Wie generative KI die Katastrophenmodellierung der Versicherer umkrempelt

Ein Bericht der Financial Times zeigt, wie generative KI diese Grenze gerade verschiebt. Modellierer wie Fathom, eine Tochter des Rückversicherers Swiss Re, nutzen Diffusionsmodelle, um synthetisch Zehntausende Jahre an Wetterereignissen für ein prognostiziertes Klima im Jahr 2030 zu erzeugen. Fathom trainierte sein Diffusionswerkzeug zunächst auf rund 1.000 Jahren bestehender Klimasimulationen und ließ es anschließend weit mehr Szenarien erzeugen, als das ursprüngliche Klimamodell hervorbringen konnte. Ein zweites, bildschärfendes Modell verfeinert die zunächst grobe Auflösung von 100 × 100 Kilometern auf 10 × 10 Kilometer, was für die Erfassung von Niederschlagsmustern brauchbar ist. "KI hat völlig neu definiert, was möglich ist", sagt Fathoms wissenschaftlicher Leiter Oliver Wing.

Konkurrent Verisk modelliert mit generativer KI extremen Wind und Regen jetzt gemeinsam statt nacheinander. Forschungschef Jay Guin sagt, das Verfahren erfasse die räumliche Variabilität deutlich präziser als klassisches maschinelles Lernen. Moody's RMS setzt KI ein, um Satellitenbilder nach Wildbränden und Hurrikans auszuwerten und versicherte Schäden zu schätzen. Besonders wertvoll sei die Technik bei Tail-Risk-Ereignissen, also seltenen Katastrophen, für die kaum historische Daten existieren, so Firas Saleh, der bei Moody's Flut- und Wildfeuermodelle für Nordamerika verantwortet.

Wie jede Form von generativer KI sind auch in diesem Bereich Halluzinationen ein Problem und Modelle können Ereignisse erzeugen, die zwar plausibel wirken, aber gegen physikalische Grundgesetze verstoßen. "Mit diesen Techniken kann man absoluten Müll halluzinieren", warnt Wing. Laut Swiss Re verursachten Naturkatastrophen 2025 Schäden von 220 Milliarden US-Dollar, von denen nur 107 Milliarden versichert waren.

Genauere Modelle sind nicht im Interesse jedes Versicherers

Dennoch könnten Versicherer dank präziserer Modelle theoretisch auch Regionen wie Bangladesch oder Brasilien abdecken, die große Modellierungsfirmen wegen niedriger Vermögenswerte bisher ausließen. Ob sich die neuen Werkzeuge in den Prämien niederschlagen, ist allerdings offen. Bessere Modelle könnten zeigen, dass die möglichen Schäden höher sind als bisher angenommen, was laut FT größere Kapitalpuffer gegen die extremsten Verluste erfordern könnte.

Ein Modellierer sagt der Zeitung, Versicherer kauften "generell das Modell, das ihnen mehr Geschäft erlaubt, also eine niedrigere Schadensschätzung". Risikoprüfer wollten schlicht mehr Policen schreiben. Genauere Wissenschaft könne damit in Spannung zur Vertriebslogik geraten, selbst wenn die Risikolage objektiv schlechter aussehe, argumentiert die FT.