Hier ist eine Frage, die man jedem Risikomanager stellen sollte: Welche Entscheidungen treffen Sie heute, für die Sie sich bessere Daten wünschen würden?
Die Antworten sind immer interessant. Nicht, weil sie Lücken in der Technologie aufdecken, sondern weil sie Lücken im Denken über Technologie offenbaren. Die meisten Risikofunktionen verfügen bereits über die benötigten Daten. Sie können jedoch nicht in einer Form darauf zugreifen, die für sie nutzbar ist.
Das ist das Problem der ungenutzten Intelligenz. Und es ist weiter verbreitet, als die Branche gemeinhin anerkennt.
Die Illusion der Datenreife in unternehmensweiten RMIS
Die meisten Unternehmen, die ein unternehmensweites RMIS betreiben, glauben, dass sie über umfassende Daten verfügen. Sie verfügen über Schadensakten, die Jahre zurückreichen. Sie verfügen über Vorfallprotokolle, Risikolisten, Versicherungsdaten und Prüfungsergebnisse. Sie verfügen über Dashboards, die regelmäßig aktualisiert werden, und Berichte, die vierteljährlich an den Vorstand übermittelt werden.
Auf dem Papier sieht das nach einer ausgereiften Datenumgebung aus. In der Praxis handelt es sich jedoch oft eher um eine Art organisierten Speicher.
Diese Unterscheidung ist wichtig. Daten zu speichern und Daten zu aktivieren ist nicht dasselbe. Aktivierung bedeutet, dass die Daten eine Aufgabe erfüllen: Sie dienen als Grundlage für Entscheidungen, decken Muster auf und liefern Erkenntnisse, die es sonst nicht gäbe. Speicherung bedeutet, dass die Daten theoretisch verfügbar sind, wenn jemand im richtigen Moment die richtige Frage auf die richtige Art und Weise stellt.
Die meisten RMIS-Implementierungen sind eher auf die Speicherung als auf die Nutzung ausgerichtet. Nicht, weil die Technologie unzureichend wäre – sondern weil die Daten noch nie in großem Maßstab ordnungsgemäß verknüpft, angereichert oder ausgewertet wurden.
Drei Bereiche, in denen Risikoinformationen ins Stocken geraten
1. Datensilos
Risikodaten sind selten an einem Ort gespeichert. Schadensfälle werden in einem System erfasst, Vermögensverzeichnisse in einem anderen und Aufzeichnungen zu Sicherheitsvorfällen in einem dritten. Jedes System erfasst seinen eigenen Ausschnitt der Realität, ohne dass es eine zuverlässige Möglichkeit gibt, diese Ausschnitte zu einem zusammenhängenden Gesamtbild zusammenzufügen. Die Erkenntnisse, die sich aus ihrer Verknüpfung ergeben würden – Muster bei Schadensfällen und Vorfällen, Zusammenhänge zwischen Risikoexposition und Schaden – bleiben in der Lücke zwischen den Plattformen gefangen.
2. Unstrukturierte Daten
Ein erheblicher Teil der Risikodaten liegt in unstrukturierter Form vor: Berichte von Schadensregulierern, Beschreibungen von Vorfällen, Korrespondenz mit Maklern, Inspektionsberichte. Diese Inhalte werden abgelegt und dann vergessen. Sie fließen nicht in Modelle ein. Sie lassen keine Trends erkennen. Sie liegen in Dokumentenmanagementsystemen und sind nur dann abrufbar, wenn man bereits weiß, wonach man sucht. Die in diesen Texten verborgenen Informationen sind oft wertvoller als die strukturierten Felder, die sie umgeben.
3. Fehlende Anreicherung
Interne Daten geben Aufschluss darüber, was in Ihrem eigenen Betrieb geschehen ist. Sie sagen jedoch nichts darüber aus, wie sich dies im Vergleich zum Markt darstellt, wie Ihr Schadenprofil im Vergleich zu anderen Unternehmen der Branche aussieht oder welche externen Faktoren die Risiken, denen Sie ausgesetzt sind, möglicherweise beeinflussen. Ohne die Ergänzung durch externe Quellen – Benchmarks, branchenspezifische Schadensdaten, Wetter- und Klimasignale sowie makroökonomische Indikatoren – arbeitet Ihr RMIS nur mit einem unvollständigen Bild.
Wenn Sie diese drei Dinge in Ordnung bringen, haben Sie keine neue Technologie gekauft. Sie haben das aktiviert, was Sie bereits besitzen.
So sieht die Aktivierung von Risikodaten in der Praxis aus
Unternehmen, die bei der Datenaktivierung bedeutende Fortschritte erzielt haben, weisen in der Regel einige gemeinsame Merkmale auf.
Sie investieren zuerst in die Integration und erst danach in KI.Die wenig glamouröse Arbeit, Systeme miteinander zu verknüpfen, Datenmodelle zu standardisieren und zuverlässige Datenpipelines aufzubauen, ist selten Thema einer Präsentation vor dem Vorstand. Doch sie bildet das Fundament, auf dem alles andere aufbaut. Unternehmen, die diesen Schritt überspringen und direkt auf KI-Fähigkeiten setzen, stellen fest, dass die KI keine verlässlichen Daten hat, mit denen sie arbeiten kann.
Sie betrachten unstrukturierte Daten als wertvolles Gut.Anstatt narrative Inhalte in Dokumentenarchiven ungenutzt zu lassen, nutzen führende Risikomanagementabteilungen Methoden der natürlichen Sprachverarbeitung, um daraus strukturierte Erkenntnisse zu gewinnen – Themen, ursächliche Faktoren und Indikatoren für Beinaheunfälle, die in den strukturierten Datenfeldern nirgends auftauchen. Diese Fähigkeit hat sich in den letzten zwei Jahren deutlich weiterentwickelt. Was früher einen erheblichen manuellen Aufwand erfordert hätte, lässt sich nun in großem Maßstab bewältigen.
Sie gehen bei der Datenanreicherung systematisch vor.Anstatt ihr RMIS als geschlossenes System zu betrachten, legen sie fest, welche externen Datenquellen ihr Risikoverständnis wesentlich verbessern würden, und bauen die Verbindungen auf, um diese Daten einzubinden. Branchenbezogene Schadensbenchmarks aus einer Maklerbeziehung. Daten zur Klimaexposition von einem Drittanbieter. Daten zur finanziellen Solidität von Lieferanten, die in den Lieferketten-Risikoprozess integriert werden. Die konkreten Quellen variieren. Die Disziplin, zu fragen, was fehlt – und diese Lücke dann zu schließen –, bleibt jedoch gleich.
Die eigentliche Frage für Risikomanager
Das ungenutzte Potenzial Ihres RMIS ist kein technologisches Versagen. Es ist ein Konzeptionversagen. Die Systeme wurden eingeführt, um Daten zu erfassen und zu speichern, nicht um sie zu verknüpfen und zu nutzen. Für die damalige Zeit war das die richtige Konzeption. Für die heutige Zeit ist sie zunehmend die falsche.
Die Frage, die es zu stellen gilt, lautet nicht, ob Ihr derzeitiges System funktioniert. Das tut es wahrscheinlich – gemessen an den Standards, für die es entwickelt wurde. Die Frage ist vielmehr, ob diese Standards noch die richtigen sind – ob die Erfassung und Berichterstattung ausreichen, wenn es mittlerweile Technologien gibt, die es ermöglichen, Daten auf einer Ebene zu verknüpfen, anzureichern und Schlussfolgerungen zu ziehen, die zuvor nicht möglich waren.
Die meisten Risikofunktionen kommen, wenn sie sich dieser Frage ehrlich stellen, zu dem Schluss, dass ihre vorhandenen Daten einen erheblich größeren Wert bergen, als sie derzeit aus ihnen herausholen.
Diese Kluft ist nicht unvermeidlich. Es handelt sich um eine Entscheidung, die standardmäßig getroffen wird, die aber auch anders ausfallen kann.
Häufig gestellte Fragen: RMIS und Risk Data Intelligence
Was bedeutet „ungenutzte Intelligenz“ im Zusammenhang mit RMIS?
Unter „ungenutzten Erkenntnissen“ versteht man die Risikoerkenntnisse, die in den Daten eines Unternehmens vorhanden sind, jedoch nie ans Licht kommen – weil die Daten in Silos gespeichert, unstrukturiert oder ohne externen Kontext sind. Die meisten Unternehmen verfügen bereits über die Daten, die zur Beantwortung wichtiger Risikofragen benötigt werden; die Herausforderung besteht darin, diese zu aktivieren.
Was ist der Unterschied zwischen der Speicherung von Risikodaten und deren Aktivierung?
Die Speicherung von Risikodaten bedeutet, dass diese verfügbar sind, wenn jemand zur richtigen Zeit die richtige Frage stellt. Die Aktivierung von Risikodaten bedeutet, dass diese kontinuierlich genutzt werden – sie dienen als Grundlage für Entscheidungen, decken Muster auf und liefern automatisch Erkenntnisse. Die meisten RMIS-Plattformen sind auf die Speicherung ausgelegt; eine KI-gesteuerte Aktivierung erfordert zusätzliche Integrations-, Anreicherungs- und Inferenzfunktionen.
Warum sind unstrukturierte Daten für das Risikomanagement von Bedeutung?
Unstrukturierte Daten – Berichte von Schadensregulierern, Vorfallbeschreibungen, Inspektionsberichte – enthalten oft aussagekräftigere Informationen als strukturierte Datenfelder. Mithilfe der Verarbeitung natürlicher Sprache lassen sich aus diesen Inhalten in großem Umfang ursächliche Faktoren, Indikatoren für Beinaheunfälle und sich abzeichnende Themen extrahieren, wodurch archivierte Dokumente in aktive Erkenntnisse umgewandelt werden.
Welche externen Datenquellen verbessern die Leistung des RMIS?
Zu den nützlichen externen Datenquellen zählen unter anderem Branchen-Schadenbenchmarks, Daten zu Klima- und Katastrophenrisiken, makroökonomische Indikatoren sowie Daten zur finanziellen Solidität von Lieferanten. Welche Quellen geeignet sind, hängt vom Risikoprofil des Unternehmens ab, doch die systematische Ermittlung und Einbindung fehlender Daten ist grundsätzlich von großer Bedeutung.
Woran erkennen Sie, ob Ihr RMIS ein Problem mit ungenutzten Informationen hat?
Einige Anzeichen: Risikentscheidungen werden getroffen, ohne dass Vertrauen in die zugrunde liegenden Daten besteht; Berichte werden termingerecht erstellt, führen jedoch selten zu konkreten Maßnahmen; Daten zu Schadenfällen, Vorfällen und Risiken werden in getrennten Systemen gespeichert, sodass keine einheitliche Übersicht besteht; und narrative Inhalte wie Vorfallsbeschreibungen werden zwar archiviert, aber nie analysiert. Jeder dieser Punkte deutet auf eine Aktivierungslücke hin.
