Menü

Street View verrät Autounfall-Risiko

Das Aussehen Ihres Hauses könnte künftig eine ebenso wichtige Information für Versicherer sein, wie ihr Wohngebiet, Autotyp, Alter oder Geschlecht.

Lesezeit: 1 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 294 Beiträge

Ein betont auffällig gehaltenes Kamerauto für Street View. Aufgenommen 2010 am Google Campus in Mountain View, Kalifornien.

(Bild: Gemeinfrei dank Photograph Kowloneese)

Von

Ein internationales Forscherteam hat mithilfe von Street-View-Aufnahmen von Häusern die Risikomodelle von Autoversicherern deutlich verbessert. Anhand der Bilder bestimmten Łukasz Kidziński von der Stanford University und Kinga Kita-Wojciechowska von der Universität Warschau, wie wahrscheinlich es ist, dass die Bewohner in einen Autounfall verwickelt sein werden. Für Versicherungsgesellschaften wäre das eine wertvolle Information, um die Prämien festzulegen, schreibt Technology Review online in „Häuser verraten Wahrscheinlichkeit für Autounfälle“.

Die Forscher gaben die Adresse der Kunden in Google Street View ein und klassifizierten die Häuser nach Kategorien wie Einfamilienhaus, Reihenhaus und Mehrfamilienhaus sowie nach ihrem Alter und ihrem Zustand. Schließlich analysierten die Forscher diese Datensätze, um festzustellen, wie gut sie mit der Wahrscheinlichkeit korrelierten, dass ein Versicherungsnehmer einen Anspruch geltend macht.

Offenbar sind Wohnsitze überraschend gute Indikatoren dafür. „Wir haben festgestellt, dass Merkmale, die auf einem Bild eines Hauses zu sehen sind, unabhängig von klassisch verwendeten Variablen wie Alter oder Postleitzahl das Risiko von Autounfällen vorhersagen können“, sagen Kidziński und Kita-Wojciechowska. Fügte die Versicherung diese Faktoren zu ihrem Risikomodell hinzu, verbesserte sich dessen Vorhersagekraft um zwei Prozent.

Das klingt nicht nach viel, bedeutet aber tatsächlich eine erhebliche Verbesserung. Als Vergleich: Das Modell des Versicherers ist nur um acht Prozent besser als ein sogenanntes Nullmodell und basiert auf einem viel größeren Datensatz, der Variablen wie Alter, Geschlecht und Schadenverlauf enthält. Und die aktuelle Studie ist nur der Anfang. Kidziński und Kita-Wojciechowska glauben, dass sie durch größere Datensätze und eine bessere Datenanalyse die Prognosen noch genauer machen können.

Mehr dazu in Technology Review online in:

(vsz)