Sustainable underwriting: Wie Versicherer ESG-Risiken berücksichtigen und eine dynamische Preisgestaltung ermöglichen können

Kurz gesagt:

• Traditionelle Underwriting-Ansätze reichen nicht aus, um die komplexen Risiken des Klimawandels zu erkennen und zu bewältigen.  
• Die Top-Performer von morgen werden KI-fähige Tools und maschinelles Lernen in ihre Underwriting-Workflows integrieren, um eine dynamische Preisgestaltung zu ermöglichen und die Vorteile zu nutzen – darunter eine höhere Effizienz, eine bessere Risikoauswahl und eine profitablere Preisgestaltung. 
• Angesichts der Notwendigkeit des Wandels können Versicherer ESG als Chance nutzen, um einen breiteren Wandel in der Underwriting-Funktion voranzutreiben. 

Umwelt-, Sozial- und Governance-Themen (ESG) haben einen großen Einfluss auf die Versicherungsbranche, mit tiefgreifenden Auswirkungen auf das gesamte Geschäft, von der Entwicklung neuer Produkte über Anlagestrategien bis hin zur Markenpositionierung. Die ESG-Themen bestimmen auch die Agenda der Unternehmensleitung. Immer mehr Versicherer fragen sich, ob sie Kohlekraftwerke, Ölpipelines und andere kohlenstoffintensive Unternehmen versichern sollen. Dies können schwierige Entscheidungen sein, wenn bestimmte Kunden aufgrund von klimabedingten Naturkatastrophen, Rechtsstreitigkeiten im Zusammenhang mit sozialen und Governance-Fragen zu höheren Schadensquoten führen können.

Underwriter stehen bei der ESG-Revolution an vorderster Front. Die Schwierigkeit und Komplexität bei der Bewertung des breiten Spektrums an Risiken, die sich aus dem Klimawandel ergeben, kann kaum überschätzt werden. Diese Risiken reichen von physischen Schäden, die durch häufigere und schwerere Stürme verursacht werden, bis hin zu den Störungen, die durch den Übergang zu einer umweltfreundlicheren Wirtschaft verursacht werden. Sachversicherer konzentrieren sich darauf, ihre Exponierung gegenüber den physischen Auswirkungen des Klimawandels (z. B. von Hurrikanen bedrohte Küstenimmobilien) zu verringern und ihre Preisgestaltung an diese Risiken anzupassen. Haftpflichtversicherer beobachten aufmerksam die wachsende Zahl von ESG-bezogenen Rechtsstreitigkeiten und suchen nach vorausschauenden Erkenntnissen darüber, welche Sektoren in Zukunft mit solchen Rechtsstreitigkeiten konfrontiert werden könnten.

Laut einer aktuellen Studie von Capgemini haben jedoch nur relativ wenige Versicherer damit begonnen, Nachhaltigkeit in ihre Underwriting-Praktiken einzubeziehen. Weniger als die Hälfte der Sachversicherer beziehen ESG-Bewertungen in den Underwriting-Prozess ein. Weniger als ein Drittel (30 %) bietet Vorzugskonditionen für Kunden, die Nachhaltigkeitsinitiativen ergreifen, und noch weniger (27 %) beschränken den Zugang zu “braunen” oder nicht nachhaltigen Unternehmen. 

Underwriter, die Preise und Risiken in einer sich ständig verändernden Landschaft bewerten, benötigen eine klare ESG-Underwriting-Politik und einen wiederholbaren Ansatz, der standardisiert, transparent und automatisiert ist. Um diese Vision zu verwirklichen, müssen Versicherer umfangreichere Daten aus mehr Quellen einbeziehen und Vorhersagemodelle einsetzen, damit Underwriter Anträge effektiver und genauer bewerten und bepreisen können. Letztendlich wird ein solcher Ansatz dynamische Preisgestaltungsmöglichkeiten ermöglichen, die notwendig sind, um ein hervorragendes Underwriting für die ESG-Ära zu erreichen. 

Im weiteren Sinne ist ein intelligenteres Underwriting nur eine Möglichkeit, wie Versicherer eine proaktive, führende Rolle bei der Schaffung einer nachhaltigeren Wirtschaft spielen und der Gesellschaft helfen können, die größten Bedrohungen durch den Klimawandel abzumildern. Es kann der Branche auch helfen, wirksame Lösungen für die Risikoberatung und -prävention zu entwickeln, die alle Arten und Größen von Unternehmen benötigen.

Fortsetzung der Modernisierung

In gewissem Sinne ist ESG eine weitere Kraft, die die Notwendigkeit einer Umgestaltung des Underwritings vorantreibt. Die Versicherer arbeiten seit langem an der Automatisierung zentraler Underwriting-Prozesse und der Integration von Echtzeit- und nicht-traditionellen Datensätzen in ihre Preis- und Risikoauswahlmodelle. Ebenso haben sie die fortschrittlichsten Analysetools auf anspruchsvollere Weise eingesetzt (z. B. prädiktive Modellierung, Visualisierung). Sie wurden in erster Linie durch die Notwendigkeit motiviert, hochgradig personalisierte, ja sogar individualisierte Produkte zu entwickeln, anstatt wie in der Vergangenheit Angebote zu entwickeln, die für fast alle Kunden passen. Der Druck, schneller auf den Markt zu kommen, war ein weiterer Faktor. 

Die Anforderungen der ESG haben die Dringlichkeit der Bemühungen um Automatisierung, Integration und Rationalisierung erhöht. Auch die Personalisierung hat nach wie vor Priorität, schließlich weisen verschiedene Unternehmenstypen in verschiedenen Regionen deutlich unterschiedliche Risikoprofile auf. 

Und man kann nicht über die Umgestaltung des Underwritings sprechen, ohne die Notwendigkeit zu erwähnen, sich von den Zwängen veralteter Altsysteme zu befreien, die für viele Versicherer, die ihre Underwriting-Funktionen modernisieren wollen, weiterhin eine Herausforderung darstellen. 

Von integrierten Daten zu ESG-Bewertungen

Abgesehen von den Transformationszielen stehen Underwriting-Verantwortliche vor praktischen Fragen in Bezug auf ESG – vor allem, wie sie Underwritern nützliche Daten zur Verfügung stellen können, damit sie neue Arten von Risiken effektiver modellieren können. Zu den neuen Quellen können detailliertere Klima- und Wetterinformationen, Echtzeitdaten von Sensoren, die mit dem Internet der Dinge (IoT) verbunden sind, Haftpflichtdatenbanken von Dritten und sogar unstrukturierte Daten aus Call-Center-Interaktionen oder Dokumenten zur Schadenregulierung gehören. Der Einsatz von künstlicher Intelligenz (KI) auf diese erweiterten Datensätze wird es den Versicherern ermöglichen, einen besseren Einblick in alle Risikoprofile ihrer verschiedenen Kunden zu erhalten, sowohl in Bezug auf klimabedingte als auch auf andere Arten von Risiken. 

Im Idealfall können diese transparenten Daten direkt in aktuelle Umgebungen eingespeist (einschließlich der Workbenches, die Underwriter täglich nutzen) und in bestehende Arbeitsabläufe eingebettet werden, um ESG-Scores zu generieren, die die Risikoexponierung der Kunden in Bezug auf ESG bewerten. Durch den Einsatz von KI-gestützten Analysetools zur Gewinnung neuer Erkenntnisse und maschinellem Lernen zur kontinuierlichen Verbesserung ihrer Modelle können die Versicherer immer präzisere Risikobewertungen und Preise erstellen. Ziel ist es, ein vollständig digitalisiertes ESG-Scoring-Verfahren zu entwickeln, das in großem Umfang eingeführt werden kann, um diese komplexen Risiken zu modellieren und die Preisgestaltung und Risikoselektion auf das gesamte Spektrum der gewerblichen Kunden abzustimmen.

Grundsätzlich messen ESG-Scores die Exposition eines Unternehmens gegenüber langfristigen Umwelt-, Sozial- und Governance-Risiken. Der Score kann die Wahrscheinlichkeit angeben, dass Unternehmen zukünftige Verluste durch schädliche Ereignisse erleiden, was Versicherern hilft, Entscheidungen über die Preisgestaltung und Rentabilität von Konten und Portfolios zu treffen. ESG-Scores können auch verwendet werden, um die richtigen Verhaltensanreize zu setzen (z. B. Umstellung auf EV-Flotten, Installation von Solarzellen), die zu Prämienrabatten führen können. Alle Arten von Versicherern benötigen diese Fähigkeiten, einschließlich Spezialversicherer und Rückversicherer, die die Prinzipien des ESG-Scorings auf ihre gesamten Portfolios anwenden könnten. 

Und ESG-Scores sind nicht nur für die Modellierung der Risiken für die Öl- und Gasindustrie, die Automobilindustrie, das Baugewerbe, die Landwirtschaft und andere kohlenstoffintensive Sektoren nützlich; die Versicherer brauchen auch ESG-Scoring-Modelle, die leicht auf durchschnittliche gewerbliche Kunden anwendbar sind.

Wir sprechen nicht von den ESG-Scores, die in den letzten ein oder zwei Jahren von vielen verschiedenen Ratingagenturen und Investorengruppen entwickelt und veröffentlicht wurden. Vielmehr meinen wir ein Rating- oder Underwriting-Toolset oder einen Rahmen, der es Versicherern ermöglicht, ESG-Risiken viel effizienter und effektiver zu modellieren. Sicherlich können ESG-Ratings von Drittanbietern einen nützlichen Beitrag leisten; sie sind nur eines von vielen Beispielen für neue Daten, die den gesamten Underwriting-Ansatz der Versicherer verbessern werden. 

Die jüngsten Marktentwicklungen weisen den Weg in die Zukunft. Globale Versicherer haben Underwriting-Prozesse und Risikoberatungsdienste entwickelt, die Risiken identifizieren, die eine ESG-Bewertung erfordern, und den Underwritern auf den entsprechenden Autoritätsebenen Instrumente zur Verfügung stellen. Ein großes Maklerunternehmen arbeitet gemeinsam mit einem globalen Versicherer an einer ESG-Risikobewertungsmaßnahme.

Unserer Ansicht nach sind dies die Ausgangspunkte für eine Entwicklung, bei der ESG-Faktoren in die Underwriting-Prozesse eingebettet werden, wobei die Genauigkeit der ESG-Bewertungen durch immer detailliertere Daten kontinuierlich verbessert wird. Underwriter, die Zugang zu mehreren Scores haben und vom Analyseteam unterstützt werden, können Risiken am besten einschätzen und bewerten.

Die Power der dynamischen Preisgestaltung

Wenn die Scoring-Modelle intuitiv sind und sich reibungslos in die bestehenden Arbeitsabläufe einfügen, ermöglichen sie den Underwritern eine Risikobewertung und eine dynamische Preisgestaltung, die auf die Realität der Risikotransparenz in Echtzeit hinweist. Die dynamische Preisgestaltung ist besonders leistungsfähig in Bezug auf die komplexen Risiken im Zusammenhang mit dem Klimawandel. Sie bietet jedoch Vorteile bei der Modellierung jeder Art von Risiko, was sie für Versicherer zu einer vorrangigen Fähigkeit macht. Die dynamische Preisgestaltung ermöglicht es den Versicherern, ihre Preise und Tarife reaktionsschnell zu ändern, wenn sich die makroökonomischen Bedingungen ändern, Wettbewerbsbedrohungen auftauchen und sich die Bedürfnisse und Präferenzen der Kunden ändern. Außerdem können sie die Risikoselektion durch die Verwendung detaillierterer und aktuellerer Daten verbessern, einschließlich neuer Variablen wie Veränderungen der Kohlenstoffemissionen und neuer IoT-Daten, die individuelle Verhaltensweisen und Risiken der Versicherungsnehmer widerspiegeln. 

Wie die Vision verwirklicht werden kann

Versicherer, die bereit sind, ihre Underwriting-Fähigkeiten zu verbessern und auf eine dynamische Preisgestaltung umzusteigen, sollten die folgenden schrittweisen Schritte in Betracht ziehen.

Erstellen Sie den Ablaufplan: Stellen Sie ein gezieltes Innovationsteam zusammen oder engagieren Sie externe Partner, um die langfristige Vision für das Underwriting zu entwickeln, einschließlich Risikotransparenz in Echtzeit, datengesteuerter Arbeitsabläufe, vorausschauender Analysen und berührungsloser Bearbeitung.

Bereiten Sie die Technik vor: Entwickeln Sie Funktionen für die Datenspeicherung und -aufnahme sowie APIs für die Integration mit zentralen Underwriting-Systemen, einschließlich Workbenches und Preisgestaltungsplattformen, damit Versicherer neue Datenströme nutzen können und die Akzeptanz gefördert wird.  

Testen Sie Prototypen und Piloten: Konzentrieren Sie sich auf eine bestimmte Produktlinie, Branche oder Region, um mit neuen Underwriting-Modellen zu experimentieren; erwägen Sie, Ihre Underwriting-Workbench oder bestimmte Workflows schrittweise um Datenquellen zu erweitern und entsprechende Erkenntnisse zu gewinnen.

Zusammenfassend

So wie ESG im Bankwesen und in der Vermögensverwaltung zu einem wichtigen Faktor geworden ist, wird es auch im Versicherungswesen immer mehr an Bedeutung gewinnen, sowohl als Quelle neuer Risiken als auch als strategische Chance. Sowohl Verbraucher als auch Investoren erwarten von den Versicherern, dass sie den Übergang zu einer grüneren Wirtschaft unterstützen.

Ein neuer Underwriting-Ansatz ist für ESG jedoch vor allem deshalb erforderlich, weil sich klimabedingte Risiken von anderen Risiken, denen Versicherer ausgesetzt sind, unterscheiden. Es sind mehr Daten und leistungsfähigere Analysen erforderlich, da klimabedingte Bedrohungen in die Zukunft modelliert werden müssen, anstatt in erster Linie auf der Grundlage vergangener Ereignisse bewertet zu werden.