De meeste overstromingsschade valt buiten de overstromingszone — en het sloopt stiekem je schaderatio

De eerste keer dat ik begreep hoe grondig overstromings-underwriting kapot was, keek ik naar één enkel huis op een luchtfotokaart.

Een eengezinswoning in Harris County, Texas. Gebouwd in 2004, op een betonplaat, zonder verhoging boven het maaiveld. Het perceel bestond voor 85% uit ondoorlatend oppervlak — een betonnen oprit, een terras, een vrijstaande garage — en de dichtstbijzijnde regenwaterafvoer lag 400 voet verderop, onderdeel van een gemeentelijk systeem dat dertig jaar geleden was ontworpen voor een 10-jarige regenbui. FEMA noemde het Zone X. Minimaal overstromingsgevaar. Geen verplichting om het te verzekeren.

De rating-engine gaf dat huis een overstromingspremie van $450 per jaar. Analyse op pandniveau schatte het verwachte jaarlijkse verlies op $8.400.

Die kloof — bijna twintig tegen één, op een pand waarvan de kaart volhoudt dat het veilig is — is het hele probleem met underwriting van overstromingsrisico's op één perceel. En het is geen zeldzaam perceel. Meer dan tweederde van de Amerikaanse overstromingsschade, 68,3% volgens het onderzoek van NC State en First Street, vindt plaats buiten FEMA's hoogrisicozones. Als uw rating-plan zich nog steeds baseert op Zone AE tegenover Zone X, is uw prijsstelling aan beide kanten van de lijn verkeerd: u rekent te veel voor het verhoogde huis binnen de zone en geeft ongemerkt het huis op maaiveldniveau net daarbuiten weg.

De overstromingszonekaart is geen risicomodel. Het is een regelgevende grens die de rest van de sector daar ten onrechte voor heeft aangezien.

Ik wil doornemen wat we ontdekten toen we dit probeerden op te lossen, inclusief het deel waar onze eerste oplossing faalde ten overstaan van een toezichthouder — want die mislukking is de reden dat wat we uiteindelijk bouwden eruitziet zoals het eruitziet.

Waarom valt de meeste overstromingsschade buiten de overstromingszone?

Begin met waarom de kaarten verkeerd zijn, want het is erger dan "kaarten verouderen".

Ruwweg 75% van FEMA's overstromingskaarten is meer dan vijf jaar oud, en een aanzienlijk deel dateert uit de jaren zeventig en tachtig. Ze werden voornamelijk getekend voor fluviale en kustoverstromingen — rivieren die buiten hun oevers treden, stormvloed vanaf de kust. Ze werden nooit gemaakt om pluviale overstromingen vast te leggen: neerslag die sneller valt dan de grond en de regenwaterafvoeren kunnen verwerken. Pluviaal is de snelst groeiende schadeoorzaak van het land en is vrijwel onzichtbaar op een FEMA-kaart.

Dat huis in Harris County overstroomt pluviaal. Vier inch regen per uur op een voor 85% ondoorlatend perceel genereert meer dan twee keer zoveel afvoer als bij de buren, in een systeem dat gebouwd is voor anderhalve inch. Niets daarvan staat op de kaart, want de kaart stelt de vraag niet.

De gevolgen zijn niet theoretisch. Na orkaan Harvey kwam 70% van de overstromingsclaims van buiten FEMA's hoogrisicozones — van de Zone X-huizen die de rating-engine van iedereen als bijzaak had geprijsd. Alleen al Harris County telt 1,2 miljoen panden in Zone X. De verzekeraars die de natte panden hadden gemarkeerd vóór de storm, kwamen dat jaar uit op wezenlijk lichtere catastrofeschaderatio's — hoge enkele cijfers tot lage dubbele cijfers, volgens mijn eigen inschatting van de boeken die ik zag. Alle anderen kwamen erachter bij de eerste schademelding.

En de structurele druk neemt alleen maar toe. De woningverzekeringstak draait op een verwachte gecombineerde ratio van 106,1% voor 2025 — waarbij meer dan een dollar aan schade en kosten wordt uitbetaald voor elke dollar premie — en AM Best verwacht dat de bredere P&C-gecombineerde ratio in 2026 richting 96,9 zal klimmen. Wereldwijd bereikten verzekerde natuurrampenschades $107 miljard in 2025. Overstroming is het risico waar de kloof tussen wat er gebeurt en wat er geprijsd wordt het grootst is: van ruwweg $325 miljard aan wereldwijde economische overstromingsschade over vijf jaar was slechts ongeveer $70 miljard verzekerd.

Je kunt een gecombineerde ratio van 106% niet dichten met een kaart die getekend is voordat de wijk werd gestort.

Wat ik eerst verkeerd had

Hier komt het deel waar ik niet trots op ben.

Toen mijn team zich hier voor het eerst in verdiepte, leek het antwoord voor de hand te liggen. De markt zat vol aanbieders van vastgoedintelligentie met werkelijk goede modellen. ZestyAI bouwt computer-vision-scores — Z-FLOOD, Z-FIRE, Z-WIND — op basis van luchtbeelden en bouwvergunningen, en ze tekenden snel verzekeraars: alleen al in het eerste kwartaal van 2026 kwamen Logic Underwriters in Texas, Southern Oak in Florida, Harford Mutual, Horace Mann en meer erbij. De scores werken. Het verzekeraarsnetwerk is echt.

Onze eerste versie was dus simpel: licentieer een overstromingsscore van een leverancier, sluis die als nieuwe factor de rating-engine in, lanceer het. Een weekend integratiewerk verpakt als een product.

We brachten dat naar een tariefindiening bij de staat. De reactie van de toezichthouder kwam terug met één kanttekening in de marge naast onze glimmende nieuwe overstromingsfactor: "verklaar deze factor."

Dat konden we niet. Niet volgens hun norm. Een model card van een leverancier — het document van één pagina met "dit is ongeveer wat het model meeweegt" — stelt de marketingafdeling van een leverancier tevreden. Het stelt een toezichthouder in Colorado of New York niet tevreden, die een actuarieel memorandum, een studie naar ongelijke impact en een verklaarbaarheidsspoor wil voordat een door AI afgeleide ratingfactor van kracht wordt. De AI Model Bulletin van de NAIC is in meer dan 24 staten aangenomen, en New York's DFS Circular 2024-7 vereist expliciet dat er getest wordt op ongelijke impact. De staat van een pand correleert met inkomen; een computer-vision-score die "achterstallig onderhoud" als risico leest, kan ongemerkt iets coderen wat een toezichthouder bluelining zal noemen. De ondoorzichtigheid die een leveranciersscore makkelijk maakt om te kopen is precies wat het moeilijk maakt om te indienen.

We hadden geen underwriting-capaciteit gebouwd. We hadden een getal gekocht dat we niet konden verdedigen.

Dat afgewezen worden van die indiening was het nuttigste wat ons overkwam, want het herformuleerde het hele probleem. Het moeilijke aan underwriting van overstromingsrisico's in 2026 is niet het krijgen van een score. Er zijn uitstekende scores te koop. Het moeilijke is een score omzetten in een ratingfactor die een toezichthouder zal goedkeuren — en dat is engineering- en documentatiewerk dat geen enkele leverancier voor je doet, want zij verkopen de score, niet jouw tariefplan.

Elke leverancier lost een stukje op. Niemand lost de naad op.

Zodra je het zo ziet, ordent het landschap zich opnieuw. Elke aanbieder bezit één stukje van het geheel en laat de naden aan jou over.

ZestyAI geeft je scherpe computer vision op pandniveau, maar de scores zijn grotendeels statisch — ze modelleren niet de capaciteit van de regenwaterafvoer onder dat perceel in Harris County, en ze slaan niet aan wanneer er een daadwerkelijke gebeurtenis plaatsvindt. ICEYE laat de grootste satellietconstellatie met synthetische-apertuurradar ter wereld vliegen — meer dan 30 satellieten die overstromingsomvang door de wolken heen kunnen zien en tijdens een gebeurtenis elke zes uur een heatmap bijwerken, en daarom bouwden Munich Re en AXA het in 2026 in hun platformen in. First Street's Flood Factor scoort elk Amerikaans pand van 1 tot 10 en, cruciaal, omvat wél pluviaal gevaar — maar het is een gevarenlaag, geen model voor structurele kwetsbaarheid, en het wordt niet geaccepteerd als regelgevende ratingfactor. Fathom, nu onderdeel van Swiss Re, bouwt probabilistische gebeurtenissets over 50.000 jaar die uitstekend zijn voor toekomstgerichte klimaatscenario's en onhandig als je herverzekert bij iemand anders dan Swiss Re. Verisk's Flood Score 3.0 draagt de diepste DOI-vertrouwdheid en de traagste innovatiecyclus.

Ik bespaar je de volledige opsomming. Het patroon is waar het om gaat: de vastgoedintelligentielaag, de satellietlaag, de gevarenlaag en je eigen schadehistorie zitten elk in een andere silo, en geen enkele leverancier naait ze aaneen tot één verdedigbare factor — want dat zou betekenen dat je het model van een concurrent in je eigen indiening moet documenteren.

In de naad zit het geld. Een verzekeraar wil geen zes dashboards; hij wil één ratingfactor die ZestyAI's structurele analyse, ICEYE's gebeurteniswaarheid, de pluviale gevaren van First Street of Fathom en de eigen schade-ervaring van de verzekeraar samensmelt — plus een actuarieel memorandum dat dit alles aan een toezichthouder uitlegt. Die fusie is wat we besloten te bouwen, en wat nu centraal staat in onze intelligentielaag voor overstromingsrisico's: niet nog een score, maar het bindweefsel en de papierwinkel die puntoplossingen omzetten in een goedgekeurd tariefplan.

Kan een satelliet je vertellen waar het zal overstromen?

Het tweede wat ik verkeerd had, was aannemen dat de satellietdata de makkelijke winst was.

SAR is werkelijk magisch — radar die door wolken en duisternis heen kijkt en je gebouw voor gebouw vertelt hoe hoog het water kwam. De demo's zijn verleidelijk. Dus haalden we ruwe ICEYE-feeds op en begonnen ze in te bouwen in een pijplijn voor schadetriage, in de verwachting overstromingsomvang over een portefeuille van 50.000 polissen te leggen en experts automatisch te routeren.

Toen de realiteit. SAR is alleen waarnemend — het vertelt je wat overstroomd is, niet wat zal overstromen — en in dicht stedelijk terrein draagt het ruwweg ±15 cm aan diepteonzekerheid met zich mee door radar-dubbelkaatsing op muren en bestrating. Ruwe SAR is geen schadeworkflow. Het is een ruizig signaal dat een op maat gemaakte pijplijn nodig heeft: het opschonen van de dubbelkaatsingsartefacten, het samensmelten van diepte met de begane-grondhoogte van elke polis, het bepalen welke 30 van de 50.000 polissen een schade-expert als eerste belt, het markeren van de polissen waarvan de gemelde schade niet overeenkomt met het waargenomen water. Die pijplijn is het product. De satelliet is een input.

En de begane-grondhoogte — hoe hoog de leefruimte boven het maaiveld ligt — blijkt de spil van de hele structurele vraag te zijn, en is uit beeldmateriaal te schatten tot op ongeveer 0,218 meter foutmarge, volgens het werk van Penn State. Dat huis in Harris County had een via computer vision afgeleide begane-grondhoogte van nul. De voordeur lag op straatniveau. Geen enkele kaart codeert dat; een vision-model wel.

"Waarom koop je niet gewoon ZestyAI?"

Mensen stellen me constant een variant van deze vraag, meestal geformuleerd als: de scores bestaan al, de satellieten vliegen al, waarom valt er nog iets te bouwen?

Omdat een score geen tariefplan is, en een tariefplan geen implementatie. Wat daartussen zit, is het werk.

Begin bij de toezichthouder. Het indienen van een AI-versterkt ratingalgoritme betekent het opstellen van het actuarieel memorandum, de analyse van ongelijke impact en de verklaarbaarheidsdocumentatie die de NAIC-bulletin en NY DFS eisen — voor een model dat meerdere leveranciersinputs samensmelt. Leveranciers geven je scores; ze geven je geen indieningsklare documentatie, en de eisen voor auditeerbare documentatie van de EU AI Act die in augustus 2026 ingaan, verscherpen die kloof alleen maar.

Dan is er de leidingaanleg, die genadeloos concreet is. Een overstromingsscore is waardeloos voor een underwriter als hij te laat aankomt. Ik heb een quote-to-bind-trace bekeken waarbij de API-aanroep van de overstromingsscore op 480 milliseconden stond — en onder 500 ms ligt de grens. Daarboven wordt de score niet opgehaald, geeft de underwriter een offerte op basis van de oude factor, en is je dure intelligentielaag een kostenpost die niemand gebruikt. Modeluitkomsten in Guidewire of Duck Creek krijgen met de juiste caching, fallback-afhandeling en dat latentiebudget is gespecialiseerd werk. De bredere verschuiving naar agentic AI in verzekeringen maakt de winst duidelijk — Hiscox verkortte een quote-to-bind van drie dagen naar drie minuten, een reductie van 99,4% — maar je komt er alleen als de dataleidingen standhouden.

En zelfs een snelle, verdedigbare score moet bij je portefeuille passen. Een kant-en-klaar model is getraind op die van iedereen. Een middelgrote verzekeraar die woningen aan de kust van Florida verzekert en een die commercieel vastgoed in het binnenland van Texas verzekert, hebben totaal verschillende schadepatronen — bij een commerciële portefeuille kan één enkel Zone X-magazijn met zijn laadperron op maaiveldniveau het jaar doen kapseizen op een manier die honderd verspreide woningclaims nooit zouden doen — en een model dat op geen van beide is afgestemd, zal voor beide middelmatig zijn. De verzekeraars die de voorsprong pakken, trainen op hun eigen portefeuille.

Iedereen kan de score kopen voor de prijs van een contract. Wat je niet kunt kopen, is het deel dat een toezichthouder doorstaat, een budget van 500 milliseconden haalt en past bij de portefeuille die je daadwerkelijk hebt geschreven.

De markt herprijst al zonder jou

Als hier urgentie in zit, is die concurrentieel, niet regelgevend.

De private overstromingsmarkt groeit gestaag met een CAGR van 20% van 2020 tot 2024, waarbij meer dan 140 private verzekeraars nu overstroming verzekeren en ruwweg $500 miljoen aan private woningpremie in 2024. Die groei is niet toevallig — het zijn geavanceerde verzekeraars die modellen op pandniveau gebruiken om te afromen. Ze identificeren de werkelijk risicoarme huizen die de NFIP te duur prijst onder Risk Rating 2.0 (waar 77% van de polishouders nu meer betaalt, en een brief van het Congres in februari 2026 FEMA aanspoorde om het programma stop te zetten), verzekeren die met winst en laten de door averechtse selectie overgebleven rest achter.

De asymmetrie zou elke verzekeraar die overstroming nog op basis van de zone prijst, zorgen moeten baren: de afromers nemen niet je slechte risico's. Ze nemen je goede exemplaren — de verhoogde, goed gedraineerde huizen waarvoor je grove rating te veel rekent — en laten je achter met een portefeuille die steeds meer geconcentreerd raakt in de natte Zone X-huizen die je te goedkoop hebt geprijsd. Je voelt het niet als één slechte dag. Je voelt het als een schaderatio die bij elke verlenging de verkeerde kant op drijft, terwijl je je afvraagt waarom je retentie het hoogst is op precies de polissen die je het liefst zou verliezen.

Wanneer ik het modelleer op een portefeuille van 50.000 woningeigenaren in het zuidoosten van Texas, komt het verkeerd geprijsde Zone X-patroon alleen al neer op $2,8 tot $4,2 miljoen aan jaarlijkse premielekkage — 30 tot 40 panden die elk zescijferige claims genereren tegen premies van $450. Dat zijn de kosten van een kaart die verkeerd is, elk jaar, vóór de volgende Harvey.

Wat ik nu werkelijk geloof

Ik begon hieraan in de veronderstelling dat overstromings-underwriting een dataprobleem was — betere data, betere prijzen. Ik kwam eruit met de overtuiging dat het een probleem van de naad is. De data bestaat. De satellieten vliegen. De computer vision leest de begane-grondhoogte tot op acht inch nauwkeurig. Wat niet kant-en-klaar bestaat, is datgene wat die inputs samensmelt tot één factor, het in minder dan 500 milliseconden de rating-engine in krijgt, en een staatstoezichthouder een memorandum overhandigt dat de kanttekening "verklaar deze factor" doorstaat.

Dat is de laag die het bouwen waard is, en het is waarom we de onze rond integratie en documentatie hebben gebouwd in plaats van rond weer een score.

De kaart zal Zone X blijven zeggen. Het huis op maaiveldniveau met het voor 85% ondoorlatende perceel en de te kleine regenwaterafvoer zal toch blijven overstromen. De enige vraag is of je rating-engine het verschil kent voordat het water dat doet — of dat je erachter komt, zoals iedereen na Harvey deed, door de claims die binnenkwamen uit de plekken waarvan de kaart zei dat ze veilig waren.