Wissen, was passieren wird

Vorsorge ist stets besser als Nachsorge. Das gilt auch für das Risikomanagement eines Unternehmens. Mit Predictive-Analytics-Tools können Industriesachversicherer wie FM Global Entscheider dabei unterstützen, gezielt Risiken ausfindig zu machen und somit Kapital optimal einzusetzen.

Eine defekte Maschine löst einen Brand aus, ein Sturm beschädigt das Dach einer Produktionshalle und schweres Treibgut zerstört die Fertigprodukte in einem überfluteten Lager. Dies sind Szenarien, mit denen sich Risikomanager beschäftigen müssen. Durch die Globalisierung und Weiterentwicklung von Technologien sowie deren Einsatz kommen außerdem kontinuierlich neue Herausforderungen für das Risikomanagement hinzu. Moderne Risiken wie Cyberangriffe oder Extremwetter, die aktuell die Medien bestimmen, müssen genauso in einer Strategie zur Unternehmensresilienz berücksichtigt werden wie bekannte aber gerne verdrängte Maschinen- und Anlagenausfälle, die oft in Bränden enden können.  

Auswirkungen von Betriebsunterbrechungen

Hartnäckige Gerüchte wie "optimale Schadenprävention ist teuer und schmälert unnötig den Unternehmensgewinn" fallen in sich zusammen, wenn man die Auswirkungen eines eingetretenen Sachschadens auf den Unternehmenswert anhand eines Total Financial Loss-Modells betrachtet. Handelt es sich zum Beispiel um einen Maschinenschaden, muss Folgendes berücksichtigt werden: Maschinen sind in der heutigen Zeit komplexer denn je und in einigen Branchen hat sich die Anzahl der Anlagenhersteller und -zulieferer verringert, sodass mit mehr Zeitaufwand für die Beschaffung der Ersatzteile gerechnet werden muss. Eventuell müssen die Geräte für die Reparatur auch auf unbestimmte Zeit an den Hersteller zurückgehen. Werden Kunden aufgrund des Maschinenausfalls nicht fristgerecht beliefert, drohen diese zur Konkurrenz abzuwandern, was einen langfristigen Verlust von Marktanteilen zur Folge hat. Nach der Erholung vom Schaden müsste das betroffene Unternehmen auch erst wieder einen gewissen Aufwand betreiben, um den alten Kundenstamm wieder für sich zu gewinnen.

Neben der beschriebenen Komponente "Marktanteil" werden bei Total Financial Loss-Modellen auch "Wachstum" und "Kapitalkosten" berücksichtigt. "Wachstum" verweist darauf, dass während der Wiederaufbauphase nach einem Großschadenereignis in der Regel Ressourcen fehlen, um Wachstumsziele zu verfolgen. Je länger diese Phase dauert, umso schwerer wiegen die Auswirkungen. Weiterhin zeigt die Komponente "Kapitalkosten", dass Unternehmen mit einer längeren Betriebsunterbrechung von Geldgebern als riskanter bewertet werden, was zu einer Erhöhung der Kapitalkosten führt.

Was die drei aufgezeigten Komponenten gemeinsam haben? Sie umfassen Folgeschäden, die in der Regel nur teilweise oder gar nicht gedeckt sind. Umso wichtiger erscheint nun die Rolle der aktiven Schadenprävention. Um hierbei Kapital nicht unnötig zu verschwenden, sondern optimal einzusetzen, können Entscheider mittlerweile bei Risikoanalysen auf Predictive-Analytics-Tools zurückgreifen.

Predictive Analytics: Wissen, was passieren wird

In einer Studie der Managementberatung Horváth & Partners hielten 56 Prozent der befragten Risikomanagementexperten die Anwendung von Big-Data- und Predictive-Analytics-Methoden für wichtig, 36 Prozent der Teilnehmer sogar für sehr wichtig. Trotz dieser deutlichen Mehrheit gaben von den Befragten nur 25 Prozent an, dass sie die Methoden nutzen. Hier besteht somit noch erheblicher Handlungsbedarf, eventuell auch Aufklärungsbedarf.  

Welcher Standort ist vorrangig betroffen? Welches Equipment könnte als nächstes einen Schaden erleiden? Predictive-Analytics-Verfahren können dabei unterstützen, Prioritäten bei der Stärkung der Resilienz zu setzen. Die modernen Tools können durch die fortschrittliche Analyse von Daten sehr genau bestimmte Entwicklungen voraussagen. Der Industriesachversicherer FM Global beispielsweise beschäftigt weltweit über 1.800 Risikoingenieure, die jedes Jahr durchschnittlich 60.000 Kundenstandorte besuchen. Bei diesen Ortsbegehungen werden je nach Betriebsart und Betriebsgröße bis zu 700 Einzeldaten gesammelt. Im Laufe der vergangenen Jahre hat der Industriesachversicherer diese Datensätze mit der Schadenhistorie kombiniert.

Gezielte Investitionen tätigen

Durch die eigene Informationsbeschaffung wird garantiert, dass die Qualität und Validität der Daten hoch ist und sie entsprechend strukturiert vorliegen. Dadurch entsteht ein Benchmark für die Risikoqualität einzelner Standorte. Entscheider können so herausfinden, an welchen ihrer Standorte Schäden am wahrscheinlichsten auftreten werden, wo dies geschehen wird und welche einzelnen Maschinen von einem Ausfall betroffen sein können. Damit lässt sich zum Beispiel erkennen, dass im Analyseverfahren hervorgehobene Standorte ein 15-fach höheres Risiko besitzen, von einem Großschaden betroffen zu sein, als solche Produktionsorte, die als "unbedenklich" eingestuft wurden (Zur Erklärung: Die sogenannten Predisposed Locations erzeugen etwa 30 bis 40 Prozent aller Großschäden über drei Millionen US-Dollar). Bei den analysierten Maschinen wiederum ist die Ausfallwahrscheinlichkeit fünf Mal höher als bei den nicht als betroffen identifizierten Maschinen.

Die Data-Mining-Verfahren, die der Analyse zugrunde liegen, berücksichtigen eine Vielzahl von Faktoren, die durch das Regressionsmodell bewertet werden. Im Wesentlichen gehören hierzu Parameter wie Bauweise, Betriebsart, Produktionsprozesse, Schutzgrad, Naturgefahren-Expositionen sowie Punkte, die Aktivitäten des Managements erfassen, einschließlich der Frage, wie lange bereits existierende Empfehlungen nicht umgesetzt wurden. Die Schadenhistorie am Standort spielt ebenfalls eine Rolle im Regressionsmodell. Die gleichen Mängel, die in den Risikoberichten enthalten sind, sind diejenigen, die die Risikoqualität und somit die Tendenz des Standortes zum Schaden fördern. Wie bei jeder Priorisierung der Risikoverbesserung sollte der Fokus eher darauf liegen, schlechte Risiken zu verbessern als bereits als "gut" definierte Risiken noch optimaler zu gestalten.

Eine Lieferkette ist stets nur so stark wie ihr schwächstes Glied; und wie die Ergebnisse von Risikoanalysen genutzt werden, um die Resilienz des Betriebs zu stärken, ist allein die Entscheidung der Unternehmensverantwortlichen. Bei der Erkennung von Schwachstellen und dem gezielten Einsatz von Kapital sind Predictive-Analytics-Tools jedoch eine gute und sinnvolle Unterstützung.