Scoringverfahren im Versicherungswesen. Nutzen und Probleme

Inhaltsverzeichnis

A. Vorwort

B. Grundlagen des Kundenmanagement

I. Scoring

II. Kundendaten

III. Profiling

IV. Data-Mining

V. Kundendatenbank, Datawarehouse, CRM-Systeme

C. Möglichkeiten der Datengewinnung

I. Kundendialog

II. Internet

III. Kundenbindungs- und Rabattprogramme

IV. Primär- und Sekundärforschung

D. Ausgewählte Scoringverfahren der Kreditwirtschaft

I. Scoring durch Kreditinstitute

II. HaSpa – ein extremes Beispiel für Scoring

E. Kundenwertorientierte Scoringverfahren in der Versicherungswirtschaft

I. Scoring mittels Customer Lifetime Value (CLV)

II. Scoring mittels Kundensegmentierung

F. Abgrenzung zu weiteren Scoringverfahren in der Versicherungswirtschaft

I. Tarifierung

II. Hinweis- und Informationssystem – HIS

G. Scoring unter datenschutzrechtlichen Aspekten

I. Schutzbereich des Bundesdatenschutzgesetzes

1. Adressat

2. Datenverarbeitung

a. Erhebung

b. Verarbeiten

3. Personenbezogenes Datum

a. Anonymisierung

b. Pseudonymisierung

c. Besondere Arten von personenbezogenen Daten

II. Legitimation aufgrund Einwilligung nach § 4a BDSG

III. Legitimation nach § 28b BDSG

IV. Legitimation nach § 28 BDSG

1. Anwendungsbereich

2. Bestimmter Verwendungszweck

3. Erhebung beim Betroffenen

4. Voraussetzungen nach § 28 Abs. 1 S. 1 BDSG

a. Vertragsverhältnis nach § 28 Abs. 1 S. 1 Nr. 1

b. Interessenabwägung nach § 28 Abs. 1 S. 1 Nr. 2 BDSG

c. Interessenabwägung nach § 28 Abs. 1 S. 1 Nr. 3 BDSG

5. Zulässigkeit nach § 28 Abs. 2 BDSG

6. Weitere Einschränkungen

V. Legitimation nach §§ 28a und 29 BDSG

1. Datenübermittlung an HIS

2. Datenerhebung und –verarbeitung durch HIS

3. Erhebung der Scoredaten bei HIS

4. Zusammenfassung

VI. Verbot der automatisierten Einzelentscheidung nach § 6a BDSG

1. Schutzbereich

2. Bewertungsmerkmale

3. Rechtsfolge

4. Auskunftsrecht

H. Resümee

I. Aktuelle Gefahren des Scoring

II. Notwendiger Wandel im Verständnis des Datenschutzes

Zielsetzung & Themen

Die Masterarbeit befasst sich mit der Analyse von Scoringverfahren innerhalb der Versicherungswirtschaft, untersucht deren Nutzen für Unternehmen im Bereich des Kundenmanagements und bewertet diese kritisch anhand des geltenden deutschen Datenschutzrechts.

• Grundlagen des Kundenmanagements und Methoden der Datengewinnung (Profiling, Data-Mining, CRM).
• Darstellung praxisrelevanter Scoringverfahren wie Customer Lifetime Value (CLV) und Kundensegmentierung.
• Detaillierte Prüfung der datenschutzrechtlichen Zulässigkeit (BDSG) von Scoring-Prozessen.
• Diskussion der Risiken für den Datenschutz, insbesondere im Hinblick auf das allgemeine Persönlichkeitsrecht und automatisierte Entscheidungsfindungen.

Auszug aus dem Buch

Zusammenfassung der Kapitel

A. Vorwort: Einführender Überblick über die Definition von Scoring und die inhaltliche Aufteilung der Arbeit in einen betriebswirtschaftlichen und einen rechtlichen Teil.

B. Grundlagen des Kundenmanagement: Erläuterung der theoretischen Basis, insbesondere der Konzepte Scoring, Profiling und Data-Mining im Kontext moderner Kundendatenbanken.

C. Möglichkeiten der Datengewinnung: Beschreibung der verschiedenen Quellen für Kundendaten, von direkten Dialogen über das Internet bis hin zur Primär- und Sekundärforschung.

D. Ausgewählte Scoringverfahren der Kreditwirtschaft: Vorstellung gängiger Verfahren in der Kreditwirtschaft unter besonderer Berücksichtigung der Schufa und eines Fallbeispiels der Hamburger Sparkasse.

E. Kundenwertorientierte Scoringverfahren in der Versicherungswirtschaft: Analyse der Bedeutung von Kundenbewertungen durch den Customer Lifetime Value (CLV) und Kundensegmentierung für Versicherer.

F. Abgrenzung zu weiteren Scoringverfahren in der Versicherungswirtschaft: Abgrenzung von Scoring zu anderen Methoden wie der reinen Risikotarifierung und dem Hinweis- und Informationssystem (HIS).

G. Scoring unter datenschutzrechtlichen Aspekten: Umfassende juristische Prüfung der Scoringverfahren anhand des Bundesdatenschutzgesetzes (BDSG) sowie der Problematik der automatisierten Einzelentscheidung.

H. Resümee: Zusammenfassende Bewertung der aktuellen Gefahren des Scorings für das informationelle Selbstbestimmungsrecht und Forderung nach einem Wandel im Datenschutzverständnis.

Schlüsselwörter

Scoring, Versicherungswirtschaft, Datenschutzrecht, BDSG, Kundendaten, Customer Lifetime Value, Profiling, Data-Mining, Kundenmanagement, automatisierte Einzelentscheidung, informationelle Selbstbestimmung, Kundensegmentierung, Marketing, Bonitätsbeurteilung, Risikomanagement

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit untersucht Scoringverfahren in der Versicherungswirtschaft, ihre betriebswirtschaftliche Relevanz und ihre Konformität mit dem deutschen Datenschutzrecht.

Was sind die zentralen Themenfelder?

Die Schwerpunkte liegen auf der Datengewinnung, der Profilbildung, der Ermittlung von Kundenwerten und der rechtlichen Zulässigkeit dieser Verfahren nach dem BDSG.

Was ist das primäre Ziel oder die Forschungsfrage?

Ziel ist es aufzuzeigen, wie Versicherer Scoring nutzen, um Kunden zu klassifizieren, und dabei zu klären, inwieweit diese Prozesse durch das Datenschutzrecht gedeckt sind.

Welche wissenschaftliche Methode wird verwendet?

Es handelt sich um eine rechtswissenschaftliche Analyse, die betriebswirtschaftliche Konzepte darstellt und diese anhand gesetzlicher Normen und der aktuellen Rechtsprechung bewertet.

Was wird im Hauptteil behandelt?

Im Hauptteil werden zunächst betriebswirtschaftliche Scoring-Methoden erläutert und im zweiten Abschnitt detailliert aus datenschutzrechtlicher Sicht analysiert.

Welche Schlüsselwörter charakterisieren die Arbeit?

Wichtige Begriffe sind Scoring, Versicherungswirtschaft, BDSG, Customer Lifetime Value, Profiling, Data-Mining und informationelle Selbstbestimmung.

Was unterscheidet das Scoring der Versicherer von dem der Schufa?

Das Scoring der Versicherer ist oft verhaltensbezogen und dient der internen Kundenwertbestimmung, während das Schufa-Scoring primär der Kreditwürdigkeitsprüfung im Finanzsektor dient.

Welche Rolle spielen "besonderen Arten personenbezogener Daten" bei dieser Analyse?

Diese Daten unterliegen laut BDSG einem besonderen Schutz, da ihre Nutzung ein hohes Risiko für Diskriminierung oder Nachteile für den Betroffenen bergen kann.

Warum stellt die automatisierte Einzelentscheidung nach § 6a BDSG ein Problem dar?

Sie schützt vor willkürlicher Behandlung durch undurchschaubare automatisierte Prozesse, wenn diese rechtliche Folgen für den Betroffenen haben oder diesen erheblich beeinträchtigen.