Banken, Versicherungen & Kanzleien

Underwriting mit KI: Risiken datenbasiert, fair und prüfbar zeichnen

Anträge in der Lebens-, Kranken- oder Sachversicherung enthalten heute weit mehr verwertbare Informationen, als ein klassischer Fragebogen erfasst, und Plattformen versprechen automatisierte Annahmeentscheidungen. Das Tagesseminar führt Underwriter, Aktuare und Risikomanager von der Datenauswahl über Risikoscoring und Kalibrierung bis zur Auswertung von Arztberichten und Gutachten mit LLM und IDP. Breiten Raum nehmen diskriminierungsfreie Tarifierung, Erklärbarkeit gegenüber Kunden und BaFin sowie die Einstufung nach KI-VO ein. Zum Schluss steht ein Plan, wie Aktuariat, Underwriting und Data Science die Einführung gemeinsam tragen.

Für wen

Underwriter, Aktuare, Produktentwicklung und Risikomanagement aus Erst- und Rückversicherung, die eine ML-gestützte Risikobewertung verstehen und im eigenen Unternehmen einführen wollen.

KI-Tagesseminar · 1 Tag

Annahmeentscheidungen mit Daten, Modellen und Dokumenten-KI begründet treffen

Das nehmen Sie mit

  • Antragsdaten, Geodaten und Sensorik verknüpfen Sie zu einem Risikoscoring und beurteilen, ob GLM, Gradient Boosting oder neuronale Netze besser passen.
  • Wie sich Angaben aus Arztberichten und Gutachten zuverlässig extrahieren lassen und wo Halluzinationen drohen, haben Sie selbst gemessen.
  • Proxy-Merkmale und versteckten Bias decken Sie auf und begründen Annahmeentscheidungen nachvollziehbar gegenüber Kunden und Aufsicht.
  • Pilotierung, Champion-Challenger und Monitoring fügen sich zu einem Umsetzungsfahrplan für das nächste Geschäftsjahr.

Ablauf

  1. Teil 1

    Modul 1 – Standort: Wie sich das Zeichnen von Risiken verändert

    • Statt einmalig ausgefülltem Antrag: ein Risikoprofil, das sich laufend aus aktuellen Daten speist
    • Automatisierte Annahme: wo sie gegenüber Wettbewerbern Tempo bringt und wo Zurückhaltung geboten ist
    • Überblick über aktuelle Underwriting-Plattformen und ihren Leistungsumfang
    • Zielkonflikt zwischen schneller Policierung, Treffsicherheit und aktuarieller Sorgfalt
    • Bestandsaufnahme: wie stark Ihr Haus heute schon datenbasiert zeichnet
  2. Teil 2

    Modul 2 – Risikomodelle: Datenquellen, Verfahren und Kalibrierung

    • Angaben aus dem Antrag mit externen Quellen wie Geodaten und Sensorik zusammenführen
    • GLM, Gradient Boosting und neuronale Netze nebeneinander: was jedes Verfahren leistet und wo es endet
    • Übung: Ein Risikoscoring entsteht, und Sie deuten, welche Merkmale das Ergebnis treiben
    • Mehr Genauigkeit ist nicht automatisch besser, etwa wenn die Nachvollziehbarkeit darunter leidet
    • Kalibrierung: geschätzte Wahrscheinlichkeiten so justieren, dass sie zum tatsächlichen Schadenverlauf passen
  3. Teil 3

    Modul 3 – Dokumente auswerten: Arztberichte und Gutachten maschinell lesen

    • Arztberichte, Gutachten und Objektunterlagen automatisch erschließen mit LLM und IDP
    • Risikorelevante Angaben wie Vorerkrankungen oder Bauart herauslösen und in strukturierte Felder überführen
    • Live-Demo: Ein Gutachten wird eingelesen und befüllt anschließend das Risikoprofil
    • Halluzinationen und fehlerhaft extrahierte Werte durch systematische Kontrollen abfangen
    • Übung: An echten Dokumenten messen Sie, wie verlässlich eine Extraktion trifft
  4. Teil 4

    Modul 4 – Fairness und Aufsicht: Diskriminierungsfrei und erklärbar entscheiden

    • Tarifierung ohne Diskriminierung: Unisex-Vorgaben, Proxy-Merkmale und Bias-Tests
    • Annahmeentscheidungen gegenüber Antragstellern und der BaFin begründen (XAI)
    • KI-VO: wie Underwriting-Systeme eingestuft werden und welche Pflichten daraus entstehen
    • Vertrauen bei Kunden und Aufsicht gewinnen, statt Vorgaben nur formal abzuhaken
    • Übung: In einem Beispielmodell machen Sie eine verdeckte Verzerrung (Bias) sichtbar
  5. Teil 5

    Modul 5 – Einführung: Zusammenarbeit, Pilot und Umsetzungsplan

    • Aktuariat, Underwriting und Data Science an einen Tisch bringen und Rollen klären
    • Pilotbetrieb, Champion-Challenger-Vergleich und fortlaufendes Modell-Monitoring
    • Fallstudie aus der Lebensversicherung: Risikoprüfung mit automatisierter Entscheidung
    • Underwriter in den Wandel einbinden, damit sie Modelle als Unterstützung nutzen statt Ersatz zu fürchten
    • Umsetzungsplan für das kommende Geschäftsjahr skizzieren

VoraussetzungenErwartet wird Grundwissen über die betrieblichen Abläufe in der Versicherungswirtschaft; Programmiererfahrung brauchen Sie nicht. Praxis im Underwriting oder in der Produktentwicklung hilft beim Einordnen der Beispiele.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen