Sie wissen, wie die Maschine rechnet
Sorgen international für Aufsehen: Christian Lorentzen und Michael Mayer haben ein Tutorial entwickelt, das zeigt, wie sich mit Künstlicher Intelligenz berechnete Versicherungsprämien erklären lassen.

Sie können erklären, wie die Maschine rechnet: die Aktuare Michael Mayer (links) und Christian Lorentzen. Bild: Remo Ubezio
Michael Mayer arbeitet im mathematischen Bereich der Mobiliar, dem Aktuariat. Als Aktuar berechnet er mit statistischen Modellen zum Beispiel risikogerechte Prämien für Autoversicherungen. So wie es viele seiner Vorgänger auch getan haben. Immer mehr werden Aktuare aber auch Datenwissenschaftler: Mayer lässt heute auch die Maschine rechnen. Sie entdeckt in den Datensätzen der Autoversicherung Zusammenhänge, die ihm als Menschen verborgen bleiben. Maschinelles Lernen und Künstliche Intelligenz erobern zunehmend die Versicherungen.
Ohne Transparenz keine brauchbaren Ergebnisse
Die Herausforderung: Bisher war nicht nachvollziehbar, wie die Maschine – zum Beispiel ein neuronales Netz – zu ihren Ergebnissen kommt. «Sie können damit nicht interpretiert werden», sagt Aktuar Christian Lorentzen. «Wir wollen die Ergebnisse unserer Vorhersagemodelle verstehen und sie gegenüber dem Management und den Kundinnen und Kunden erklären können. Ohne diese Transparenz könnten wir Verfahren wie neuronale Netze nicht verwenden.»
Christian Lorentzen und Michael Mayer wollen daher aufklären. Mit ihrem Tutorial zur Interpretierbarkeit des maschinellen Lernens im Versicherungswesen zeigen sie auf, wie eine Prämie für die Autoversicherung mithilfe von Algorithmen korrekt bestimmt wird. Dank ihrer Gebrauchsanleitung lassen sich Ergebnisse aus dem maschinellen Lernen interpretieren, erklären und Fehlschlüsse vermeiden.
Dient weltweit als Referenz
Veröffentlicht hat das wissenschaftliche Werk die Fachgruppe «Data Science» der Schweizerischen Aktuarvereinigung SAV. Sie will mit solchen Tutorials Aktuaren, Datenwissenschaftlern und weiteren Interessierten Grundlagen für die Anwendung von maschinellem Lernen in der Praxis vermitteln. Jürg Schelldorfer, Leiter dieser Fachgruppe und Data Scientist bei Swiss Re, ordnet die Arbeit von Christian Lorentzen und Michael Mayer ein: «Der Beitrag ist der erste weltweit, welcher Versicherungsmathematikern dieses Thema anschaulich und leicht verständlich aufzeigt. Er dient nun als Referenz.»
An weiteren Tutorials der Fachgruppe der SAV zu neuronalen Netzen oder «Natural Language Processing» sind auch Forscherinnen und Forscher des Mobiliar Lab für Analytik an der ETH Zürich beteiligt. Das Lab besteht seit 2013 und wird gemeinsam von der ETH Zürich und der Mobiliar als Teil des Gesellschaftsengagement der Mobiliar getragen. Es forscht rund um das Thema verantwortungsvolle digitale Interaktionen.