Zu den Kerngeschäftsprozessen in Versicherungen zählt die Schadenregulierung. Das Controlling übernimmt hier eine zentrale Funktion und muss das Spannungsfeld zwischen Kundenzufriedenheit und Kostenreduzierung aussteuern. Der Einsatz von Data Analytics bietet neue Möglichkeiten, hier effektiver und effizienter zu agieren.
"Alle für einen" - dieser viel zitierte Halbsatz aus Alexandre Dumas´ Roman "Die drei Musketiere" beschreibt treffend das Grundprinzip von Versicherungen: Im Rahmen der kollektiven Risikoübernahme zahlen die Versicherungsnehmer in einen gemeinsamen "Topf" ein. Tritt ein Schaden und somit der Versicherungsfall ein, erhalten sie daraus einen Ausgleich. Da nicht jeder Versicherungsnehmer zur gleichen Zeit einen Schaden anmeldet, reicht das Kapital in der Regel aus. Darauf, dass dieses Prinzip funktioniert, hat auch das Schaden-Controlling einen erheblichen Einfluss. Es agiert dabei im Spannungsfeld zwischen der Service-Qualität für den Kunden, der notwendigen Effizienz bei der Schadenbearbeitung und der Effektivität bezogen auf die Höhe der Schadenauszahlungen. Zudem muss das Controlling mit folgenden Besonderheiten umgehen: Der Zufallsabhängigkeit der Schadenkosten, einem hohen Anteil an sogenannten Gemeinkosten, zahlreichen Verbundeffekten beispielsweise zwischen Versicherungsgeschäft und Kapitalanlagen sowie der Langfristigkeit des Versicherungsgeschäfts (vergleiche Farny 2011; Wagner/Schwinghoff 2017; Rösgen 2018).
"Als Hüter der Planung sollte das Controlling Inhalte und auch den Planungsprozess in einem Planungshandbuch dokumentieren."
"Das Schaden-Controlling muss im Sinne des Role Makers aktiv Steuerungsimpulse geben."
Kernaufgaben Schadenplanung und -kontrolle
Das Schaden-Controlling hat als bereichsbezogenes Controlling innerhalb des Unternehmens-Controllings einen großen Einfluss auf das Geschäftsergebnis eines Versicherungsunternehmens: In der Sparte Schaden- und Unfallversicherung machen die Leistungen in 2019 beispielsweise circa 73 Prozent (vergleiche Gesamtverband der Deutschen Versicherungswirtschaft 2020) und in der Sparte Krankenversicherung auch circa 73 Prozent (vergleiche Verband der Privaten Krankenversicherung 2020) der Beiträge aus. Dem Schaden-Controlling obliegt die Ausgestaltung und Überwachung der Planungs-, Kontroll- und Informationssysteme im Schadenbereich. Um eine zielorientierte Unternehmensplanung zu gewährleisten, muss das Schaden-Controlling in die strategische Planung des Unternehmens eingebettet sein und sich mit dem Gesamtunternehmens-Controlling (vertikale Koordination) sowie den Führungssystemen anderer Bereiche - wie Betrieb, Vertrieb, IT oder Personalbereich (horizontale Koordination) - abstimmen. Spezifische strategische Ziele im Schadenbereich könnten beispielsweise die Steigerung der Kundenzufriedenheit im Schadenbereich, die Reduzierung der Schadendurchschnitte oder die Erhöhung der Bearbeitungsproduktivität von Schäden sein. Mittels geeigneter Instrumente wie beispielsweise der SWOT-Analyse kann das Schaden-Controlling die spezifischen Stärken und Schwächen des Schadenbereichs identifizieren (vergleiche Happel 1999, S. 98 ff.). Dabei ist es notwendig, nicht nur strategische Analysen durchzuführen, sondern konkrete Maßnahmen zu definieren, mit denen die gesetzten Ziele erreicht werden sollen.
Zu den Kernaufgaben im Schaden-Controlling zählen die operative Schadenplanung und -hochrechnung: Der Controller muss dafür das Geschäftsvolumen je Sparte auf Basis des bestehenden Versicherungsbestands, zum Beispiel Stornoquoten und Bestandsänderungen, und des erwarteten Neugeschäfts planen. Auf Basis des so neu geplanten Versicherungsbestandes und von Markteinschätzungen erstellt er mithilfe mathematischer Methoden Simulationen für Schadenhäufigkeiten je Sparte beziehungsweise je Teilsparte (zum Beispiel bei Kraftfahrt getrennt nach Kfz-Haftpflicht, Vollkasko, Teilkasko). Diese Annahmen sind die Grundlage für die Basisplanung, in der die voraussichtliche Anzahl an Schäden sowie die durchschnittlichen Kosten für die Teilsparten, sogenannte Schadendurchschnitte, ermittelt werden. Eine häufig anzutreffende Besonderheit im Rahmen der Schadenplanung ist die Trennung zwischen einer Planung der "laufenden" Schäden und der Planung der Großschäden zum Beispiel für Sturmereignisse, größere Betriebsunterbrechungen oder bedeutende Insolvenzen in der Kreditversicherung.
Auf Grundlage der geplanten Schadenhäufigkeiten werden im nächsten Schritt die Geschäftsvorfallmengen und die zur Bearbeitung der Kundenanliegen benötigten Ressourcen geplant. Die Aufstellung von Schadenbudgets spielt damit für die Allokation der Ressourcen eine wichtige Rolle. Diese Koordinationsaufgabe zwischen Schaden- und Unternehmens-Controlling ist wichtig, damit die Personal- und Kostenplanung möglichst realistisch ausfällt. Der Planungsprozess erfolgt dabei im Gegenstromverfahren: Von der Konzernzentrale werden top-down Ziele vorgegeben. Die operativen Bereiche erstellen in dem vorgegebenen Rahmen bottom-up die Teilplanungen - hier im Bereich Schaden. Werden diese Ziele beispielsweise mit Blick auf die Schadenquote oder das versicherungstechnische Ergebnis nicht erreicht, werden im Schadenplanungsprozess gegebenenfalls Abstimmungsschleifen und Plananpassungen erforderlich (vergleiche Rösgen 2018, S. 60 ff.). Als Hüter der Planung sollte das Controlling Inhalte und auch den Planungsprozess in einem Planungshandbuch dokumentieren. Damit kann das Engagement der beteiligten Abteilungen gesteigert und ein qualitativ hochwertiger Planungsprozess gesichert werden.
Mit Blick auf die Granularität der Schadenplanung bietet es sich an, die Schadenhochrechnung des laufenden Jahres und die Schadenplanung/-budgetierung für das Folgejahr deutlich detaillierter aufzustellen als die Mehrjahresplanung. Pro Jahr sollten mindestens zwei, aufgrund der vielen exogenen Einflüsse (zum Beispiel Wetterereignisse) besser drei Hochrechnungen erfolgen. Laufender Bestandteil im Planungs- und Steuerungsprozess ist zudem das Erstellen von Abweichungsanalysen. Auf Basis von Daten, zum Beispiel aus dem monatlichen Controlling-Bericht oder der aktuellen Hochrechnung, muss das Controlling die Ursachen für Abweichungen der Ergebnistreiber - hier der Schäden - analysieren, Abweichungen aufzeigen und dem Management Impulse für notwendige Maßnahmen geben. Solche Sanierungsmaßnahmen im Bestand können sich auf einzelne Sparten, Vertriebswege oder Kundengruppen beziehen (vergleiche zur Steuerung Junglas/Wiegard 2014).
Das Controlling muss stets beide Facetten, die Effektivität (Schadenauszahlung, -reserven) und die Effizienz (Schadenregulierungskosten), abbilden. In die Gewinn-und-Verlust-Rechnung fließen nicht nur die reinen Schadenzahlungen ein, sondern auch die Veränderung von Schadenreserven, gerade in langfristigen Sparten (zum Beispiel Haftpflicht), sowie die Schadenregulierungskosten. Speziell für die kostenrechnerisch relevanten Schadenregulierungskosten sind eine prozessorientierte Analyse und Kalkulation erforderlich: Sie dürfen nicht mit pauschalen Zuschlagssätzen beispielsweise auf Basis der Prämie oder der Schadenauszahlung verrechnet werden, sondern müssen gemäß den innerhalb des Schadenbereichs in Anspruch genommenen Prozessen belastet werden. Kostentreiber sind beispielsweise die Anzahl der gemeldeten Schäden, die Bearbeitungszeit von Schäden oder die Anzahl an Schriftstücken/Telefonaten. Bei der prozessorientierten Analyse von Kostenlücken im Schadenbereich hilft auch ein unternehmensübergreifendes Kosten-Benchmarking, für das Beratungsgesellschaften Lösungen bereitstellen (vergleiche zur Prozesskostenrechnung unter anderem Horváth/Gleich/Seiter 2015, S. 234 ff.).
Kennzahlensystematik
Um seiner Informationsversorgungs- und Koordinationsfunktion gerecht zu werden, muss das Schaden-Controlling eine geeignete Kennzahlensystematik entwickeln. Diese sollte die Beziehungszusammenhänge zwischen den einzelnen Einflussfaktoren verdeutlichen, beispielsweise mit einer Balanced Scorecard (vergleiche Tabelle 1). Mit ihrer Hilfe können im Schaden-Controlling Strategiefindung und -umsetzung miteinander verbunden werden (vergleiche dazu auch Wiegard/Homann 2007, S. 907). Sie muss zudem mit dem Ziel- und Vergütungssystem verknüpft werden, um eine konsistente Ausrichtung aller Hierarchieebenen auf die Unternehmensziele zu gewährleisten.
Typische Kennzahlen für die Finanzperspektive im Schaden- Controlling sind Schadenquote, Schadenhäufigkeiten, Schadendurchschnitte, Reservequote sowie die Chain-Ladder-Quote. Auf die Kundenperspektive gerichtet sind die KPIs Kundenzufriedenheit/Net Promoter Score im Schadenbereich sowie die Beschwerdequote. Die Prozessperspektive bilden Kennzahlen ab, die auf durchschnittliche Bearbeitungszeiten, Schwankungen der Bearbeitungsdauern, Dunkelverarbeitungsquote, Geschäftsvorfallmengen je Arbeitskapazität, Schadensteuerung Kfz et cetera fokussieren. Die Lern- und Entwicklungsperspektive erfassen die KPIs Mitarbeiterzufriedenheit, Fluktuationsquote, Krankenstand, Weiterbildungsquote, IT-Fähigkeiten.
Neue Chancen durch Data Analytics
Versicherungen verfügen generell über große Datenmengen und werten diese zur Informationsgewinnung und Entscheidungsunterstützung aus. Die zunehmende Digitalisierung aller Bereiche bietet Versicherungen demnach die Möglichkeit, interne und externe Daten automatisiert zu erfassen und auszuwerten. Laut einer Umfrage von Ernst & Young ist der Schadenbereich der Bereich von Versicherungen, in dem der Einsatz von Data Analytics am weitesten verbreitet ist und zur Entscheidungsfindung genutzt wird (vergleiche Ernst & Young 2017, S. 5 und S. 15). Für das Schaden-Controlling ist Data Analytics insbesondere in folgenden Feldern von Interesse und kann die Schadensteuerung optimieren.
Schadenvermeidung, -früherkennung, Szenarien-Analyse
Genutzt wird Data Analytics bereits zur Schadenvermeidung und Schadenfrüherkennung (vergleiche Deutsche Aktuarvereinigung 2019, S. 22 ff.). Schäden können mithilfe von Frühwarnsystemen (zum Beispiel bei Wetterereignissen, auch unter Nutzung von Social Media), Realtime-Überwachungssystemen (beispielsweise in der gewerblichen Sachversicherung) oder durch die Erstellung von Katastrophenszenarien (zum Beispiel Cyber-Versicherung) vermieden werden. Gerade im Bereich technischer Risiken lassen sich Schäden frühzeitig, zum Beispiel über den Einsatz von Sensoren, erkennen.
Data Analytics kann im Schadenbereich zudem dazu genutzt werden, um Szenarien für die Schadenentwicklung unter Berücksichtigung verschiedener Einflussfaktoren und Wirkungsbeziehungen zu erstellen. Mithilfe von Predictive Analytics können Parameter durch Trendrechnungen oder statistische Analysen geschätzt, die Einflussgrößen, die Abhängigkeiten und die Stärke der Wirkung ermittelt und Aussagen zur Wahrscheinlichkeit verschiedener Szenarien abgeleitet werden (vergleiche Oehler 2017 S. 75 ff.). Zudem lässt sich das Schadenberichtswesen verbessern, indem durch Datenanalysen Gründe für Soll-Ist-Abweichungen genauer identifiziert und hierdurch Steuerungsmaßnahmen abgeleitet werden können (vergleiche ähnlich auch Deutsche Aktuarvereinigung 2019, S. 28 f.).
Voraussetzung für einen erfolgreichen Einsatz von Data Analytics ist es, Daten im Vorfeld zum Beispiel nach Fachlichkeit (Bestandsdaten, Leistungsdaten, Partnerdaten, Zahlungsdaten), Qualität (Dokumente in Textform, Bilder, Tabellen) oder Herkunft (Data Warehouse, Inputmanagement, externe Quellen) zu gruppieren. Die so aufbereiteten Daten sind anschließend anzubinden, und es sind mathematisch-statistische Verfahren aus dem Machine Learning auszuwählen, die für die Daten und die Problemstellung (zum Beispiel Optimierung der Dunkelverarbeitungsquote) geeignet sind.
Belegprüfung und Schadenregulierung
Mit einer klassischen manuellen Belegprüfung lassen sich aufgrund der Expertise und Erfahrung der Sachbearbeiter verstärkt Ansatzpunkte für Leistungskürzungen finden, wodurch auch die Schadenzahlungen reduziert werden können. Der dafür notwendige Personaleinsatz ist aber mit hohen Kosten verbunden (vergleiche auch Wiegard/Homann 2007, S. 907). Durch einen höheren Anteil an sogenannter Dunkelverarbeitung, einer vollständig automatisierten Verarbeitung, können diese Kosten reduziert werden. Eine Einführung geht zwar zulasten der Leistungseinsparungen, aber durch dynamische Lernprozesse (Machine Learning) verbessern sich im Laufe der Zeit auch die Einsparergebnisse (vergleiche Hahn/Zwiesler 2018 oder Blome/Ruß 2018, S. 29). Durch eine automatisierte Vorprüfung lassen sich nicht erstattungsfähige Belege erkennen. Dies hat für die Schadensteuerung den Vorteil, dass die Mitarbeiter sich auf die Fälle mit Kürzungspotenzial konzentrieren können, die einen höheren Prüfungsbedarf haben (zum Beispiel bei der Krankenversicherung auf den stationären Bereich). Anhand von Datenanalysen können so für die Schadensteuerung optimierte Lösungen im Spannungsfeld zwischen Abwicklungsgeschwindigkeit, Qualität und Effektivität der Schadenregulierung sowie Kundenzufriedenheit erarbeitet werden.
Betrugs-Management
Versicherungen sind in allen Sparten mit vielfältigen Betrugsfällen konfrontiert, die zulasten des Kollektivs gehen. Daher ist es notwendig, verschiedene Datenquellen zu nutzen und die Betrugserkennung anhand datenbasierter Regeln zu verbessern. Durch die Verarbeitung unstrukturierter Daten zum Beispiel mit Textanalysen - Text Mining - von Schadenmeldungen oder Bilderkennungsprogrammen lassen sich Betrugsfälle leichter erkennen. Anhand der gewonnenen Daten bekannter Betrugsfälle können zudem Prognosemodelle erstellt werden, die es in Zukunft ermöglichen, nicht berechtigte Schadenmeldungen besser zu identifizieren.
Fazit
Das Schaden-Controlling muss zwingend in das zentrale Unternehmens-Controlling eingebettet werden. Es darf nicht isoliert agieren und sich zum Beispiel auf statistische Datenanalysen und die Erstellung von Reports beschränken. Vielmehr muss das Schaden-Controlling im Sinne des Role Makers (vergleiche zu diesem Verständnis Weber/Schäffer 2016, S. 441 f.) aktiv Steuerungsimpulse geben. Maßnahmen, die beispielsweise auf die Reduzierung der Schadendurchschnitte, die Steigerung der Kundenzufriedenheit oder die Erhöhung der Produktivität im Schadenbereich gerichtet sind, sind essenziell - nicht nur für die Weiterentwicklung des Schaden-Controllings, sondern auch für das Unternehmens-Controlling von Versicherungen.
Die hier beschriebenen Planungs-, Kontroll-, Steuerungs-, Koordinations- und Informationsversorgungsaufgaben im Schaden-Controlling weisen in der Praxis einen unterschiedlichen Reifegrad auf. Während die klassischen Verfahren der Schadenplanung und -steuerung, beispielsweise mithilfe von Kennzahlen, etabliert sind, bieten gerade Data-Analytics- Ansätze zusätzliche Möglichkeiten, um zum Beispiel die Dunkelverarbeitung einzusteuern, das Kürzungspotenzial bei Leistungen auszuschöpfen oder betrugsauffällige Schäden zu identifizieren. Mithilfe von Data Analytics im Schaden-Controlling kann somit die Effizienz und Effektivität im Schadenbereich erhöht werden, ohne dass dies zulasten der Kundenzufriedenheit gehen muss.
Literatur
Blome, S./Ruß, J. (2018): Data Analytics & Co. - Was ist das eigentlich und was bringt's?, in: AssCompact, August 2018, S. 28-29.
Deutsche Aktuarvereinigung (2019): Aktuarieller Umgang mit Big Data in der Schadenversicherung, (letzter Abruf: 08.09.2020).
Ernst & Young (2017): Data Analytics in der Assekuranz - Wesentliche Ergebnisse der EY-Studie 2017.
Farny, D. (2011): Versicherungsbetriebslehre, 5. Auflage, Karlsruhe.
Gesamtverband der Deutschen Versicherungswirtschaft e. V. (2020): Zahlen und Fakten: Schaden- und Unfallversicherung, (letzter Abruf: 08.09.2020).
Hahn, L./Zwiesler, H. J. (2018): Wie können Versicherer ihre Daten intelligent nutzen; in: Versicherungswirtschaft-heute, (letzter Abruf: 08.09.2020).
Happel, E.: (1999): Schaden-Controlling - Ein Steuerungskonzept des Assekuranz-Controllings, Karlsruhe.
Horváth, P./Gleich, R./Seiter, M. (2015): Controlling, 13. Auflage, München.
Junglas, A./Wiegard, M. (2014): Anforderungen an die Steuerung von Versicherungsunternehmen, in: Hallmann, T./Junglas, A./Kirchner, W./Wiegard, M. (Hrsg.): Steuerung von Versicherungsunternehmen, 2. Auflage, Stuttgart, S. 15-40.
Oehler, K. (2017): Simulationen im Controlling. Möglichkeiten und Chancen durch moderne Werkzeuge und Predictive Analytics; in: Gleich, R./Grönke, K./Kirchmann, M./Leyk, J. (Hrsg.): Strategische Unternehmensführung mit Advanced Analytics, Freiburg, S. 63-86.
Rösgen, K. (2018): Controlling in Versicherungsunternehmen - Anforderungen und Ausgestaltung, in: Controlling, 30 (2), S. 59-68.
Verband der Privaten Krankenversicherung e. V. (2020): Service: Zahlen und Fakten, (letzter Abruf: 08.09.2020).
Wagner, F./Schwinghoff, A. (2017): Controlling in Versicherungsunternehmen, in: Wagner, F. (Hrsg.): Gabler Versicherungslexikon, 2. Auflage, Wiesbaden, S. 190-193.
Weber, J./Schäffer, U. (2016): Einführung in das Controlling, 15. Auflage, Stuttgart.
Wiegard, M./Homann, S. (2007): Auf dem Weg zur Controllingfabrik: Elf Thesen zu den Trends und Herausforderungen bei der Steuerung von Versicherungsunternehmen, in: Versicherungswirtschaft, 62 (11), S. 906-909.
Zusammenfassung.
Das Schaden-Controlling steuert die Schadenregulierung. Es fungiert als Treiber für das operative Ergebnis von Versicherungsunternehmen und muss sich eng mit dem Unternehmens-Controlling abstimmen.
Die genutzte Balanced Scorecard muss die Beziehungszusammenhänge zwischen Finanz-, Kunden-, Prozess- sowie Lern- und Entwicklungsperspektive berücksichtigen.
Das Schaden-Controlling muss geeignete Instrumente für Datenanalysen implementieren.
Prof. Dr. Klaus Rösgen
ist Professor für Betriebswirtschaft, insbesondere Rechnungswesen und Controlling an der Hochschule Fresenius in Köln. Zuvor war er in leitenden Finanzfunktionen von Versicherungen tätig.