Diese Arbeit beschäftigt sich daher im Folgenden mit der Telematik für Kfz-Versicherung und stellt ein Modell vor, mithilfe dessen verschiedene Fahrstile analysiert und unterschieden werden können. Ihr Ansatz nutzt die Diskrete Fourier Transformation (DFT) – diese ist die Überführung einer zeitabhängigen Funktion in eine frequenzabhängige Funktion – zur Erkennung von Fahrmustern welche zur Erstellung individueller Risikoprofile genutzt werden können.
Aufgrund technischer Neuerungen vor allem durch die immer weiter fortschreitende Digitalisierung sowie des deregulierungsbedingten Preiswettbewerbs, kommt es zu immer mehr Innovationen auch auf dem deutschen Markt für Kfz-Versicherungen. Eine dieser Neuerungen umfasst die Telematik. Hierbei handelt es sich um einen Neologismus der sich aus den Wörtern Telekommunikation (telecommunication) und Informatik (informatics) zusammensetzt. Darunter ist die Verwendung von elektronisch übermittelten individuellen Bewegungsdaten der versicherten Pkw zu verstehen, die bereits durch verschiedene Schritte komprimiert, plausibilisiert, bereinigt und transformiert werden, bevor sie bspw. einer Versicherung zur Verfügung gestellt werden.
Die Verbreitung von Telematik-Tarifen begann in den U.S.A. 1989 und erreichte Europa mit den ersten Verträgen in Italien im Jahre 2000. Erste Tarife dieser Art wurden in Deutschland in 2014 eingeführt. In der Praxis haben sich unterschiedliche Ausgestaltungen in der Kfz-Versicherung entwickelt. Dies sind bspw. Tarife in denen auf die tatsächlich gefahrenen Kilometer abgestellt wird, sogenannte "pay-as-you-drive"-Tarife (PAYD). Weiterhin sind es Tarife bei denen zu den gefahrenen Kilometern bspw. auch die Fahrhäufigkeit oder auch die Tages-/Nachtzeit der Fahrten herangezogen werden, sog. "pay-how-you-drive"-Tarife (PHYD). Die beschriebenen Tarife werden daher auch als "usagebased" bezeichnet. Bei den beschriebenen Tarifarten wird am Ende eines Versicherungsjahres zumeist ein Nachlass auf die Prämie gewährt, oder aber eine zusätzlich zu zahlende Gebühr erhoben um die tatsächliche Nutzung des Tarifes abbilden zu können. Das individuelle Fahrverhalten, abgesehen von gefahrenen Kilometern und bevorzugten Fahrzeiten, wurde bisher noch nicht in solche Tarife einbezogen, da es weder in der Theorie noch in der Praxis einen Ansatz zu dessen Messung – einen Scoring-Ansatz – gibt.
Inhaltsverzeichnis
1 Einleitung
2 Überblick über den aktuellen Stand der Forschung zur Telematik in der Kfz-Versicherung
2.1 Aktuelle Forschung zur Telematik in der Kfz-Versicherung
2.2 Aktuelle Forschung zur Verwendung von Telematik in der aktuariellen Kalkulation in der Kfz-Versicherung
3 Modell zur risikoindividuellen Tarifierung in der Kfz-Versicherung unter Verwendung der Fourier Transformation zur Mustererkennung
3.1 Prozess der Mustererkennung
3.2 Modell zur Erkennung von Fahrverhaltensmustern
3.3 Ergebnisse der Messungen der definierten Manöver
3.4 Ansatz eines Scoring-Systems des Fahrverhaltens
4 Fazit und Ausblick für die weitere Forschung
Zielsetzung & Themen
Das Hauptziel dieser Arbeit besteht darin, einen Modellansatz zur risikoindividuellen Tarifierung in der Kfz-Versicherung vorzustellen, der über rein wegstrecken- oder zeitabhängige Metriken hinausgeht. Die zentrale Forschungsfrage fokussiert sich darauf, wie mithilfe der Diskreten Fourier Transformation (DFT) spezifische Fahrmanöver und -muster extrahiert und zur Erstellung präziserer, individueller Risikoprofile genutzt werden können.
- Grundlagen der Telematik-Tarife (PAYD/PHYD) in der Kfz-Versicherung
- Analyse wissenschaftlicher Literatur zur versicherungstechnischen Risikobewertung
- Methodik der Mustererkennung mittels Diskreter Fourier Transformation
- Entwicklung und Struktur eines Scoring-Systems für individuelles Fahrverhalten
Auszug aus dem Buch
3.1 Prozess der Mustererkennung
Den nötigen grundlegenden Prozess zur Aufnahme und Verarbeitung der Signale im Fahrzeug bis hin zur Risikoprofilerstellung unterteilen Weidner et al. (2016) in drei grundlegende Schritte: Vorverarbeitung, Merkmalsextraktion und Klassifizierung. Im ersten Schritt, der Vorverarbeitung, geht es um die Verifizierung und Plausibilisierung, Bereinigung und Reduktion der Daten (ohne den Verlust von Informationen) sowie um die Transformation der Daten in eine von der Zielstruktur lesbare und verarbeitbare Form. Im Anschluss daran wird die Extraktion der Daten vorgenommen, durch die die essenzielle Datenstruktur zum Vorschein kommt. In früheren Modellen wurde die Clusteranalyse als Struktur entdeckendes Verfahren verwendet, Weidner et al. (2016) verwenden in ihrem Modell erstmalig die Fourier Transformation zur Extraktion und Identifizierung von Fahrverhaltensmustern, hierauf wird im folgenden Kapitel 3.2 eingegangen. Die Ergebnisse dieses Schrittes werden in Kapitel 3.3 dargelegt. Der Ansatz zur Klassifizierung, also die Erstellung einer Scoring-Funktion der Fahrprofile in Bezug auf dessen Risiko wird in Kapitel 3.4 vorgestellt.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die technologischen Entwicklungen und den Wettbewerbsdruck ein, die zur Entstehung von Telematik-Tarifen (PAYD/PHYD) in der Kfz-Versicherung geführt haben, und erläutert die Notwendigkeit risikoadäquater Prämienbemessung.
2 Überblick über den aktuellen Stand der Forschung zur Telematik in der Kfz-Versicherung: Dieses Kapitel gibt einen systematischen Überblick über die bestehende wissenschaftliche Literatur und aktuelle Ansätze zur Prämienkalkulation, wobei insbesondere das Spannungsfeld zwischen Wettbewerb, Profitabilität und technologischem Aufwand beleuchtet wird.
3 Modell zur risikoindividuellen Tarifierung in der Kfz-Versicherung unter Verwendung der Fourier Transformation zur Mustererkennung: Das Kernkapitel präsentiert den methodischen Ansatz, der mittels Diskreter Fourier Transformation Fahrdaten in frequenzabhängige Muster überführt, um so eine differenzierte Risikoanalyse auf Basis granularer Manöver zu ermöglichen.
4 Fazit und Ausblick für die weitere Forschung: Das Fazit fasst die Ergebnisse zusammen, betont das Potenzial der DFT für eine ex-ante Risikobewertung und identifiziert den Bedarf an größeren empirischen Datenmengen zur weiteren Validierung der entwickelten Scoring-Modelle.
Schlüsselwörter
Telematik, Kfz-Versicherung, Risikobewertung, Diskrete Fourier Transformation, Fahrverhalten, Scoring-Funktion, PAYD-Tarife, PHYD-Tarife, Mustererkennung, Versicherungsprämie, Fahrprofile, Manöveranalyse, Risikoprofil, Signalverarbeitung, Schadenrisiko.
Häufig gestellte Fragen
Worum geht es in dieser wissenschaftlichen Arbeit primär?
Die Arbeit befasst sich mit der Entwicklung und dem Einsatz von Telematik-Technologien in der Kfz-Versicherung, um Versicherungsprämien durch eine präzisere Analyse des individuellen Fahrverhaltens risikoadäquater zu gestalten.
Was sind die zentralen Themenfelder der Analyse?
Zu den zentralen Themen zählen die Evolution der Telematik-Tarife, die methodische Einordnung aktueller Forschungsansätze im Aktuariat sowie die technisch-mathematische Modellierung zur Identifikation von Fahrstilen.
Welches ist das primäre Ziel der Untersuchung?
Das Ziel ist die Vorstellung eines Modells, das mithilfe der Diskreten Fourier Transformation Fahrmuster auf granularer Ebene extrahiert, um diese zur Erstellung individueller Risikoprofile in einem Scoring-System zu verwenden.
Welche wissenschaftliche Methode kommt zur Anwendung?
Die Arbeit nutzt die Diskrete Fourier Transformation (DFT), um zeitabhängige Bewegungsdaten in frequenzabhängige Funktionen zu überführen, wodurch spezifische Fahrmanöver objektiv vergleichbar und klassifizierbar werden.
Welche Inhalte werden im Hauptteil behandelt?
Der Hauptteil gliedert sich in eine Literaturübersicht zum Forschungsstand sowie die detaillierte Beschreibung des Modellansatzes von Weidner et al. (2016), inklusive der Datenverarbeitungsprozesse und der mathematischen Herleitung der Scoring-Funktion.
Welche Schlagworte charakterisieren diese Arbeit am besten?
Telematik, Risikobewertung, Fourier Transformation, Scoring-System, Kfz-Versicherung und Fahrprofilanalyse.
Warum reicht eine Analyse von gefahrenen Kilometern allein laut dem Autor nicht aus?
Reine Kilometerzähler erfassen das tatsächliche Fahrverhalten nicht. Der Autor argumentiert, dass erst die Analyse dynamischer Faktoren (wie Beschleunigung und Kurvenfahrten) ein vollständiges Bild des individuellen Unfallrisikos liefert.
Wie trägt die Diskrete Fourier Transformation zur Unterscheidung von Straßentypen bei?
Durch die Transformation der zeitabhängigen Fahrdaten in das Frequenzspektrum lassen sich charakteristische Unterschiede zwischen innerstädtischen Straßen, Landstraßen und Autobahnen extrahieren, was eine straßenspezifische Analyse des Risikos ermöglicht.
Welchen Vorteil bietet die beschriebene Methode gegenüber der Clusteranalyse?
Im Gegensatz zu früheren Ansätzen, die häufig auf der Clusteranalyse basierten, ermöglicht die DFT eine mathematisch exakte und verlustfreie Überführung in den Frequenzbereich, was die Identifikation spezifischer Fahrmanöver auf granularer Ebene verbessert.
Was wird im Ausblick bezüglich der praktischen Anwendung gefordert?
Der Autor fordert eine empirische Validierung des Modells mit größeren Datensätzen, um die Genauigkeit der Prognosen zur Schadenhäufigkeit zu verifizieren und eine direkte ex-ante Integration in PHYD-Tarife zu ermöglichen.
- Arbeit zitieren
- Daniel Levin Fedeler (Autor:in), 2019, Telematik in der Versicherungsbranche. Ein Ansatz von risikoindividueller Tarifierung in der Kfz-Versicherung, München, GRIN Verlag, https://www.grin.com/document/542117
