für eine faire Segmentierung und eine bewahrte Mutualisierung werden kann.

Im Zeitalter von Daten und KI befürchten einige, dass die Technologie die Versicherer zur Hyper-Segmentierung drängen und damit das Prinzip der Mutualisierung von Risiken untergraben wird, das der Versicherung zugrunde liegt. Durch ein detailliertes Verständnis von Risiken würden Daten und KI den Versicherern eine neue Möglichkeit bieten, ihre Portfolios zu segmentieren, ihre Preisgestaltung an individuelle Risiken anzupassen und zu „verfeinern“ und so die Unversicherbarkeit durch Zeichnungsregeln oder individualisierte Preisgestaltung zu fördern.

Diese dystopische Vision droht nicht nur, die Schwächsten und am stärksten Gefährdeten auszuschließen, sondern vor allem den Sozialvertrag der Versicherung und ihre technischen Grundlagen zu untergraben. Sie würde faktisch einen ganzen Teil der Bevölkerung von den Vorteilen der Versicherung ausschließen (nämlich diejenigen, die sie am dringendsten benötigen) und von anderen verlangen, eine Prämie zu zahlen, die den Kosten ihres Risikos entspricht (in einem finanziellen Ansatz, der einer Lebensversicherung mit einem einzigen, über die Zeit hinweg gebündelten Pool ähnelt, bei der jeder weiß, dass er sterben wird, wobei nur der Zeitpunkt ungewiss bleibt).

Es sei an dieser Stelle daran erinnert, dass alle Versicherungsgeschäfte auf dem doppelten Prinzip der Mutualisierung und Segmentierung beruhen. Eine Versicherung ist im Kern einfach ein gemeinsamer Topf, in den Mitglieder einzahlen (ein Segment), damit diejenigen, die einen Schaden erleiden, aus dem angesammelten Pool entschädigt werden können (die Mutualisierung von Risiken, die zuvor durch die Entschädigung für entstandene Schäden definiert wurde). Die Mitglieder dieser Gemeinschaft können vereinbaren, die Verwaltungskosten proportional zu den erbrachten Leistungen zu tragen, wobei etwaige Überschüsse nach einer bestimmten Zeit an sie zurückfließen, genauso wie sie dafür verantwortlich sind, in den Pool einzuzahlen, falls dieser unzureichend wird.

Die Mutualisierung erfolgt über einen bestimmten Zeitraum (Gefahr), über die Eintrittswahrscheinlichkeit (Exposition) und die Folgen, falls das Risiko eintritt (Anfälligkeit), und gilt für eine homogene Gruppe von Versicherungsnehmern mit ähnlichen Risikoniveaus oder solchen, die sich zumindest darauf einigen, ihre Risiken für einen bestimmten Zeitraum untereinander zu teilen. Alle Versicherungsprodukte werden somit zunächst in homogene Risikogruppen segmentiert, wenn auch nur in Bezug auf Deckung und Tarife, und versuchen dann, ihren Anwendungsbereich zu erweitern, um Risiken weiter zu streuen. Mutualisierung und Segmentierung sind daher komplementär und untrennbar miteinander verbunden, wobei die Segmentierung dazu dient, die Mutualisierung innerhalb eines von den Versicherten definierten und akzeptierten Segments aufrechtzuerhalten.

Darüber hinaus hat sich die Versicherungsbranche in den letzten dreißig Jahren weltweit zunehmend finanzialisiert, was in einem Umfeld verschärften Wettbewerbs strenge Rentabilitätszwänge mit sich brachte. Grundsätzlich müssen die Prämien nicht nur Schäden und Verwaltungskosten decken, sondern auch Entwicklung, Marketing und Werbung finanzieren und vor allem die Solvabilität gewährleisten sowie eine Eigenkapitalrendite erwirtschaften. In dieser grundlegenden Gleichung der Versicherung hat die Mutualisierung zeitweise.

Fragen der Rentabilität und der Kapitalrendite in den Vordergrund gerückt, was mehrere grundlegende technische Konsequenzen hatte, insbesondere die Einführung einer Hyper-Segmentierung und das Aufkommen von Preisoptimierungssystemen. „Preisoptimierung“ beispielsweise, die auf dem Kaufverhalten („Customer Behavior“) basiert, besteht darin, nicht die versicherungsmathematisch fairste reine Prämie für das Segment zu ermitteln, sondern die für den Versicherer vorteilhafteste Prämie, wobei berücksichtigt wird, was der Versicherte bereit ist, für seine Police zu zahlen, oder welche Prämienniveaus die Wettbewerber anbieten. Diese Praxis, die der Mutualisierung zuwiderläuft, indem sie eine fast systematische Diskriminierung bestehender Versicherungsnehmer zugunsten neuer Kunden schafft, wird von den Regulierungsbehörden zunehmend eingeschränkt oder verboten.

Mit Daten und KI kehrt der Versicherer dann zu seinen Grundlagen als Akteur in der Sharing Economy zurück: Risiken kennen, verstehen und managen, um sie zu versichern und eine Teilungsvereinbarung mit den Versicherungsnehmern zu organisieren, wobei präventive oder risikomindernde Maßnahmen ergriffen werden.

Die eigentliche Herausforderung besteht daher darin, eine „angemessene“ Segmentierung auf der Grundlage des tatsächlichen Risikos zu erreichen, die sicherstellt, dass die Mutualisierung mit den „politischen“ und strategischen Entscheidungen des Versicherers im Einklang steht und dabei unterschiedlich stark solidaritätsbasierte oder gerechte Regeln einbezieht.

Das Beispiel der Hausversicherung in Frankreich zeigt, dass KI und Daten im Gegenteil dazu beitragen werden, die langfristige Tragfähigkeit der Mutualisierung und die Grundprinzipien des Versicherungswesens zu sichern, und das in einer Branche und einer Versicherungsart, die dennoch durch die Auswirkungen des Klimawandels und Naturkatastrophen stark erschüttert wurden. Denn Klimarisiken, die vor zehn Jahren noch 10 % der reinen Prämien ausmachten, machen heute etwa 30 % aus.

Und sie entwickeln sich zu einer der Hauptursachen für die Anfälligkeit des Versicherungsmarktes. Wenn das Klima Risiken in eine fast sichere Gewissheit verwandelt, stellt dies das Grundprinzip der Versicherung infrage; die einzige noch mögliche Mutualisierung besteht dann in der zeitlichen Glättung der Ausgaben. In ihrem Bericht von Ende 2023 „UN Global Risk Report“ führte die UNO die Unversicherbarkeit als eine der „sechs Gefahren, die die Menschheit und den Planeten bedrohen“ auf und warnte, dass sich Versicherer angesichts zunehmender Naturkatastrophen zurückziehen könnten, wodurch bestimmte Gebiete „unversicherbar“ würden. Der Bericht bezog sich nicht nur auf vereinzelte Katastrophen, sondern warnte davor, dass ein allmählicher Funktionsausfall der für die gesellschaftliche Resilienz unverzichtbaren Versicherungssysteme zu einem Zusammenbruch oder einer Störung des gesamten Systems führen würde.

Und selbst ohne Berücksichtigung klimabedingter Risiken ist die Hausversicherung in Frankreich dennoch nicht immun gegen die zahlreichen anderen und wachsenden Herausforderungen, denen sich alle Versicherungsmodelle weltweit gegenübersehen. Die Herausforderung besteht darin, ein Modell zu betreiben, das auf einem sehr prekären Gleichgewicht basiert zwischen einerseits den Risikokosten, die dank KI und Daten immer genauer bekannt sind, und andererseits vielfältigen Einschränkungen, die von der gesellschaftlichen Akzeptanz der Mutualisierung bis zu den wachsenden Anforderungen der Regulierungsbehörden reichen, ganz zu schweigen von der notwendigen Rentabilität des Portfolios.

Während Modelle auf der Grundlage von Erfahrungsdaten nach wie vor den Goldstandard des technischen Stands der Technik darstellen, beobachten wir täglich eine Verlagerung hin zu KI und Daten, die sich als einzige in der Lage erweisen, das Eintreten von Ereignissen ohne verwertbare Erfahrungsdaten und die Anfälligkeit von Gebäuden mit hoher Präzision zu modellieren.

Jeder Versicherer weiß heute, dass externe Daten bei der Zeichnung von Neugeschäft bereits Erfahrungsdaten ersetzen können. Im Falle der Hausversicherung sind Erfahrungsdaten allein kaum von Nutzen, wenn sie isoliert betrachtet werden, um das Risiko eines Jahrhundertsturms zu bewerten, da die Anfälligkeit jedes einzelnen Gebäudes angesichts dieses für den Versicherer beispiellosen Risikos stark variieren wird. Umgekehrt wären Anfälligkeitsdaten ohne Angaben zur Gebäudeexposition ebenso einschränkend.

So könnte sich in der Bretagne ein hundertjähriges Haus, das gut zum Wind ausgerichtet und so gebaut ist, dass es den Elementen standhält, bei einem Sturm als widerstandsfähiger erweisen als ein neueres Haus mit originellerem Design, das jedoch nicht von Natur aus dafür ausgelegt ist, außergewöhnlichen Stürmen standzuhalten. Umgekehrt könnte ein neues Haus von erheblichen Fortschritten in der Bauweise profitieren, wenn es die neuesten Standards in diesem Bereich vollständig erfüllt. Dennoch werden diese drei Häuser im Portfolio des Versicherers zusammengefasst, und der Unterschied in der Anfälligkeit spiegelt sich nicht unbedingt in der Prämie wider.

Risikokostenmodelle basieren heute auf beidem:

• Gefahrenmodellen mit Ereignisszenarien, die auf Lage, Intensität und Häufigkeit des Auftretens basieren,
• Berechnungen der Exposition der versicherten Immobilien im Portfolio, der Versicherungswerte, der bestehenden Policen und der abgedeckten Risiken,
• Annahmen zur Anfälligkeit, um Schäden auf der Grundlage der Gefahr zu quantifizieren,
• Einem umfassenden Finanzmodell, um die zuvor berechneten Schäden in potenzielle Schadenkosten gemäß den Versicherungsbedingungen (und den Auswirkungen der Rückversicherung) umzurechnen.

Zwar ist es sicherlich unerlässlich zu verstehen, welche Gebiete verschiedenen klimabedingten Gefahren ausgesetzt sind und wie sich diese Ereignisse infolge des Klimawandels entwickeln (insbesondere Verschiebungen der Wiederkehrperioden verschiedener Intensitätsstufen), doch wird das Management der spezifischen Risiken, die mit jeder Immobilie in einem Portfolio angesichts dieser Gefahren verbunden sind, noch entscheidender.

In einem kürzlich veröffentlichten Weißbuch mit dem Titel „Reicht der geografische Expositionsansatz für die Versicherung noch aus?“ hat Addactis aufgezeigt, dass bei der Kartierung von Risiken und der Ermittlung der territorialen Exposition zwingend detaillierte, ortsspezifische Kenntnisse über die inhärente Anfälligkeit jedes einzelnen versicherten Gebäudes einbezogen werden müssen.

Die Vorhersagen der KI-Modelle von Addactis wurden durch die Ergebnisse bestätigt, die bei einer großen Anzahl von Portfolios beobachtet wurden. Sie zeigen erhebliche Diskrepanzen zwischen verschiedenen Kostenschätzungen auf, da die Abweichungen häufig zwischen dem Einfachen und dem Doppelten des Betrags liegen, was die Notwendigkeit eines tiefgreifenden Verständnisses jeder einzelnen Immobilie unterstreicht. Der Ansatz auf Gebäudeebene (und nicht nur auf Adressebene, da die Diskrepanz zwischen Adresse und Gebäude erhebliche Auswirkungen auf bestimmte Risiken wie das Hochwasserrisiko haben kann) verbessert das genaue Verständnis der Expositionen und der tatsächlichen Risiken, die bei einem Klimaereignis entstehen, grundlegend.

Es ist in der Tat der KI und externen Daten zu Gefahren, Exposition und Vulnerabilität zu verdanken, dass die Versicherer von heute in der Lage sein werden, sowohl die Versicherbarkeit von Immobilien im ganzen Land zu erhalten als auch die Nachhaltigkeit ihrer Versicherungsmodelle auf der Grundlage unterschiedlicher Solidaritäts- und Mutualisierungsgrade zu sichern. KI wird somit zu einem leistungsstarken Instrument für das Management und die Steuerung der Mutualisierung in der Hausversicherung.

Der Gegensatz zwischen Mutualisierung und Segmentierung ist eine Scheindebatte: Beide sind seit den Anfängen des Versicherungswesens untrennbar miteinander verbunden. Entscheidend ist heute die Qualität der Segmentierung. Versicherer, die granulares Risikowissen auf Gebäudeebene, durch KI und Daten, integrieren, werden in der Lage sein, ihre Portfolios fair, präzise und resilient gegenüber Klimagefahren zu steuern. Wer darauf verzichtet, setzt sich einer stillen, schrittweisen Negativselektion aus.

Möchten Sie tiefer eintauchen? Entdecken Sie unser Ebook „Wie können KI und Daten die Versicherungsbranche retten? Das Beispiel der Hausversicherung in Frankreich“, verfasst von Addactis-Experten.