Big Data im Versicherungswesen

Versicherungsgesellschaften zeigen ein grosses Interesse an Big Data, das im Begriff ist, die Branche zu verändern. Forschende der Universität Zürich und der Fachhochschule Graubünden haben in Zusammenarbeit mit dem Rückversicherer Swiss Re die ethischen und rechtlichen Herausforderungen der Nutzung von Big Data in der Versicherungsbranche analysiert.

  • Porträt / Projektbeschrieb (abgeschlossenes Forschungsprojekt)

    Dropdown Icon

    In der Studie mit einer Laufzeit von 30 Monaten untersuchte ein interdisziplinäres Team von Forschenden der Universität Zürich und der Fachhochschule Graubünden – in Zusammenarbeit mit Experten von Swiss Re – die ethischen, rechtlichen und gesellschaftlichen Aspekte der Nutzung von Big Data in der Privatversicherung. Das Expertenteam aus Ethik, Recht, Management-Wissenschaften, Psychologie und Soziologie hat auf der Grundlage der Studie Empfehlungen erarbeitet. Die Forschenden regen unter anderem an, bestehende, allgemeine Ethik-Kodizes durch Vorschläge zu ergänzen, die spezifisch für die Versicherungsbranche relevant sind und die auf den empirischen und theoretischen Erkenntnissen des Projekts basieren.

  • Hintergrund

    Dropdown Icon

    Seit den Anfängen des Versicherungswesens sind Daten für risikobasierte Berechnungen von entscheidender Bedeutung. Versicherungsunternehmen nutzen bereits viele Anwendungen von Big-Data-Analytik, z.B. Mobility Mining in der Autoversicherung, Personal Profiling zur Bewertung des Betrugsrisikos oder die Selbstmessung in der Krankenversicherung. Dabei streben Versicherungsunternehmen einen Ausgleich an zwischen Solidarität (d.h. dem Ausgleich individueller Risiken aufgrund des persönlichen Hintergrunds und Lebensstils) und fairen Versicherungspolicen für den Einzelnen. Die Versicherungsbranche ist daher ein paradigmatischer Fall für das Verständnis der sozialen Akzeptanz von Big Data und für die Analyse, wie die Privilegien und Versicherungsgesetze mit den Vorteilen vieler Big Data-Anwendungen in Einklang gebracht werden.

  • Ziele

    Dropdown Icon

    Ziel des Projekts war es, (1) die ethischen und rechtlichen Herausforderungen von Big-Data-Anwendungen in der Versicherungsbranche zu identifizieren, (2) zu ermitteln, welche Werte die Kunden durch die Nutzung solcher Anwendungen bedroht sehen, wobei der Schwerpunkt auf Privatsphäre, Fairness und Solidarität liegt, (3) zu beurteilen, inwieweit die Entwickler von Big-Data-Anwendungen diesen Fragen gegenüber sensibel sind, und (4) Empfehlungen zur Bewältigung dieser Herausforderungen vorzuschlagen.

  • Bedeutung / Anwendung

    Dropdown Icon

    Die Ergebnisse ermöglichen es Politikern und Behörden, die Herausforderungen anzugehen, denen sich die Versicherer bei Big Data gegenübersehen. Die Empfehlungen können zu einer Selbstregulierung beitragen, damit die Versicherungswirtschaft ethisch sensible Anwendungen frühzeitig erkennt und entsprechend anpasst oder nicht entwickelt. Unter dem Strich soll das Projekt den Weg für Big-Data-Innovationen ebnen, die ethisch gerechtfertigt und rechtlich abgesichert sind.

  • Ergebnisse

    Dropdown Icon

    Mit Hilfe von Literaturrecherchen, Experteninterviews, Medienanalysen, rechtsvergleichenden Analysen (Schweiz und Kalifornien), Umfragen und Stakeholder-Workshops wurden die folgenden Ergebnisse erzielt:

    • Die Medienanalyse zeigte, dass der öffentliche Diskurs über Big Data insgesamt chancenorientiert ist, dabei aber auch die Risiken der Anwendungen berücksichtigt; in der Schweiz mehr als in den USA.
    • Die rechtsvergleichende Analyse ergab, dass das Schweizer Versicherungsrecht die Personalisierung von Privatversicherungen nicht einschränkt und dass das Datenschutzrecht nicht das geeignete Rechtsinstrument ist, um zu bestimmen, ob und in welchem Umfang Versicherungsunternehmen die Personalisierung ihrer Angebote erlaubt werden soll.
    • Die ethische Analyse ergab, dass sich die Debatte in der Ethik weg von den datenschutzrechtlichen Aspekten der Erhebung von Big Data hin zur Nutzung dieser Daten im Rahmen des maschinellen Lernens verlagert. Um Reputationsrisiken beim Einsatz von maschinellem Lernen im Versicherungswesen zu verringern, könnten Rahmenbedingungen für "Fairness by Design" erforderlich sein.
    • Die Umfrage zeigte, dass die Menschen Widerstand gegen die Datennutzung in Versicherungsprodukten zeigen, sobald der Zusammenhang zwischen Daten und dem Versicherungsgegenstand als unklar betrachtet wird; dieser Widerstand ist höher, wenn die Werte Fairness, Privatsphäre und Solidarität als wichtig für die Menschen angesehen werden.
  • Originaltitel

    Dropdown Icon

    Between Solidarity and Personalization – Dealing with Ethical and Legal Big Data Challenges in the Insurance Industry