Versicherung · Zürich · Leben & P&C
Vom Wiederaufbau aktuarieller Packs zur Prüfung dessen, was sich geändert hat
Aktuarielle Teams verbringen oft die erste Woche jedes Monats damit, Review-Packs aus Modelloutputs zusammenzustellen, Unterschiede abzugleichen und Material für Sign-off vorzubereiten. Dieses repräsentative Workflow-Beispiel zeigt, wie sich dieser Aufwand von manueller Zusammenstellung zu automatisierter Vorbereitung verschieben kann.
Das Problem: Zusammenbau verdrängte Review
Jeden Monat ziehen aktuarielle Teams Outputs aus mehreren Modellen, gleichen sie gegen vorherige Läufe ab und stellen Review-Packs manuell zusammen. Der Zusammenbau kann die Woche füllen; für die eigentliche Prüfung bleibt der Rest.
Der aktuarielle Monat, vorher und nachher
Personentage pro ZyklusIllustrative Aufwandsverteilung. Tatsächliche Ergebnisse hängen von Workflow-Komplexität und Modelllandschaft ab.
Die Packs waren nie das Produkt. Das Urteil war es - und dieses Urteil bekam zwei Tage im Monat.
Vom Problem zur Antwort
So wird die Frage nach dem Close Ende-zu-Ende als eine governte Session beantwortet - auf Basis realer Kundengespräche. Der Overnight-Lauf unten fährt dieselben Stufen nach Zeitplan.
Die Frage
Das Review beginnt beim validierten Wissen - Reservierungsbasis, Dreieck-Template und Annahmen-Memo, mit Modelländerungen verknüpft mit allem, was sie berühren.
Was das Team bereits wussteSchäden und Prämien kommen read-only aus den governten Beständen - Schadenseite und Nenner auf derselben Anfalljahr-Basis.
Governte AusführungSELECT c.uw_year,
SUM(p.earned_premium) / 1e6 AS earned_m,
SUM(c.incurred) / SUM(p.earned_premium) AS loss_ratio,
pl.plan_loss_ratio,
pl.plan_loss_ratio
- SUM(c.incurred) / SUM(p.earned_premium) AS margin_pp
FROM claims c
JOIN policies p USING (uw_year)
JOIN plan_ratios pl USING (uw_year)
WHERE c.line = 'motor' AND c.eval_date = '2026-06-30'
GROUP BY c.uw_year, pl.plan_loss_ratio
ORDER BY c.uw_year;| Kohorte | Verdient | Schadenquote | Plan | Marge (Pp) |
|---|---|---|---|---|
| UY 2022 | €412m | 68.1% | 69.0% | +0.9 |
| UY 2023 | €438m | 70.4% | 70.5% | +0.1 |
| UY 2024 | €471m | 74.2% | 73.0% | -1.2 |
| UY 2025 | €502m | 77.9% | 74.5% | -3.4 |
| UY 2026 | €260m | 79.4% | 75.0% | -4.4 |
Bewertet zum 30. Jun 2026 · netto nach Regress & Verwertung
Entwicklung gegen frühere Kohorten und der Frequenz-/Schweregrad-Split - berechnet im Record, nicht im Neben-Spreadsheet.
Die AnalyseMarge vs. Plan — Frequenz-/Schweregrad-Zerlegung
Prozentpunkte der Schadenquote nach Zeichnungsjahr
Negativ = ungünstig zum Plan. Demodaten.
Schadenhöhe vs. Annahmepfad
Durchschnittliche Reparaturkosten, indexiert · Annahmen-Memo AM-2026-03
Demodaten.
Die Drift landet als Befund mit angehängter Evidenz, markiert für aktuarielles Urteil - keine automatische Annahmeänderung.
Der Befund — Evidenz angehängtDie Schweregrad-Inflation läuft bei 7,2% gegen die 4,5%-Annahme
Die Reparaturkosten-Schwere jüngerer Kohorten liegt annualisiert bei 7,2% gegenüber 4,5% im Annahmen-Memo AM-2026-03 — jenseits der +100-bp-Review-Schwelle des Memos. Die Frequenz bleibt im normalen Rahmen. ZJ 2025 und ZJ 2026 liegen 3,4 bzw. 4,4 Pp ungünstig zum Plan; das ist für das Reservierungskomitee markiert, ohne automatische Annahmeänderung.
Der Review-Pack stellt sich selbst bereit, und das Meeting beginnt mit den Ausnahmen.
Das fertige PaketWas der Overnight-Lauf tatsächlich tut
Die Session oben ist eine Einzeluntersuchung. Dieselben Stufen laufen unbeaufsichtigt als geplanter Workflow - deterministisch, mit fixierten Parametern, kein Lauf bringt Überraschungen:
- Baut jeden Pack nach Month-End-Close neu und vergleicht jede Kennzahl mit dem Vorzyklus
- Markiert Drifts außerhalb der Toleranz mit Provenienz - Modelllauf, Annahmenmemo, Datenfenster
- Stellt den Pack als Entwurf bereit; die verteilte Vorversion bleibt unverändert, bis ein Aktuar freigibt
- Postet eine Zusammenfassung in den Review-Kanal: was sich bewegt hat, warum und was einen Menschen braucht
Das Review-Meeting beginnt mit den interessanten Fragen - nicht mit dem Zusammenstellen des Packs.
Die Bereitstellung: zwei Rechenzentren, ein Wissensgraph
DataQube läuft active-active über our customer's zwei Schweizer Rechenzentren. Modelloutputs landen im Warehouse und bleiben read-only. Jede Modellfamilie hat einen Workspace, und das validierte, verknüpfte Memory verbindet Modelle mit ihren Annahmen, Caveats und den Entscheidungen, die sie verändert haben.
Dual-Site-Installation
Active-active über beide Rechenzentren mit dem banktauglichen Failover, den der Rest der Landschaft bereits nutzte.
Pilot für Life-Modelle
Zwölf Modell-Workspaces live; der erste Overnight-Pack baute sich nach Month-End-Close mit Drift-Markierungen.
Alle 38 Modelle überwacht
P&C- und Gruppenmodelle angebunden. Annahmenmemos im Memory Graph verlinkt, damit Drift-Markierungen das maßgebliche Dokument zitieren.
Das Ergebnis: Review statt Zusammenbau
Jede generierte Pack-Version kann versioniert und rekonstruierbar bleiben, damit historische Reviews leichter erklärbar und prüfbar sind.
Sehen Sie, wie Ihre Daten Fragen beantworten - ohne Ihre Infrastruktur zu verlassen
Dreißig Minuten mit einem Engineer: Live-Produkt, Bereitstellungsoptionen und Antworten auf die Fragen Ihres Sicherheitsteams von jemandem, der den Code geschrieben hat.