Autor: Matthias Dirkmorfeld

Der primäre Kern des Versicherungsgeschäfts liegt in der Übernahme von Risiken, die zu Verpflichtungen zur Begleichung von vorsätzlich oder fahrlässig herbeigeführten Schädigungen des Körpers oder von Eigentum eines Dritten führen können. Somit kann der Beherrschung und Vorhersage unsicherer zukünftiger Schadensituationen für Versicherungsunternehmen eine wesentliche Bedeutung zur Sicherstellung der langfristigen Wirtschaftlichkeit und damit der Existenz des Unternehmens zugesprochen werden. Zusätzlich werden europäische Versicherungsunternehmen in Zukunft im Rahmen der versicherungsspezifischen Neugestaltung der Solvabilitätsvorschriften (Solvency II) stärker dazu verpflichtet, die eigene Risikoexponierung genau zu berechnen und gegenüber der Aufsichtsbehörde zu kommunizieren. Diese Anforderungen stellen die Versicherungswirtschaft - insbesondere im speziellen Fall der Personenschadenkollektive - vor eine große Herausforderung. Personenschadenportfolios zeichnen sich durch eine starke Inhomogenität im Abwicklungsverhalten aus. Eine wesentliche Problematik besteht aktuell für die Versicherungsunternehmen allerdings darin, dass klassische Reservierungs- und Simulationsmethoden in der Regel ein hohes Maß an Homogenität des betrachteten Risikokollektivs voraussetzen. Der Autor stellt mit seiner Studie erstmalig einen Ansatz vor, der - im Gegensatz zu den in der Versicherungspraxis angewandten Verfahren - konkrete Lösungsmöglichkeiten für den Umgang und die Vorhersage zukünftiger Schadensituationen von Personenschadenfällen aufzeigt. Im Rahmen dessen wird ein reales Personenschadenkollektiv auf Basis des Data Mining-Konzepts untersucht. Mit Hilfe von Entscheidungsbaumverfahren, Regressionen und künstlichen neuronalen Netzen werden Prognosemodelle für die zu erwartende Abwicklungsdauer sowie die durch das haftende Versicherungsunternehmen zu leistende Gesamtzahlungshöhe eines Personenschadenfalls modelliert. Das Buch kann sowohl im Rahmen der Forschung als auch im Rahmen der Anwendung in der Praxis als ausführlicher Leitfaden zur Data Mining basierten Untersuchung und Modellierung unsicherer Schadenkollektive verwendet werden. Schritt für Schritt werden die notwendigen Maßnahmen zur Identifikation und Extraktion der relevanten Zusammenhänge eines großen und inhomogenen Risikokollektivs am Beispiel von Personenschäden vorgestellt und detailliert erläutert.