11

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Moderne statistische Methoden alsBasis für individualisierteRisikovorhersage

Prof. Dr. Michael FeindtInstitut für Experimentelle KernphysikUniversität Karlsruhe

Wissenschaftlicher Beirat der

Phi-T Physics Information Technologies GmbH

Modernste mathematische Verfahren fürdie Versicherungswirtschaftin Theorie und Praxis

Prof. Dr. Michael Feindt

Vorstand CETA Inst. f. Exp. KernphysikUniversität Karlsruhe

Wissenschaftlicher BeiratPhi-T Physics Information Technologies GmbH

22

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Prof. Dr. Michael Feindt

Vorstand CETA Universität Karlsruhe

Wissenschaftlicher BeiratPhi-T Physics Information Technologies GmbH

Modernste mathematische Verfahren fürdie Versicherungswirtschaftin Theorie und Praxis

33

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Zufall

Rein zufällige Ereignisse sind prinzipiell nicht vorhersagbar(auch bei genauer Kenntnis der Ausgangssituation!)

Beispiele hierfür sind:

Lottozahlen

radioaktiver Zerfall

44

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Vorhersehbar

Bei einfachen, mechanischen Prozessen ist das Ergebnisexakt vorhersagbar(eine Ursache erzeugt eineeindeutige Wirkung)

Beispiele hierfür sind:

Pendel, Planetenbahnen,Billard, …

55

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Wahrscheinlichkeit

Viele Systeme: Mischung aus vorhersagbarer Komponenteund Zufallskomponente.

Wahrscheinlichkeitsaussage, Statistik

In diesem Vortrag:Extraktion der vorhersagbaren KomponenteIndividualisierung von Wahrscheinlichkeitsaussagen

mittlerer Kunde

individueller KundeMustermann

66

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Die Idee

> Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung amDESY, CERN, Fermilab und an der UniversitätKarlsruhe.

> Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starkeKonkurrenz.

> Durchführung von Vorlesungen und Seminaren über moderne statistische Methoden.

> Entwicklung des NeuroBayes®-Algorithmus zurVorhersage bedingter Wahrscheinlichkeitsdichten.

> Entwicklung des NeuroBayes®-Algorithmus zurVorhersage bedingter Wahrscheinlichkeitsdichten.

> Jahrelange Erfahrung in schwierigsten statistischen Analysen in internationaler Spitzenforschung amDESY, CERN, Fermilab und an der UniversitätKarlsruhe.

> Entwicklung vieler großer Software-Projekte mit modernsten neuronalen Methoden gegen starkeKonkurrenz.

> Durchführung von Vorlesungen und Seminaren über moderne statistische Methoden.

77

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

50000 Kollisionen pro Sekunde, Jede 10 Mio. Kollisionen ein interessantes Ereignis. „Data Mining“ ist eine große Herausforderung

LEP / LHCLarge Electron Positron ColliderGrößter Teilchenbeschleuniger der Welt am CERN/Genf

88

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

OPA

L Ex

perim

ent

am L

EP

Quantenmechanik: Jedes Mal passiert etwasanderes!

99

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Stecknadeln im Heuhaufen ...

1010

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Datenanalyse und statistische Methoden

Optimiert durch weltweiten Wettbewerb,aus den begrenzten und teuren Daten möglichst viele neue physikalischeErkenntnisse zu extrahieren.

1111

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

NeuroBayes®

Neuronale Netzwerke:Selbstlernende Verfahren, der Natur nachempfunden

ParietalCortexFrontal Lobe

Motor Cortex

Temporal Lobe

Brain Stem

OccipitalLobe

Cerebellum

1212

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Neuronale Netze

Die Information (das Wissen, die Expertise) steckt in denVerbindungen zwischen denNervenzellen

Seit 1986 aufComputer simulierbar.

Einige Schwachpunkte:--nicht robust--Lernen schwierig--Übertrainieren möglich

Output

Input

1313

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

NeuroBayes® Prinzip

Lernen von komplizierten Zusammenhängen zwischen vielenbeschreibenden Größen heute und einer binären oder kontinuierlichenZielvariablen in der Zukunft aus bestehenden Datenbanken mittelsneuronaler Netzwerke.

Robustheit und weitgehende Automatisierung durch intelligentes und ständig weiter entwickeltes Preprocessing.

Automatische Überwachung der statistischen Signifikanz:Auf Bayes’schem Theorem basierende Regularisierungsverfahren sorgendafür, dass statistisches Rauschen unterdrückt wird:Nur echte Dynamik wird gelernt!

Sichere und möglichst differenzierende Prognose für die Zukunft!

NeuroBayes® ist ein universell einsetzbares Top-Prognose Tool!

1414

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

NeuroBayes® Prinzip

NeuroBayes® Teacher:Lernen von kompliziertenZusammenhängen ausbestehenden Datenbanken

NeuroBayes® Expert:Prognosen für unbekannte Daten

Output

Input

Sign

ifik

anzk

ontr

olle

Postprocessing

Preprocessing

1515

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Vergleich mit konventionellem neuronalen Netz

Quelle: Doktorarbeit Ulrich Kerzel, 2005, Univ. Karlsruhe. Elektronenidentifikation für das CDF-Experiment

am Fermi National Laboratory, Chicago

(von Experten optimiert)

1616

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Sehr klare Anreicherung vomSignal des 2004 neu entdeckten Teilchens X(3872) durch NeuroBayes®

Sehr klare Anreicherung vomSignal des 2004 neu entdeckten Teilchens X(3872) durch NeuroBayes®

CDF ExperimentFermilab, USA

1717

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Direkter Wettbewerb

Data-Mining-Cup 2005: Erkennen von Betrug im Internet-Handel

531 Teilnehmeraus 176 Universitäten aus 41 Ländern.

6 Karlsruher Studenten haben von Phi-TNeuroBayes® zurVerfügung gestelltbekommen:Top-Platzierungen: Positionen 2,3,4,5,6,7!

www.data-mining-cup.de

1818

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Direkter Wettbewerb II •Platz 1 (RWTH Aachen) statistisch nur unsignifikant

besser. Hat fast 1 Monat Preprocessing per Hand von ca. 12 Personen erfordert.

•NeuroBayes- Lösungen extrem robust, durch auto-matisches Preprocessing und Bayes‘sche Regula-risierung sehr gute Performance garantiert!

•Erste vollautomatische NeuroBayes-Lösung(5 Minuten nach Schreiben des Interfaces, 2 Stunden nach Veröffentlicheung der Aufgabe) wäre schon auf Platz 19 gelandet!

Diese Spitzenlösungen hätten allein im Weihnachtsgeschäft 2004 mehr als 200.000 € Einsparung gegenüber Nichtstun gebracht. (Lösungen ab Platz 131 hätten sogar zu noch größerem Verlust geführt) www.data-mining-cup.de

1919

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

2000-2002 NeuroBayes®-Spezialisierungfür die Wirtschaft in Universität Karlsruhe

Okt. 2002: GmbH gegründet, erste bezahlte Aufträge

Juni 2003: Umzug in neues Büro 199 qm IT-Portal Karlsruhe

Exklusivrechte für NeuroBayes®.

Sehr erfolgreiche Referenzprojekte:

Badische Versicherungen BGVdm drogerie marktOtto-Versand

Historie

2020

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Anwendungen für Versicherungen•Vorhersage des Risikos, dass von individuellen Kunden ein Schaden gemeldet wird.

•Vorhersage der Verteilung der Schadenhöhe im Fall einer Schadensmeldung für individuelle Kunden.

•Vorhersage des individuellen Großschaden-Risikos.

•Kundenbewertung (erwarteter Gewinn/Verlust durch einzelne Kunden)

•Vorhersage der Kündigungswahrscheinlichkeit individueller Kunden.

•Entwurf gerechterer und profitablerer Tarifsysteme.

•Aufdeckung von Versicherungsbetrug.

2121

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Mögliche Eingabedaten in derKfz-Versicherung

persönliche Daten:Alter, Geschlecht, Beruf, Wohnort, jährliche Kilometer-leistung, Benutzungsbeschränkungen, Mitfahrer

Fahrzeugdaten:Fahrzeugtyp, Motorleistung, Baujahr, Farbe, Garagenwagen, Tuning-Extras,...

Versicherungsdaten:letzte Schadenssumme, Zeit seit letzter Schadensmeldung, Schadenfreiheitsrabatt, Art der letzten Versicherung (Haftpflicht, Kasko etc.)

Vorhandene Expertenmodelle:GDV-Empfehlung, Prämie nach bisherigem Modell, Prämie nachAlternativmodell

2222

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Korrelationen werden sichtbar im „Ramler-Plot“

2323

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Korrelationen zur Zielvariablen im „Ramler II-Plot“

2424

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Monte Carlo SimulationPhi-T-Bayes‘sches Regularisierungsverfahren im Preprocessing:Beispiel: Kfz-Herstellerklasse mit 0,4% Anteil an Gesamtstatistik

Schätzwert für Schadenswahrscheinlichkeit in Abhängigkeit von Gesamtstatistik

2525

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Schadenwahrscheinlichkeit und -höhe

Im Mittel(„Durchschnittskunde“): kein Schaden: 60%mittlerer Schaden: 13260 €-->mittlere zu erwartende

Kosten: 5304 €

Spezifischer Kunde Mustermann: Höhere Schadenfreiheits-wahrscheinlichkeit: 70%höherer mittlerer Schaden: 16800 €-->mittlere zu erwartende

Kosten: 5040 €

2626

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Test auf Schadenhöhe

Wert StatistischeUnsicherheit(+-1 sigma)

Wirkliche Schadenhöhe

Vorhergesagte Schadenhöhe

2727

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Visualisierung der NeuroBayes-Netzwerk-Topologie

2828

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Stornovorhersage:

Stornowahrscheinlichkeit für Versicherungsverträge

Problem und Zielsetzung:

1. Hohe Stornorate führt zu Umsatzrückgang undVerwaltungsaufwand.

2. Früherkennung von potenziellen Kündigern erlaubtgezielte Kundenbindungsmaßnahmen.

3. Vorhersage der individuellen Kündigungswahrscheinlichkeitfür jeden Kunden aus allen bekannten Informationen ist mitunseren modernen Methoden erstaunlich gut möglich!

4. Kombination von Kündigungsrisiko und Kundenbewertung sehr wertvolles Wissen für jede Versicherung!

2929

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Ergebnisse aus Projekt:Vertrags – Storno einer Individual-Unfallversicherung

Effizienz:Prozentsatz der selektierten an allenKündigern

Kosten:Prozentsatz der selektierten an allen Kunden

3030

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Vertrags - Storno

Mit NeuroBayes®können wir Kunden mit erhöhtem Kündigungs-potenzial identifizieren

3131

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Vertrags - Storno

Wir können10% aller Kündigerin 2,2% aller Kunden identifizieren!

Oder 30% in 9%.

Oder 50% in 19%.

3232

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Vertrags - Storno

Und unsere Vorhersagetrifft auch ein:

Test auf dem Training unbekannten Daten eines anderen Jahrgangs

3333

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Kfz-Risiko-Analyse für BGV

Resultate für die Badischen Versicherungen:

seit Mai 2003: radikal neuer Tarif für junge Fahrer !

Wirkliches Risiko und herkömmliche Prämienmodelle liegenteilweise um Faktor 3 auseinander!

Siehe Vortrag Ralf Sabrowski

3434

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Die Ungerechtigkeit herkömmlicher Prämien:

60% der Kunden zahlen relativ zu viel.

Nur 40% eher risikobereite Kundenzahlen zu wenig, zum Teil viel zuwenig. Diese können identifiziert werden.

Risiko/Prämie

Wah

rsch

einl

ichk

eit

Verhältnis des mit NeuroBayes errechneten Risikos zu einerherkömmlich bestimmten Prämie (auf Mittelwert 1 normiert):

3535

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Neue Prämie Version I:

Gesamtprämienvolumenkonstant:

60% der Kunden zahlenweniger als bisher

40% zahlen mehr

3636

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Neue Prämie Version II:

Anhebung derPrämien im neuen Tarifum 10% hat praktischkeine Konsequenzen:

50% der Kunden zahlenweniger als bisher

50% zahlen mehr

ABER 10% MEHR EINNAHMEN! >ENTSCHEIDEND FÜR DIE RENTABILITÄT !

3737

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Was bietet ?

> Projekte Anbindung an Kunden-Datenbank, Statistische Analyse, NeuroBayes- TrainingQualitative Erkenntnisse, Quantitative Prognosen für jeden KundenExpert-Software-Erstellung und Installation beim Kunden

> NeuroBayes®- Lizenzen erlauben eigene Projekte mit Teacher und ExpertDer Turbo für Ihre Statistik-/ Data Mining-Abteilung

> Consulting, Beratung, SchulungNeuroBayes, statistische Methoden, Regularisierung, Datenbankdesign, Hardwareberatung, Softwareberatung etc.

3838

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Referenzen > Projekte

BGV Badische Versicherungendm-drogerie markt

> PilotprojekteSchwäbisch Hall Otto-Versand

> NeuroBayes®- Lizenzen CETA, Universität KarlsruheFermi National Accelerator Laboratory (USA) Thyssen-KruppVersicherungskammer BayernAtonce Capital Management, Schweiz

3939

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Zusammenfassung I

bietet mit NeuroBayes® wichtigen Technologietransferaus Grundlagenforschung in die Wirtschaft, insbesondere imVersicherungswesen.

Alle bisherigen Projekte sehr erfolgreich.Erstaunliche Erkenntnisgewinne in jedem Projekt.Eigene Erwartungen und die des Kunden weit übertroffen.

Kenntnisgewinn durch bietet solide Basis für fundierte und profitable Entscheidungen zur Geschäftspolitik.

4040

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Zusammenfassung II

Im harten Konkurrenz- und ruinösen Preiskampf auf dem Kfz-Versicherungsmarkt gilt: Wissen ist Macht.

Optimierung strategischer Entscheidungen

Wettbewerbsvorteil: Agieren statt reagieren

Nicht nur Überleben sichern

Profitabilität für Versicherung UND der Majorität derKunden steigern

Neue Kunden gewinnen

4141

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Die Produkte und Leistungen

< phi-t > finance< phi-t > assurance< phi-t > pharmacy< phi-t > medicine< phi-t > science

< phi-t > data management< phi-t > data consult< phi-t > statistics training

www.phi-t.de

4242

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Kontakt und Impressum

Phi-T Physics Information Fon +49 721 93381-50Technologies GmbH Fax +49 721 93381-59

76139 Karlsruhe info@phi-t.deKarlsruher Str. 88 www.phi-t.de

Geschäftsführer:Dipl. Phys. Jochen BossertDr. rer. nat. Dipl. Phys. Andreas Heiss

Wissenschaftlicher Beirat:Prof. Dr. rer. nat. Michael Feindt HRB 10079 Karlsruhe

4343

Ziele f(t|x) Beispiele Prinzip Funktion Konkurrenz Forschung SpielIdee NeuroBayes A BHintergrund Anwendung Beispiel Projekt l Projekt llHistorie AblaufStart Idee Summary A

Prof. Dr. M. Feindt Mod. math. Methoden für die Kfz-Versicherung 2. MCC-Kongress 15./16. 2. 2006

NeuroBayes

Phi-T Physics Information Fon +49 721 93381-50Technologies GmbH Fax +49 721 93381-59

76139 Karlsruhe info@phi-t.deKarlsruher Str. 88 www.phi-t.de

Geschäftsführer:Dipl. Phys. Jochen BossertDr. rer. nat. Dipl. Phys. Andreas Heiss

Wissenschaftlicher Beirat:Prof. Dr. rer. nat. Michael Feindt HRB 10079 Karlsruhe

Kontakt und Impressum