Aus Telematik und neuen Risikosignalen Pricing Power machen

# Aus Telematik und neuen Risikosignalen Pricing Power machen

Eine Fahrerin bremst auf dem Weg zur Arbeit an einem Dienstag zweimal scharf, fährt am Freitag nach 23 Uhr noch 40 Meilen und legt im Jahr 3.000 Meilen weniger zurück als der durchschnittliche Versicherungsnehmer. Vor zehn Jahren wusste Ihr Versicherer davon nichts. ErErThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → kalkulierte Ihre Prämie über Alter, Postleitzahl und Ihren kreditbasierten Versicherungsscore. Heute kann dasselbe Verhalten Ihre Prämie um echte Beträge nach oben oder unten verschieben, weil ein Telematik-Feed Ihr tatsächliches Fahrverhalten zu einer Tarifvariablen macht.

Diese Lektion zeigt, wie aus rohen Sensorereignissen Pricing Power entsteht und warum verhaltensbasierte Signale demografische Proxys oft schlagen.

Vom Proxy zum Verhalten

Die klassische Kfz-Tarifierung stützt sich auf Proxys: Variablen, die mit dem Risiko korrelieren, es aber nicht direkt messen. Das Alter ist ein Proxy für Reife und Reaktionszeit. Die Postleitzahl ist ein Proxy für Verkehrsdichte, Diebstahl und Reparaturkosten. Statistisch funktioniert das, aber es ist grob. Eine umsichtige 22-Jährige zahlt für die Leichtsinnigkeit ihrer Altersgruppe.

Telematik (die Erhebung von Fahrdaten über ein Gerät oder eine Smartphone-App) ersetzt Proxys durch Beobachtung. Statt das Risiko daraus abzuleiten, wer Sie sind, misst der Versicherer, wie Sie tatsächlich fahren. Das ist der Kern von Usage-based Insurance (UBI), bei der die Prämie Verhalten und Exposure abbildet.

Die Branche unterteilt UBI meist in zwei Varianten:

• Pay-as-you-drive (PAYD): Der Preis skaliert damit, wie viel Sie fahren (Kilometer- bzw. Meilenleistung).
• Pay-how-you-drive (PHYD): Der Preis spiegelt, wie gut Sie fahren (Bremsen, Geschwindigkeit, Kurvenverhalten, Tageszeit).

Die meisten modernen Programme kombinieren beides.

Der Rohdaten-Feed: was tatsächlich ankommt

Ein Telematik-Feed ist nicht aufgeräumt. ErErThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → kommt als Strom aus zeitgestempelten Ereignissen und hochfrequenten Sensormessungen. Ein vereinfachter Datensatz kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnte so aussehen:

trip_id, timestamp,        speed_mph, accel_g,  lat,     lon,      event
T-8821,  2026-02-10T23:14, 38,        -0.42,    41.878,  -87.629,  hard_brake
T-8821,  2026-02-10T23:15, 41,         0.05,    41.881,  -87.631,  none
T-8821,  2026-02-10T23:16, 52,         0.31,    41.884,  -87.634,  rapid_accel

Jedes Smartphone oder jeder Dongle kann pro Fahrt tausende solcher Zeilen erzeugen. Für sich genommen sagt ein einzelnes Hartbremsereignis nichts. Pricing braucht Features: konstruierte Variablen, die Verhalten so zusammenfassen, dass ein Tarifmodell damit arbeiten kann.

Feature Engineering: von Ereignissen zu Tarifvariablen

Hier entsteht der Wert der Datenarbeit. Sie aggregieren unsaubere Ereignisse zu stabilen, prädiktiven Signalen pro Fahrer und pro Periode.

Normalisieren, bevor Sie zählen

Zehn Hartbremsereignisse bedeuten in einem Monat mit 500 Meilen etwas anderes als in einem Monat mit 5.000 Meilen. Deshalb werden die meisten Features als Raten ausgedrückt, nicht als absolute Zählwerte.

hard_brakes_per_100mi = (hard_brake_events / miles_driven) * 100

Die Normalisierung über das Exposure (gefahrene Meilen oder Stunden) verhindert, dass Sie einfach diejenigen bestrafen, die mehr fahren, und isoliert das Verhalten selbst.

Gängige konstruierte Features

• Hartbremsrate: Hartbremsereignisse pro 100 Meilen. Ein starkes Signal für Abstand und Aufmerksamkeit.
• Rate starker Beschleunigungen: aggressives Gasgeben pro 100 Meilen.
• Anteil Nachtfahrten: Prozent der Meilen zwischen etwa 23 und 4 Uhr, wenn Unfall- und Todesfallrisiko erhöht sind.
• Geschwindigkeitsintensität: Anteil der Meilen, die deutlich über dem erlaubten Limit gefahren werden.
• Fahrleistung: Gesamtstrecke, das intuitivste Exposure-MaMaUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen →ß.
• Fahrtkontext: Mix aus Autobahn und Stadt, Handynutzung am Steuer, wo rechtlich erfassbar.

Die Tageszeit ist relevant, weil das Risiko über die Uhr nicht gleichverteilt ist. Daten der US National Highway Traffic Safety Administration zeigen durchgängig, dass Nachtfahrten pro Meile ein höheres Todesfallrisiko tragen. Ein Nachtfahrt-Feature erfasst das direkt, was eine Postleitzahl nie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnte.

Aus Features einen Score machen

Einzelne Features speisen ein Modell, das einen Behavior Score ausgibt, der dann die Prämie anpasst. Konzeptionell:

risk_score = f(hard_brakes_per_100mi,
               night_share,
               speeding_intensity,
               annual_miles,
               highway_share)

Die Funktion f ist meist ein Generalized Linear Model (GLM), weiterhin das regulatorische Arbeitspferd im Versicherungs-Pricing, oder zunehmend ein Gradient-Boosted-Modell, dessen Ergebnisse auf Erklärbarkeit geprüft werden. Der Score wird auf einen Prämienmultiplikator abgebildet: Ein sauberes Fahrverhalten erhält einen Rabatt, ein Hochrisikomuster einen Zuschlag.

Warum Verhalten Demografie schlägt

Zwei Gründe.

Erstens die Signalqualität. Bremsen und Geschwindigkeit sind direkte Messungen dessen, was Unfälle verursacht: Fahren. Das Alter ist nur ein Platzhalter. Wenn Sie die Zielgröße direkt messen, tragen Sie weniger Rauschen mit, und die Variable erklärt mehr Schadenvarianz.

Zweitens Fairness und Verteidigungsfähigkeit. Verhalten ist etwas, das der Versicherungsnehmer kontrolliert und ändern kann. Das lässt sich gegenüber Aufsicht und Kunden leichter vertreten als undurchsichtige Proxys. Mehrere US-Bundesstaaten beschränken oder verbieten bestimmte Tarifmerkmale, und die Debatte über kreditbasiertes Scoring läuft weiter. Eine Hartbremsrate ist mit dem Risiko kausal verbunden, ein Proxy ist das nicht.

Es gibt einen Haken. Neue Signale ziehen neue Prüfung an. Aufsichtsbehörden fragen, ob ein Telematik-Modell einen Disparate Impact erzeugt (ein unbeabsichtigt diskriminierendes Ergebnis gegenüber einer geschützten Gruppe), selbst wenn keine geschützte Variable verwendet wird. Der Anteil an Nachtfahrten kann zum Beispiel mit Beruf und Schichtarbeit korrelieren. Verantwortungsvolle Versicherer testen ihre Modelle auf solche Effekte, bevor sie sie zur Genehmigung einreichen.

🎬 [VIDEO: "How Telematics Is Changing Car Insurance" - youtube.com - ein kurzer Erklärfilm dazu, wie Fahrdaten in Usage-based Pricing einfließen]

Die Ökonomie: warum Versicherer Telematik vorantreiben

Besseres Pricing erzeugt ein Flywheel.

Schutz gegen Adverse Selection. Wenn Ihr Wettbewerber sichere Fahrer mit geringer Fahrleistung korrekt bepreist und Sie sie weiterhin über das Alter tarifieren, wandern diese guten Fahrer ab und kaufen beim Wettbewerber. Sie behalten den riskanteren Bestand zu Preisen, die ihn nicht mehr decken. Telematik erlaubt Ihnen, um das profitable Segment zu kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →ämpfen.

Verhaltensänderung. Viele Programme zeigen Fahrern ihre Scores in einer App. Allein das Messen des Bremsverhaltens bringt manche dazu, weniger hart zu bremsen. Weniger Schäden bedeuten niedrigere Schadenkosten, ein seltener Gewinn, bei dem das Pricing-Instrument gleichzeitig das Risiko senkt.

Reichhaltigere Schadenbearbeitung. Derselbe Feed unterstützt Crash Detection und die Automatisierung der First Notice of Loss. Wenn der Beschleunigungssensor einen schweren Aufprall registriert, kann die App eine Kontaktaufnahme auslösen, was den Schadenfall beschleunigt und präzise Unfalldaten erfasst.

Praktischer Aufbau: eine minimale PipelinePipelineAll active sales opportunities across the stages of the sales process, together with their combined potential value and probability of closing.Vollständige Definition ansehen →

Für nicht-technische Leser hier die Form des Workflows vom Feed bis zum eingereichten Tarif:

1. Ingest: Fahrtereignisse in einen Datenspeicher streamen.

2. Clean: GPS-Drift verwerfen, Signalabbrüche behandeln, Fahrten deduplizieren.

3. Aggregate: Features pro Fahrer und Periode berechnen, normalisiert über das Exposure.

4. Model: ein GLM oder ein geprüftes Machine-Learning-Modell auf historische Schäden fitten.

5. Validate: prädiktiven Lift testen und auf Disparate Impact prüfen.

6. File: den Tarifplan bei den Aufsichtsbehörden der Bundesstaaten zur Genehmigung einreichen.

7. Deploy und Monitor: Scores anwenden, auf Drift achten, wenn sich Fahrmuster verschieben.

Die unglamourösen Schritte (Clean und Validate) schützen Sie. Ein Modell, das auf unsauberem GPS oder ungefiltertem Rauschen zur Handynutzung trainiert ist, bepreist falsch und übersteht keine regulatorische Prüfung.

Fallstricke, die Telematik-Pricing leise ruinieren

Einwilligung und Datenschutz. Standortdaten sind sensibel. Programme brauchen klare Einwilligung, transparente Datennutzung und häufig eine Opt-in-Struktur. Schlechter Umgang erzeugt regulatorische und Reputationsrisiken. Behandeln Sie den Feed als personenbezogene Daten unter Datenschutzrecht, nicht als kostenloses Abgas.

Self-Selection Bias. Frühe Nutzer von Telematik sind tendenziell sicherere Fahrer, die einen Rabatt erwarten. Ihr Modell kann auf dieser Population brillant aussehen und schlecht generalisieren, wenn das Programm auf alle skaliert. Korrigieren Sie für die Frage, wer sich anmeldet.

Feature-Leakage über Bundesstaaten. Ein Feature, das in einem Bundesstaat zulässig ist, kann in einem anderen beschränkt sein. Regeln zu Tageszeit und Fahrleistung unterscheiden sich. Tarifpläne müssen in den USA Staat für Staat gebaut und eingereicht werden.

Overfitting auf Geräte. Verschiedene Smartphones und Dongles messen Beschleunigung unterschiedlich. Wenn Ihr Schwellenwert für hartes Bremsen auf einen Sensor kalibriert ist, kann eine neue Gerätegeneration Ihre Feature-Verteilung über Nacht verschieben. Normalisieren Sie über die Hardware hinweg.

Wohin sich die Signal-Frontier entwickelt

Bremsen und Fahrleistung waren der Anfang. Die Frontier 2026 fügt Kontext hinzu: Connected-Vehicle-Daten direkt vom Hersteller, Overlays zu Straßenzuständen und Computer-Vision-Features aus Dashcams, wo rechtlich erlaubt. Jedes neue Signal wiederholt dieselbe Lektion: Rohdaten sind wertlos, bis Feature Engineering daraus eine Variable macht, die Schäden vorhersagt und eine Aufsichtsprüfung übersteht.

Key Takeaways

• Telematik ersetzt Proxys durch Messung. Features zu Bremsen, Fahrleistung und Tageszeit beobachten das Risiko direkt und erklären damit mehr Schadenvarianz als Alter oder Postleitzahl.
• Normalisieren Sie über das Exposure. Drücken Sie Verhalten als Raten pro 100 Meilen aus, nicht als absolute Zählwerte, sonst bestrafen Sie Menschen nur dafür, dass sie mehr fahren.
• Feature Engineering ist der wertschöpfende Schritt. Der rohe Ereignisstrom ist Rauschen. Saubere Aggregation zu stabilen, verteidigungsfähigen Variablen ist der Ort, an dem Pricing Power entsteht.
• Neue Signale bringen neue Prüfung. Testen Sie jedes Verhaltens-Feature auf Disparate Impact und Datenschutzkonformität, bevor Sie es einreichen.
• Genaues Pricing ist ein Flywheel. Das Segment der sicheren Fahrer mit geringer Fahrleistung zu gewinnen schützt vor Adverse Selection, während Verhaltens-Feedback die Schäden senkt.