Versicherungen: Diskriminierungen bei der Preisgestaltung vermeiden

Ein von der britischen Universität City, University of London und der Bayes Business School verfasster Bericht untersucht, wie geschützte Merkmale bei der Preisgestaltung von Policen ausgenutzt werden, da sie mit Merkmalen wie der Postleitzahl und der Kreditwürdigkeit des Versicherungsnehmers verbunden sind. Diese Merkmale werden an sich als legitime Risikofaktoren betrachtet, die von den Versicherern bei der Erstellung von Angeboten für ihre Kunden verwendet werden.

In vielen Ländern sei es illegal, geschützte Merkmale der Versicherungsnehmer bei der Berechnung von Versicherungsprämien zu verwenden, obwohl es Bedenken gibt, dass sich solche Merkmale dennoch indirekt auf Versicherungsangebote auswirken könnten. So wird beispielsweise die Postleitzahl des Versicherungsnehmers üblicherweise zur Berechnung der Versicherungsprämie herangezogen, aber diese Information könnte ein wirksamer Ersatz für die Bestimmung der ethnischen Zugehörigkeit sein. Während Standardmodelle für die Preisgestaltung von Versicherungen die ethnische Zugehörigkeit nicht explizit als Input verwenden würden, bedeutet ihre Verbindung mit der Postleitzahl des Versicherungsnehmers, dass die ethnische Zugehörigkeit dennoch Auswirkungen auf die Preise haben kann. Dieses Phänomen werde oft als „stellvertretende Diskriminierung" bezeichnet. In dem Bericht werden anhand von Daten aus einem Kfz-Versicherungsportfolio Belege für eine stellvertretende Diskriminierung gefunden. Insbesondere zeigt er, dass auf der Grundlage von standardmäßigen technischen Preismodellen jungen Mitgliedern einer ethnischen Minderheit höhere Prämien in Rechnung gestellt würden, als dies der Fall wäre, wenn die ethnische Zugehörigkeit keinen (direkten oder indirekten) Einfluss auf die Versicherungspreise hätte.

Die Co-Autoren schlagen eine neue Methode zur Beseitigung von stellvertretender Diskriminierung aus Versicherungspreismodellen vor. Die vorgeschlagene Methode geht von Risikoprognosen für Versicherungsnehmer aus, die auf allen verfügbaren Merkmalen beruhen, einschließlich geschützter Merkmale wie Geschlecht oder ethnische Zugehörigkeit. Anschließend werden diese Merkmale aus den Preisen „herausgemittelt“. Die Autoren - Andreas Tsanakas (Bayes Business School), Mathias Lindholm (Universität Stockholm), Ronald Richman (Old Mutual Insure) und Mario Wüthrich (ETH Zürich) - zeigen, dass dieser Prozess geschützte Merkmale mathematisch von anderen Variablen (wie der Postleitzahl des Versicherungsnehmers oder der Kreditwürdigkeit) entkoppelt. Dies führe zu einer Versicherungspreisgestaltung, die eine stellvertretende Diskriminierung vermeidet und gleichzeitig die „sichere“ Verwendung dieser Variablen zur Risikodiskriminierung in Preismodellen ermöglicht. In den Vereinigten Staaten haben die Aufsichtsbehörden in Washington vor kurzem versucht, die Verwendung von Kredit-Scores in Preisgestaltungsmodellen für Versicherungen zu verbieten, weil sie als Stellvertreter für Rassendiskriminierung dienen könnten, und Untersuchungen zu möglichen Bürgerrechtsverletzungen sind derzeit im Gange. Ein solcher Ansatz erfordert - kontraintuitiv - die Verwendung geschützter Merkmale, um diskriminierungsfreie Preise zu generieren, da die Versicherer ohne diese Informationen nicht in der Lage sind, stellvertretende Diskriminierung zu kompensieren. Als Antwort auf diese Herausforderung entwickelten die Autoren eine auf künstlicher Intelligenz basierende Methode, die nur die Erhebung sensibler Informationen von einer kleinen Untergruppe von Versicherungsnehmern erfordert. Professor Andreas Tsanakas, ein führender Experte für Versicherungsmathematik und Risikomanagement an der Bayes Business School, ist der Meinung, dass es in der Verantwortung der Versicherer liegen sollte, nachzuweisen, dass Diskriminierung in ihren Portfolios kein wesentliches Problem darstellt, und, falls dies doch der Fall ist, ihre Preise anzupassen. Dennoch fehle derzeit ein politischer Rahmen für diesen Prozess, so dass die Versicherer keine klaren regulatorischen Signale haben, wie sie mit diesem Problem umgehen sollen. „Wir haben eine praktische, anwendbare Methode vorgeschlagen, um die Auswirkungen der Diskriminierung aus den Preismodellen zu entfernen, indem die stellvertretende Berücksichtigung von Merkmalen abgeschafft wird", erklärt Professor Tsanakas. „Die stellvertretende Diskriminierung ist ein echtes Problem, und sie sollte bei der Preisgestaltung berücksichtigt werden. Um dieses Problem anzugehen, müssen die Versicherer jedoch Informationen über geschützte Merkmale sammeln, was wiederum Datenschutzbedenken aufwirft. Es ist wichtig, dass die Aufsichtsbehörden strenge Protokolle darüber einführen, wie solche Informationen gesammelt und verwendet werden und wie dieser Prozess den Versicherungsnehmern erklärt wird.“ (DFPA/mb1)

Die Bayes Business School (vormals Cass) mit Sitz in London ist die wirtschaftswissenschaftliche Fakultät der City, University of London.

www.bayes.city.ac.uk

Zurück

Versicherungen

Der Ausschuss der ständigen Vertreter der Mitgliedstaaten hat die Position des ...

"Um Regulierung effizienter zu machen, sollten die Regeln auf nationaler, ...

Datenschutzeinstellungen

Wir nutzen Cookies auf unserer Website. Einige von ihnen sind essenziell, während andere uns helfen, diese Website und Ihre Erfahrung zu verbessern.
In dieser Übersicht können Sie, einzelne Cookies einer Kategorie oder ganze Kategorien an- und abwählen. Außerdem erhalten Sie weitere Informationen zu den verfügbaren Cookies.
Gruppe Essenziell
Name Contao CSRF Token
Technischer Name csrf_contao_csrf_token
Anbieter
Ablauf in Tagen 0
Datenschutz
Zweck Dient zum Schutz der Website vor Fälschungen von standortübergreifenden Anfragen . Nach dem Schließen des Browsers wird das Cookie wieder gelöscht
Erlaubt
Gruppe Essenziell
Name PHP SESSION ID
Technischer Name PHPSESSID
Anbieter
Ablauf in Tagen 0
Datenschutz
Zweck Cookie von PHP (Programmiersprache), PHP Daten-Identifikator. Enthält nur einen Verweis auf die aktuelle Sitzung. Im Browser des Nutzers werden keine Informationen gespeichert und dieses Cookie kann nur von der aktuellen Website genutzt werden. Dieses Cookie wird vor allem in Formularen benutzt, um die Benutzerfreundlichkeit zu erhöhen. In Formulare eingegebene Daten werden z. B. kurzzeitig gespeichert, wenn ein Eingabefehler durch den Nutzer vorliegt und dieser eine Fehlermeldung erhält. Ansonsten müssten alle Daten erneut eingegeben werden.
Erlaubt
Gruppe Analyse
Name Google Analytics
Technischer Name _gat,_ga_gid
Anbieter Google
Ablauf in Tagen 1
Datenschutz https://policies.google.com/privacy
Zweck Tracking
Erlaubt
Gruppe Essenziell
Name Contao HTTPS CSRF Token
Technischer Name csrf_https-contao_csrf_token
Anbieter
Ablauf in Tagen 0
Datenschutz
Zweck Dient zum Schutz der verschlüsselten Website (HTTPS) vor Fälschungen von standortübergreifenden Anfragen. Nach dem Schließen des Browsers wird das Cookie wieder gelöscht
Erlaubt
Gruppe Essenziell
Name FE USER AUTH
Technischer Name FE_USER_AUTH
Anbieter
Ablauf in Tagen 0
Datenschutz
Zweck Speichert Informationen eines Besuchers, sobald er sich im Frontend einloggt.
Erlaubt