WTW ermöglicht Versicherern mit Radar Vision ein KI-basiertes Monitoring

Aktuelle Trends und Szenarien fließen in Vorhersagemodelle ein und schaffen erhebliche Effizienzsteigerung

Die Versicherungsberatung von WTW führt global ein KI-gesteuertes Performance-Monitoring-Tool ein. Radar Vision ermöglicht es Versicherern, die Qualität ihrer prädiktiven Modelle, etwa im Underwriting, der Tarifierung und der Schadensteuerung, in Echtzeit zu überwachen. Das Tool ist sowohl im Privat-, als auch im Firmenkundengeschäft nutzbar. Damit ergänzt und erweitert es die Funktionen von Radar, der marktführenden Modellierungslösung von WTW für Versicherer.

Analytics 2.0 für Versicherer

„In der heutigen Zeit investieren viele Versicherer in den Aufbau einer großen Zahl unterschiedlichster Vorhersagemodelle, behandeln aber das Monitoring der Vorhersagegüte dieser Modelle oftmals noch stiefmütterlich. Das kann erhebliche Auswirkungen auf die Profitabilität und Effizienz haben“, sagt Dr. Gero Nießen, Senior Director bei WTW und Experte für Pricing in den deutschsprachigen Märkten. „Radar Vision durchbricht diese Problematik.“

Unterstützt von proprietären, modernen KI-Verfahren erkennt Radar Vision Modellabweichungen in Echtzeit, identifiziert mögliche Treiber – wie neuartige Schadentrends oder Änderungen des Kunden- sowie Wettbewerberverhaltens –, und schlägt automatisiert mögliche Maßnahmen vor. Dies führt zu transparenten und unmittelbar umsetzbaren daten- und algorithmengetriebenen Entscheidungsvorlagen. „Versicherer heben erhebliche Wettbewerbsvorteile, indem sie Kosten für die manuelle Überwachung der Modellprognosen signifikant reduzieren und Antiselektion minimieren“, sagt Nießen. „Wir freuen uns, der Versicherungsindustrie mit Radar Vision einen weiteren Meilenstein in der Versicherungsanalytik und im Management von Risiken zur Verfügung stellen zu können.“

Die speziell für Versicherer entwickelte Lösung lässt sich von Portfoliomanagern und Underwriting-, Schaden- und Tarifierungsteams gleichermaßen nutzen. Sie gewinnen damit Erkenntnisse, die bislang verborgen blieben oder nur mit großem personellen Aufwand gewonnen werden konnten.