Munich Re setzt für seine globalen Reporting-Aktivitäten auf ein Enterprise-Data-Warehouse auf der Basis von BW/4HANA. Die neue Technologie und das innovative Datenmodell bringen zukunftsorientierte Impulse, mehr Transparenz und Stabilität in Analysen, gesetzliche Berichtspflichten und Management-Berichte. Basis dafür sind rund sieben Milliarden strukturierte Rückversicherungs-Vertragsdaten.Munich Re setzt für seine globalen Reporting-Aktivitäten auf ein Enterprise-Data-Warehouse auf der Basis von BW/4HANA. Die neue Technologie und das innovative Datenmodell bringen zukunftsorientierte Impulse, mehr Transparenz und Stabilität in Analysen, gesetzliche Berichtspflichten und Management-Berichte. Basis dafür sind rund sieben Milliarden strukturierte Rückversicherungs-Vertragsdaten.

Riesige Datenmengen in den internen IT-Systemen, dazu ein starker digitaler Wandel sind Herausforderungen für die Rückversicherungsbranche. Das gilt auch für Munich Re, die parallel zum neuen Rechnungslegungsstandard IFRS 17 für die Versicherungswirtschaft mit seinen neuen Bilanzierungsregeln die Digitalisierung von Arbeitsprozessen in die Umsetzung bringt. „Wir planen, bezüglich unserer Rückversicherungsdaten in den nächsten Jahren signifikante Effizienzgewinne zu realisieren. Erreichen wollen wir das mit neuen Technologien, die in Verbindung mit einer globalen Governance-Struktur nicht nur die Datengenerierung, sondern auch die Bereitstellung und Verwendung von Informationen besser, schneller und einfacher machen“, fasst Jens Franken, IT Lead Business Intelligence Competence Center bei Munich Re, das Ziel zusammen.

Neues Konzept – neues Datenmodell

Die neuen Technologien wurden notwendig, weil das gewachsene Global-Data-Warehouse den aktuellen Anforderungen des Rückversicherungsgeschäfts mit rund sieben Milliarden Rückversicherungs-Vertragsdaten schlicht nicht mehr gewachsen war. Über viele Jahre wurden individuelle technische Lösungen für verschiedene Fachbereiche gebaut. Mit der Folge, dass Leistungskennzahlen (Key-Performance-Indicator, KPI) uneinheitlich definiert wurden. „Das war einer der Hauptauslöser für uns, ein komplett neues Business-Intelligence (BI)-System aufzusetzen, mit zentralen Systemlogiken und einem integrierten Datenmodell mit einheitlich definierten Attributen und Kennzahlen“, berichtet Oliver Herborn, Senior BI Production Manager bei Munich Re. Ein technisches Upgrade war somit unausweichlich. Das seit 2006 eingesetzte und mittlerweile veraltete Business-Warehouse konnte den aktuellen Business-Anforderungen nicht mehr gerecht werden. Die Lösung fand sich rasch, SAP vollzog den technologischen Wandel auf die BW-on-HANA-Plattform. So konnten 2016 zwei Themen zusammengefasst und in einem Enterprise-Data-Warehouse (EDWH)-Projekt auf der Basis von SAP BW/4HANA umgesetzt werden. Die Kriterien für die Lösung waren von Anfang an klar definiert. „Es sollte ein standardisiertes Data-Warehouse sein, das weltweit einheitlich genutzt werden konnte, um immer auf konsistente und aktuelle Reporting-Daten zugreifen zu können, egal, ob in Europa, Asien oder USA. Dafür bot BW/4HANA die beste Basis“, erinnert sich Jens Franken an die damalige Entscheidung.

Schneller und effektiver analysieren
Jens Franken, IT Lead Business Intelligence Competence Center bei Munich Re

Alles in allem nahm das Reporting-Projekt rund vier Jahre in Anspruch. Das hatte seine Gründe. „Das BW/4HANA-System war zum Zeitpunkt des Projektstarts noch nicht ganz ausgereift. Dadurch sind wir quasi gemeinsam mit der Technologie gewachsen“, erläutert Oliver Herborn. Außerdem kam die HANA-Datenbank – entgegen den ersten Versprechungen von SAP – durch das enorme Datenvolumen schnell an ihre Grenzen. Folglich mussten Konzepte zum Persistenz-Management und zur Orchestrierung des ETL-Prozesses (Extract, Transform, Load; siehe Glossar unten) implementiert werden. Diese Optimierung wurde von SAP und Munich Re gemeinsam entwickelt. Aber auch fachlich gab es viel zu tun. „Wir hatten das Ziel, redundante Logiken und Berechnungen aus den Reports zentral in das neue Datenmodell zu integrieren. Auch haben sich die Geschäftsanforderungen in den vergangenen 14 Jahren deutlich verändert. Folglich musste im neuen Datenmodell auch vieles anders umgesetzt werden“, ergänzt Jens Franken. So war aufgrund regulatorischer Anforderungen z.B . eine höhere Datengranularität gefordert. Außerdem eine flexiblere Profitabilitätsanalyse, wie z. B. bei der internen Steuerung, um dort u. a. durch explorative Analysen Zusammenhänge zwischen scheinbar ungleichen Daten ermitteln zu können oder Self-Service-Reporting zu ermöglichen. Unabhängig davon waren die Erwartungen an das neue Enterprise-Data-Warehouse klar: schneller und effektiver die Profitabilität von Munich Re zu analysieren. Dazu gehören vierteljährliche Abschlüsse, die komplette Rechnungslegung in der Rückversicherung sowie Statistik- und Pricing-Daten mit einer Historienbetrachtung über alle Vertragsjahre (über 60 Jahre) für Schadensbewertungen sowie Vertrags- und Erneuerungsverhandlungen in der Rückversicherung.

Munich Re

Munich Re mit Sitz in München hat 141 Jahre Erfahrung im Management von Risiken und deckt die gesamte Wertschöpfungskette von Rückversicherung, Erst­versicherung und versicherungs­nahen Risikolösungen ab. Sie erzielte 2020 weltweit einen Umsatz von 54,9 Mrd. Euro.

munichre.com

Erste Herausforderung: IFRS 17

Oliver Herborn, Senior BI Production Manager bei Munich Re

Heute ist das Enterprise-Data-Warehouse mit rund 3.000 Usern die zentrale Plattform, auf der Munich Re ihr komplettes Rückversicherungsgeschäft auswertet. Die Bandbreite der Themen, die darüber abgewickelt werden reicht von neu generierten Berichten bis hin zu den legalen Abschlussthemen für verschiedene Rechnungslegungen. Eine der ersten Herausforderungen waren die Bilanzierungsregeln mit IFRS 17 (siehe Glossar). „Dafür sind das Data-Warehouse und die Business-Warehouse-Lösungen ein wichtiges In­strument, um die bisherige mit der neuen Rechnungslegung adäquat zu vergleichen und im Reporting entsprechend abzubilden“, erläutert BI-Experte Oliver Herborn. Gleiches gilt natürlich auch für relevante Prozesse der Solvency-II-Richtlinie zur Aufnahme und Ausübung der Versicherungs- und der Rückversicherungstätigkeit, mit der das europäische Versicherungsaufsichtsrecht 2016 grundlegend reformiert wurde. Oder auch effektivere Rentabilitätsanalysen während der Vertragserneuerungsverhandlungen der Rückversicherungen.

Endlich Granularität möglich

Mit dem Enterprise-Data-Warehouse kann nun flexibel auf sämtliche benötigten Daten zugegriffen werden, um Rückversicherungsfragen ad-hoc und effizient zu lösen. „Wir wollten eine ganzheitliche Betrachtung auf die Zahlen, mit der einen, verlässlichen Single-Version-of-Truth-Datenquelle für alle unternehmensweiten Auswertungen und Berichte“, erläutert IT-Experte Jens Franken. Die Abschlussprozesse für das Quartal oder Jahr sind deutlich effizienter geworden, dank der Automatisierung durch das neue Datenmodell. „Die entsprechenden Zahlen können schneller abgerufen und besser ausgewertet werden. Es ist eine ganz andere Granularität in den Berichten möglich, wodurch sich auch neue Reporting-Anforderungen umsetzen lassen“, sagt Jens Franken. So ist für die Zukunft bereits ein Lifecycle-Reporting, also der Vergleich von Pricing-, Plan- und Finanzdaten, angedacht. Und im Accounting profitiert Munich Re bereits von besseren und flexibler ausführbaren Qualitätssicherungsmaßnahmen. Dies konnte beispielhaft mit einem zentral für die Rückversicherungs-Gruppe bereit gestellten Segment-Monitoring-Tool – einem Reporting-Tool im EDW – erreicht werden, mit welchem die Qualität im Accounting noch weiter erhöht wurde.

Glossar

IFRS 17
IFRS 17 bezeichnet einen International Financial Reporting Standard, der im Mai 2017 vom International Accounting Standards Board herausgegeben wurde. Er wird am 1. Januar 2023 in Kraft treten.

Solvency II
Die Solvency II-Richtlinie führt weiterentwickelte Solvabilitätsanforderungen für Versicherer ein, denen eine ganzheitliche Risikobetrachtung zugrunde liegt. Zudem stellt sie neue Bewertungsvorschriften hinsichtlich von Vermögenswerten und Verbindlichkeiten auf, die künftig mit Marktwerten anzusetzen sind.

Extract, Transform, Load (ETL)
Bei diesem Prozess werden Daten aus mehreren Datenquellen in einer Ziel­datenbank zusammengeführt. Er kommt vor allem bei einem Data-Warehouse zum Einsatz, um große Datenmengen aus operationalen Datenbanken zu konsolidieren und abzuspeichern.

Underwriting
Im Underwriting eines Erst- oder Rückversicherers zeichnen die Mitarbeitenden die Risiken für die Versicherungsgesellschaft, prüfen Anträge, schätzen Risiken ein und bringen Verträge zum Abschluss.

Interdisziplinäres Team als Erfolgsrezept

Die Anwender können nun aufgrund des neuen Datenmodells sehr flexibel auf Basis der verfügbaren Kennzahlen eigene Auswertungen erstellen, die je nach Belieben auch mit den Kollegen geteilt werden. Standardformate, wie z. B. für das legale Berichtswesen, werden hingegen zur Verfügung gestellt. „Durch die Single-Version-of-Truth ist garantiert, dass jeder, der im Finanz-, Schaden- oder Underwriting-Bereich (siehe Glossar) arbeitet, über die gleiche Datenstruktur und einheitlich definierte Kennzahlen für ein konsistentes Reporting verfügt“, freut sich Oliver Herborn. Jeder dieser individuell aufgebauten Reports lässt sich selbstverständlich bei Bedarf auch zu einem Standard-View umbauen.

Projektliste für die kommenden Jahre

Für die Akzeptanz im Fachbereich war es zudem hilfreich, so agil wie möglich unterwegs zu sein. Das ist im Data-Warehouse-Umfeld sehr schwierig, gerade wenn dafür große Datenmengen geladen und bereitgestellt werden müssen. Aber so konnte der Fachbereich immer am Puls der Zeit sein, die Fortschritte sehen und auch neue Nutzungsmöglichkeiten anregen. „Das würde ich bei einem Folgeprojekt wieder so machen und sogar noch intensivieren“, so Jens Franken. Dieser Erfolg zeigt sich u. a. an der Liste von Projekten, die für die kommenden Jahre geplant sind, und besonders an den Anfragen für weitere Themen. Jetzt geht es darum, mit der neuen Technologie bisher komplexe Geschäftsvorgänge und Reporting-Prozesse einfacher zu gestalten, und mit einheitlichen Dashboards, wo möglich, auch management -und fachbereichsübergreifend noch effizienter zu werden. Die Digitale Reise geht weiter: Nicht nur mit innovativen, digitalen Akzenten in diesem Projekt wird Munich Re die Position in der Branche weiter festigen.

 

Bildnachweis: Münchener Rückversicherungsgesellschaft Aktiengesellschaft in München

Autor


Schlagworte
Data Warehouse
0 Kommentar(e)
5
(2) Bewerten Sie diesen Artikel

2-21

Aktuelles

Das könnte Sie auch interessieren

Mitgliedermagazin
blaupause

Als DSAG-Mitglied erhalten Sie automatisch Zugang zum DSAG-Mitgliedermagazin blaupause. Ob in gedruckter Form und/oder als Online-Ausgabe. Legen Sie es ganz einfach selbst in Ihrem Mitgliederprofil im DSAGNet fest.

Zum Mitgliedermagazin