Katastrophenmodellierung - Naturkatastrophen, Man Made Risiken, Epidemien und mehr. Proceedings zum 6. FaRis & DAV Symposium am 13.06.2014 in Köln

Fo schung am IVW Köln, 6/2014
Ins i u ü Ve siche ungswesen
Ka as ophenmodellie ung -
Na u ka as ophen, Man Made
Risiken, Epidemien und meh
P oceedings zum 6. FaRis & DAV Symposium
am 13.06.2014 in Köln
Ma ia Heep-Al ine , Ma cel Be g (H sg.)
Fo schung am IVW Köln 6/2014
Ma ia Heep-Al ine , Ma cel Be g (beide H sg.)
Fo schungss elle
Fo schungss elle ak ua ielle Modelle & Me hoden im Risikomanagemen
Ka as ophenmodellie ung - Na u ka as ophen, Man Made
Risiken, Epidemien und meh
. P oceedings zum 6. FaRis & DAV
Symposium am 13.06.2014 in Köln
Zusammen assung
Nich nu sei den jüngs en Flu e eignissen is das Thema „Na u ka as ophen“ bekann lich in alle Munde.
Auch jünge e Mi menschen haben inzwischen schon ela i
häu ig sogenann e „Jah hunde -Flu en“
e leb . Ob es sich dabei wi klich um Auswi kungen eines wel wei en Kl
imawandels handel , is un e ein
wissenscha lichen Gesich spunk en übe die ela i ku zen Beobach ungszei äume schwe beweisba .
Fak is alle dings, dass Elemen a e eignisse sich kaum noch in unbe üh en Gegenden e eignen, so dass
die Schadenau wendu
ngen im Ve gleich zu Ve gangenhei anges iegen sind. Hie s ell sich also in jedem
Fall die F age nach de gene ellen Ve siche ba kei . Abe es gib noch ande e Ka as ophene eignisse, die
die Ve siche ungsindus ie e en können.
Abs ac
No only since he las lood e en s, na u al ca as ophes ha e been an ac ual opic. E en younge people
ha e obse ed se e al so
-called “100-
yea s loods”. I hose e en s a e cause by a clima e change is s ill
unde scien i ic discussion, because i is
ha d o p o e signi ican clima e change e ec s gi en such a sho
obse a ion pe iod. Bu i is qui e e iden ha na u al ca as ophes do no happen any longe in “emp y”
egions such ha he damages a e highe han in he pas . The e o e, one may ask
he ques ion i and how
o insu e such e en s. Bu he e a e o he ca as ophe e en s ha hi he insu ance indus y.
Schlagwö e :
Elemen a schaden e siche ung, Epidemien,
Ka as ophen, Ka as ophene eignis, Ka as ophen-
modellie ung, Man
-Made-Ka as ophen, Na Ca , Na u ka as ophen, Pandemien, Rück e siche ung,
Ve siche ungswi scha
Au o en e zeichnis
1. Ka as ophenmodellie ung.
Na u ka as ophen, Man Made Risiken,
Epidemien und meh .
Ma ia Heep-Al ine
2. Ve siche ba kei on Elemen a isiken in
Deu schland.
Raine Fü haup e
3. Na u ka as ophen und Agg ega kon olle.
Nu zen und G enzen compu e ges ü z e
Simula ionsmodelle.
Ebe ha d Mülle
4. Ex eme eignisse in de Pe sonen( ück)-
e siche ung. He aus o de ungen in de
Exposu e Modellie ung.
La s P alle,
S e an Falk
Vo wo
Die Fo schungss elle ak ua ielle Modelle & Me hoden im Risikomanagemen (FaRis) des
Ins i u s ü Ve siche ungswesen (IVW) an de Fachhochschule Köln und die deu sche
Ak ua e einigung e.V. (DAV) e ans al en zweimal p o Jah ein gemeinsames Symposium.
Diese FaRis & DAV Symposien haben dabei zum Ziel, ak uell ele an e F ages ellungen nich
nu Ak ua en, sonde n auch Pe sonen an den Schni s ellen zu ak ua iellen Tä igkei en
nähe zu b ingen. In diesem Selbs e s ändnis sind die Symposien ein geeigne es Mi el zu
ak ua iellen Wei e bildung, so dass im Rahmen de e p lich enden DAV Wei e bildung die
Teilnahme an diesen Symposien en sp echend ange echne wi d.
Am 13.06.2014 and das sechs e gemeinsame Symposium zum Thema „Ka as ophen-
modellie ung. Na u ka as ophen, Man Made Risiken, Epidemien und meh “ in den
Räumen de Fachhochschule Köln s a .
Nich nu sei den jüngs en Flu e eignissen is das Thema „Na u ka as ophen“ bekann lich
in alle Munde. Auch jünge e Mi menschen haben inzwischen schon ela i häu ig
sogenann e „Jah hunde Flu en“ e leb . Ob es sich dabei wi klich um Auswi kungen eines
wel wei en Klimawandels handel , is un e ein wissenscha lichen Gesich spunk en übe
die ela i ku zen Beobach ungszei äume schwe beweisba . Fak is alle dings, dass
Elemen a e eignisse sich kaum noch in unbe üh en Gegenden e eignen, so dass die
Schadenau wendungen im Ve gleich zu Ve gangenhei anges iegen sind. Hie s ell sich
also in jedem Fall die F age nach de gene ellen Ve siche ba kei .
Ka as ophenmodellie ung be i abe nich nu Na u ka as ophen, sonde n alle Risiken,
die sich nu äuße s sel en, dann abe mi eine en sp echenden Schwe e e eignen und
somi nu seh schwe eingeschä z we den können. Ein klassisches Beispiel ü solche
ande en Ka as ophene eignisse sind die sogenann en „Man Made“ Risiken wie e wa die
Schadene eignisse im Zusammenhang mi dem 11. Sep embe 2001.
Ka as ophene eignisse be e en abe nich nu Sachwe e. So schä z man, dass die
spanische G ippe in den Jah en 1918 – 1920 in Eu opa bis zu 50 Millionen To e e u sach
ha . Es is somi du chaus ein legi imes Gedankenexpe imen , welche Ve siche ungs-
leis ungen eine e gleichba e Epidemie heu e mi eine deu lich ges iegenen
Ve siche ungs a e e u sachen wü de.
Im E ö nungs o ag wu de ein allgemeine Übe blick übe die Thema ik gegeben.
Au Basis seine E ah ungen aus dem eigenen Un e nehmen und aus de GdV
G emiumsa bei ha sich de de zei ige DAV Vo s ands o si ze Raine Fü haup e mi de
F age de Ve siche ba kei on Elemen a isiken in Deu schland auseinande gese z .
Nu zen und G enzen compu e ges ü z e Simula ionsmodelle ü die Na u ka as ophen-
modellie ung wu den on Ebe ha d Mülle on de Hanno e Rück in seinem Vo ag
au gezeig .
Das Symposium ha e sich abe auch zum Ziel gese z , das Thema „Ka as ophen“ nich nu
un e dem Blickwinkel Na u ka as ophen zu beleuch en. Inso e n haben sich D . La s
P alle und S e an Falk on de SCOR in ih em gemeinsamen Vo ag mi Ex eme eignissen
in de Pe sonen( ück) e siche ung auseinande gese z und die He aus o de ungen in de
Exposu emodellie ung illus ie .
Köln, im Juli 2014 Ma ia Heep-Al ine

I
Inhal s e zeichnis
INHALTSVERZEICHNIS....................................................................................................................................... I
ABBILDUNGSVERZEICHNIS ........................................................................................................................... II
ABKÜRZUNGSVERZEICHNIS ......................................................................................................................... IV
1KATASTROPHENMODELLIERUNG ...................................................................................................... 1
1.1NATURKATASTROPHEN .......................................................................................................................... 1
1.2MAN MADE KATASTROPHEN ................................................................................................................. 4
1.3EPIDEMIEN / PANDEMIEN / ENDEMIEN ................................................................................................. 6
2VERSICHERBARKEIT VON ELEMENTARRISIKEN IN DEUTSCHLAND ........................................ 9
2.1BEDEUTUNG VON ELEMENTARSCHADENVERSICHERUNG ..................................................................... 9
2.2KUMULE / RISIKODIFFERENZIERUNG / INFORMATIONSUNGLEICHGEWICHT ...................................... 11
2.3GESELLSCHAFTLICHER UND POLITISCHER EINFLUSS ........................................................................... 13
2.4TECHNIK DER ZONIERUNG .................................................................................................................... 14
2.4.1Zonie ung konk e e Objek e ............................................................................................ 15
2.4.2Si ua ion am Beispiel Baye n ............................................................................................. 15
2.5KALKULATION ....................................................................................................................................... 16
2.5.1GDV Kalkula ionss udien .................................................................................................... 16
2.5.2Kumulkon olle ...................................................................................................................... 16
2.6FAZIT ..................................................................................................................................................... 17
3NATURKATASTROPHEN UND AGGREGATKONTROLLE ............................................................ 18
3.1RÜCKBLICK 1994 - 2014 .................................................................................................................... 19
3.2EINIGE ASPEKTE ZU AUSGEWÄHLTEN NATURKATASTROPHEN ........................................................... 22
3.2.1Die g öß en Ka as ophen in de Enzelda s ellung ...................................................... 22
3.2.2Die g öß en Ka as ophen im Übe blick ......................................................................... 28
3.3KLIMAWANDEL: STAND DER AKTUELLEN ERKENNTNISSE ................................................................... 30
3.4NATURKATASTROPHENMODELLIERUNG UND –RISIKOMANAGEMENT .............................................. 32
3.5VERBRIEFUNG VON NATURKATASTROPHEN ........................................................................................ 37
3.6FAZIT ..................................................................................................................................................... 39
4EXTREMEREIGNISSE IN DER PERSONEN(RÜCK)VERSICHERUNG ........................................... 40
4.1LOKALE KATASTROPHENEREIGNISSE ................................................................................................... 40
4.2INFEKTIONSKRANKHEITEN .................................................................................................................... 44
II
Abbildungs e zeichnis
Abbildung 1: Klassi ika ion on Na u ka as ophen gemäß de auslösenden E eignisse. .. 2
Abbildung 2: Wel wei e Ve eilung de e siche en Schäden on 1950 – 2007. ................... 2
Abbildung 3: Wel wei eue s e S ü me ü die Ve siche ungswi scha . ................................. 3
Abbildung 4: Ex eme his o ische Na u ka as ophen. ..................................................................... 3
Abbildung 5: Die g öß en Seuchen in Eu opa. ..................................................................................... 7
Abbildung 6: Schadenausmaß bei einem g oßen Flu e eignis ...................................................... 9
Abbildung 7: Ve s ä kung des Schadenausmaßes du ch zusä zliche Fak o en. ................... 10
Abbildung 8: Kumul isiko du ch Übe schwemmung am Beispiel on Rosenheim. ............. 11
Abbildung 9: Ve siche ungsdich e in Abhängigkei on de Zonie un gsg enze. ................. 12
Abbildung 10: Hochwasse ge äh dung und Bebauung am Beispiel on Rosenheim. ........ 13
Abbildung 11: ZÜRS (GDV) e sus GIS (Ve siche ungskamme Baye n). .................................. 15
Abbildung 12: De „No h idge Schock“ 1994. ................................................................................... 18
Abbildung 13: Auswi kung des Hu ikans Ka ina. ............................................................................ 23
Abbildung 14: Auswi kungen des Po -au-P ince E dbebens. ..................................................... 24
Abbildung 15: Auswi kungen de Übe schwemmungen in Aus alien. ................................... 25
Abbildung 16: Auswi kungen des Tohoku-E dbebens. ................................................................... 26
Abbildung 17: Auswi kungen de Flu in Thailand. ........................................................................... 27
Abbildung 18: Die g öß en Na u ka as ophen – nach e siche en Schäden. ..................... 28
Abbildung 19: Die g öß en Na u ka as ophen – nach Todesop e n. ....................................... 28
Abbildung 20: Tempe a u ände ungen on 1901 – 2012. ............................................................. 30
Abbildung 21: Komponen en eines Na u ge ah ensimula ionsmodells. ................................. 33
Abbildung 22: Kombina ion on GCM und NWP Modellen. .......................................................... 34
Abbildung 23: S ochas ische E eigniska alog eines Hu ikans. .................................................. 34
Abbildung 24: Simulie e E eigniska aloge. ......................................................................................... 35
Abbildung 25: Simulie e Ma k schäden ü US Hu ikan. .............................................................. 36
Abbildung 26: Ausgelau ene Ve b ie ungs ansak ionen de Hanno e Rück. ..................... 38
Abbildung 27: Ma k übe blick Ka as ophenbonds. ........................................................................ 38
Abbildung 28: Lokale Ka as ophene eignisse s. In ek ionsk ankhei en. .............................. 40
Abbildung 29: Un e schiedliche Exposu es im Ballungs aum Ci y o London. ...................... 40
Abbildung 30: Un e schiedliche Exposu es in Manha an. ............................................................ 41
Abbildung 31: Kon e enzzen en im Epizen um des San F ancisco E dbebens (1906). .... 41
Abbildung 32: Exposu eabschä zung bei bekann en A bei gebe ad essen. ......................... 42
III
Abbildung 33: Konzen a ions isiko bei G uppen e ägen. ........................................................ 42
Abbildung 34: Exposu eübe lappung du ch un e schiedliche P oduk e / Ve äge. .......... 43
Abbildung 35: Epidemiologische Modelle (1). .................................................................................... 45
Abbildung 36: Epidemiologische Modelle (2). .................................................................................... 45
IV
Abkü zungs e zeichnis
AIR Applied Insu ance Resea ch
BCAC Bu eau Commun d'Assu ances Collec i es
BU Be u sun ähigkei
CFR Case Fa ali y Ra io
DGM Digi ales Geländemodell
F Feue isiko
FR F ank eich
GCM Gene al Ci cula ion Modelle
GDV Gesam e band de Deu schen Ve siche ungswi scha e.V.
GIS Geoin o ma ionssys em
GPS Global Posi ioning Sys em
HW Hochwasse
IAWG Ingenieu hyd ologie, Angewand e Wasse wi scha und Geoin o ma ik
IPCC In e go e nmen al Panal on Clima e Change
LLC Limi ed Liabili y Company
LW Lei ungswasse isiko
mph Miles pe hou
NWP Nume ical Wea he P edic ion / Nume ische We e o he sage-Modelle
RMS Risk Managemen Solu ions
SARS Se e e Acu e Respi a o y Synd ome
SST Sea su ace empe a u e
S Ha S u m-/Hagel isiko
TK25 Topog aphische Ka e im Maßs ab 1:25 000
ÜZone Übe schwemmungszone
VdS Ve auen du ch Siche hei (hie : VdS Schaden e hü ung GmbH)
VKB Ve siche ungskamme Baye n, Ve siche ungsans al des ö en lichen Rech s
VS Ve siche ungssumme
ZÜRS Zonie ungssys em ü Übe schwemmung, Rücks au und S a k egen
7
Abbildung 5: Die g öß en Seuchen in Eu opa.
Da es sich um eine Au s ellung ü Eu opa handel , sind Epidemien wie SARS nich mi au -
gelis e . Häl man sich ela i genau an die De ini ion, dann sind iele de genann en Seu-
chen ehe Endemien im Sinne eines pe manen e höh en Au i es diese K ankhei en in-
ne halb de Be ölke ung.
So wa Syphilis bis 1909, als Paul Eh lich das e s e wi ksame Medikamen dagegen en -
deck e, kaum behandelba und a somi imme zu einem gewissen P ozen sa z bei de se-
xuell ak i en Be ölke ung au . Auch Pocken wa en bis zu En deckung de Schu zimp ung
im 18. Jah hunde ehe endemisch als (nu in einzelnen Fällen bei ex em gehäu en Au -
e en) epidemisch und be a en alle Be ölke ungsschich en. Pocken e u sach en den Tod
on Ludwig dem XV und Za Pe e dem II und „beein luss en die Hei a spoli ik“ de Kaise in
Ma ia The esia, da zwei ih e Töch e da an s a ben und eine d i e nach übe s andene In-
ek ion nich meh ‚ e hei a ba ‘ wa . Die gesam e Wiene Klassik – Moza , Bee ho en und
Haydn – wa an Pocken e k ank .
Tube kulose muss in de eu opäischen Ve gangenhei wohl eben alls ehe als Endemie
denn als Epidemie be ach e we den, wobei be ei s bei einem Fossil des homo e ec us de
E ege nachgewiesen we den konn e. Tube kulose is heu zu age in Eu opa zwa kein g ö-
ße es P oblem meh , abe im Un e schied zu Syphilis und Pocken is in ande en Teilen de
Wel Tube kulose auch heu e noch s a k endemisch und in diesen Gegenden ein g oßes
medizinisches und gesellscha liches P oblem.
Rich ig g oße Pandemien ha es in de Geschich e Eu opas zweimal gegeben: Die Pes on
1347 / 1348, bei de geschä z ein D i el de damaligen Be ölke ung ausge o e wu de –
in einigen Lands ichen auch deu lich da übe hinaus – mi ex emen wi scha lichen und
gesellscha lichen Auswi kungen.
Die spanische G ippe 1918 / 1919 ha mindes ens 25 Mio. Menschen das Leben gekos e ,
wobei einige Schä zungen soga on de doppel en Anzahl ausgehen. Dabei is de Beg i

8
„spanische G ippe“ im P inzip i e üh end, da diese In ek ion alle Vo aussich nach nich in
Spanien, sonde n in den USA ih en U sp ung ha e und on do aus du ch den e s en Wel -
k ieg nach Eu opa gelang e. Au g und de Zensu bei de Be ich e s a ung de k iegs üh-
enden Mäch e wa es die P esse im unabhängigen Spanien, die e s mals uneingesch änk
übe das K ankhei sphänomen be ich e e, wo aus sich dann de Beg i „spanische G ippe“
e geben ha .
Spannend is nun die F age, wie solche Phänomene modellie we den können. Die Pes
kann zwa au g und des medizinischen Fo sch i s als wei es gehend ausge o e ode zu-
mindes gu behandelba be ach e we den, G ippewellen bis hin zu G ippeepidemien be-
obach e man abe in egelmäßigen Abs änden.
9
2 Ve siche ba kei on Elemen a isiken in Deu schland
Raine Fü haup e
Da die Ve siche ungskamme Baye n Ma k üh e in Baye n und de P alz mi übe 38 % Kun-
den eichwei e is , ha das Thema „Ve siche ba kei on Elemen a isiken“ wegen de Kumul-
schadenp oblema ik hie eine besonde e Rele anz.
2.1 Bedeu ung on Elemen a schaden e siche ung
Wie die nach olgenden Fo og aphien e deu lichen, können Elemen a e eignisse wie Flu -
ka as ophen ganze Lands iche „lahmlegen“ und ekla an e wi scha liche Auswi kungen
haben.
Abbildung 6: Schadenausmaß bei einem g oßen Flu e eignis12
Bei solchen Bilde is das Schadenausmaß au den e s en Blick gu o s ellba , abe es gib
du chaus auch wei e e – schaden e s ä kende Ein lüsse – die au den e s en Blick nich e -
kennba sind und die eilweise e meidba wä en.
Wie in de nach olgenden Abbildung e sich lich, wi ken sich olgende Fak o en zusä zlich
e schwe end au das Schadensmaß aus:
 Du ch Lecks in ( eilweise schon längs nich meh zulässigen) Heizöl anks, we den
ganze Häuse zeilen de a kon aminie , dass sie olls ändig abge issen und als Son-
de müll en so g we den müssen.
 Wei e hin schadene höhend wi ken die Kon aminie ungen mi Tie kada e n, die
nich ech zei ig en so g we den können, und mi gewe blichen Ab ällen.
12 Quelle: VKB
10
 Auch einige länge e Einwi kungszei des Wasse s bewi k , dass die Behebung de
Schäden eu e wi d als bei eine nu ku z is igen Du chnässung.
Abbildung 7: Ve s ä kung des Schadenausmaßes du ch zusä zliche Fak o en.13
Im Nach olgenden e olg eine Eing enzung de Be ach ung au Übe schwemmungs isi-
ken ohne S u m lu en, d. h. insbesonde e au S a k egen und Ausu e ung on Flüssen. Eine
Elemen a schaden e siche ung is eine Ka as ophen e siche ung und somi insbeson-
de e eine Exis enzsiche ung gegen inanziellen Ruin und e möglich Wi scha en o z sel-
ene , abe exis enzielle Ge äh dung. Die Elemen a schaden e siche ung is dabei ein
Tausch de Risikoposi ionen, nämlich „sel ene / unwah scheinliche To al uin“ gegen „Kon-
sum e zich in es e Höhe“ und G oßschaden gegen P ämienzahlung. Dadu ch wi d eine
Besiedelung on lussnahen Gebie en e möglich . Das Bed ohungspo enzial du ch S a k e-
gen / Übe schwemmungen (ÜZone 1 bis 3) kann mi dem Feue isiko (F), dem Lei ungswas-
se isiko (LW) und dem S u m-/ Hagel isiko (S Ha) wie olg e glichen we den:
F LW S Ha ÜZone 1 ÜZone 2 ÜZone 3
P ämie 45 100 60 50 250 650
Da on ü
G oßschäden
20 5 1 5 125 325
Bei den genann en We en handel es sich um E wa ungswe e ohne Kos en und Risikoka-
pi alkos en14 ü ein Beispielhaus mi eine Ve siche ungssumme in Höhe on 400.000 €, wo-
bei G oßschäden als Schäden ab 50.000 € de inie sind.
13 VKB
14 GDV
11
De Risiko Gesam beda / G oßschaden on Zone 1 is mi LW und S Ha e gleichba ; bei
den Zonen 2 & 3 is Übe schwemmung 5 – 10 mal ge äh liche als Feue ; die G oßschaden-
ge äh dung is soga ela i gesehen noch g öße als bei Feue .
2.2 Kumule / Risikodi e enzie ung / In o ma ionsungleichgewich
Bei Elemen a isiken gib es allgemein eine Kumulp oblema ik, die in de nach olgenden
Abbildung am Beispiel eine mi elg oßen baye ischen K eiss ad e deu lich wi d.
Abbildung 8: Kumul isiko du ch Übe schwemmung am Beispiel on Rosenheim.15
Ve siche ung bedeu e Ausgleich im Kollek i , d. h. de inanzielle Ruin des Einzelnen wi d
du ch Mechanismen wie dem zen alen G enzwe sa z (un e de Vo ausse zung de Unab-
hängigkei de Schadense eignisse) zu einem kalkulie ba en Zahlungss om ü das Kollek-
i . Bei Elemen a e eignissen gib es das P oblem, dass die Vo ausse zung de s ochas i-
schen Unabhängigkei e le z is , da es eine Gleichzei igkei wegen gemeinsame U sachen
(Wi e ungse eignis/ Übe schwemmung)gib und somi das P inzip de Ve siche ung (Aus-
gleich im Kollek i ) ges ö is .
Denkba e Lösungsansä ze sind Risikominde ungen/ -au eilungen du ch
 Rück e siche ung / Mi e siche ung,
 Ausgleich in de Zei (Schwankungs ücks ellung/ Eigenkapi al) und
 Spa en-Di e si izie ung.
15 GDV/Zü s Geo („Zonie ungssys em ü Übe schwemmungs isiko und Einschä zung on Umwel isiken“)
12
In de nach olgenden Tabelle sind abhängig on de Lage ypische Ge äh dungssi ua ionen
illus ie :
Si ua ion Wah scheinlichkei Schaden p o Haus
1) ak isch keine Ge äh dung nahe 0 bis 10.000 €
2) S a k egen  klein äumige Übe lu ung < 1% bis 80.000 €
3) Ka as ophe bei Dammb uch 0,5% - 1% bis To alschaden
4) egelmäßig 10% bis 30.000 €
Wie die Tabelle zeig gehen die Schadene wa ungswe e p o Ein amilienhaus on wenigen
Eu o p. a. in de Si ua ion 1 bis hin zu Si ua ion 4, wo Ve siche ung meh ode wenige un-
sinnig is . Hie bei handel es sich o um his o ische Bau en mi Ad essen wie „an de Mühle
1“, bei denen häu ig auch noch Wasse s andma ken aus de Ve gangenhei au das Phäno-
men hinweisen.
De Ve siche ungsschaden is die Summe de a sächlich e siche en E wa ungswe e und
abhängig on de kleins äumigen Si ua ion de a sächlich e siche en Risiken, wobei
die Ge äh dung kleins äumig komple e schieden und du ch die Kunden eilweise ab-
schä zba is , d. h. inne halb de Zonen s eig die Ve siche ungsdich e e heblich „hin zum
Gewässe “, siehe dazu auch die nach olgende Abbildung.
Abbildung 9: Ve siche ungsdich e in Abhängigkei on de Zonie ungsg enze.
Die Thema ik is ielschich ig, wobei insbesonde e de gesellscha liche und poli ische Ein-
luss an ielen S ellen noch e schä end hinzukomm .
Risiken de Zone A: Schadensa z abhängig om Abs and zu Zoneng enze
Rela i -Da s ellung de 10-m-Bände (Gesam = 100%)
(glei ende Du chschni e; "Masse" lieg nu im Band >500m)
Da en 1999 - 2005
0
1
2
3
4
5
6
0 100 200 300 400 500 600 700
Abs and zu Zoneng enze
Ve häl nis Schadensa z zum Du chschni
Zone B
Zone D
Zone E
kleins e Bäche

13
2.3 Gesellscha liche und poli ische Ein luss
His o isch e olg e die Besiedelung meis nu in hochwasse eien Gebie en ode in eine
ex em angepass en Bau- und Lebensweise wie e wa bei Mühlen, den e s en Bau eihen an
Mosel, Donau, Rhein e c. Sei e wa 1970 beobach e man eine e s ä k e Besiedelung übe -
schwemmungsge äh de e Gebie e, d. h. in jünge e Zei gib es imme meh einen Ausweis
on Neubau- / Gewe begebie en in Flussauen bei einem In e essenkon lik zwischen de
‚Ausweisung on Bauland‘ und dem ‚Au wand ü Hochwasse schu z‘. Konku ie ende Zu-
s ändigkei en (Kommunen s. Landesminis e ien) agen eben alls dazu bei, dass sich die
Si ua ion e schä . Regulie ungen on Gewässe n können eben alls zu eine nega i en
Ve ände ung de Hochwasse lage üh en. Abbildung 10 e deu lich dies wiede am Bei-
spiel de baye ischen K eiss ad Rosenheim.
Abbildung 10: Hochwasse ge äh dung und Bebauung am Beispiel on Rosenheim.16
Die Bebauung inne halb de hochge äh de en (blauen) Be eiche e olg e e s ab ca. 60e - /
70e Jah e (als Gewe begebie e!). Neben solchen poli ischen Ein lüssen kommen abe auch
gesellscha liche Ein lüsse hinzu wie Ve ände ungen de Bauweise und ande e Wohns an-
da ds, beispielsweise ausgebau e Kelle , Isolie ung (innen und außen), Heizung und hoch-
we ige echnische Auss a ung, was sich in jedem Fall Schaden e höhend auswi k . Abe
auch wei e e Fak o en haben Auswi kungen. Du ch die Ve ände ung de Mobili ä e olg
o ein Zuzug o s emde Neubü ge , die beispielsweise ohne Kenn nis de Si ua ion o O
bauen.
16 VKB/GIS (Hin e g und TK25)
14
Abe auch ganz allgemein is ein eingesch änk es Risikobewuss sein gegenübe Na u ge-
ah en beobach ba . Fü den „No mal all“ mein de heu ige Mensch, Schu z gegen alle Ein-
lüsse de Na u zu inden. Gegen Ex em-Ka as ophen is abe jede Technik mach los.
E schwe end komm hinzu, dass Baulei planungen und Bauo dnungen (z. B. im Hinblick au
Heizöl anks) zum Teil nich isikoge ech sind.
2.4 Technik de Zonie ung
Mode ns e Geoin o ma ik (GDV, IAWG) ha das Ziel, die Ge äh dungssi ua ion ü jedes Ge-
bäude o he zusagen. Hie un e allen insbesonde e:
 Digi ales Geländemodell (DGM 25: Höhenquo e zu allen 25-m-Gi e punk en)
 Ab luss-S a is iken (HW: Du ch luss / sec.) an Messpunk en: No mal und Quan ile
 Hyd aulische Modell echnungen:
 Fließgeschwindigkei abhängig on S eilhei , Fluss-Que schni , ...
 Ausu e ungs lächen / -höhen zu Quan ilen
 Ve schneidung mi den Lage-Koo dina en on Gebäuden
 inzwischen Ve wendung de E gebnisse de Wasse wi scha im Rahmen de EU-
Flood-Di ec i e
Geoin o ma ik au Basis um ang eiche Geo- und Fachda en (GDV / VdS mi Inge-
nieu bü o IAWG)
Als E gebnis e häl man eine Ein i swah scheinlichkei mi Schadenhöhen-Abschä -
zung ü jedes Gebäude, wobei alle dings olgende P oblem au e en:
 Die Da en sind eilweise un olls ändig / inkonsis en (z.B. sind Gebäude- und Fluss-
Koo dina en eilweise inkonsis en )
 Dämme sind o nich im DGM abgebilde  manuelle Nacha bei e o de lich.
 Die Da en sind eilweise seh eue
 Die Da en liegen e eil au Bundes- / Landesbehö den o .
 Die P ojek ionen sind uneinhei lich.
15
2.4.1 Zonie ung konk e e Objek e
Die Ge äh dungse mi lung on zu e siche nden Objek en e olg dezen al en wede dy-
namisch online du ch Ve schneidung de Gebäude-Koo dina en mi Ka en de Risikoge-
bie e, ode s a isch du ch Vo p ozessie ung und Speiche ung alle Objek e, da die mobile
Online-Ve bindung noch nich lächendeckend aus eichend s abil is . Vo p ozessie e Da en
liegen an de G enze des de zei e a bei ba en Um angs. Als Lösung bie e sich eine hoch
e izien e Ve schlüsselung und Speiche ung de Zuo dnung on Ad essda en und Risi-
koklassi izie ung an, insbesonde e „Zü s Ligh “ (GDV) sowie inzwischen ausge ei e Online-
Pla o men (Zü s Geo, GDV). Die In eg a ion beide P ozesse du ch die Ve siche e is nö ig.
2.4.2 Si ua ion am Beispiel Baye n
Hie gib es ca. 2,5 Mio. Wohngebäude, da on ca. 88% in Zone 1 und ca. 1,7% (gemäß GDV)
bzw. 0,2% (gemäß VKB) in Zone 4 (= nich e siche ba ).
Die Ve siche ungskamme Baye n s u (au Basis eigene Einschä zungen mi els manuelle
Plausibilisie ung) eilweise Risiken s a in Zone 4 in den Zonen 2 ode 3 ein – umgekeh
abe auch ca. 2 % de Risiken aus Zone 1 in den Zonen 2 und 3 ein (z. B. bei kleinen Bächen).
Wegen Zonie ung nich e siche ba sind un e ZÜRS GDV ca. 40.000 un e GIS VKB ca. 5.000
Wohngebäude, z.T. gib es indi iduelle Lösungen übe bauliche Maßnahmen, dann „Res -“
Risiko e siche ung, siehe dazu auch die nach olgende Abbildung:
Abbildung 11: ZÜRS (GDV) e sus GIS (Ve siche ungskamme Baye n).17
Maßgeblich ü die Risikoen scheidung is in jedem Fall die eigene Eins u ung de Ve siche-
ungskamme Baye n.
17 Zü s Geo (GDV / VdS) / GIS (VKB)
16
2.5 Kalkula ion
2.5.1 GDV Kalkula ionss udien
In de Regel e olg eine Kalkula ion klassisch au Basis on GDV Kalkula ionss udien.
Falls keine aus eichenden Schadenda en e ügba sind, is eine klassische Kalkula ion nich
möglich.
 Schadenhäu igkei
o gemäß Modellie ung de Zonie ung
 Schadendu chschni
o Schä zung aus o liegenden ku zen Zei eihen und aus sons igen s a is i-
schen Quellen
 noch keine wi klichen Ka as ophen-E eignisse in den Da en
 Ve ände ung de Bausubs anz (mode ne Dämmung!)
Nu Ausu e ungen on Flüssen sind modellie  lokale Übe lu ungen du ch S a kniede -
schläge beinhal en eine Kalkula ionsunsiche hei .
Fü sons ige Elemen a ge ah en liegen keine Kalkula ionsda en o . Hie wä en Modellie-
ungen on Selek ionse ek en denkba ode C edibili y-Modelle zu Be ücksich igung
kleins äumige indi iduelle Ge äh dungsun e schiede.
2.5.2 Kumulkon olle
Das P oblem bes eh da in, dass es eine Kausali ä zwischen Schadenan all und me eo olo-
gischem Ex eme eignis gib . Die s ochas ische Unabhängigkei is somi ges ö . Lokal is
de Zusammenhang zwischen Wasse s and und Wiede keh pe iode bekann  Gleichzei-
igkei de Übe lu ung an ielen S ellen. Dahe e olg ein Ansa z eine Ko ela ionsanalyse
de Pegelzei eihen an ielen Messs ellen, insbesonde e die Modellie ung on Ab lüssen
on Ge älle, Flussque schni e c. sowie die Ausb ei ung absei s de Pegel.
Die „Gleichzei igkei “ de Wasse s ände is s a is isch in den Wah scheinlichkei smodellen
e ass . Man ha eine s ochas ische Modellie ung on syn he ischen hyd ologischen E eig-
nissen als Zu alls ealisie ung aus den geschä z en Wah scheinlichkei s e eilungen. Man
benö ig eine Ve schneidung de Übe schwemmungs lächen je syn he ischem E eignis mi
den e siche en Gebäuden (Schadeng ad unk ionen), um den Schadenau wand je syn he-
ischem E eignis simulie en zu können.
23
 250 Meilen Du chmesse Hu ikans ä ke
 Bis 9 Me e hohe s u minduzie e Wellenhöhe
 ca. 1200 Op e
 KRW bis Ze a: Bishe schlimms e Hu ikan-saison alle Zei en
Schäden
 Ökonomisch: > USD 150 M d.
 Ve siche e Ma k schaden USD 62 M d.
 Hohe "S o m Su ge" An eil – Deichb üche und New O leans lieg un e Mee esspie-
gel
 Wiede keh pe iode < 40 Jah e
Abbildung 13: Auswi kung des Hu ikans Ka ina.
20
20
Quelle: Associa ed P ess Pho o/Rogelio Solis

24
Po -au-P ince E dbeben in Hai i am 12. Janua 2010
M 7.0 E dbeben
 EPI Zen um 25km südwes lich on Po -au-P ince
 Hohe In ensi ä du ch ge inge Tie e on 13 km
 Ak i ie ung eine Fal enzone on 36 km Länge
 Ca. 225.000 To e, 100.000 ze s ö e Häuse
 Kein signi ikan e Tsunami
Schäden
 Ökonomisch: ~ USD 8 M d.
 Du ch ge inge Ve siche ungsdich e da on nu ~USD 200 Mio. e siche
 An ällige Gebäudebes and, Baus anda ds p ak isch nich o handen
 Hohe Zahl an Pe sonenschäden du ch kollabie e Häuse
 Wiede keh pe iode < 250 Jah e
Abbildung 14: Auswi kungen des Po -au-P ince E dbebens.
21
21
Quelle: Associa ed P ess Pho o
25
Übe schwemmungen in Aus alien im Janua 2011
G oß aum B isbane s a k be o en
E eignis
 Teil eine Flu se ie
 Gesam übe schwemmungsgebie g öße als D und FR zusammen
 G öß e Schäden im Zen um on B isbane
 Wasse s and 4.46 m übe mi le em Pegel
Schäden
 Ökonomische Schaden > USD 10 M d.
 Ve siche e Schaden: USD 2,5 M d.
 > 20.000 Häuse be o en
 S a k un e schiedliche Be o enhei bei Ve siche e n du ch uneinhei liche Flu de i-
ni ionen bzw. Flu ausschlüsse
 Wiede keh pe iode: ca. 30 Jah e bezogen au die Pegels ände in B isbane
Abbildung 15: Auswi kungen de Übe schwemmungen in Aus alien.
22
22
Quelle: Aus alian Eme gency Managemen
26
Tohoku-E dbeben in Japan am 11. Mä z 2011
Mi schwe e Nachbebensequenz
M 9.0 E dbeben und Tsunami
 Wel wei ie g öß es E dbeben (sei 1900)
 In ensi ä 8x g öße als ü möglich gehal en
 G oß äumige Schäden im No dos ens Japans
 Tsunamis im gesam en Pazi ik aum, in Japan bis zu 10 km wei an Land, Höhe 15 m
 ~ 14.416 To e, ~ 15.000 Ve miss e
 > 400 Nachbeben M 5.0+
Schäden
 Ökonomisch: USD 200-300 M d.
 Da on > USD 30 M d. e siche
 Be o en sind alle Spa en, inkl. Leben, T anspo und Be iebsun e b echung
 A omun all de Ka ego ie 7, Lang is olgen kaum abschä zba , nich e siche
 Wiede keh pe iode < 100 Jah e (Japan)
Abbildung 16: Auswi kungen des Tohoku-E dbebens.
23
23
Quelle: Wikipedia/Wikimedia
27
Flu in Thailand om Juli - Dezembe 2011
Nahezu landeswei e Flu
 Ausgelös du ch anhal enden Monsun egen kombinie mi den Ausläu e n eine Se-
ie opische Zyklone
 65 on Thailands 77 P o inzen wa en be o en
 Schlimms e Flu de le z en 50 Jah e
 884 To e, Millionen be o ene Menschen
Schäden
 Ökonomisch: 45,7 M d. USD (~8% GDP),
 Ve siche : 10,8 M d. USD (~3% GDP)
 Schäden aus allen Spa e inkl. Sach, BU, IBU Tou ismus, T anspo usw.
 7.510 Indus ie- und Fe igungsanlagen in 40 e schiedenen P o inzen wa en be-
o en
Abbildung 17: Auswi kungen de Flu in Thailand.
24
24
Quelle: Wikipedia/Wikimedia
28
3.2.2 Die g öß en Ka as ophen im Übe blick
In de nach olgenden Tabelle sind die g öß en Na u ka as ophen so ie nach de Höhe
de e siche en Schäden au gelis e .
Abbildung 18: Die g öß en Na u ka as ophen – nach e siche en Schäden.
Beme kenswe an de Lis e is , dass es sich bis au das E dbeben in Chile (welches selbs
noch nich einmal die Sol ency II Ma ke „knack “) in allen ande en Fällen nich einmal um
100-Jah ese eignisse handel . Das E dbeben in Chile wa wegen de ge ingen Ve siche-
ungsdich e abe e gleichsweise „billig“.
Abbildung 19: Die g öß en Na u ka as ophen – nach Todesop e n.
E eignis Jah Op e Land
Ve s.-Schaden
in M d. USD
1)
Modellie e
WKP
2)
Hu ikan Ka ina 2005 1.383 USA 62 33
Tōhoku-E dbeben 2011 14,416 Japan ca. 30 ca. 60
Hu ikan And ew 1992 43 USA, Ka ibik 29 12
Hu ikan Ike 2008 170 USA, Ka ibik 19 8
No h idge E dbeben 1994 61 USA 17 30
Hu ikan I an 2004 125 USA, Ka ibik 15 6
Hu ikan Wilma 2005 42 USA, Mexico, Ka ibik 14 6
Hu ikan Ri a 2005 10 USA, Mexico, Ka ibik 14 6
Hu ikan Cha ley 2004 36 USA, Ka ibik 9 4
Chile E dbeben 2010 24 Chile 8 125
E eignis Jah Op e
1)
Land
Ve s.-Schaden
in M d. USD
1)
E dbeben Hai i 2010 220.000 Hai i 0,2
Tsunami 2004 220.000 Di e se (Ind. Ozean) 1
Zyklon Na gis 2008 140.000 Myanma n/a
Zyklon Bangladesch 1991 140.000 Bangladesch 0,1
E dbeben Pakis an 2005 90.000 Pakis an << 0,1
E dbeben China 2008 85.000 China 0,3
Hi zewelle, Dü e 2003 70.000 Eu opa 1
Hi zewelle, Dü e 2010 55.000 Russland n/a
E dbeben I an 1990 40.000 I an 0,1
E dbeben I an 2003 25.000 I an << 0,1

29
Besonde s „bi e “ an diese Tabelle is , dass die Na u ka as ophen mi den meis en Op e n
in a men Lände n mi ge inge Ve siche ungsdich e s a ge unden haben und somi aus
Sich de Ve siche ungswi scha „billig“ wa en.
Na u ka as ophen e u sachen abe nich nu di ek e Schäden, sonde n haben auch wei -
gehende Konsequenzen im sozioökonomischen Um eld wie e wa das Beispiel des Hu ikans
Ka ina zeig : Hie kam es übe einen länge en Zei aum zu einem Zusammenb uch des Ge-
sellscha ssys ems mi
 Ve lus on Häuse n, Schulen, Be iebss ä en, A bei splä zen, G und e so gung mi Le-
bensmi eln und sozialen Kon ak en zwischen Familien und F eunden ,
 Schließungen on Res au an s, Clubs und F eizei ein ich ungen,
 Schäden an In as uk u en (Abwasse , ö en lichem Nah e keh & Telekommunika ion),
 Zusammenb uch de Gesundhei s e so gung,
 Ve lus an ca. 124.000 A bei ss ellen und dami einhe gehend Ve lus des K anken e si-
che ungsschu zes,
 e hebliche Zunahme de K iminali ä (Mo de, Diebs ähle, Plünde ungen usw.)
 E akuie ungen on übe 1 Mio. Menschen in 369 S äd e de Ve einig en S aa en on
Ame ika, (Hous on, A lan a, Memphis, Ba on Rouge …) was
• die g öß e pe manen e Be ölke ungsmig a ion in de Ve einig en S aa en on
Ame ika sei dem Bü ge k ieg,
• eine Übe üllung de Ziels äd e und
• eine Übe o de ung de lokalen Gesundhei ssys eme nach sich zog.
30
3.3
Klimawandel: S and de ak uellen E kenn nisse
De In e go e nmen al Panel on Clima e Change (IPCC) is eine Ins i u ion de Ve ein en
Na ionen, geg ünde 1988. In seinem Au ag agen Wissenscha le wel wei den ak uellen
S and de Klima o schung zusammen und bewe en anhand ane kann e Ve ö en lichun-
gen den jeweils neues en Kenn niss and zum Klimawandel.
De Wel klima a IPCC dien de Quali ä ssiche ung und de Konsense zielung, insbeson-
de e gil :
 Das IPCC o sch nich selbs , sonde n äg zusammen und bewe e
 Wissenscha le agen eh enam lich als Au o en und Gu ach e bei
 Zusä zlich Beobach e on ca. 100 akk edi ie en in e na ionalen O ganisa ionen
und aus de Zi ilbe ölke ung
 195 Lände sind Mi glied im IPCC
 Alle Mi gliedslände s immen den Be ich en o Ve ö en lichung zu
 Alle Be eilig en sollen Konsens übe den zu e ö en lichen Be ich e zielen
 Ve ö en lichung des ak uellen Be ich es am 27.09.2013
25
 830 Au o en aus 39 Lände n, 54.677 Kommen ie ungen, 2216 Sei en
 Die O ganisa ion IPCC wu de 2007, gemeinsam mi dem ehemaligen US-Vizep äsi-
den en Al Go e mi dem F iedensnobelp eis ausgezeichne
Abbildung 20: Tempe a u ände ungen on 1901 – 2012.
26
25
IPCC (H sg.): Clima e Change 2013. The Physical Science Basis.
26
Quelle: 5. IPCC Repo (2013), „Summa y o Policymake s“.
31
Beobach ungen im IPCC Sachs andsbe ich zeigen Ände ungen im Klimasys em, insbeson-
de e:
 Ans ieg de globalen Mi el empe a u in Bodennähe on 0,85°C zwischen 1880
und 2012
 E wä mung de Ozeane in den Schich en nahe de Wasse obe läche bis 75m zwi-
schen 1971 und 2010 im Mi el um 0,11°C p o Dekade – E wä mung auch in Tie en
un e 3.000 m
 Ans ieg des globalen mi le en Mee esspiegels zwischen 1901 und 2010
um 19 cm (du chschni lich ca. 1,7 mm/Jah , sei ca. 20 Jah en 3,2 mm/Jah )
 Ve inge ung de mi le en Ausdehnung des a k ischen Mee eises um 3,5 bis 4,1
% p o Dekade; Rückgang de Gle sche und Masseabnahme de pola en Eiskappen
 Zunahme de Niede schläge zwischen 1950 und 2008 in den euch en Regionen de
T open und mi le en B ei en de No dhalbkugel, Abnahme in ockenen Regionen
de Sub open
 Zunahme on We e ex emen: Hi zewellen, S a k egen, Abnahme de kal en Tage
und Näch e
Wei e e Aussagen zu Na u ka as ophen aus ande en Quellen als dem IPCC Sachs andsbe-
ich :
Knu son e al. (2010 Na u e – GeoScience) zu Hu ikans
 Höhe e In ensi ä , ge inge e F equenz
 Dekaden bis s a is isch belegba
Emanuel (2013):
 höhe e In ensi ä und F equenz
Ca mago (2013 Jou nal o Clima e)
 Keine Ände ungen in de F equenz
Holland and B uye e (2013 Clima e Dynamics)
 Hu ikan-In ensi ä be ei s heu e e höh
Die Aussagen sind insgesam keineswegs eindeu ig.
32
3.4 Na u ka as ophenmodellie ung und –Risikomanagemen
Die "ge inge" Anzahl an his o ischen E eignissen lie e keine Basis ü die Anwendung on
ma hema isch-s a is ischen Me hoden ü P ämienbe echnung und Risikomanagemen :
• Die E eignishis o ie e laub keine e lässlichen Aussagen / Hoch echnungen zu E eig-
nis equenz (Wiede keh pe iode).
• Die E eignishis o ie is nich ep äsen a i bezüglich mögliche E eignisin ensi ä en.
• Die geog aphische Be o enhei on Regionen du ch einge e ene his o ische E eig-
nisse is nich ep äsen a i .
• Ände ungen de Exponie ung, z.B. in de Bebauungsdich e, können nich be ücksich ig
we den.
• Ände ungen de Vulne abili ä en, z.B. du ch geände e Bauweisen können in
ma hema isch-s a is ischen Me hoden nich be ücksich ig we den.
In de Konsequenz benö ig man in jedem Fall na u wissenscha liche Simula ionsmodelle.
P o essionelle Modell-En wickle und Eigenini ia i en e höhen dabei die T anspa enz und
E gebnis iel al . Hie insbesonde e
 AIR Wo ldwide Co po a ion (Applied Insu ance Resea ch)
 RMS, Inc. (Risk Managemen Solu ions, Inc.)
 EQECAT, Inc.
 Impac Fo ecas ing LLC (Ini ia i e on AON Ben ield)
 Modellen wicklungen on E s - und Rück e siche ungsun e nehmen z.B.
• VHV Modell ü E dbeben Tü kei zusammen mi Uni e si ä Ka ls uhe
• Hanno e Rück / E+S Rück Modelle ü
− Flu , Hagel und E dbeben (in En wicklung) in Deu schland (ES Flu e /
ES Hagel / ES Beb )
− Ecuado E dbeben, Aus alien Busch eue und iele ande e Szena ien
wel wei
• Munich Re / Swiss Re En wicklungen
 Global Ea hquake Model Founda ion
 Uni e si ä en, Fo schungsins i u ionen
39
De Ma k ü Ka as ophenbonds ha sich nach de Finanzk ise e hol , is abe noch nich
zu ück au dem S and on 2007.
3.6 Fazi
Zusammen assen kann man olgendes sagen:
 Die Be ölke ungsen wicklung üh zu höhe e Be o enhei , und zu höhe en öko-
nomischen und e siche en Schäden aus Na u ka as ophen
 Die Unsiche hei en in de Einschä zung g oße Na u ka as ophen sind insgesam
und auch ü einzelne Ge ah en und geog aphische Regionen seh hoch
 De Klimawandel üh mi hohe Wah scheinlichkei zu un e schiedlichen Ände un-
gen in lokal wah nehmba en We e phänomenen
 Die Ve siche ungsmä k e we den sich e s mi Ve besse ung des Wohls ands in Län-
de n mi Be ölke ungswachs um, zei lich nachgelage , en wickeln
 Das Ein e en on Na u ka as ophen is "zu ällig" und bei isikoge ech en P ämien
(Rendi e) e - und besiche ba
 Die wel wei en inanziellen Kapazi ä en de Ve siche ungs- und Kapi almä k e ei-
chen aus, um ak uelle und zukün ige Schäden aus Na u ge ah en zu agen
Ode : P ognosen sind schwie ig – o allem wenn sie die Zukun be e en.

40
4 Ex eme eignisse in de Pe sonen( ück) e siche ung
La s P alle, S e an Falk
Ex eme eignisse be e en die Pe sonen( ück) e siche ung in zweie lei Hinsich : Als Pe so-
nenschäden bei lokalen Ka as ophene eignissen und als Pe sonenschäden bei In ek ions-
k ankhei en. Abbildung 29 s ell eine Abg enzung beide Beg i lichkei en da . Die Einschä -
zung ob und wie s a k ein ( ück-) e siche es Po e euille on solchen Ex eme eignissen
be o en sein könn e, e weis sich in de P axis als du chaus schwie ig.
Abbildung 28: Lokale Ka as ophene eignisse s. In ek ionsk ankhei en.
4.1 Lokale Ka as ophene eignisse
Die hohe Mobili ä de Be ölke ung und dami auch de e siche en Pe sonen e schwe
die Einschä zung des Exposu es, das bei einem lokalen Ka as ophene eignis be o en sein
könn e, wie man anhand Abbildung 30 e kennen kann.
Abbildung 29: Un e schiedliche Exposu es im Ballungs aum Ci y o London.35
35 „Conges ionon- he-London_Unde g ound.jpg“ on susan u ne 70, ge unden un e h p://en.wikipe-
dia.o g/wiki/London_Unde g ound#media iewe /File:Conges ion-on- he-london-unde g ound.jpg; „ S -
Pauls- ube-s a ion.jpg“ on Romazu , ge unden un e h p://upload.wikimedia.o g/wikipedia/com-
mons/4/45/S -Pauls- ube-s a ion.jpg?uselang=de; G a ik eigene Da s ellung
lokale Ka as ophene eignisse In ek ionsk ankhei en
Cha ak e si ik
• plö zlich au e end
• ypische weise zei lich und egional
beg enz
• Schadenpo en ial o mals limi ie
• schleichend/übe meh e e Qua ale
• i.d.R. keine egionale Beg enzung
• seh ge inge F equenz, abe massi es
Schadenspo en ial
Beispiele
• Na u ka as ophen
• Te o anschläge
• Man-Made-Desas e s (Indus ieun älle,
Reiseun all)
• Pandemien
41
Wü de ein lokales Ka as ophene eignis wie beispielsweise ein Te o anschlag die Ci y o
London an einem Sonn agmo gen e en, wä e de E ek ü die Pe sonen( ück) e siche-
ung nu seh ge ing. Zwei Tage spä e zu Haup e keh szei sähe es dann schon ganz an-
de s aus.
Abbildung 30: Un e schiedliche Exposu es in Manha an.
36
Wäh end des Tages e doppel sich au g und de Pendle die Be ölke ungszahl on Man-
ha an.
Besonde s ekla an e Auswi kungen du ch die Mobili ä können sich dann e geben, wenn
sich iele Ve siche e (z.B. übe eine G uppen e siche ung abgesiche e Fi menangehö ige)
bei eine G oßkon e enz zusammen e en, wie das nach olgende d i e Beispiel zeig :
Abbildung 31: Kon e enzzen en im Epizen um des San F ancisco E dbebens (1906).
37
Das Epizen um des g oßen kali o nischen E dbebens on 1906 lag in de “San F ancisco Bay
A ea”. Dieses Gebie gil als eine de Regionen mi de höchs en E dbebenwah scheinlich-
kei . In diese Region be inden sich übe 20 g öße e Ve ans al ungso e.
36
Zei ungsa ikel de “New Yo k Times” om 06.06.2013.
37
Quelle: Guy Ca pen e .
42
Zuge eis e Kon e enz eilnehme beispielsweise, welche häu ig ein höhe es Einkommen und
en sp echend hohe Ve siche ungssummen au weisen, können an einzelnen Tagen das lo-
kale Exposu e signi ikan e höhen. Dies gil insbesonde e ü G uppen e siche ungen. Abe
auch ganz allgemein is bei G uppen e siche ung das Exposu e nich imme ein ach abzu-
schä zen. Bei G uppen e siche ungen schließ ein A bei gebe Lebens e siche ungen ü
seine Mi a bei e ab. Die A bei gebe ad esse is übliche weise bekann , inso e n kann p in-
zipiell eine Exposu eabschä zung e olgen. Beispielsweise wä e es möglich in einem e s en
Sch i die A bei gebe ad essen in GPS-In o ma ionen zu übe se zen und diese mi en sp e-
chenden Tools zu agg egie en. In einem zwei en Sch i lassen sich dann ü die gene ie en
Agg ega e Szena ien bilden, die le z endlich eine Indika ion übe das mögliche Exposu e
lie e n, wie in Abbildung 33 da ges ell .
Abbildung 32: Exposu eabschä zung bei bekann en A bei gebe ad essen.38
Abbildung 33: Konzen a ions isiko bei G uppen e ägen.
38 Quelle Ka e: h p://www.opens ee map.de; eigene Übe a bei ung; Quelle G a ik: SCOR Global Li e Rück e -
siche ung; Eigene Da s ellung
Beispiel Klassi ika ion Konzen a ions-
isko
In es men bank
(Ci y o London)
• kleine e Ve siche eng uppe
• g oße An eil de VP äglich lokal am
A bei spla z (T ading Desk/Back O ice)
• hohes Einkommen = hohe VS
hoch
Wi scha sp ü ungs-
/be a ungsgesellscha
(Ci y o London)
• g öße e Ve siche eng uppe
• g oße An eil de VP nich äglich lokal am
A bei spla z (WP/Be a ungsmanda e)
mode a bis hoch
US Au ozubehö -Ke e • G oße Ve sche eng uppe (> 70,000)
• Rück e siche e Summe im d eis elligen
Millionenbe eich
• e eil au Managemen am Haup si z und
5000 Niede lassungen in ganz US, Mexico
und B asilien
ge ing
43
Die Gleichung ‚G uppen e siche ung = hohes Konzen a ions isiko‘ gil abe nich unbe-
ding , wie man Abbildung 34 mi einigen ma kan en Beispielen en nehmen kann. Da übe
hinaus e geben sich bei lokalen Ka as ophene eignissen auch Schwie igkei en bei de Ex-
posu eeinschä zung hinsich lich de Übe lappung on Rück e siche ungsp oduk en –
nach olgend illus ie am Po e euille de SCOR Global Li e in F ank eich. Im Rück e siche-
ungspo e euille be inden sich sowohl p opo ionale als auch nich -p opo ionale Deckun-
gen, das zu G unde liegende Geschä bes eh sowohl aus Indi idual- sowie G uppen e si-
che ungen.
Abbildung 34: Exposu eübe lappung du ch un e schiedliche P oduk e / Ve äge.39
Zusammen assend kann man zu Exposu ep oblema ik bei lokalen Ka as ophene eignisse
olgende Anme kungen machen:
G anula i ä , Quali ä und Ak uali ä de Da en sind on en scheidende Bedeu ung:
 ein de aillie es Ve s ändnis de Ve siche ungsp oduk e (inklusi e Op ionen)
 Einzel isikoin o ma ionen bzgl. Indi idual e siche ungsgeschä
 de aillie e In o ma ionen übe das G uppengeschä (Anzahl de e siche en Pe sonen,
Un e nehmenss ando e, Ve eilung de e siche en Pe sonen au S ando e, egulä e
A bei spla z, An eil Diens eise ä igkei e c.)
 de aillie e In o ma ionen übe das im Rahmen eine Ka as ophendeckung e siche e
Po olio
39 Quelle: Eigene Da s ellung.
44
Bezüglich de konk e en, adäqua en Quan i izie ung des Exposu es sind o mals un e -
schiedliche (pa allele) He angehensweisen no wendig
 De e minis ische Szena ien basie end au Bes andsin o ma ionen/Expe ens udien
 Bes immung eines Gesam e siche ungsschadens und Übe agung au den eigenen
Bes and übe Ma k an eile
 un e Ums änden Eigenen wicklung on Tools zu Kumulbes immung
 De ailanalysen, z.B. on einzelnen e siche en G uppen
 Nu zung on komme ziellen Risikomodellie ungs ools
4.2 In ek ionsk ankhei en
In ek ionsk ankhei en gehö en zu unse em äglichen Leben. Sie sind nich e bunden mi
spek akulä en E eignissen – im Gegensa z zu den eben be ach e en lokalen Ka as ophen-
e eignissen.
Dennoch können sie eines de g öß en Risiken ü Lebens e siche e sein, insbesonde e hie
Pandemien:
– Nich äumlich beg enz , e en also po en iell das gesam e Po olio.
– Dadu ch haben auch ge inge e E höhungen de S e blichkei g oße inanzielle Auswi -
kungen.
Das P oblem is die Abschä zung des Schwe eg ads zukün ige Pandemien – möglichs
noch mi Angabe de Wah scheinlichkei ih es Au e ens.
Fü die Modellie ung e geben sich hie besonde e He aus o de ungen:
• Wenige Beobach ungsda en o handen als Basis ü eine Modellie ung
• Sich wandelnde Lebensbedingung können Ein luss haben au die Ve b ei ung und Aus-
wi kungen on In ek ionsk ankhei en
– Hygiene, sani ä e Bedingungen
– Imp s o e, medizinische Fo sch i
– Ve ügba kei on epidemiologischen Da en
– Public heal h managemen
– Be ölke ungsdich e
– Mobili ä
– Resis en e E ege

45
• Eine di ek e Übe agung on Beobach ungsda en übe zei liche ode äumliche En e -
nung is dahe schwie ig
• Es beda undamen ale Modellie ung de E k ankungen.
Bei epidemiologischen Modellen wi d die Ausb ei ung eine In ek ionsk ankhei z. B. du ch
ma hema ische Zus andsmodelle besch ieben; Di e en ialgleichungen besch eiben hie
die Zus andsübe gänge.
Abbildung 35: Epidemiologische Modelle (1).
40
Die Pa ame e de Di e en ialgleichungen besch eiben die epidemiologischen Eigenscha -
en de K ankhei , z. B.
In ek iosi ä (R
0
: Basis ep oduk ionzahl – mi le e Zahl de Ans eckungen je Fall),
Genesungs a e.
Aus Sich eines Lebens e siche e s is die Zahl de To en das Ziel de Modellie ung, dahe
wi d ein e wei e es Modell benö ig :
Abbildung 36: Epidemiologische Modelle (2).
41
40
G a ik: Eigene Da s ellung; Ku enplo : Wikimedia Commons (h p://commons.wikimedia.o g/wiki/File:Si -
sys-p9.png; abge u en am 22.07.2014)
41
Eigene Da s ellung
S
exponie
I
in izie
R
genesen
D
o
46
Die Ausb ei ung eine In ek ionse k ankung und de esul ie enden S e blichkei läss sich
im ein achs en Fall du ch die nach olgenden Pa ame e besch eiben:
• In ek iosi ä (R0: Basis ep oduk ionzahl),
• Genesungs a e,
• Le ali ä (CFR: case a ali y a io).
Eine Basis ep oduk ionszahl R0 < 1 üh zum Ve schwinden de K ankhei , R0 > 1 üh zu
Ausb ei ung.
Wei e e Einsich en lassen sich du ch die Einbeziehung z.B. on epidemiologischen Gegen-
maßnahmen, Imp ungen, Mobili ä , usw. in die Modellie ung gewinnen.
Die epidemiologischen Modelle können bei de „Übe se zung“ his o ische E eignisse in
den ak uellen Kon ex hel en. So können z. B. as-i Be ach ungen du chge üh we den:
• Welche Auswi kung hä e die Ve ügba kei on Penecillin au die Le ali ä de Spa-
nischen G ippe 1918 gehab ?
• Welche Auswi kung ha de Selek ionse ek on e siche en Kollek i en im Ve -
gleich zu Gesam be ölke ung?
Diese Be ach ungen können hil eich bei de Kalib ie ung eine Wah scheinlichkei s e ei-
lung ü die Exzess-Mo ali ä sein.
Es bleib abe – nich zule z au g und de dünnen Da enlage – die No wendigkei , Expe -
enmeinungen hinzuzuziehen (in e ne und ex e ne Expe en, komme zielle Modellie-
ungs ools).
Neben den di ek en Auswi kungen on Pandemien au Lebens e siche ungsbes ände, die
in den obigen Be ach ungen im Vo de g und s anden, können ü ein Ve siche ungsun e -
nehmen abe auch die indi ek en Folgen be äch lich sein. Nach olgend sind die wich igs-
en Auswi kungen on Epidemien au die Ve siche ungen au gelis e :
• Übe s e blichkei – die unmi elba e Auswi kung au Lebens e siche e
• Gesundhei skos en – Ans ieg du ch e höh e Zahl on E k ankungs ällen
• Sach e siche ung – Schäden du ch P oduk ionsaus älle?
• Ve lus e am Kapi alma k
Ope a i e Schäden – A bei szei e lus e du ch e k ank e Mi a bei e , bzw. Mi a bei e
mi e k ank en Angehö igen. In die Be ach ung de Gesam isikoposi ion des Un e neh-
mens hinsich lich des Pandemie isikos soll e dahe meh als nu die Bezi e ung des zu-
sä zlichen S e blichkei s isikos ein ließen.
Imp essum
Diese Ve ö en lichung e schein im Rahmen de Online-Publika ions eihe „Fo schung am IVW Köln“. Alle
Ve ö en lichungen diese Reihe können un e www.i w-koeln.de ode hie abge u en we den.
Fo schung am IVW Köln, 6/2014
Heep-Al ine , Be g (beide H sg.): Ka as ophenmodellie ung - Na u ka as ophen, Man Made Risiken,
Epidemien und meh . P oceedings zum 6. FaRis & DAV Symposium am 13.06.2014 in Köln.
Köln, Juli 2014
ISSN (online) 2192-8479
He ausgebe de Sch i en eihe / Se ies Edi o ship:
P o . D . Lu z Reime s-Rawcli e
P o . D . Pe e Schimikowski
P o . D . Jü gen S obel
Ins i u ü Ve siche ungswesen /
Ins i u e o Insu ance S udies
Fakul ä ü Wi scha s- und Rech swissenscha en /
Facul y o Business, Economics and Law
Fachhochschule Köln / Cologne Uni e si y o Applied Sciences
Web www.i w-koeln.de
Sch i lei ung / Con ac edi o ’s o ice:
P o . D . Jü gen S obel
Tel. +49 221 8275-3270
Fax +49 221 8275-3277
Mail jue gen.s obel@ h-koeln.de
Ins i u ü Ve siche ungswesen /
Ins i u e o Insu ance S udies
Fakul ä ü Wi scha s- und Rech swissenscha en /
Facul y o Business, Economics and Law
Fachhochschule Köln / Cologne Uni e si y o Applied Sciences
Gus a Heinemann-U e 54
50968 Köln
Kon ak Au o / Con ac au ho :
P o . D . Ma ia Heep-Al ine
Ins i u ü Ve siche ungswesen /
Ins i u e o Insu ance S udies
Fakul ä ü Wi scha s- und Rech swissenscha en /
Facul y o Business, Economics and Law
Fachhochschule Köln / Cologne Uni e si y o Applied Sciences
Gus a Heinemann-U e 54
50968 Köln
Tel. +49 221 8275-3449
Fax +49 221 8275-3277
Mail [email p o ec ed]