Laufende Antrags-Forschungsprojekte – Modul 1

 

1. Projekttitel: Versicherungsvertragsrecht der Gruppenversicherung

Antragsteller: Prof. Dr. Manfred Wandt, Goethe Universität Frankfurt am Main

Abstract / Ziel des Projekts:

Ziel des Forschungsprojektes »Versicherungsvertragsrecht der Gruppenversicherung« ist die Erarbeitung eines in sich geschlossenen, umfassenden und konsistenten Regelungssystems für das Vertragsrecht der Gruppenversicherung. Dem deutschen VVG fehlt ein entsprechendes Regelungssystem, obwohl das Gesetz 2008 grundlegend reformiert worden ist. Es finden sich bislang lediglich vier einschlägige Regelungen, nämlich § 150 Abs. 2 und § 166 Abs. 4 zur Kollektivlebensversicherung im Bereich der betrieblichen Altersversorgung sowie § 206 und § 207 zur Gruppen-Krankenversicherung (zu den am 23.2.2018 in Kraft tretenden §§ 7a Abs. 5 und 7d VVG zur Restschuld-Gruppenversicherung s. am Ende diese Abschnitts).

Andere europäische Rechtsordnungen wie Frankreich und die skandinavischen Staaten haben diesen defizitären Bereich des Versicherungsvertragsrechts bereits seit längerem geschlossen oder wie das Vereinigte Königreich vor kurzem. Die esetzgeberische Vernachlässigung des Vertragsrechts der Gruppenversicherung steht in deutlichem Kontrast zur wirtschaftlichen Bedeutung. Gruppenversicherungen haben eine enorme wirtschaftliche Bedeutung. Dies gilt vor allem für die Lebensversicherung. Im Rahmen der betrieblichen Altersversorgung werden beispielsweise in Deutschland ca. 30 % der Lebensversicherungen als Gruppenversicherung abgeschlossen. Wirtschaftlich bedeutsam sind auch Gruppen-Krankenversicherungen von Arbeitgebern für Arbeitnehmer sowie Gruppenversicherungen von (Berufs-)Verbänden oder Gewerkschaften für ihre Mitglieder (Haftpflicht- und Rechtsschutzversicherung), von Finanzinstituten für Kreditnehmer (Restschuldversicherung) oder Kreditkarteninhabern, von Vereinen für Vereinsmitglieder und von Veranstaltern für Veranstaltungsteilnehmer (insbesondere Unfallversicherung). Auch die D&O-Vermögensschaden-Haftpflichtversicherung für Vorstände und Geschäftsführer von Unternehmen ist Gruppenversicherung. Diskutiert wird aktuell auch die Absicherung des Invaliditätsrisikos von Arbeitnehmern in einer Gruppenversicherung unter der Geltung des reformierten Betriebsrentenstärkungsgesetzes.

 In Deutschland wird die Nichtregelung der Gruppenversicherung im Versicherungsvertragsrecht teilweise durch aufsichtsrechtliche Regulierung zu kompensieren gesucht (vgl. § 144 VAG sowie sektorspezifische Rundschreiben der Aufsichtsbehörde). Die BaFin hat hierzu vor einiger Zeit eine informelle Unternehmensbefragung durchgeführt, um Erfahrungen aus der Unternehmenspraxis hinsichtlich Regelungsdefizite für die Gruppenversicherung zu erfragen. Die aufsichtsrechtlichen Regelungen mit teilweise hohem Detailgrad auch und gerade in der Regelung versicherungsvertragsrechtlicher Fragen führen allerdings leicht zu Friktionen mit dem allgemeinen Vertragsrecht. Im Hinblick auf die notwendige Schaffung versicherungsvertraglicher Regelungen zur Gruppenversicherung sind entsprechende aufsichtsrechtliche Regulierungen nur bedingt hilfreich. Es ist dabei immer im Blick zu behalten, dass das Versicherungsaufsichtsrecht gegenüber dem Versicherungsvertragsrecht eigenständige und weitergehende Ziele verfolgt.

Die dogmatische Verortung und Abgrenzung zu anderen Rechtsinstrumenten erfolgte in Deutschland mangels versicherungsvertraglicher Regelungen bislang vor allem durch die Lehre. Dies ist leider mit einer sehr uneinheitlichen, teilweise verwirrenden Terminologie bzw. Kategorienbildung verbunden (Stichworte insbesondere: Rahmenvertrag, echte und unechte Gruppenversicherung, Gruppenspitze, Gruppenorganisator).

Die am 23.2.2018 in Kraft tretenden §§ 7a Abs. 5 und 7d VVG zur Restschuld-Gruppenversicherung sind spezifische Beispiele für die Notwendigkeit versicherungsvertragsrechtlicher Regelungen. Sie adressieren aber nur den spezifischen Bereich der Rechtsschuld-Gruppenversicherung. In das Gesetz gekommen sind diese Vorschriften ohne dogmatischen Unterbau und wissenschaftliche Grundlegung erst im Laufe des Gesetzgebungsverfahrens aufgrund der Beschlussempfehlung und Bericht des Ausschusses für Wirtschaft und Energie (9. Ausschuss) zu dem Gesetzentwurf der Bundesregierung – Drucksache 18/11627 – Entwurf eines Gesetzes zur Umsetzung der Richtlinie (EU) 2016/97 des Europäischen Parlaments und des Rates vom 20. Januar 2016 über Versicherungsvertrieb und zur Änderung des Außenwirtschaftsgesetzes (vgl. Deutscher Bundestag – 18. Wahlperiode – 53 – Drucksache 18/13009); zu den Gefahren von Gruppenversicherungen im Zusammenhang mit Restschuldversicherung vergleiche auch EIOPA »Report On feedback from National Competent Authorities Regarding EIOPA’s opinion on Payment Protection Insurance«

https://eiopa.europa.eu/Publications/Reports/PPI_follow-up_report_publication.pdf ).

2. Projekttitel: Künstliche Intelligenz und Versicherung

Antragsteller: Prof. Dr. Christian Armbrüster, Freie Universität Berlin

Abstract / Ziel des Projekts:

Kann eine Vertragsschluss- oder Regulierungsentscheidung vollautomatisiert durch den Einsatz künstlicher Intelligenz (im Folgenden: KI) mit rechtlicher Bindungswirkung für den Versicherer erfolgen und unter welchen Voraussetzungen lässt sie sich später, etwas bei einer vom Programmierer, dem Anwender oder von einem Dritten verursachten Fehlfunktion der KI, revozieren oder modifizieren? Ist es rechtlich zulässig, bei der Risikoprüfung Gesundheitsdaten zugrunde zu legen, die mittels KI erstellt worden sind (z.B. Krebsprognose oder -diagnose)? Inwiefern ist ein Haftpflichtversicherer für Schäden leistungspflichtig, die beim Einsatz von KI entstanden sind?

Ziel des Forschungsprojekts ist es, derartige praxisrelevante Rechtsfragen zu klären. Sie ergeben sich einerseits aus dem Einsatz von KI im Versicherungsunternehmen, andererseits aus der Haftung für fehlerhafte KI und die Versicherung dieser Risiken. Bei dem Rahmenthema handelt es sich um einen vielschichtigen Forschungsansatz. Das Spektrum reicht von technischen Grundlagen (etwa Algorithmus-basiertes Machine Learning) über allgemeine bürgerlich-rechtliche Fragestellungen im Zusammenhang mit der Verwendung von KI (Rechtsfähigkeit, Willensbildungsfähigkeit, Irrtumslehre sowie Wissens- und Verhaltenszurechnung), bis hin zu speziellen versicherungsvertragsrechtlichen Themen (Leistungsprüfung und -freigabe durch KI; Haftung und Deckung für ‚Handeln‘ von KI) und Compliance-Aspekten sowie datenschutzrechtlichen Problemstellungen.

 

3. Projekttitel: Theorie und Empirie der Systemrelevanz von Versicherungsunternehmen

Antragsteller: Prof. Dr. Gregor Weiß, Universität Leipzig

Abstract / Ziel des Projekts:
Das geplante Forschungsvorhaben beschäftigt sich mit der theoretischen und empi­rischen Untersuchung systemischer Risiken in der Versicherungswirtschaft. Im Rah­men des geplanten Forschungsvorhabens soll in einem ersten Schritt ein makroöko­nomisches Modell einer Volkswirtschaft mit einem Finanzsektor inklusive Banken und Versicherungen als Intermediären entworfen werden. Ausgangspunkt der theo­retischen Betrachtung ist die Arbeit von De Walque et al. (2010), in der die Autoren ein volkswirtschaftliches Modell mit Banken vorschlagen, in dem eine Instabilität des Finanzsektors durch eine exogene Störung der Finanzintermediation der Banken hervorgerufen und über Feedback-Effekte mit der Realwirtschaft weiter verstärkt werden können. Dieses Modell soll insofern erweitert werden, als dass neben Ban­ken zusätzlich Versicherungen in den Finanzsektor des Modells einbezogen werden. Anschließend sollen die bislang in der empirischen Literatur nur diffus bzw. indirekt angesprochenen möglichen Ursachen und Wirkungskanäle für eine Systemrelevanz von Versicherungen in das Modell integriert werden. Konkret sind dies (u.a.)

die Destabilisierung des Finanzsystems durch einen Versicherer, der Bankgeschäfte anbietet,
Systemrisiken, die durch einen exogenen Schock auf die Anlagewerte von Banken,
Versicherungen bzw. die Anlagen von beiden Gruppen von Unternehmen verursacht werden,
die Insolvenz eines einzelnen Versicherers, die möglicherweise zu einer Destabili­sierung des Versicherungssektors und einem Überspringen der adversen Effekte auf den Bankensektor führt.

Eine Verknüpfung der Theorie mit der Empirie soll auf zweierlei Art erfolgen. Erstens soll das benutzte Modell mit Hilfe realer aggregierter Daten (z.B. Sterbetafeln, Zins­sätzen, Bilanz-, GuV sowie Anleihe-Kennzahlen des Banken- und Versicherungs­sektors) kalibriert werden. Zweitens sollen die aus dem theoretischen Modell abge­leiteten Schlussfolgerungen empirisch überprüft werden. Insbesondere soll ein strukturelles Modell geschätzt werden, mit dem die Auswirkungen eines Preisverfalls der Anlagegüter eines Lebensversicherers auf seine Verbindlichkeiten, seine Aus­fallwahrscheinlichkeit und in Konsequenz auch auf die Stabilität anderer Versiche­rungsunternehmen und des gesamten Finanzsektors untersucht werden können. Durch das geplante Forschungsvorhaben soll eine Reihe wichtiger weiterführender Erkenntnisse sowohl für die Versicherungswirtschaft als auch für Regulierer und Auf­sichtsbehörden gewonnen werden.

4. Projekttitel: Maschinelles Lernen und Preisbildung von alternativen Risikotransferinstrumenten am Primär- und Sekundärmarkt

Antragsteller: Prof. Dr. Marc Gürtler,Technische Universität Braunschweig

Abstract / Ziel des Projekts:

Cat Bonds stellen eine kapitalmarktbasierte Alternative zu konventionellen Rückversicherungsverträgen dar und der zugehörige Markt erfuhr in den vergangenen 20 Jahren seit der Markteinführung ein kontinuierliches Wachstum. Vor diesem Hintergrund entwickelt sich die Preisbildung für dieses strukturierte Finanzprodukt zunehmend zu einem wichtigen Gegenstand versicherungs- und finanzwissenschaftlicher Forschung. Durch die fortwährende Gewinnung neuer Erkenntnisse über die maßgeblichen Einflussfaktoren von Cat-Bond-Risikoprämien in der wissenschaftlichen Literatur konnten in den vergangenen Jahren auch Prognosemodelle zur Vorhersage genannter Risikoprämien stetig verbessert und verfeinert werden. Beobachtete Risikoprämien können auf der Grundlage bekannter Einflussfaktoren bereits mit sehr hoher Güte (In-Sample) erklärt werden. Die Vorhersage (Out-of-Sample-Prognose) dieser Risikoprämien stellt sich jedoch als eine deutlich schwierigere Aufgabe dar. Bei der Out-of-Sample-Prognose müssen sowohl statistisch alsauch ökonomisch signifikante Einflussfaktoren identifiziert werden. Darüber hinaus muss sichergestellt werden, dass die Einflussbeziehungen unter denen das Prognosemodell kalibriert wird über den Prognosehorizont möglichst stabil sind. Ein zusätzliches Risiko bei der Entwicklung von Prognosemodellen besteht in der Modellüberspezifikation mit „zu vielen“ Einflussfaktoren, die letztlich zu einer schlechten Prognosegüte führt. Insgesamt stellt sich daher die Entwicklung eines geeigneten Prognosemodells als vielschichtige wissenschaftliche Problemstellung dar, in deren Rahmen sich insbesondere bei der Spezifikation der Modellparameter sowie der Rahmenbedingungen der Prognose eine hohe Zahl von Freiheitsgraden ergibt. In diesem Zusammenhang stellt sich die Frage, ob „State-of-the-Art“-Modelle zur Prognose von Cat-Bond-Risikoprämien durch die Anwendung geeigneter Verfahren des Maschinellen Lernens hinsichtlich der Prognosegüte maßgeblich verbessert werden können.

Verfahren des Maschinellen Lernens ermöglichen die Schätzung von Cat-Bond-Risikoprämien und können dabei helfen, ein möglichst gut geeignetes Prognosemodell zu entwickeln. Ihr Nutzen ist insbesondere dann hoch, wenn die Modellentwicklung aufgrund der hohen Anzahl möglicher Einflussfaktoren und -beziehungen sowie bei der Modellierung zu setzender Rahmenbedingungen zu einem hochdimensionalen Entscheidungsproblem wird, das durch eine „manuelle“ Modellentwicklung zumindest nicht optimal gelöst werden kann. Maschinelles Lernen umfasst ein breites Spektrum verschiedener Methoden und ermöglicht es, die maßgeblichen Einflussfaktoren auf die Risikoprämie von Cat Bonds zu identifizieren und in geeigneter Form in einem Prognosemodell zu implementieren. Damit bietet Maschinelles Lernen auch eine potentielle Lösung für Probleme wie den sogenannten „Omitted Variable Bias“ oder Verzerrungseffekt, der entsteht, wenn relevante Einflussfaktoren nicht berücksichtigt werden und die Fehlspezifikation der funktionalen Form von Modellvariablen. Auf der Grundlage eines Vergleichs bisher entwickelter Prognosemodelle für Cat-Bond-Risikoprämien mit Prognosemodellen, die auf Verfahren des Maschinellen Lernens basieren, wäre es möglich, (1) das Verbesserungspotenzial durch Maschinelles Lernen im Bereich der Preisbildung von Cat Bonds abzuschätzen und (2) Handlungsempfehlungen bezüglich der Anwendung von Verfahren des Maschinellen Lernens auf Fragestellungen der Preisbildung am Kapitalmarkt im Allgemeinen abzuleiten.

Durch die konkrete Anwendung von Verfahren des Maschinellen Lernens entstehen Anknüpfungspunkte zu den Themen
„Big Data“ und „Künstliche Intelligenz“, die im Schwerpunktbereich „Digitalisierung und Versicherungsmärkte“ verortet sind. Darüber hinaus hat das Anwendungsgebiet Cat Bonds eine hohe praktische Relevanz, denn Cat Bonds gelten als innovative Instrumente zur Steigerung der Versicherbarkeit von extremen Risiken, was insbesondere vor dem Hintergrund des Klimawandels
zunehmend an Bedeutung gewinnt. Konkret sollen im Rahmen einer empirischen Untersuchung der Cat-Bond-Primär- und Sekundärmarktpreise folgende Projekte umgesetzt werden:

1. Robuste Spezifikationsstrategien für die Prognose von Cat-Bond-Risikoprämien am Primärmarkt: Verfahren der Regressionsanalyse und des Maschinellen Lernens im Vergleich;
2. Einsatz von Verfahren des Maschinellen Lernens zur Prognose von Cat-Bond-Risikoprämien am Sekundärmarkt.

Die zwei aufgeführten Projekte betreffen Erkenntnisfelder, die sowohl für die versicherungswissenschaftliche Forschung auf dem Feld der Preisbildung für kapitalmarktbasierte Versicherungsinstrumente als auch für die Versicherungspraxis erhebliche Relevanz besitzen. Durch den Vergleich und die Gegenüberstellung bestehender Modelle zur Bestimmung von Cat-Bond-Risikoprämien soll das Verständnis der maßgeblichen Preisdeterminanten am Cat-Bond-Markt verbessert werden. Darüber hinaus handelt es sich bei Maschinellem Lernen um ein sowohl in wissenschaftlichen als auch praktischen Anwendungskontexten intensiv diskutiertes Thema. Oft ist in diesem Zusammenhang unklar, ob und unter welchen Voraussetzungen sich Maschinelles Lernen gegenüber
traditionellen Modellierungsansätzen als vorteilhaft erweisen kann. Das vorgeschlagene Forschungsvorhaben soll daher einen Beitrag dazu leisten, das Potential von Verfahren des Maschinellen Lernens auf dem Anwendungsfeld der Preisbildung von Cat Bonds realistisch einzuschätzen. Die aus der Analyse resultierenden Erkenntnisse können schließlich auch auf andere Anwendungsfelder übertragen werden.

5. Projekttitel: On the investment strategies in occupational pension plans

Antragstellende: Prof. Mitja Stadje und Prof. Dr. An Chen 

Abstract / Ziel des Projekts:
In the last decades, most industrial countries have experienced the conversion of traditionally Defined Benefit (DB) plans, which take for instance into account years of service for the employer, to so called defined contribution (DC) plans. According to the new law of occupational pension plans (Betriebsrentenstärkungsgesetz), a new occupational pension plan was introduced and implemented in 2018 in which the so-called “Zielrente” will potentially play an important role for the German pension system. This newly proposed Zielrente can be considered a special form of a hybrid pension plan between DB and DC, which does not aim to transfer all the risks to the pension beneficiaries, but instead rather aims to balance the risk sharing between employers and employees and between different generations. In this context we want to study so called target date funds (TDFs) which are widely used to manage the investment risk for the individual retirement accounts in the US.

TDFs are investment funds with a pre-specified maturity (target date).The main mechanism behind these TDFs is that those who retire later shall invest more in equity while those who retire earlier shall invest less in equity. In other words, equity holdings in TDFs shall decrease in age. Therefore, TDFs are usually identified by practitioners with “glide paths”, i.e., a decreasing curve of the equity holding (as a fraction of wealth) over time.

In the project the question will be asked whether the TDF introduced above is a reasonable choice for the individual (and the collective) account in the current low interest rate environment and can therefore potentially be used in the German market. We aim to find the optimal investment strategy for each pension beneficiary with a different risk aversion level and a different income level (leading to different contributions to the pension fund) in a realistic financial market setting. A main question will be if the optimal strategy coincides with the standard glide paths identified with a standard TDF or if different TDFs should allow for different glide paths.

6. Projekttitel: DIN-Norm konformer Versicherungsvertrieb mittels Website

Antragsteller: Prof. Dr. Peter Reiff, Universiät Trier

Abstract / Ziel des Projekts:

 Das Projekt hat zum Ziel, überzeugende Antworten auf die durch die aktuelle Gesetzgebungs- und Normungsakte (IDD-Richtlinie, deren Umsetzung, DIN 77230) entstandenen neuen Fragen zum Onlineversicherungsvertrieb zu finden. Die aufgeworfenen Probleme, die für den Wissenschafter herausfordernd und für den Praktiker bedeutsam sind, sollen geklärt und rechtssicher beantwortet werden. Mit der Analyse zu DIN 77230 sollen zudem Antworten auf neue und in Zukunft vermehrt auftretende Fragen gefunden werden, die auch den herkömmlichen Vertrieb von Versicherungen betreffen.

 

7. Projekttitel: Versicherung und Handel von Katastrophenrisiken: Einflussfaktoren, Preisbildung und Renditeanomalien auf dem Sekundärmarkt für Cat Bonds

Antragsteller: Prof. Dr. Martin Hibbeln, Universität Duisburg-Essen

Abstract / Ziel des Projekts:

Der (Rück-)Versicherungsmarkt hat nur eine begrenzte Kapazität zur Abdeckung von Extremereignissen. Als Alternative eignen sich Katastrophenanleihen (engl.: Catastrophe Bonds, „Cat Bonds“) zum Transfer von Katastrophenrisiken auf den Kapitalmarkt, sodass Investoren einen Großteil der finanziellen Risiken übernehmen (und hierfür Kuponzahlungen erhalten). Ein wesentliches Merkmal ist hierbei die Handelbarkeit der Risiken auf dem Sekundärmarkt. In diesem Kontext ist es überraschend, dass die Forschung bisher fast ausschließlich auf den Primärmarkt bezogen ist, wohingegen der Sekundärmarkthandel von Cat Bonds weitgehend unerforscht bleibt. So wird in der wissenschaftlichen Literatur bislang ignoriert, dass Cat Bonds einer ausgeprägten Saisonalität unterliegen, die elementar für ihre Bepreisung ist.

 Basierend auf einer neuen Methodik für die Berücksichtigung von saisonalen Schwankungen von Cat Bonds können neue Erklärungs- und Prognosemodelle erstellt werden. Durch die Nutzung von Sekundärmarktdaten unter Verwendung dieser Methodik findet eine Vervielfachung der nutzbaren Daten statt. Auf dieser Basis kann zum einen eine Verifizierung und Erweiterung von Erklärungsmodellen von Cat Bond Spreads erfolgen. Zum anderen erlaubt die Analyse von Renditen auf dem Sekundärmarkt ein besseres Verständnis der Preisbildung von Cat Bonds, was Versicherungen insbesondere bei Neuemissionen unterstützt. Die Ergebnisse tra-gen somit insgesamt zu einem besseren Verständnis des Cat Bond Markts und zu einer Steigerung der Markteffizienz bei.

8. Projekttitel: Hier könnte Ihr Projekttitel stehen………….

Antragsteller: 

Abstract / Ziel des Projekts:

 

 

 

9. Projekttitel: Stichtag immer am 30. Juni für Modul 1!

Antragsteller:

Abstract / Ziel des Projekts:

Weitere Projekte wurden bereits genehmigt

Sobald der Projektstart vorliegt, werden diese hier veröffentlicht.

Q

Wir sind für Sie da!

Unsere Geschäftsstelle und die Bibliothek sind für die Öffentlichkeit bis auf Weiteres geschlossen. Dennoch sind wir selbstverständlich für unsere Mitglieder und ihre Anliegen da. Zum Schutz unserer Mitarbeiter*innen arbeiten wir verstärkt im Homeoffice und sind daher per E-Mail zu erreichen. Bitte nutzen Sie unser Kontaktformular.

Wir danken Ihnen für Ihr Verständnis. Bleiben Sie gesund!

Q