Die Kosten, die Unternehmen durch das Eintreten unwahrscheinlicher Vorfälle entstehen, sind groß. Vier von fünf Unternehmen, die im Rahmen unseres einzigartigen Forschungsprogramms befragt wurden, waren in den letzten 10 Jahren von einem oder mehreren Faktoren der Unvorhersehbarkeit betroffen, wobei wirtschaftliche Vorfälle hier die größten Auswirkungen hatten.
Trotz der zunehmenden Unvorhersehbarkeit und des steigenden Drucks seitens der Interessenvertreter, in volatilen Zeiten zu bestehen, sind viele Unternehmen auf unvorhergesehene Ereignisse nur schlecht vorbereitet. Weniger als ein Drittel der Unternehmen (29 %) hat Risikomanagementpläne für
20%
der im Unvorherseh-
barkeitsindex der QBE enthaltenen Unternehmen geben an, dass sie 2019 auf unvorhergesehene
Ereignisse schlecht vorbereitet sind
unerwartete Ereignisse ausgearbeitet und nur 17 % geben an, dass sie Stresstests durchführen. Insgesamt gaben 20 % der im Unvorhersehbarkeitsindex der QBE enthaltenen Unternehmen an, dass sie 2019 auf unvorhergesehene Ereignisse schlecht vorbereitet sind.
Die Kosten, die Unternehmen durch das Eintreten unwahrscheinlicher Vorfälle entstehen, sind groß. Vier von fünf Unternehmen, die im Rahmen unseres einzigartigen Forschungsprogramms befragt wurden, waren in den letzten 10 Jahren von einem oder mehreren Faktoren der Unvorhersehbarkeit betroffen, wobei wirtschaftliche Vorfälle hier die größten Auswirkungen hatten.
Trotz der zunehmenden Unvorhersehbarkeit und des steigenden Drucks seitens der Interessenvertreter, in volatilen Zeiten zu bestehen, sind viele Unternehmen auf unvorhergesehene Ereignisse nur schlecht vorbereitet. Weniger als ein Drittel der Unternehmen (29 %) hat Risikomanagementpläne für unerwartete Ereignisse ausgearbeitet und nur 17 % geben an, dass sie Stresstests durchführen. Insgesamt gaben 20 % der im Unvorhersehbarkeitsindex der QBE enthaltenen Unternehmen an, dass sie 2019 auf unvorhergesehene Ereignisse schlecht vorbereitet sind.
20%
der im Unvorherseh-
barkeitsindex der QBE enthaltenen Unternehmen geben an, dass sie 2019 auf unvorhergesehene
Ereignisse schlecht vorbereitet sind
In einigen Bereichen ist die Fähigkeit einer Organisation, Daten zu erfassen und zu analysieren, bereits jetzt ein wichtiger Faktor für die Geschäftsentwicklung und sie wird zunehmenden zu einem wesentlichen Mittel für eine informierte Strategieentwicklung, die Entscheidungsfindung und der Nutzung prognostischer Analysefunktionen für das Risikomanagement werden.
Das digitale Zeitalter generiert riesige
$9.3bn
Milliarden $ Risikokapital im Jahr 2018 für Unternehmen im Bereich künstliche Intelligenz in den USA
Datenmengen. Heute nutzt mehr als die Hälfte der Weltbevölkerung (4,4 Milliarden Menschen) das Internet.
Die Bandbreite der erfassten Daten ist ebenfalls größer, da bspw. autonome Fahrzeuge, Roboter und von Verbrauchern verwendete Geräte mehr und mehr Daten generieren. Gartner schätzt, dass Kunden und Unternehmen bis 2021 25 Milliarden internetfähige Geräte verwenden werden (heute sind dies 14 Milliarden Geräte), die Daten über Gesundheit, Verbraucherverhalten, Transport und Logistik und Produktion erfassen.
Solche Daten sind bedeutungslos, wenn man sie nicht interpretieren kann. Mithilfe künstlicher Intelligenz (KI) und maschinellem Lernen, welche für Unternehmen zunehmend verfügbar sind, verbessert
sich jedoch auch unsere Fähigkeit, Daten zu analysieren und Erkenntnisse zu gewinnen. Vor dem Hintergrund von Daten und Technologien wie KI, werden große Investitionen getätigt; CB Insights zufolge betrug 2018 die Risikokapitalfinanzierung für KI-Unternehmen in den USA 9,3 Milliarden $, und somit 72 % mehr als im vorhergehenden Jahr.
In einigen Bereichen ist die Fähigkeit einer Organisation, Daten zu erfassen und zu analysieren, bereits jetzt ein wichtiger Faktor für die Geschäftsentwicklung und sie wird zunehmenden zu einem wesentlichen Mittel für eine informierte Strategieentwicklung, die Entscheidungsfindung und der Nutzung prognostischer Analysefunktionen für das Risikomanagement werden.
Das digitale Zeitalter generiert riesige
$9.3bn
Milliarden $ Risikokapital im Jahr 2018 für Unternehmen im Bereich künstliche Intelligenz in den USA
Datenmengen. Heute nutzt mehr als die Hälfte der Weltbevölkerung (4,4 Milliarden Menschen) das Internet.
Die Bandbreite der erfassten Daten ist ebenfalls größer, da bspw. autonome Fahrzeuge, Roboter und von Verbrauchern verwendete Geräte mehr und mehr Daten generieren. Gartner schätzt, dass Kunden und Unternehmen bis 2021 25 Milliarden internetfähige Geräte verwenden werden (heute sind dies 14 Milliarden Geräte), die Daten über Gesundheit, Verbraucherverhalten, Transport und Logistik und Produktion erfassen.
Solche Daten sind bedeutungslos, wenn man sie nicht interpretieren kann. Mithilfe künstlicher Intelligenz (KI) und maschinellem Lernen, welche für Unternehmen zunehmend verfügbar sind, verbessert sich jedoch auch unsere Fähigkeit, Daten zu analysieren und Erkenntnisse zu gewinnen. Vor dem Hintergrund von Daten und Technologien wie KI, werden große Investitionen getätigt; CB Insights zufolge betrug 2018 die Risikokapitalfinanzierung für KI-Unternehmen in den USA 9,3 Milliarden $, und somit 72 % mehr als im vorhergehenden Jahr.
Unternehmen können Risiken wie politische, gesellschaftliche oder wirtschaftliche Änderungen gar nicht oder nur wenig beeinflussen. Auf Daten beruhende Mittel zum Risikomanagement, die solche Risiken wie z. B. zukünftige Klima- und Wirtschaftsszenarien sichtbar machen, sind jedoch ein wachsender Markt. Technologien werden es Unternehmen mehr und mehr ermöglichen, Ihre eigenen Daten – über ihre Vermögenswerte, Lieferketten und Kunden – gegen solche Szenarien abzubilden und so ein Bild zu gewinnen, wie sich
bestimmte Ereignisse oder Trends auf das Unternehmen auswirken könnten.
Ein weiterer Trend ist das schnelle Wachstum prognostischer Daten und Analysetechnologien, die Unternehmen bei der Generierung und Analyse ihrer eigenen Risikodaten unterstützen können. Technologie ermöglicht ein auf Daten basierendes Risikomanagement; mit ihr können Daten zu Risiken erfasst werden. Sie ermöglicht auch ein frühzeitiges Eingreifen, um Verluste zu vermeiden, unabhängig
davon, ob es sich um wertvolle und wichtige Maschinen handelt oder um Mitarbeiter, die einem Verletzungsrisiko ausgesetzt sind. Daten und ausgereifte prognostische Analyseverfahren zum Risikomanagement können eingesetzt werden, um Warnungen oder Gefahrenmeldungen zu erstellen, sodass Maßnahmen zur Schadensvermeidung wesentlich eher eingeleitet werden können, als es sonst möglich gewesen wäre.
Chris Gill, Head of Risk Security Solutions bei QBE sagt: „Mit der
heutigen Technologie ist es möglich, Erkenntnisse zu Risiken zu gewinnen, und das sogar in Echtzeit. Sensoren, Tracker und Geräte zur Überwachung sind nun leichter verfügbar und einfacher ans Internet anzuschließen, sodass ein Erfassen von Live-Daten einfacher ist. Mit maschinellem Lernen und KI können große Datenmengen wesentlich schneller ausgewertet und Muster, Trends und Anomalien erkannt werden, als wenn Menschen dies tun würden.“
Unternehmen können Risiken wie politische, gesellschaftliche oder wirtschaftliche Änderungen gar nicht oder nur wenig beeinflussen. Auf Daten beruhende Mittel zum Risikomanagement, die solche Risiken wie z. B. zukünftige Klima- und Wirtschaftsszenarien sichtbar machen, sind jedoch ein wachsender Markt. Technologien werden es Unternehmen mehr und mehr ermöglichen, Ihre eigenen Daten – über ihre Vermögenswerte, Lieferketten und Kunden – gegen solche Szenarien abzubilden und so ein Bild zu gewinnen, wie sich
bestimmte Ereignisse oder Trends auf das Unternehmen auswirken könnten.
Ein weiterer Trend ist das schnelle Wachstum prognostischer Daten und Analysetechnologien, die Unternehmen bei der Generierung und Analyse ihrer eigenen Risikodaten unterstützen können. Technologie ermöglicht ein auf Daten basierendes Risikomanagement; mit ihr können Daten zu Risiken erfasst werden. Sie ermöglicht auch ein frühzeitiges Eingreifen, um Verluste zu vermeiden, unabhängig
davon, ob es sich um wertvolle und wichtige Maschinen handelt oder um Mitarbeiter, die einem Verletzungsrisiko ausgesetzt sind. Daten und ausgereifte prognostische Analyseverfahren zum Risikomanagement können eingesetzt werden, um Warnungen oder Gefahrenmeldungen zu erstellen, sodass Maßnahmen zur Schadensvermeidung wesentlich eher eingeleitet werden können, als es sonst möglich gewesen wäre.
Chris Gill, Head of Risk Security Solutions bei QBE sagt: „Mit der heutigen Technologie ist es möglich, Erkenntnisse zu Risiken zu gewinnen, und das sogar in Echtzeit. Sensoren, Tracker und Geräte zur Überwachung sind nun leichter verfügbar und einfacher ans Internet anzuschließen, sodass ein Erfassen von Live-Daten einfacher ist. Mit maschinellem Lernen und KI können große Datenmengen wesentlich schneller ausgewertet und Muster, Trends und Anomalien erkannt werden, als wenn Menschen dies tun würden.“
QBE und ihr Risikokapitalfinanzi-
erungsunternehmen für Technologien, QBE Ventures, hat sich in den vergangenen zwei Jahren mit einer Reihe von Versicherungstechnikunternehmen zusammengeschlossen. QBE arbeitet z. B. mit Cytora zusammen, um mithilfe von KI, Open-Source Daten und unseren eigenen versicherungstechnischen Daten die Entwicklung individueller Konten und Portfolios vorhersagen zu können. Seit kurzem arbeiten wir mit Jupiter zusammen, die Klimarisiken analysieren und vorhersagen – von einer Stunde bis 50 Jahre in die Zukunft.
Start-up Unternehmen werden das Geschäft der Darstellung von Risiken in Modellen und deren Vorhersage einfacher gestalten und Unternehmen durch die Erfassung von Daten, die Erstellung von Datensätzen,
Start-up Unternehmen werden das Geschäft der Risikomodellierung und -Vorhersage einfacher machen.
Szenarien und Modellen unterstützen. Es gibt eine zunehmende Anzahl von Drittanbietern im Bereich Risiko und Versicherung. ZASTI, eine cloud-basierte KI Technologie-Plattform verwendet zum Beispiel prognostische Analyseverfahren, um vorbeugende Informationen zu Feuer, Lieferkettenproblemen, Wetter oder dem Ausfall von Maschinen bereitzustellen. Ein weiterer Anbieter, Geospatial Insight, kombiniert Satelliten- und Drohnenaufnahmen mit maschinellem Lernen, um Versicherern und Unternehmen Risikoanalysen und die Überwachung von Vermögenswerten anzubieten.
QBE und ihr Risikokapitalfinanzi-
erungsunternehmen für Technologien, QBE Ventures, hat sich in den vergangenen zwei Jahren mit einer Reihe von Versicherungstechnikunternehmen zusammengeschlossen. QBE arbeitet z. B. mit Cytora zusammen, um mithilfe von KI, Open-Source Daten und unseren eigenen versicherungstechnischen Daten die Entwicklung individueller Konten und Portfolios vorhersagen zu können. Seit kurzem arbeiten wir mit Jupiter zusammen, die Klimarisiken analysieren und vorhersagen – von einer Stunde bis 50 Jahre in die Zukunft.
Start-up Unternehmen werden das Geschäft der Darstellung von Risiken in Modellen und deren Vorhersage einfacher gestalten und Unternehmen durch die Erfassung von Daten, die Erstellung von Datensätzen,
Start-up Unternehmen werden das Geschäft der Risikomodellierung und -Vorhersage einfacher machen.
Szenarien und Modellen unterstützen. Es gibt eine zunehmende Anzahl von Drittanbietern im Bereich Risiko und Versicherung. ZASTI, eine cloud-basierte KI Technologie-Plattform verwendet zum Beispiel prognostische Analyseverfahren, um vorbeugende Informationen zu Feuer, Lieferkettenproblemen, Wetter oder dem Ausfall von Maschinen bereitzustellen. Ein weiterer Anbieter, Geospatial Insight, kombiniert Satelliten- und Drohnenaufnahmen mit maschinellem Lernen, um Versicherern und Unternehmen Risikoanalysen und die Überwachung von Vermögenswerten anzubieten.
Die Anwendung des auf Daten beruhenden Risikomanagement steht noch am Anfang und viele Technologien sind noch nicht durch Echtzeit-Ereignisse getestet worden. Daten werden jedoch eindeutig eine wichtige Rolle spielen wenn es darum geht, Organisationen dabei zu helfen, die Vor- und Nachteile der Unvorhersehbarkeit für das Risikomanagement ihres Unternehmens zu kontrollieren.
Daten müssen robust sein, wenn sie eine informierte Strategie und Entscheidungsfindung ermöglichen
sollen. Es ist ermutigend, dass über die Hälfte (51 %) der für den Index befragten Unternehmen angibt, dass sich die Qualität der internen und externen Daten in den letzten fünf Jahren verbessert hat. 42 % haben das Gefühl, dass mehr Daten zur Verfügung stehen, 36 % gaben an, dass die Genauigkeit der Daten zugenommen hat und ein Drittel gab an, dass nun mehr Daten für Modelle zur Verfügung stehen.*
Eine der größten Schwierigkeiten für die erfolgreiche Annahme der Datenanalyse ist die Entwicklung
Die Anwendung des auf Daten beruhenden Risikomanagement steht noch am Anfang und viele Technologien sind noch nicht durch Echtzeit-Ereignisse getestet worden. Daten werden jedoch eindeutig eine wichtige Rolle spielen wenn es darum geht, Organisationen dabei zu helfen, die Vor- und Nachteile der Unvorhersehbarkeit für das Risikomanagement ihres Unternehmens zu kontrollieren.
Daten müssen robust sein, wenn sie eine informierte Strategie und Entscheidungsfindung ermöglichen sollen. Es ist ermutigend, dass über die Hälfte (51 %) der für den Index befragten Unternehmen angibt, dass sich die Qualität der internen und externen Daten in den letzten fünf Jahren verbessert hat. 42 % haben das Gefühl, dass mehr Daten zur Verfügung stehen, 36 % gaben an, dass die Genauigkeit der Daten zugenommen hat und ein Drittel gab an, dass nun mehr Daten für Modelle zur Verfügung stehen.*
Eine der größten Schwierigkeiten für die erfolgreiche Annahme der Datenanalyse ist die Entwicklung
der richtigen kulturellen Einstellung. Für viele Technologieunternehmen ist die Verwendung von Daten selbstverständlich, aber Bereiche mit etablierten Geschäftsmodellen werden schnell umlernen müssen.
Organisationen müssen zunächst feststellen, wo es Ungewissheiten gibt und prüfen, was sie wissen müssen, und ob bessere Daten und Erkenntnisse einen wesentlichen Unterschied für die Geschäftsstrategie, Leistung und das Risikomanagement bedeuten würden. Es lohnt sich zu überlegen, wo ein Geschäftsmodell von besseren Informationen profitieren kann und die Investitionen und Bemühungen entsprechend auszurichten.
Beim Versuch, unvorhersehbare Ereignisse zu antizipieren, hat die Analyse der Vergangenheit offensichtliche Defizite. Zum Ausgleich dieser Defizite sollten hier Szenarienplanung und „Was-wäre-wenn“-Szenarien eingesetzt werden. Jeder einzelne Teilnehmer der Versicherungswertschöpfungskette verfügt über eine Teilmenge von Daten (über Vermögenswerte, Kunden, Versicherungsansprüche) – die wirkliche Macht der Daten entfaltet sich, wenn die Daten, die Kunden, Makler und Versicherer halten, zusammengebracht werden. Damit können wir die Zukunft besser einschätzen und prognostische Analyseverfahren für das Risikomanagement einsetzen und letztendlich bessere Entscheidungen treffen.
der richtigen kulturellen Einstellung. Für viele Technologieunternehmen ist die Verwendung von Daten selbstverständlich, aber Bereiche mit etablierten Geschäftsmodellen werden schnell umlernen müssen.
Organisationen müssen zunächst feststellen, wo es Ungewissheiten gibt und prüfen, was sie wissen müssen, und ob bessere Daten und Erkenntnisse einen wesentlichen Unterschied für die Geschäftsstrategie, Leistung und das Risikomanagement bedeuten würden. Es lohnt sich zu überlegen, wo ein Geschäftsmodell von besseren Informationen profitieren kann und die Investitionen und Bemühungen entsprechend auszurichten.
Beim Versuch, unvorhersehbare Ereignisse zu antizipieren, hat die Analyse der Vergangenheit offensichtliche Defizite. Zum Ausgleich dieser Defizite sollten hier Szenarienplanung und „Was-wäre-wenn“-Szenarien eingesetzt werden. Jeder einzelne Teilnehmer der Versicherungswertschöpfungskette verfügt über eine Teilmenge von Daten (über Vermögenswerte, Kunden, Versicherungsansprüche) – die wirkliche Macht der Daten entfaltet sich, wenn die Daten, die Kunden, Makler und Versicherer halten, zusammengebracht werden. Damit können wir die Zukunft besser einschätzen und prognostische Analyseverfahren für das Risikomanagement einsetzen und letztendlich bessere Entscheidungen treffen.
Sign-up to be notified about future articles from the Unpredictability Series, and other thoughts, reports or insights from QBE.