KI für Versicherungsunternehmen

Article

Neue Generation der Bestandsverdichtung  

Studierende der Uni Köln liefern neuartige Machine-Learning-Lösungen für das Verdichtungsproblem bei Versicherungen  

Bereits zum zweiten Mal haben Studierende des Mathematischen Instituts der Universität zu Köln unter Beweis gestellt, dass KI (Künstliche Intelligenz) und Machine-Learning-Methoden bereits heute einen konkreten und wesentlichen Nutzen für Versicherungsunternehmen liefern.

2020

Im Wintersemester 2019/2020 hat Zoran Nikolić, der als Partner bei B&W Deloitte das Thema Actuarial Data Science verantwortet und am Mathematischen Institut der Uni Köln als Lehrbeauftragter tätig ist, seine Studierenden im Seminar „Lebensversicherungsmathematik“ erneut vor eine reale praktische Herausforderung gestellt. Dieses Mal waren vier völlig unterschiedliche und hochkomplexe Portfolien an Versicherungspolicen von den Teilnehmern/innen möglichst stark zu verdichten, um damit aktuarielle Berechnungen für große Bestände schnellstmöglich durchführen zu können. Die Schwierigkeit dabei: Die Berechnungen auf Basis der sehr verkleinerten Portfolios müssen die jeweiligen Zahlungsströme von beispielsweise Prämien und Leistungen derart zuverlässig generieren, dass sie von jenen der ursprünglichen Gesamtheit der Policen nur geringfügig abweichen. Die drei Gewinner-Teams haben durchaus mathematisch unterschiedliche Ansätze gewählt. Besonders erfreulich dabei: Jeder dieser Ansätze zeichnete sich durch den geschickten Einsatz von mathematischen Algorithmen gepaart mit Machine-Learning-Ansätzen aus.

Zoran Nikolic

Für die Industrie ist an all diesen Lösungen besonders wertvoll, dass sie der Versicherungsgesellschaft eine Vorgabe der maximal zulässigen Abweichungen ermöglichen. Während bisher die angestrebten maximal zulässigen Differenzen zu den ursprünglichen Zahlungsströmen erst nach der Verdichtung überprüft werden konnten, was bei Überschreitung der Toleranzbreite zu zeitraubenden Wiederholungen der Verdichtung führte, ermöglichen die neuen Ansätze eine vollständig automatische Durchführung der Bestandsverdichtung unter Einhaltung der Vorgabe der zulässigen maximalen Abweichung.

„Einige der Ideen und Lösungsansätze der Studierenden werden sicherlich die Weiterentwicklungen im Deloitte Grouping Optimizer Machine Learning (DGO ML) inspirieren“, so Zoran Nikolić. DGO ML ist das führende Verdichtungs- und Optimierungstool auf dem europäischen Versicherungsmarkt. Auch im asiatischen Markt kam der DGO bereits erfolgreich zum Einsatz.

Zoran Nikolic

Im Wintersemester 2019/2020 hat Zoran Nikolić, der als Partner bei B&W Deloitte das Thema Actuarial Data Science verantwortet und am Mathematischen Institut der Uni Köln als Lehrbeauftragter tätig ist, seine Studierenden im Seminar „Lebensversicherungsmathematik“ erneut vor eine reale praktische Herausforderung gestellt. Dieses Mal waren vier völlig Bei der Vorstellung der Ergebnisse durch die Gewinner-Teams sind die anwesenden Kolleginnen und Kollegen von Deloitte mit großem Interesse den Vorträgen der Studierenden gefolgt, da Fragestellungen dieser Art auch in ihrer täglichen Praxis auftauchen. „Es war eine großartige Gelegenheit für Studierende, ihr Wissen in der Praxis zu zeigen und auch für uns, eine Reihe neuer Anregungen zu bekommen. Erste Umsetzungsüberlegungen haben wir schon initiiert“, so Akzharkyn Omarova, die seit ihrem Einstieg bei B&W Deloitte im April 2019 wesentlich die Weiterentwicklung des DGO ML mit vorantreibt.

Der Forscherdrang und die Kreativität sowie die Beharrlichkeit zahlten sich für die Gewinner-Teams aus. Deloitte hat drei Teams mit insgesamt fünf Studierenden mit einem Preisgeld von 3.000 Euro ausgezeichnet. Die Preisverleihung fand am 28. Februar 2020 in den Geschäftsräumen von B&W Deloitte in Köln, Magnusstraße 11, statt.



 
Zoran Nikolic

2019

KI für Versicherungsunternehmen - Von Studenten für die Wirtschaft

Künstliche neuronale Netze: Lösung einer Fragestellung aus der Praxis

Im Wintersemester 2019 hat Dozent Zoran Nikolić an der Uni Köln seinen Studenten eine besondere Aufgabe gegeben. Sein Seminar „Künstliche neuronale Netze" wurde kurzerhand zu einem Programmierwettbewerb umfunktioniert. Die Aufgabe bestand für die Teilnehmer darin, das quantitative Risikomanagement von Versicherungsunternehmen durch maschinelles Lernen zu optimieren. Die Ergebnisse der Gewinner-Teams begeistern nun Wissenschaft und Wirtschaft gleichermaßen.

Vortrag zum Nachlesen: Einführung und Motivation Neuronale Netze | Zoran Nikolić

Die Lösung der Studenten ermöglicht es der Versicherungsbranche, zukünftig genauere Auswertung von Stresssituationen und damit bessere Berechnungen zum Solvenzkapital zu erstellen. Die Komplexität dieser Dynamiken musste bis dato durch mathematische Modelle, der sogenannten Proxy-Methode, stark vereinfacht werden. Ohne diese Abstraktion wären die umfangreichen Berechnungen selbst in Zeiten des Cloud-Computing extrem kostspielig. In der Praxis galt dabei LSMC als die fortschrittlichste Lösung. Durch den Einsatz von maschinellem Lernen sind die traditionellen Regressionsmethoden nun überholt.

Zoran Nikolic

Drei der erarbeiteten Modelle haben deutlich genauere Ergebnisse als die bewährten Proxy-Methoden produziert. Und nicht nur das, sie lassen sich leicht auf weitere Versicherungsfelder anwenden.

"Die Ergebnisse, die die Studenten erzielt haben, begeistern uns. Sie zeigen am Beispiel der Versicherungsbranche, inwiefern Künstliche Intelligenz einen Mehrwert bringt", sagt Nils Dennstedt, Partner bei Deloitte für Actuarial and Insurance Services. "Die Leistung der Studenten honorieren wir gerne."

Insgesamt wurden vier Studenten in drei Teams von Deloitte unter Leitung von Herrn Nikolić (vertreten durch Nils Dennstedt) mit einem Preisgeld von 5.000 Euro ausgezeichnet. Die Preisverleihung fand am 15. März 2019 in den Geschäftsräumen von Deloitte in Köln, Magnusstraße 11, statt.

Unser Leistungsangebot - Actuarial & Insurance Services

Als eine der führenden Beratungsfirmen im Versicherungssektor, bietet Ihnen B&W Deloitte Lösungen und umfassende Beratung zu allen aktuariellen Fragestellungen. 

  • Klassische aktuarielle Aufgabenstellung
  • Beratung bei strategischen Entscheidungen
  • Entwicklung komplexer Unternehmensmodelle zur wert- und risikoorientierten Steuerung des Unternehmens
  • Fragen zu Rechnungslegungsstandards und Kapitalbedarfen (HGB, IFRS17, Solvency II)
  • Moderne Techniken zur Optimierung und Clustering >> mehr lesen
  • Actuarial Data Analytics >> mehr lesen