Ein praktischer Ansatz für das End-to-End-Solvency-II-Reporting in Databricks

Die Solvency II-Berichterstattung ist nicht nur eine regulatorische Einreichung. Sie ist ein Geschäftsprozess, der Daten, Modelle, Kontrollen, Genehmigungen und Erläuterungen im gesamten Versicherungsunternehmen miteinander verbindet.

Solvency II ist das risikobasierte Regelwerk der EU für Versicherungskapital, Governance und Offenlegung (im Vereinigten Königreich als Solvency UK beibehalten). Es verpflichtet Versicherer, ihre Finanzlage anhand von Daten, Modellen, Kontrollen, Genehmigungen, der unternehmenseigenen Risiko- und Solvabilitätsbeurteilung (ORSA) und aufsichtsrechtlichen Offenlegungen zu bewerten und zu kommunizieren, um nachzuweisen, dass sie ihre Verpflichtungen gegenüber den Versicherungsnehmern erfüllen können.

In der Praxis ist die Solvency II-Berichterstattung ein End-to-End-Geschäftsprozess, der Datenerfassung, versicherungsmathematische Rückstellungen, Kapitalberechnung, quantitative Berichtsvorlagen (QRTs), die ORSA, Governance-Genehmigungen und Offenlegungen miteinander verbindet – und das alles unter Einhaltung strenger regulatorischer Fristen.

Die Herausforderung besteht darin, dass der Prozess oft über viele Systeme, Teams, Datenquellen und Standorte verteilt ist. Wenn diese Teile nur lose miteinander verbunden sind, ist es schwierig, eine einheitliche, kontrollierte Sicht auf den Berichtszyklus zu behalten oder geschäftliche Fragen zu beantworten, die den gesamten Prozess betreffen.

Eine Databricks-Demo, präsentiert von Laurence Ryszka, Databricks Insurance Sr. Solutions Architect, zeigt, wie dieser Prozess aussehen kann, wenn er End-to-End implementiert wird: von der Datenerfassung und Rückstellungsbildung über die Kapitalberechnung, Berichterstattung und Governance bis hin zur Offenlegung.

Warum die Solvency II-Berichterstattung im Betrieb so komplex ist

Viele Solvency II-Implementierungen sind im Laufe der Zeit historisch gewachsen. Verschiedene Teams verwalten unterschiedliche Teile des Prozesses, Daten gehen mit unterschiedlicher Geschwindigkeit ein und die Berichtsaktivitäten können über mehrere Systeme und Datenspeicherorte verteilt sein. Eine Person, die den Prozess überwacht, trägt möglicherweise die Verantwortung für die endgültige Einreichung, ohne eine einheitliche, vernetzte Sicht auf alle darunter liegenden Abläufe zu haben.

Diese Fragmentierung führt zu spezifischen, wiederkehrenden Problemen:

• Ein Datenfeed kommt verspätet an und erfordert manuelle Nachforschungen, um den Verantwortlichen zu ermitteln und die Auswirkungen zu bewerten
• Eine Datenqualitätsregel schlägt fehl, und für die betroffenen Zeilen muss eine Entscheidung über das weitere Vorgehen getroffen werden, bevor der Workflow fortgesetzt werden kann
• Zwei QRTs lassen sich möglicherweise nicht abstimmen
• Eine Modellfreigabe blockiert möglicherweise einen automatisierten Workflow
• Die Geschäftsführung stellt eine Szenariofrage, zum Beispiel was mit der Solvabilitätsquote passiert, wenn der Versicherer sein Cyber-Portfolio in den nächsten 12 Monaten verdoppelt, und die Beantwortung erfordert das Zusammenspiel von Daten, Modellen, Kapitalberechnungen und Berichtsergebnissen.

Jedes Problem zwingt die Teams zu separaten Untersuchungen und zur Abstimmung über verschiedene Tools hinweg. Die Einreichung erfolgt zwar, aber der Prozess erfordert erheblichen Aufwand und bleibt schwer zu überwachen.

Wie Databricks die End-to-End-Berichterstattung für Solvency II unterstützt

Databricks bietet eine einzige Plattform, auf der der gesamte Solvency II-Berichtszyklus als ein einziger, kontrollierter Workflow implementiert werden kann. Dieser Ansatz umfasst Datenerfassung, Qualitätsprüfungen, versicherungsmathematische Rückstellungen, Kapitalberechnung, QRT-Erstellung, ORSA-Entwurf, Governance und Offenlegung.

Dies ist keine Entweder-Oder-Entscheidung. Die meisten Versicherer nutzen etablierte Systeme für die versicherungsmathematische und Kapitalmodellierung, und diese Systeme bleiben bestehen. Databricks fungiert als kontrollierte Daten-, Orchestrierungs- und Berichtsebene um sie herum: Es bereitet deren Inputs vor, verarbeitet deren Outputs und verbindet beide zu einem einzigen, überwachten Prozess.

Die folgenden Abschnitte beschreiben, wie die einzelnen Teile dieses Workflows funktionieren.

Eine zentrale Kontrollansicht für den Berichtszyklus

Im Mittelpunkt des Workflows steht ein Control Tower. Er bietet einen zentralen Ort zur Überwachung der aktuellen Solvabilitätsquote, der Bereitschaft für die Berichtsfrist, von Genehmigungen, verspäteten Feeds und offenen Fragen. Änderungen der Quote können zudem mit dem entsprechenden Ereignis gekennzeichnet werden. So verstehen die Nutzer, was sich verändert hat, anstatt nur zu sehen, dass sich die Zahl verschoben hat.

Diese Ansicht verändert das Betriebsmodell: Statt Updates bei verschiedenen Teams einzufordern, arbeiten alle auf Basis eines gemeinsamen Prozessbildes. Ein verspäteter Feed kann direkt dem Verantwortlichen zugeordnet werden. Ein Genehmigungsengpass kann direkt beim betroffenen Workflow angezeigt werden. Ein Berichtsproblem kann an derselben Stelle untersucht werden, an der auch die allgemeine Bereitschaft überwacht wird.

Automatisierte Erfassungsprüfungen und Datenqualitätskontrollen

Die Datenerfassung im Workflow erfolgt automatisiert. Daten werden abgerufen, sobald sie verfügbar sind, und sofort überprüft.

Die ersten Prüfungen betreffen grundlegende betriebliche Signale wie Aktualität, Vollständigkeit und Verantwortlichkeit. Die Aktualität zeigt, ob ein Feed zum erwarteten Zeitpunkt eingetroffen ist. Die Vollständigkeit stellt sicher, dass die erwarteten Datensätze und Felder vorhanden sind, wobei die Datenmengen mit früheren Uploads abgeglichen werden. Die Verantwortlichkeit macht deutlich, wer für eine Quelle zuständig ist, wenn Rückfragen erforderlich sind.

Datenqualitätsregeln bieten eine weitere Schutzlinie. Die Prüfungen sind anpassbar, und eine fehlgeschlagene Regel kann zur Überprüfung gemeldet werden. Die Teams können dann auf der Grundlage von Schwellenwerten, die zu ihrem Prozess passen, entscheiden, wie mit den betroffenen Zeilen verfahren werden soll – beispielsweise, ob sie akzeptiert, verworfen oder unter Quarantäne gestellt werden.

Der Workflow unterstützt auch den Abgleich zwischen QRTs. In der Demo überprüft ein AI-Agent eine Abweichung zwischen zwei Vorlagen und führt sie auf veraltete Immobilienentwicklungsfaktoren zurück, die aus dem Rückstellungs-Feed in die Kapitalberechnung einfließen. Anschließend schlägt er einen Behebungsweg vor. Der entscheidende Punkt ist nicht, dass ein Agent die menschliche Überprüfung ersetzt, sondern dass der Agent sich auf ein spezifisches Problem konzentrieren und dem Prüfer als nützliches zweites Augenpaar dienen kann.

Modellverwaltung, Genehmigungen und Audit-Trails

Die Solvency II-Berichterstattung hängt von mehr als nur Datenbewegungen ab. Sie basiert auch auf Modellen, Genehmigungen und dem Nachweis, dass der Prozess korrekt durchgeführt wurde.

Die Demo umfasst Rückstellungsmodelle, die in Databricks mit MLflow verwaltet werden. Sie zeigt auch, wie etablierte Systeme für die versicherungsmathematische und Kapitalmodellierung – wie Prophet, RAFM oder Igloo – im selben Workflow orchestriert werden können: Databricks bereitet die Daten vor, die diese Engines verarbeiten, erfasst und kontrolliert deren Outputs und leitet die Ergebnisse an die Berichterstattung weiter. Die Modellierungs-Engines bleiben, wo sie sind; der Workflow um sie herum wird vernetzt und überwacht. Wenn ein neues Rückstellungsmodell oder eine neue Kalibrierung zur Genehmigung ansteht, zeigt der Workflow das Hindernis und die erforderliche Aktion an, um fortzufahren.

Über den gesamten Prozess hinweg werden Governance-Ereignisse aufgezeichnet, einschließlich Freigaben, Genehmigungen und berichtsbezogener Aktivitäten. Der Audit-Trail bietet Nutzern eine Übersicht darüber, was passiert ist, was noch aussteht und welche Workflows Aufmerksamkeit erfordern.

Die Demo beinhaltet auch AI-Governance. Die Agenten haben einen eng umgrenzten Aufgabenbereich und Zugriff auf die für ihre Aufgaben relevanten Daten. Ihre Aktivitäten werden aufgezeichnet, einschließlich der von ihnen genutzten und erstellten Daten. Die Agenten geben Empfehlungen ab; sie treffen keine Entscheidungen im Namen des Prüfers.

Ein AI-Orchestrierungsagent kann eine weiter gefasste Frage an die relevanten Agenten weiterleiten. Beispielsweise kann eine Frage dazu, was für einen Quartalsabschluss noch aussteht, an die Agenten gerichtet werden, die über die entsprechenden Informationen verfügen. Genie, die intuitive Benutzeroberfläche von Databricks zur Datenabfrage in natürlicher Sprache, kann ebenfalls genutzt werden, um Fragen direkt an die zugrunde liegenden Tabellen zu stellen.

ORSA-Entwurf und Szenarioanalyse

Der Berichts-Workflow kann auch narrative Erläuterungen und Szenarioanalysen unterstützen.

Die ORSA unterscheidet sich von einer numerischen QRT. Es handelt sich um einen fortlaufenden Prozess, bei dem ein Versicherer seinen gesamten Solvabilitätsbedarf und sein Risikoprofil bewertet. Das Ergebnis ist ein narrativer Bericht, der in der Regel erhebliche Zuarbeit von den Aktuar- und Risikoteams erfordert. In der Demo erstellt ein Large Language Model (LLM) auf Basis der aktuellen Zahlen einen Entwurf des ORSA-Berichts. Dies bietet dem Team einen Ausgangspunkt, der anschließend von diesen Teams überprüft und hinterfragt wird. Der Workflow umfasst auch Stress- und Szenariotests.

Das Beispiel des Cyber-Portfolios zeigt, wie dies eine praktische geschäftliche Fragestellung unterstützen kann. Das Szenario führt eine Projektion in Databricks aus und liefert eine Antwort darauf, was passieren könnte, wenn sich das Cyber-Portfolio in den nächsten 12 Monaten verdoppelt. Ein zweiter AI-Agent fungiert als kritischer Kapitalprüfer, der eine alternative Sicht auf das Ergebnis bietet und Herausforderungen aufzeigt, die allein anhand der Solvabilitätsquote möglicherweise nicht erkennbar sind.

Dies ist der Unterschied zwischen reinen Berichtsdaten und einem operativen Berichtsprozess. Derselbe kontrollierte Workflow, der die Ergebnisse für die Einreichung generiert, kann den Teams auch dabei helfen, zu untersuchen, was diese Ergebnisse unter einem anderen Szenario bedeuten würden.

Was sich durch einen End-to-End-Ansatz ändert

Eine End-to-End-Implementierung macht regulatorische Expertise, versicherungsmathematische Prüfungen oder geschäftliche Eigenverantwortung nicht überflüssig. Sie bietet diesen Teams lediglich eine vernetztere Art der Zusammenarbeit.

Mit einer einzigen Kontrollansicht können Teams den Status des Prozesses einsehen, einschließlich verspäteter Feeds, Datenqualitätsproblemen, Freigaben und Blockern. Dank automatisierter Prüfungen und Abstimmungsunterstützung können sie schneller von einer Warnmeldung zu einer Erklärung gelangen. Durch Governance und Audit-Trails behalten sie die volle Transparenz über die Aktionen und Empfehlungen, die den Prozess geprägt haben.

Das Ergebnis ist ein Workflow, der einfacher zu überwachen und zu untersuchen ist und gleichzeitig Fragen unterstützt, die über die eigentliche Einreichung hinausgehen. Anstatt Solvency II als eine Sammlung voneinander unabhängiger Aufgaben zu betrachten, können Versicherer es als einen einzigen, gesteuerten Geschäftsprozess verwalten.

Vom Berichtsaufwand zur Unterstützung von Geschäftsentscheidungen

Solvency II führt Daten, Modelle, Kontrollen, Freigaben und Offenlegungen zusammen. Wenn diese Elemente fragmentiert sind, kann selbst eine einfache Frage, wie etwa die Auswirkung der Verdoppelung eines Cyber-Portfolios (das Cyber-Versicherungsportfolio eines Versicherers), eine umfassende Abstimmung erfordern.

Ein vernetzter Workflow in Databricks kann diese Aktivitäten in einem einzigen Prozess zusammenführen: automatisierte Erfassungsprüfungen, eine Kontrollansicht für Bereitschaft und Blocker, gesteuerte Freigaben, Audit-Trails und AI-gestützte Überprüfungen. Dies ersetzt nicht die regulatorische oder versicherungsmathematische Expertise. Es bietet diesen Teams eine klarere Sicht auf den Prozess und eine solidere Grundlage für die Untersuchung von Geschäftsszenarien.

Sehen Sie sich die vollständige Demo und den Experten-Deep-Dive von unserem Insurance Virtual Industry Forum – Von Daten zu Entscheidungen: Wie führende Versicherer AI über die gesamte Wertschöpfungskette hinweg skalieren an.

Häufig gestellte Fragen

Was ist die Solvency II-Berichterstattung?

Die Solvency II-Berichterstattung ist der Prozess, mit dem Versicherer gegenüber den Aufsichtsbehörden nachweisen, dass sie über ausreichend Kapital verfügen und Risiken angemessen verwalten. Sie umfasst quantitative Meldungen (QRTs), den ORSA und die Offenlegung gegenüber der Öffentlichkeit, unterstützt durch gesteuerte Daten, Modelle und Freigaben.

Was umfasst die End-to-End-Solvency II-Berichterstattung?

Die End-to-End-Solvency II-Berichterstattung verbindet Datenerfassung, Qualitätsprüfungen, Reservierung, Kapitalberechnung, QRTs, den ORSA, Governance, Freigaben und Offenlegung, sodass Versicherer die Bereitschaft überwachen und Probleme untersuchen können.

Wie kann Databricks die Solvency II-Berichterstattung unterstützen?

Databricks bietet eine einheitliche Plattform für den gesamten Solvency II-Berichtszyklus. Databricks kann eine gesteuerte Kontrollansicht für Solvabilitätskoeffizienten, verspätete Feeds, Datenqualitätsprobleme, Freigaben, Fristen, Modell-Workflows und Audit-Trails bereitstellen.

Wie kann AI bei der Solvency II-Berichterstattung helfen?

AI kann Abstimmungsprobleme erkennen, Abhilfemaßnahmen vorschlagen, Entwürfe für ORSA-Berichtsinhalte erstellen und Fragen zu den Berichtsdaten beantworten. Versicherungsmathematische, regulatorische und geschäftliche Prüfer bleiben für Entscheidungen und Freigaben verantwortlich.

Können Solvency II-Daten Szenarioanalysen unterstützen?

Ja. Versicherer können Berichtsdaten und Kapitalberechnungen nutzen, um Szenarien wie die Verdoppelung eines Cyber-Portfolios zu bewerten und potenzielle Auswirkungen auf die Solvabilitätsquote im Rahmen eines gesteuerten Prozesses zu analysieren.

Ersetzt Databricks versicherungsmathematische Modellierungssysteme wie Prophet, RAFM oder Igloo?

Nein, Databricks ersetzt Prophet, RAFM oder Igloo nicht. Databricks orchestriert bestehende versicherungsmathematische und Kapitalmodellierungs-Suites, anstatt sie zu ersetzen. Es bereitet die Daten vor, die diese Engines verwenden, übernimmt und steuert deren Ergebnisse und verbindet sie zu einem einzigen End-to-End-Berichts-Workflow mit gemeinsamen Kontrollen, Freigaben und Audit-Trails.

Was ist ein QRT bei Solvency II?

Ein QRT (Quantitative Reporting Template) ist ein standardisiertes Datenformular, das Versicherer gemäß Solvency II an die Aufsichtsbehörden übermitteln. QRTs decken Bilanz-, Kapital-, Prämien-, Schaden- und andere Finanzdaten ab. Die Abstimmung zwischen QRTs ist eine häufige Quelle für Berichterstattungsprobleme. Der Databricks-Workflow unterstützt automatisierte Abstimmungsprüfungen und die AI-gestützte Überprüfung von Abweichungen.

Was ist der ORSA bei Solvency II?

Der ORSA (Own Risk and Solvency Assessment) ist ein im Rahmen von Solvency II vorgeschriebener, fortlaufender Prozess, bei dem Versicherer ihren gesamten Solvabilitätsbedarf, ihr Risikoprofil und die Einhaltung der Kapitalanforderungen bewerten. Das Ergebnis ist ein narrativer Bericht, der sich von den numerischen QRTs unterscheidet und in der Regel erhebliche versicherungsmathematische und risikobezogene Beiträge erfordert. Databricks unterstützt die ORSA-Erstellung mit einem LLM, das auf der Grundlage aktueller Berichtsdaten einen ersten Entwurf generiert, der von diesen Teams überprüft werden kann.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag