Letzte Woche gab hyperexponential* den Abschluss seiner von Battery Ventures angeführten Serie-B-Finanzierungsrunde bekannt. Ich bin stolz darauf, Teil des Deal-Teams zu sein, das die Investment gesponsert hat, die für mich aufgrund des Potenzials von hx, die Branche, die ich liebe und am besten kenne, von besonderer Bedeutung ist: die Schaden- und Unfallversicherung, zu verändern. Das ist es, was mich an dem, was sie bauen, begeistert.

Die globale Schaden- und Unfallversicherungsbranche wird allzu oft unterschätzt und leistet einen wichtigen sozialen Dienst: Sie schützt Menschen und Unternehmen vor den Verwüstungen einer unsicheren Welt. Gut funktionierende Märkte für den Risikotransfer erfüllen mindestens drei wichtige Funktionen für Wirtschaftswachstum und Wohlstand.

Erstens ist eine Versicherung eine Form des Sozialsparens. Brände, Überschwemmungen, Dürren, extreme Stürme und Cyberterroranschläge sind schreckliche Ereignisse, die im Einzelfall unwahrscheinlich sind, in ihrer Gesamtheit aber mit der Zeit zur Gewissheit werden. Versicherer bündeln in geordneter Weise Rückstellungen für Verluste, die andernfalls vom Kollektiv getragen würden, wenn eine Katastrophe unweigerlich eintritt.

Zweitens ist Versicherung eine Form von Risikokapital, die viele Formen produktiver, aber riskanter Aktivitäten ohne Angst vor Verlusten absichert. Es ist kein Zufall, dass Versicherungen in ihrer heutigen Form bis ins^18. Jahrhundert zurückreichen, als der kommerzielle Seetransport zwar lukrativ, aber anfällig für verheerende Verluste war, wenn Fracht durch Schiffbruch oder Piraterie verloren ging. Durch die Syndizierung des Risikos zwischen Teilnehmern und externen Investoren können die Menschen alle Aktivitäten einer modernen Wirtschaft durchführen.

Und drittens ist Versicherung ein Instrument des kollektiven, marktbasierten Lernens. Die Versicherungssätze geben die tatsächlichen Kosten für das Führen von Fahrzeugen, das Fliegen von Flugzeugen, die Einstellung von Mitarbeitern, den Betrieb von Unternehmen und den Bau von Häusern an, wenn potenzielle Verluste berücksichtigt werden. Auch wenn ein gewisser Verlust unvermeidlich ist, sind wir nicht hilflose Empfänger negativer Risiken. Wir können mit sichereren Materialien bauen, weniger abgelenkt fahren, Arbeitssicherheitsstandards durchsetzen und viele andere Parameter beeinflussen, die das zugrunde liegende Risikoniveau bestimmen. Wir haben es der Schaden- und Unfallversicherungsbranche zu verdanken, dass sie den Wert dieser Verbesserungen quantifiziert und dem Markt Signale gesendet hat, die das Verhalten ändern und unser Leben ungemein sicherer machen.

Alle diese Vorteile beruhen auf einer Kernkompetenz der Versicherung: der genauen Risikobepreisung. Die Disziplin der Versicherungsmathematik quantifiziert seit Jahrhunderten die Korrelationen zwischen Risikofaktoren und Schadensfolgen, lange vor Computern und KI. Auf der Vorhersagekraft dieser Berechnungen wuchs eine Multi-Billionen-Dollar-Industrie heran.

Heute wird diese Vorhersagekraft stärker betont als früher. Ein aktuelles Beispiel ist die Krise auf dem 12 Milliarden US-Dollar schweren Hausversicherungsmarkt in Kalifornien, in der mehr als die Hälfte der im Bundesstaat tätigen Versicherer neue Policen eingestellt oder stark eingeschränkt haben. Der Grund: Waldbrandschäden, die weit über alles hinausgehen, was einst zuverlässige Risikomodelle vorhersagten. Ähnliche Probleme belasten die Sachversicherungsmärkte in Florida, Louisiana und Texas, da Stürme „alle 100 Jahre“ viel häufiger auftreten.

Unterdessen nimmt die Häufigkeit und Schwere von Cyberterrorismus zu, wobei die weltweiten Schäden auf 1 Billion US-Dollar pro Jahr geschätzt werden – wesentlich mehr, als heute durch Cyberversicherungen abgedeckt wird. Und um die neuen Arten von Infrastruktur zu versichern, die für die Zukunft gebaut werden – z. B. sehr große Solaranlagen, Telekommunikationskonstellationen im geostationären Orbit – müssen Versicherer die zugrunde liegenden Risiken auf andere Weise triangulieren als durch die Nutzung von Schadenserfahrungen, denn solche Erfahrungen sind per Definition begrenzt oder nicht vorhanden.

Beispiele wie diese verdeutlichen, wie wichtig es ist, den neuesten Stand der Versicherungspreise für eine Zukunft voranzutreiben, die nicht mehr zuverlässig mit der Vergangenheit vergleichbar ist. Zu den neuen Techniken gehören die Einbeziehung alternativer und viel größerer Datensätze, die Anwendung maschinellen Lernens zur Ermittlung subtiler prädiktiver Korrelationen und die viel häufigere Iteration von Preismodellen. Während Versicherer bestrebt sind, sich über die rein retrospektiven und schadensbasierten Ansätze hinaus zu entwickeln, die jetzt ihre Vorhersagekraft verlieren, entwickelt sich parallel dazu auch die Persönlichkeit des Aktuars weiter – was neue Datenmanagement- und Programmierkenntnisse erfordert, um die klassische versicherungsmathematische Wissenschaft zu ergänzen.

Amrit Santhirasenan und Michael Johnson, zwei erfahrene Aktuare führender Versicherungsunternehmen, verkörperten diese neue Persönlichkeit. Als Mitbegründer von hyperexponential im Jahr 2017 entwickelten sie eine Preisplattform der nächsten Generation, die so gut auf die Bedürfnisse zugeschnitten war, dass sie sehr schnell von anspruchsvollen großen Versicherern wie Convex, Aviva und Conduit Re übernommen wurde. Sie erreichten diese Traktion – und Rentabilität – mit einem Kapitaleinsatz von nur etwa 4 Millionen US-Dollar, was eine Kombination aus operativer Disziplin und Produktmarktanpassung widerspiegelt, die nicht nur für Insurtech, sondern für Software Startups insgesamt die beste ihrer Klasse ist.

Meine Guidewire*-Erfahrung steigert nur meine Bewunderung für das, was das hyperexponentielle Team bisher erreicht hat, und meine Vorfreude auf die bevorstehende Chance. Nachdem ich über zwanzig Jahre lang Sachversicherer betreut habe, glaube ich, dass diese riesige Branche noch größer werden muss, um den Risikotransferanforderungen unserer Zukunft gerecht zu werden.

Um dies effizient und profitabel zu tun, wird ein Technologie-Stack der nächsten Generation mit viel höherem Durchsatz und Modellierungsgenauigkeit als heute benötigt.  Ich bin zuversichtlich, dass Hyperexponentiell schnell zu einem unverzichtbaren Bestandteil dieser neuen Umgebung werden wird.