Wie nutzen die Versicherer Daten und Technologien, um den E-Bike-Boom zu steuern?

Die Erfahrung der Covid-19-Pandemie mit längeren Sperrungen führte zu einem E-Bike-Boom, da die Menschen nach neuen Formen der Bewegung und des Transports suchten. Allein in den USA verdoppelte sich der Umsatz mit E-Bikes bis 2020 auf 5,4 Mrd. USD. In Europa, wo viele Städte über eine bessere Radverkehrsinfrastruktur und eine stärkere Fahrradkultur verfügen, nahm die Beliebtheit von E-Bikes bereits vor der Pandemie stetig zu. In den Niederlanden zum Beispiel, einem der fahrradfreundlichsten Länder der Welt, steigt der Absatz von E-Bikes seit Anfang der 2000er Jahre jährlich an.

Der weltweite Zuwachs an E-Bike-Nutzern hat auch zu Diskussionen über die Wachstumsschwierigkeiten des Sektors geführt: Fragen im Zusammenhang mit der Sicherheit von E-Bikes und Kollisionen, Brände durch explodierende Akkus und politische Debatten über die zunehmende Geschwindigkeit von E-Bikes.

Technologie für spezielle Bedürfnisse

Radfahrer sind traditionell durch Hausratversicherungen geschützt, die persönliches Eigentum absichern. Hausbesitzer- oder Mieterversicherungen können Diebstahl und Schäden, Personenschäden und Haftpflicht abdecken.

Aufgrund der Beschaffenheit von E-Bikes - sie sind teurer, hochtechnologischer, schneller und schwerer als herkömmliche Fahrräder - deckt die herkömmliche Hausratversicherung Diebstahl oder Schäden an E-Bike-Teilen wie Batterien und Elektromotoren möglicherweise nicht ausreichend ab. Ebenso kann es sein, dass sie bei Unfällen mit Fußgängern oder anderen Fahrzeugen keine ausreichende Haftpflichtdeckung bieten. "Die meisten Policen schließen E-Bikes von vornherein aus und betrachten sie als motorisierte Fahrzeuge", sagt Denis Voitenko, CEO von Velosurance.

In Anbetracht der speziellen Bedürfnisse von E-Bike-Fahrern, die an sich schon eine sehr heterogene Gruppe sind, können die Versicherer Technologie, Big Data und Analysen nutzen, um den Kunden bessere Lösungen und Dienstleistungen zu bieten.

Wie Voitenko erklärt: "Ein Babyboomer, der gerade sein erstes E-Bike gekauft hat, um es auf dem Rücken eines Wohnmobils zu transportieren, und ein Millennial, der gerade sein Auto für ein elektrisches Pendlerfahrrad aufgegeben hat, haben unterschiedliche Anwendungsfälle, Versicherungserfahrungen und Erwartungen an den Kundenservice."

Sammeln von Daten

Die effektive Nutzung und Analyse einer breiten Palette von Datenquellen kann es den Versicherern ermöglichen, sowohl den E-Bike-Fahrern als auch den eigenen Zielen besser zu dienen.

Versicherer können Daten von Telemetriesystemen sammeln, die automatisch Daten messen und über entfernte Quellen übertragen. Geräte von E-Bike-Sensoren - die Geschwindigkeit, Trittfrequenz und Drehmoment aufzeichnen - über GPS-Navigationssysteme und Fitnessanwendungen bis hin zu solchen, die Verkehrs- und Wettermuster aufzeichnen, können umfassende Informationen über Versicherungsnehmer und ihre Nutzungsmuster erfassen.

So sind beispielsweise viele neuere E-Bike-Modelle mit GPS, Beschleunigungsmessern und 5G-eSIM-Modulen ausgestattet. Diese Geräte können feststellen, ob das Fahrrad in einen Unfall verwickelt war, und wichtige Daten wie den Standort, die Geschwindigkeit und die Fahrtrichtung des Fahrrads erfassen. "Sie können auch feststellen, ob ein E-Bike länger als üblich unbeaufsichtigt gelassen wurde oder sich in einem Gebiet mit hoher Kriminalität befindet", sagt Voitenko. Einige Versicherer verwenden telemetriebasierte Geräte, um das Fahrverhalten der Nutzer zu beobachten. Gleichzeitig zeichnen tragbare Geräte und Fitness-Apps in Echtzeit objektive Daten über die Bewegung, den Gesundheitszustand, das Fitnessniveau und die Aktivitätsmuster des Nutzers auf.

Ein skalierbares, nachtrainierbares System

Diese Daten können in maschinelle Lernmodelle eingespeist werden, die in hohem Maße in der Lage sind, Muster zu erkennen, Anomalien aufzuspüren und Trends vorherzusagen, um Vorhersagemodelle zu erstellen. Diese können Muster erkennen, die zu Unfällen oder Diebstählen beitragen. Modelle zur Erkennung von Anomalien beispielsweise verarbeiten Daten und identifizieren ungewöhnliche oder anormale Daten, die auf ein potenziell bedeutsames Ereignis hinweisen könnten, erklärt Voitenko. Die Modelle arbeiten mit hoher Geschwindigkeit und erkennen Zusammenhänge, die vom menschlichen Auge leicht übersehen oder gar nicht wahrgenommen werden können. Und "im Gegensatz zu einem Claims Manager oder sogar einem traditionellen Analysesystem kann das Modell nach Bedarf angepasst, neu trainiert und skaliert werden", sagt er. "Richtig eingesetzt sind diese Signale enorm wertvoll - sowohl aus Sicht der Kosteneffizienz als auch für die Kundenpflege, -bindung und -erfahrung insgesamt", fügt er hinzu.

Solche Daten und auf maschinellem Lernen basierende Erkenntnisse helfen Versicherern, Risikofaktoren genauer einzuschätzen, Prämiensätze und Preismodelle anzupassen und einen personalisierten Kundenservice zu entwickeln, so Voitenko. Wie er weiter erklärt: "Ein E-Bike-Besitzer, der vor allem im Berufsverkehr auf den Straßen der Stadt unterwegs ist, hat ein deutlich höheres Unfallrisiko als ein Gelegenheitsfahrer, der sein E-Bike zum Sport nutzt und ausschließlich auf Radwegen unterwegs ist."

Personalisierter Service

Versicherer können sich an Technologiedienstleister wenden, um ihre Datenprozesse zu optimieren und zu straffen - oder sie können ihre eigenen Plattformen aufbauen. Auf maschinellem Lernen basierende Systeme können kontinuierlich Nutzerdaten sammeln - vom Verhalten bis hin zu demografischen Daten und mehr -, sie anreichern und testen, um den Kundenservice über alle Kanäle hinweg zu personalisieren, sagt Voitenko.

Durch den Einsatz von Technologie, so Voitenko, können spezialisierte Versicherungen letztlich "die Risikobewertung verbessern, Verluste minimieren, Dienstleistungen personalisieren, Schadenprozesse rationalisieren und Risiken proaktiv mindern. Diese Fortschritte können zu einer höheren Kundenzufriedenheit, geringeren Kosten und einem effektiveren Versicherungsschutz führen".