Schlagen Sie vor
In regelmäßigen Abständen führt die Plattform AI-unterstützte Iterationen aus, die neue Kandidaten für Risikomerkmale vorschlagen und Gewichtungen neu ausgleichen.
Beyond machines — we back you up in daily life too. Looking for products like FLY?Explore now
Lösungen · Elektrofahrzeugflotten
Bei der alten Kfz-Versicherung wird der Preis für eine Flotte einmal im Jahr neu berechnet. YAS liest jedes Elektrofahrzeug – Batteriezustand, Position, Verhalten – und wandelt es in eine Live-Risikobewertung um, anhand derer Ihr Versicherer die Preise berechnen kann, sodass der Versicherungsschutz nachverfolgt, wie die Flotte tatsächlich fährt.
Live in der Produktion
Fahrten verfolgt
Fahrer punkteten
Gesamtfahrstrecke
Gesamtfahrstunden
Die Underwriting-Lücke
Eine Police, die bei der Erneuerung auf Fahrzeugalter, Demografie und Historie festgelegt wird, gilt dann zwölf Monate lang, wobei sich das zugrunde liegende Risiko bei jeder Fahrt ändert. Da die tatsächliche Fahrweise der Flotte nicht bekannt ist, berechnet der Versicherer den Durchschnittspreis: Sichere Flotten subventionieren riskante Flotten, und das Kapital bleibt ungenutzt für Risiken, die niemand sehen kann. YAS bewertet jede Fahrt, sobald sie stattfindet. Ein lizenzierter Versicherer kann die Preise auf der Grundlage des tatsächlich bestehenden Risikos festlegen, behält die Entscheidungshoheit bei die Police und setzt Kapital frei, das für nicht vorhandene Risiken gehalten wird.
Erneuerungsvariablen (Fahrzeugalter, Demografie, Historie) können einer Flotte, deren Risiko sich von Fahrt zu Fahrt ändert, nicht folgen. Die Richtlinie ist am Tag nach der Bindung veraltet.
Wie eine Flotte tatsächlich fährt (Geschwindigkeit, Bremsen, Exposition, wo und wann) sagt Verluste besser voraus als jeder statische Faktor. Live erfasst, wird daraus ein Input, den ein lizenzierter Versicherer zur Unterstützung der Preisgestaltung in Echtzeit nutzen kann.
Bewerten Sie das Risiko, das tatsächlich vorhanden ist, und das Kapital bleibt nicht mehr untätig gegenüber dem Risiko stehen, das nicht vorhanden ist. Strengere Combined Ratios und niedrigere Prämien für die Flotten, die sie verdienen.
Datenpipeline
Eine Pipeline in Produktionsqualität, die bereits im Taxiflottenmaßstab validiert wurde. Der gleiche Ablauf gilt für autonome Fahrzeuge, Roboter und Drohnen – erfassen, kontextualisieren, bewerten, handeln, lernen.
Telemetrie von jedem Fahrzeug, vorverarbeitet am Edge. Ein fahrzeuginterner Rechenknoten verarbeitet Rohsignale – Position, Bewegung, Timing, Sensorzustand – mit lokaler Pufferung und Plausibilitätsprüfungen.
Risikodimensionen
Jeder angereicherte Straßenabschnitt verfügt über Dutzende von Eigenschaften – die Signale, die das statische Underwriting ignoriert, und bei denen ein Verhaltens- und Kontext-Risikomodell seinen Vorteil erzielt. Wir gruppieren sie in drei Fragen, die eine statische Bewertungstabelle nicht beantworten kann.
Wo ist das Fahrzeug?
Worauf fährt es?
Wie bewegt es sich?
Deckungsumfang
Von Batteriezellen bis hin zur Haftpflichtversicherung – jede Schicht liest aus dem gleichen Signal YAS-Score.
Gesundheits- und Ladezustand auf Paketebene, pro Fahrzeug verfolgt. Die Police passt sich an, wenn die Batterie nachlässt – keine manuelle Neubewertung, keine mittelfristige Neuversicherung.
Die Prämie fällt nur an, während das Fahrzeug in Betrieb ist – der Versicherungsschutz wird bei der Zündung aktiviert und pausiert beim Parken. Die Flotte zahlt nicht mehr für ungenutzte Vermögenswerte.
Depot-Ladegeräte, Kabel und Netzanschlusspunkte. Geräteschäden, Ausfallzeiten und Vorfälle Dritter an Ladestationen sind Gegenstand der Police.
Kollisionen, Sachschäden und Zwischenfälle mit Passagieren durch den EV-Betrieb – beurteilt anhand derselben Telemetrie, die die Fahrt bewertet hat.
Beschleunigung, starkes Bremsen, Kurvenfahrt, Regenerationsmuster. Die Bewertungen pro Fahrer fließen in die dynamische Prämienanpassung des Versicherers und in eine 90-Tage-Schadenswahrscheinlichkeitsmarkierung ein.
Ein Flottenschutz-Score für jedes Fahrzeug – Risikozonen, Schadensstatus und Deckungsstatus auf einen Blick, von derselben API, die die Police bewertet hat.
Modellentwicklung
Die Risikomodelle sind nicht statisch. AI schlägt Verbesserungen vor; Backtesting entscheidet, was versendet wird.
In regelmäßigen Abständen führt die Plattform AI-unterstützte Iterationen aus, die neue Kandidaten für Risikomerkmale vorschlagen und Gewichtungen neu ausgleichen.
Jeder Kandidat wird anhand historischer Daten einem Backtest unterzogen und auf Stabilität, Erklärbarkeit, Segmentgerechtigkeit und Verteilungsbeschränkungen überprüft.
Nur Updates, die die Leitplanken bestehen, werden in die Produktion geliefert. Alles andere wird protokolliert und geparkt – keine stillen Änderungen an der Live-Preisgestaltung.
Beweis in der Produktion
Die Elektrotaxiflotte von JOIE überträgt Echtzeit-Maschinendaten an YAS. YAS hat mehr als 24.3 Millionen Kilometer gewerblicher EV-Fahrten bewertet. Dieser Risikoscore bildet die Grundlage für ein in Hongkong von Zurich gezeichnetes Kfz-Versicherungsprodukt.
Lesen Sie die JOIE-Fallstudie
Hong Kong's first behaviour-based taxi fleet — 1,000 EV cabs scored live by YAS, priced on how each driver actually drives.
Fragen
Planen Sie einen Einsatz mit unserem Team. Die meisten Flotten sind in Wochen und nicht in Quartalen in Betrieb.