dcsimg
Gütertransport

Modellierung von Transportrisiken

Internationale Handelsknoten haben sich zu Zentren hoher Wertekonzentration entwickelt, große Überseehäfen schlagen täglich Waren im Wert von mehreren Milliarden Euro um. Tianjin hat gezeigt, mit welchen Schwierigkeiten die Assekuranz zu kämpfen hat, das Schadenpotenzial zuverlässig zu quantifizieren.

06.09.2016

Bereits in der Vergangenheit haben Großereignisse Transportversicherern empfindliche Schäden beschert. 2008 zog ein Hagelsturm über den Hafen von Emden, einen der führenden Exporthubs der deutschen Automobilindustrie. Deses meteorologisch als selten einzustufende Event traf nicht nur die auf den Kaianlagen abgestellten Fahrzeuge, sondern auch einige Cargo-Versicherer empfindlich.

Vier Jahre später traf der tropische Sturm Sandy die US-Ostküste, die Sturmflut überspülte die Hafenanlagen von New York und New Jersey. Die für die Versicherer überraschend hohen Schäden unterstrichen die Notwendigkeit, die Haftungskumule besser zu kontrollieren.

Doch was macht die Kumulkontrolle im Bereich Transport so schwierig? Und warum ist man noch ein gutes Stück entfernt von den Qualitätsstandards der Sachversicherung und deren Möglichkeiten, Extremschadenszenarien zu modellieren? Die Probleme sind zum Teil hausgemacht, zum Teil liegt es aber auch an den Spezifika des Transportsektors und der vielfältigen Sonderrisiken, die hier versichert werden.

Dabei haben sich die Methoden der Kumulkontrolle stetig weiterentwickelt. Mit sinkenden Hardwarekosten und steigender Rechenleistung entstanden komplexe probabilistische Katastrophenmodelle, die heute die Schäden Zigtausender potenzieller Ereignisse simulieren können. Die Modelle kombinieren Haftungsverteilung und Versicherungsbedingungen mit eventspezifischen Parametern, beispielsweise Windgeschwindigkeiten oder Erdbebenintensitäten.

Analog zu den Modellen und ihren technischen Möglichkeiten reift auch die Qualität und Granularität der Haftungsdaten. Viele Sachversicherer erfassen heute ihre Bestände nicht nur adressgenau, sie hinterlegen auch eine Vielzahl an detaillierten Informationen auf Einzelrisikobasis in ihren Systemen. Die Modelle bedienen sich dieser Datentiefe, indem sie einzelne Standorte den simulierten Szenarien zuordnen und risikobeschreibende Attribute, wie beispielsweise Gebäudenutzung oder Baujahr, in Schadenanfälligkeitsfunktionen übersetzen. Je genauer die Verortung und je vollständiger die Datenbasis, desto spezifischer werden die Eigenschaften des Portfolios in der Modellierung berücksichtigt.

In diesem Kontext offenbart die Transportversicherung ein grundsätzliches Problem: Eine Verortung der versicherten Risiken ist oft gar nicht oder nur mit erheblichen Unsicherheiten möglich, da sie ständig in Bewegung sind. Dabei folgen sie zwar oft definierten logistischen Routen, wann sich ein versichertes Objekt wo befindet, ist dem Versicherer aber nicht bekannt und somit auch für das einzelne Risiko nicht genau zu erfassen. Dies gilt insbesondere für Häfen, wo Güter in der Regel rasch umgeschlagen werden. Erschwert diese fehlende Transparenz bereits die Schadenschätzung nach einem Ereignis erheblich, so ist eine Modellierung von Schadenpotenzialen auf Basis von detaillierten Haftungsinformationen beinahe unmöglich.

Neben fehlender Haftungsinformationen sind auch die Modelle selbst nur bedingt für die spezifischen Anforderungen der Transportversicherung geeignet, da sie traditionell für die Sachversicherung entwickelt wurden. Demgegenüber sind die Schadenanfälligkeiten für Transportrisiken variabler, und die verfügbaren Schadendaten reichten lange Zeit in Anzahl und Granularität nicht aus, um Modellergebnisse ausreichend validieren zu können. Erst nach den signifikanten Schäden infolge von Sturm Sandy erkannte die Branche den Bedarf, die Kumulkontrolle auch toolseitig zu verbessern.

In Kooperation mit Munich Re und anderen ausgewählten Versicherern und Brokern entwickelte der Modellanbieter Risk Management Solutions (RMS) ein erstes Modul zur spezifischen Modellierung von Transportrisiken, das 2016 auf den Markt kommt. Damit ist die technische Funktionalität für eine akkuratere Simulation von Schadenszenarien gegeben. Es bleibt abzuwarten, ob sich dadurch auch die Qualität der Haftungsdaten sukzessive erhöht.
Wir verwenden Cookies um Ihr Internet-Nutzungserlebnis zu verbessern und unsere Websites zu optimieren.

Mit der weiteren Nutzung unserer Website stimmen Sie der Verwendung von Cookies dieser Website zu. Weitere Informationen zu Cookies und dazu, wie Sie die Cookie-Einstellungen in Ihren Browsereinstellungen anpassen können, finden Sie in unsereren Cookie-Richtlinien.
Sie können Cookies deaktivieren, aber bitte beachten Sie, dass das Deaktivieren, Löschen oder das Verhindern von Cookies Ihre Internet-Nutzung beeinflussen wird.