Die meisten Flutschäden entstehen außerhalb der Flutzone — und ruinieren still Ihre Schadenquote

Als ich zum ersten Mal verstand, wie kaputt das Flut-Underwriting wirklich war, betrachtete ich ein einzelnes Haus auf einer Luftbildkarte.

Ein Einfamilienhaus in Harris County, Texas. Baujahr 2004, auf einer Bodenplatte, ohne Erhöhung über dem Grund. Das Grundstück bestand zu 85 % aus versiegelter Fläche — betonierte Einfahrt, Terrasse, eine freistehende Garage — und der nächste Regenwassereinlauf lag 400 Fuß entfernt, Teil eines städtischen Systems, das vor dreißig Jahren für ein 10-jährliches Niederschlagsereignis ausgelegt wurde. Die FEMA stufte es als Zone X ein. Minimale Hochwassergefahr. Keine Versicherungspflicht.

Die Tarifierungs-Engine bezifferte die Flutprämie für dieses Haus auf 450 $ pro Jahr. Die objektbezogene Analyse veranschlagte den erwarteten Jahresschaden auf 8.400 $.

Diese Lücke — fast zwanzig zu eins, bei einem Objekt, das die Karte für sicher erklärt — ist das gesamte Problem mit dem Flutrisiko-Underwriting an einem einzigen Grundstück. Und es ist kein seltenes Grundstück. Mehr als zwei Drittel der Flutschäden in den USA, 68,3 % laut der Forschung von NC State und First Street, ereignen sich außerhalb der Hochrisikozonen der FEMA. Wenn Ihr Tarifplan noch immer an Zone AE gegenüber Zone X verankert ist, sind Sie auf beiden Seiten der Linie falsch bepreist: Sie überteuern das erhöhte Haus innerhalb der Zone und verschenken stillschweigend das ebenerdige Haus auf Bodenplatte direkt außerhalb davon.

Die Flutzonenkarte ist kein Risikomodell. Sie ist eine regulatorische Grenze, die der Rest der Branche dafür gehalten hat.

Ich möchte durchgehen, was wir herausfanden, als wir versuchten, das zu beheben — einschließlich der Stelle, an der unsere erste Lösung vor einer Aufsichtsbehörde scheiterte, denn dieses Scheitern ist der Grund, warum das, was wir schließlich bauten, so aussieht, wie es aussieht.

Warum liegen die meisten Flutschäden außerhalb der Flutzone?

Fangen wir damit an, warum die Karten falsch sind, denn es ist schlimmer als „Karten veralten“.

Rund 75 % der Flutkarten der FEMA sind mehr als fünf Jahre alt, und ein erheblicher Teil stammt aus den 1970er- und 80er-Jahren. Sie wurden vorrangig für fluviale und küstennahe Überschwemmungen gezeichnet — Flüsse, die über die Ufer treten, Sturmfluten von der Küste. Sie waren nie dafür gemacht, pluviale Überschwemmungen zu erfassen: Regen, der schneller fällt, als der Boden und die Regenwasserkanäle ihn ableiten können. Pluviale Überschwemmung ist der am schnellsten wachsende Schadentreiber des Landes und auf einer FEMA-Karte nahezu unsichtbar.

Jenes Haus in Harris County wird pluvial überschwemmt. Vier Zoll Regen pro Stunde auf ein zu 85 % versiegeltes Grundstück erzeugen mehr als doppelt so viel Oberflächenabfluss wie bei den Nachbarn, in ein System, das für anderthalb Zoll gebaut wurde. Nichts davon steht auf der Karte, weil die Karte diese Frage nicht stellt.

Die Folgen sind nicht theoretisch. Nach Hurrikan Harvey kamen 70 % der Flutschadenmeldungen von außerhalb der FEMA-Hochrisikozonen — von den Zone-X-Häusern, die jede Tarifierungs-Engine als Nebensache eingepreist hatte. Allein Harris County zählt 1,2 Millionen Objekte in Zone X. Die Versicherer, die die nassen Objekte vor dem Sturm gekennzeichnet hatten, wiesen in jenem Jahr deutlich niedrigere Katastrophenschadenquoten auf — im hohen einstelligen bis niedrigen zweistelligen Bereich, nach meiner eigenen Einschätzung der Bücher, die ich gesehen habe. Alle anderen erfuhren es bei der ersten Schadenmeldung.

Und der strukturelle Druck nimmt nur zu. Die Sparte Wohngebäude verzeichnet eine prognostizierte Combined Ratio von 106,1 % für 2025 — sie zahlt mehr als einen Dollar an Schaden und Aufwand für jeden Dollar Prämie aus — und AM Best erwartet, dass die breitere Combined Ratio im Sach- und Haftpflichtbereich (P&C) 2026 in Richtung 96,9 klettert. Weltweit erreichten die versicherten Naturkatastrophenschäden 107 Milliarden $ im Jahr 2025. Flut ist die Gefahr, bei der die Kluft zwischen dem, was geschieht, und dem, was eingepreist ist, am größten ist: von rund 325 Milliarden $ an weltweiten volkswirtschaftlichen Flutschäden über fünf Jahre waren nur etwa 70 Milliarden $ versichert.

Man kann eine Combined Ratio von 106 % nicht mit einer Karte schließen, die gezeichnet wurde, bevor das Viertel überhaupt betoniert war.

Was ich zuerst falsch gemacht habe

Hier kommt der Teil, auf den ich nicht stolz bin.

Als mein Team sich zum ersten Mal damit befasste, schien die Antwort offensichtlich. Der Markt war voll von Anbietern für Objektdaten mit wirklich guten Modellen. ZestyAI erstellt Computer-Vision-Scores — Z-FLOOD, Z-FIRE, Z-WIND — aus Luftbildern und Baugenehmigungen, und sie gewannen schnell Versicherer: allein im ersten Quartal 2026 kamen Logic Underwriters in Texas, Southern Oak in Florida, Harford Mutual, Horace Mann und weitere hinzu. Die Scores funktionieren. Das Versicherer-Netzwerk ist real.

Unsere erste Version war also einfach: einen Flut-Score eines Anbieters lizenzieren, ihn als neuen Faktor in die Tarifierungs-Engine einspeisen, ausliefern. Ein Wochenende Integrationsarbeit, aufgehübscht als Produkt.

Wir brachten das in eine bundesstaatliche Tarifeinreichung ein. Die Antwort des Prüfers kam mit einer einzigen Randnotiz neben unserem glänzenden neuen Flutfaktor zurück: „Erklären Sie diesen Faktor.“

Das konnten wir nicht. Nicht nach ihrem Maßstab. Eine Modellkarte eines Anbieters — das einseitige Dokument nach dem Motto „hier ist ungefähr, was das Modell berücksichtigt“ — stellt das Marketingteam eines Anbieters zufrieden. Sie stellt keinen Prüfer in Colorado oder New York zufrieden, der ein versicherungsmathematisches Memorandum, eine Studie zu diskriminierender Wirkung und einen Nachvollziehbarkeitsnachweis verlangt, bevor ein KI-abgeleiteter Tariffaktor in Kraft tritt. Das AI Model Bulletin der NAIC wurde in mehr als 24 Bundesstaaten übernommen, und das DFS Circular 2024-7 aus New York verlangt ausdrücklich die Prüfung auf diskriminierende Wirkung. Der Zustand einer Immobilie korreliert mit dem Einkommen; ein Computer-Vision-Score, der „aufgeschobene Instandhaltung“ als Risiko liest, kann stillschweigend etwas kodieren, das eine Aufsichtsbehörde als Bluelining bezeichnen wird. Die Undurchsichtigkeit, die einen Anbieter-Score leicht kaufbar macht, ist genau das, was ihn schwer einreichbar macht.

Wir hatten keine Underwriting-Fähigkeit aufgebaut. Wir hatten eine Zahl gekauft, die wir nicht verteidigen konnten.

Dass diese Einreichung abgelehnt wurde, war das Nützlichste, was uns passieren konnte, weil es das gesamte Problem neu rahmte. Der schwierige Teil des Flutrisiko-Underwritings im Jahr 2026 ist nicht, einen Score zu bekommen. Es gibt hervorragende Scores zu kaufen. Der schwierige Teil ist, aus einem Score einen Tariffaktor zu machen, den eine Aufsichtsbehörde genehmigt — und das ist Ingenieurs- und Dokumentationsarbeit, die kein Anbieter für Sie erledigt, weil sie den Score verkaufen, nicht Ihren Tarifplan.

Jeder Anbieter löst ein Teilstück. Niemand löst die Nahtstelle.

Sobald man es so sieht, ordnet sich die Landschaft neu. Jeder Anbieter besitzt ein Teilstück des Bildes und überlässt Ihnen die Nahtstellen.

ZestyAI liefert Ihnen scharfe, objektbezogene Computer Vision, aber seine Scores sind weitgehend statisch — sie modellieren nicht die Kapazität der Regenwasserkanäle unter jenem Grundstück in Harris County, und sie schlagen nicht an, wenn sich ein tatsächliches Ereignis entfaltet. ICEYE betreibt die weltweit größte Satellitenkonstellation mit synthetischem Apertur-Radar — mehr als 30 Satelliten, die die Ausdehnung einer Überschwemmung durch Wolken hindurch sehen und während eines Ereignisses alle sechs Stunden eine Heatmap aktualisieren können, weshalb Munich Re und AXA es 2026 in ihre Plattformen einbauten. Der Flood Factor von First Street bewertet jedes US-Objekt von 1 bis 10 und berücksichtigt, entscheidend, tatsächlich pluviale Gefahr — aber es ist eine Gefahrenschicht, kein Modell struktureller Verwundbarkeit, und es wird nicht als regulatorischer Tariffaktor akzeptiert. Fathom, inzwischen Teil von Swiss Re, erstellt probabilistische Ereignissätze über 50.000 Jahre, die für vorausschauende Klimaszenarien hervorragend und unpraktisch sind, wenn Sie bei jemand anderem als Swiss Re rückversichern. Verisk's Flood Score 3.0 bringt die tiefste Vertrautheit mit den Versicherungsaufsichten (DOI) und den langsamsten Innovationszyklus mit.

Ich erspare Ihnen die vollständige Aufzählung. Das Muster ist der Punkt: die Objektdaten-Schicht, die Satellitenschicht, die Gefahrenschicht und Ihre eigene Schadenhistorie leben jeweils in einem eigenen Silo, und kein Anbieter näht sie zu einem einzigen verteidigbaren Faktor zusammen — denn das würde bedeuten, das Modell eines Wettbewerbers in Ihrer eigenen Einreichung zu dokumentieren.

An der Nahtstelle liegt das Geld. Ein Versicherer will keine sechs Dashboards; er will einen einzigen Tariffaktor, der ZestyAIs strukturelle Auswertung, ICEYEs Ereigniswahrheit, die pluviale Gefahr von First Street oder Fathom und die eigene Schadenerfahrung des Versicherers verschmilzt — und ein versicherungsmathematisches Memorandum, das all das einem Prüfer erklärt. Genau diese Fusion haben wir zu bauen beschlossen, und sie steht nun im Zentrum unserer Flutrisiko-Intelligenzschicht: nicht ein weiterer Score, sondern das Bindegewebe und die Dokumentation, die Punktlösungen in einen genehmigten Tarifplan verwandeln.

Kann ein Satellit Ihnen sagen, wo es überschwemmen wird?

Das Zweite, was ich falsch gemacht habe, war die Annahme, dass die Satellitendaten der leichte Gewinn seien.

SAR ist wirklich magisch — Radar, das durch Wolken und Dunkelheit sieht und Ihnen Gebäude für Gebäude sagt, wie tief das Wasser wurde. Die Demos sind verführerisch. Also zogen wir rohe ICEYE-Feeds und begannen, sie in eine Pipeline zur Schadentriage einzubinden, in der Erwartung, die Überschwemmungsausdehnung über einen Bestand von 50.000 Policen zu legen und Schadenregulierer automatisch zuzuweisen.

Dann die Realität. SAR ist reine Beobachtung — es sagt Ihnen, was überschwemmt wurde, nicht, was überschwemmt werden wird — und in dichtem Stadtgebiet weist es rund ±15 cm Tiefenunsicherheit durch Radar-Doppelreflexion an Wänden und Pflaster auf. Rohes SAR ist kein Schaden-Workflow. Es ist ein verrauschtes Signal, das eine maßgeschneiderte Pipeline braucht: die Doppelreflexions-Artefakte bereinigen, die Tiefe mit der Erdgeschosshöhe jeder Police verschmelzen, entscheiden, welche 30 von 50.000 Policen ein Regulierer zuerst anruft, jene kennzeichnen, deren gemeldeter Schaden nicht zum beobachteten Wasser passt. Diese Pipeline ist das Produkt. Der Satellit ist ein Input.

Und die Erdgeschosshöhe — wie hoch der Wohnraum über dem Grund liegt — erweist sich als der Angelpunkt der gesamten strukturellen Frage, und sie lässt sich aus Bildern bis auf etwa 0,218 Meter Fehler genau schätzen, laut der Arbeit von Penn State. Jenes Haus in Harris County hatte eine CV-abgeleitete Erdgeschosshöhe von null. Die Haustür lag auf Bodenniveau. Keine Karte kodiert das; ein Vision-Modell kann es.

„Warum kaufen Sie nicht einfach ZestyAI?“

Man stellt mir ständig eine Variante dieser Frage, meist so formuliert: Die Scores existieren bereits, die Satelliten fliegen bereits, warum gibt es überhaupt noch etwas zu bauen?

Weil ein Score kein Tarifplan ist und ein Tarifplan kein Deployment. Was dazwischen liegt, ist die eigentliche Arbeit.

Beginnen Sie bei der Aufsichtsbehörde. Einen KI-gestützten Tarifalgorithmus einzureichen bedeutet, das versicherungsmathematische Memorandum, die Analyse zur diskriminierenden Wirkung und die Nachvollziehbarkeitsdokumentation zu erstellen, die das NAIC-Bulletin und die NY DFS verlangen — für ein Modell, das mehrere Anbieter-Inputs verschmilzt. Anbieter reichen Ihnen Scores; sie reichen Ihnen keine einreichungsfertige Dokumentation, und die Anforderungen des EU AI Act an prüfbare Dokumentation, die im August 2026 in Kraft treten, verschärfen diese Lücke nur.

Dann ist da noch die Infrastruktur, die brutal konkret ist. Ein Flut-Score ist für einen Underwriter wertlos, wenn er zu spät ankommt. Ich habe einen Quote-to-Bind-Trace beobachtet, bei dem der API-Aufruf des Flut-Scores bei 480 Millisekunden lag — und unter 500 ms ist die Grenze. Darüber hinaus wird der Score nicht abgerufen, der Underwriter kalkuliert mit dem alten Faktor, und Ihre teure Intelligenzschicht ist ein Posten, den niemand nutzt. Modellausgaben mit ordentlichem Caching, Fallback-Behandlung und diesem Latenzbudget in Guidewire oder Duck Creek zu bringen, ist Spezialarbeit. Der breitere Wandel hin zu agentic AI in der Versicherung macht den Gewinn offensichtlich — Hiscox verkürzte ein Quote-to-Bind von drei Tagen auf drei Minuten, eine Reduktion um 99,4 % — aber dorthin gelangen Sie nur, wenn die Daten-Infrastruktur hält.

Und selbst ein schneller, verteidigbarer Score muss zu Ihrem Bestand passen. Ein Modell von der Stange ist auf dem aller trainiert. Ein mittelgroßer Versicherer, der Wohngebäude an der Küste Floridas zeichnet, und einer, der Gewerbe im Landesinneren von Texas zeichnet, haben völlig unterschiedliche Schadenmuster — in einem Gewerbebestand kann ein einzelnes Zone-X-Lagerhaus mit ebenerdiger Laderampe das Jahr so überfluten, wie es hundert verstreute Wohngebäudeschäden nie könnten — und ein Modell, das auf keinen von beiden abgestimmt ist, wird für beide mittelmäßig sein. Die Versicherer, die sich absetzen, trainieren auf ihrem eigenen Bestand.

Jeder kann den Score zum Preis eines Vertrags kaufen. Was Sie nicht kaufen können, ist der Teil, der einen Prüfer übersteht, ein 500-Millisekunden-Budget einhält und zu dem Bestand passt, den Sie tatsächlich gezeichnet haben.

Der Markt bepreist bereits neu — ohne Sie

Wenn es hier eine Dringlichkeit gibt, dann eine wettbewerbliche, keine regulatorische.

Der private Flutmarkt wächst seit Jahren mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 20 % von 2020 bis 2024, wobei mehr als 140 private Versicherer inzwischen Flut zeichnen und rund 500 Millionen $ an privater Wohngebäudeprämie im Jahr 2024 einbrachten. Dieses Wachstum ist nicht zufällig — es sind hochentwickelte Versicherer, die objektbezogene Modelle nutzen, um Rosinen zu picken. Sie identifizieren die tatsächlich risikoarmen Häuser, die das NFIP unter Risk Rating 2.0 zu hoch bepreist (wo inzwischen 77 % der Versicherungsnehmer mehr zahlen und ein Schreiben des Kongresses im Februar 2026 die FEMA aufforderte, das Programm zu stoppen), zeichnen diese mit Gewinn und lassen den übrigen, negativ selektierten Bestand zurück.

Die Asymmetrie sollte jeden Versicherer beunruhigen, der Flut noch immer anhand der Zone bepreist: Die Rosinenpicker nehmen nicht Ihre schlechten Risiken. Sie nehmen Ihre guten — die erhöhten, gut entwässerten Häuser, die Ihre grobe Tarifierung überteuert — und lassen Ihnen einen Bestand, der sich zunehmend auf die nassen Zone-X-Häuser konzentriert, die Sie unterbepreist haben. Sie spüren es nicht als einen einzelnen schlechten Tag. Sie spüren es als eine Schadenquote, die bei jeder Erneuerung in die falsche Richtung driftet, während Sie sich fragen, warum Ihre Bestandshaltung genau bei den Policen am besten ist, die Sie am liebsten verlieren würden.

Wenn ich es an einem Bestand von 50.000 Wohngebäude-Versicherungsnehmern im Südosten von Texas modelliere, ergibt allein das falsch bepreiste Zone-X-Muster 2,8 bis 4,2 Millionen $ an jährlicher Prämienleckage — 30 bis 40 Objekte, die jeweils sechsstellige Schadensummen gegen Prämien von 450 $ erzeugen. Das sind die Kosten dafür, dass die Karte falsch ist, jedes Jahr, vor dem nächsten Harvey.

Was ich jetzt tatsächlich glaube

Ich ging an die Sache mit dem Gedanken heran, Flut-Underwriting sei ein Datenproblem — bessere Daten, bessere Preise. Ich kam mit der Überzeugung heraus, es sei ein Nahtstellen-Problem. Die Daten existieren. Die Satelliten fliegen. Die Computer Vision liest die Erdgeschosshöhe auf gut zwanzig Zentimeter genau. Was es nicht von der Stange gibt, ist das, was diese Inputs zu einem einzigen Faktor verschmilzt, ihn in unter 500 Millisekunden in die Tarifierungs-Engine bringt und einem bundesstaatlichen Prüfer ein Memorandum überreicht, das die Randnotiz „Erklären Sie diesen Faktor“ übersteht.

Das ist die Schicht, die zu bauen sich lohnt, und deshalb bauten wir unsere rund um Integration und Dokumentation statt um einen weiteren Score.

Die Karte wird weiterhin Zone X sagen. Das ebenerdige Haus auf Bodenplatte mit dem zu 85 % versiegelten Grundstück und dem unterdimensionierten Regenwassereinlauf wird trotzdem weiter überschwemmt werden. Die einzige Frage ist, ob Ihre Tarifierungs-Engine den Unterschied kennt, bevor es das Wasser tut — oder ob Sie es, wie alle nach Harvey, aus den Schadenmeldungen erfahren, die von den Orten kamen, die die Karte für sicher erklärt hatte.