forschung, entwicklung, netzwerk für die … · 2020. 9. 3. · wir stellen für sie gern auch...

1 www.newplayersnetwork.jetzt

MARKTMONITOR

Big Data & Data Analytics


Allgemeines Seiten 2 – 4 Relevante Start-ups Seiten 23 – 59

Technologie & Trends Seiten 5 – 16 Kooperationen & Use Cases Seiten 60 – 66

Marktübersicht Seiten 17 – 22 Analyse Geschäftsmodelle Seiten 67 – 80

MARKTMONITOR Start-ups für die Assekuranz – Big Data & Data AnalyticsAllgemeines

Der Marktmonitor bietet einen Überblick über Start-ups, ihre Geschäftsmodelle, erste Prototypen und Kooperationen sowie konkrete Produkt-und Serviceangebote. Die zu betrachtenden Start-ups werden anhand der technologischen Basis und des zugrunde liegenden Geschäftsmodells geclustert. Das zu betrachtende Cluster wechselt mit jeder Ausgabe. Zudem werden Hintergrundinformationen dargestellt und in jeder Ausgabeeine Auswahl relevanter Akteure im Detail vorgestellt. Einleitend werden die technologische Basis und das zugrunde liegende Geschäftsmodell erläutert, eingeordnet und Entwicklungstendenzen skizziert.

Wissen, was den Markt bewegt

InhalteDie Cluster werden anhand folgender Aspekte betrachtet:

Eine Übersicht über weitere Recherchen und Marktanalysen finden Sie hier:www.versicherungsforen.net/marktmonitore


MARKTMONITORAllgemeines

Der Überblick basiert auf frei verfügbaren Informationen, die über die Webseiten der Unternehmen oder über Pressemitteilungenvertrauenswürdiger Quellen zu finden sind. Die Geschäftsmodellanalysen werden um direkte Befragungen unserer Ansprechpartner in den Häusern ergänzt. Hierbei wird das Netzwerk des New Players Network genutzt. Die Inhalte der Analyse werden mit größter Sorgfalt recherchiert und erstellt, dennoch kann im Hinblick auf die Verfügbarkeit der Informationen eine Vollständigkeit der Angaben nicht garantiert werden.

SHORT LISTQUALITY GATE

MODUL 2

WORKSHOP

MODUL 3

MARKET RESEARCH LONGLIST

MODUL 1

Wir stellen für Sie gern auch einen individuellen Marktmonitor „Start-ups für die Versicherungsbranche“ nach spezifischen Wünschen (Cluster, Geschäftsmodell, Technologie, Einsatzbereich) zusammen oder unterstützen Sie bei Ihrem Scouting nach potenziellen Kooperationspartnern. Bitte sprechen Sie uns an, um ein Angebot entsprechend Ihrer Informationsbedürfnisse zu erhalten.

Informationsherkunft

Individuelle Recherchen und Scouting

Start-ups für die Assekuranz – Big Data & Data Analytics


MARKTMONITORAllgemeines

Technologie-Fokus

• Big Data & Data Analytics

• Blockchain

• Künstliche Intelligenz

• …

Geschäftsmodell-Fokus

• Plattformmodelle

• Peer-To-Peer-Ansätze

• Pay-as-you-…- Modelle

• …

Branchen-Fokus

• InsurTechs

• FinTechs

• HealthTechs

• …

Die Clusterung zwischen Technologie-, Geschäftsmodell- und Branchen-Fokus ist nicht überschneidungsfrei.Die Einteilung orientiert sich an der Technologie- und Marktentwicklung und ist daher nicht als statisch zu sehen.Eine Clusterung hinsichtlich Technologie, Geschäftsmodell und Branche wird nie abschließend vollständig sein, sondern vielmehr Entwicklungen und Trends mit einbeziehen.

Clusterung der Start-ups



MARKTMONITOR Start-ups für die Assekuranz – Big Data & Data Analytics

Technologie& Trends


MARKTMONITORTechnologie & Trends

Big Datasteht für die Sammlung, Speicherung undUntersuchung von großen Mengen anDaten unterschiedlicher Arten, um darinversteckte Muster, unbekannteKorrelationen und nicht trivialeZusammenhänge zu entdecken. ImGrunde bezeichnet es Datenmengen,welche aufgrund ihrer Charakteristik sichnicht mit den herkömmlichen Methodender Datenverarbeitung speichern,verarbeiten und auswerten lassen.




(1) Volume: Größe; extrem hohe Datenvolumina ohne Angabe einer expliziten Größenordnung

(2) Variety: Vielfalt; Die Datenquellen, welche gesammelt, zusammengefasst und ausgewertet werden, besitzen unterschiedlichste Strukturen. Dabei handelt es sich sowohl um strukturierte Daten (relationale Datenbanksysteme wie z. B. SQL und andere tabellarisch strukturierte Daten), semi-strukturierte Daten (wie z. B. XML-Dateien, json oder auch E-Mails) und unstrukturierte Daten (u. a. Texte, Videos, Bilder).

(3) Velocity: Geschwindigkeit; Die Geschwindigkeit, mit der die Daten erzeugt werden, sowie deren Verarbeitungsgeschwindigkeit und Auswertung.

(4) Veracity: Sinnhaftigkeit; Qualitätsgrad der Daten und der daraus folgenden Vertrauenswürdigkeit der abgeleiteten Ergebnisse

VOLU

ME

larg

e siz

eof

data

VARI

ETY

diffe

rent

type

sofd

ata

VELO

CITY

fast

cre

atio

n, p

roce

ssin

g, a

naly

sis

VERA

CITY

unce

rtai

nty

ofda

ta


Charakteristika von Big Data oder die 4V-Definition



Zahlen und Fakten zu Big Data

5233

15

Datenverteilung in Unternehmen

Dark Data

redundante, triviale Daten

unternehmenskritische Daten


Bis 2025 sollen 163 Zettabyte an Daten weltweit generiert worden sein, zehnmal mehr als 2016, wo gut 16 Zettabyte an Daten zu finden waren. Die jährliche Wachstumsrate zwischen 2015 und 2025 wird bei gut 30 Prozent liegen. Über 90 Prozent der heute weltweit existierenden Daten wurde in den letzten zwei Jahren geschaffen. Damit wächst die Menge an Daten viermal schneller als die Weltwirtschaft.

Neben den Herausforderungen im Speichermanagement der Daten besteht das größte Problem darin, dass ein Großteil dieser Datenmengen gar nicht genutzt wird. Diese Daten werden mittlerweile als Dark Data bezeichnet, also Daten, die zwar erfasst und gespeichert, jedoch nicht benutzt werden.

8 Bit = 1 Byte1 000 = 103 Byte = 1 Kilobyte1 000 000 = 106 Byte = 1 Megabyte1 000 000 000 = 109 Byte = 1 Gigabyte1 000 000 000 000 = 1012 Byte = 1 Terabyte1 000 000 000 000 000 = 1015 Byte = 1 Petabyte1 000 000 000 000 000 000 = 1018 Byte = 1 Exabyte1 000 000 000 000 000 000 000 = 1021 Byte = 1 Zettabyte1 000 000 000 000 000 000 000 000 = 1024 Byte = 1 Yottabyte1 000 000 000 000 000 000 000 000 000 = 1027 Byte = 1 Brontobyte1 000 000 000 000 000 000 000 000 000 000 = 1030 Byte = 1 Geopbyte

Quellen: Oxford Mathematics Center, Seagate/IDC




strukturierte Daten

semistrukturierte Daten

unstrukturierte Daten

z. B. SQL, Tabellen z. B. E-Mails, XML, json z. B. Texte, Bilder, Videos

Anmerkung: vereinfachte Darstellung




Datensammlung beschreibt die unstrukturierte Sammlung von Daten und die damit verbundene grobe Themeneingrenzung.Datenauswertung beschreibt die Verwendung verschiedener Methoden, um aus Daten Informationen zu erzeugen. Diese Informationen müssen anschließend interpretiert werden.

Datenspeicherung beschreibt die physische Bereitstellung der notwendigen Infrastruktur und die Aufbewahrung von Daten.

Data Coresoder die Unterscheidung zwischen drei Kernbereichen im Zusammenhang mit Daten: SPEICHERUNG

AUSWERTUNGSAMMLUNG



• Forschung mittels Kombination von Daten und statistischen Methoden

• Echtzeit-Datenauswertung (Sensordaten im Auto, Livebilder von Überwachungskameras)

• Auswahl von Behandlungsmöglichkeiten für Patienten (Der digitale Arzt)

• Standortanalysen mittels Wetter-, Geo- und Telematikdaten

• Datenanalysen zu Sicherheitszwecken

Anwendungsbereiche


relevante Cluster aus Versicherungsperspektive

• Handling: Aufbereitung, Verdichtung und Strukturierung vorhandener Daten als vorgelagerte Tätigkeit zur effektiveren Auswertung

• Profiling: Erstellung von Nutzer- oder Objektprofilen, insbesondere für Marketingzwecke

• Assessing: sachgemäße und nachvollziehbare Bewertung von Objekten oder Sachverhalten

• Deciding: Generierung von Handlungsempfehlungen und Entscheidungsunterstützung für Anwender



Welche Daten werden für Auswertungen genutzt? Das Marktscreening zeigt, dass Technologieanbieter im Bereich Big Data & Data Analytics sich mehr oder weniger überschneidungsfrei in drei Kategorien einteilen lassen. Die Mehrheit der betrachteten Unternehmen beschäftigt sich mit üblichen maschinenlesbaren Daten. Diese treten in strukturierter oder semistrukturierter Form auf. Der Rest arbeitet mit überwiegend unstrukturierten Daten, wobei sich diese Unternehmen auf Bilddaten oder Linguistik- bzw. Semantikdaten spezialisiert haben.

Diese Kategorisierung findet in der nachfolgenden Marktanalyse Anwendung.

Kategorisierung der Datenbasis


Mehrwert von Big Data & Data Analytics

• fundierte Entscheidungsgrundlagen und entsprechend Vermeidung von Fehlern

• Vorhersagen von Ereignissen, Kalkulation von Risiken, genauere Zukunftsprognosen

• Erkennen von Veränderungen und schnelle Adaption

• stärkere Orientierung an Kunden und besseres Verständnis von Kundenbedürfnissen

• dynamische Gestaltung von Geschäftsprozessen

• Steigerung der Performance und Wirtschaftlichkeit



Gesetzliche Bestimmungen – EU-DSGVO

Generell gilt der Zweckbindungsgrundsatz, welcher besagt, dass Daten nur für einen festgelegten, eindeutigen und rechtmäßigen Zweck erhoben werden dürfen. (Art. 5 Abs. 1 DSGVO) Außerdem muss bei Erhebung großer Datenmengen Rücksicht auf Anonymisierung, Pseudonymisierungund Verschlüsselung genommen werden.

Jedes Unternehmen muss vor der Verarbeitung von kundenbezogenen Daten eine Datenschutzfolgeabschätzung vornehmen, welche das Risiko der Datenauswertung angibt. (Art 35 Abs. 1 DSGVO)

Der Kunde muss zwangsläufig eine Einwilligung der Datenverarbeitung abgeben. Dabei steht dem Kunden das Recht auf Vergessen zu. Das hat zur Folge, dass personenbezogene Daten auf Anfrage gelöscht werden müssen. (Art. 17 Abs. 1 DSGVO)

Der Bußgeldkatalog bei Verstößen gegen die DSGVO beinhaltet entweder bis zu vier Prozent des globalen Umsatzes oder bis zu 20 Millionen Euro. (Art. 83 DSGVO)

Die EU-Mitgliedstaaten können die DSGVO jeweils variieren, was zur Folge hat, dass es ein eigenes Bundesdatenschutzgesetz (BDSG) und mehrere Landesdatenschutzgesetze (LDSG) in Deutschland gibt.





Quellen: Böken (2013), Bitkom (2014), Markl et al. (2013)

Schutz der Privatsphäre

Verbot mit Erlaubnisvorbehalt

Datensparsamkeit

Zweckbindung

Löschungspflichten

Möglichkeit, durch Big Data hoch individuelle Muster zu finden und zu nutzen

Einholung der Einwilligungen bei großen Datenmengen kaum durchführbar

Speicherung und Analyse riesiger Datenmengen

Auffinden neuer (unbekannter) Muster

Aufbewahrung für spätere Analysen

Einschränkung der Möglichkeiten von Big Data & Data Analytics durch DSGVO-Grundsätze



90 Prozentder Daten auf der Welt sind „unstrukturiert“.

Trends• Erkennen und Verarbeiten von unstrukturierten Daten wird verstärkt untersucht.

• Cloud-Dienste werden vermehrt ausgebaut (Online-Datentransfer/-speicher).

• Machine Learning, KI und grafische Algorithmen, die allesamt auf der Nutzung großer Datenmengen beruhen, gewinnen an Bedeutung.

• Agile Datenaufbereitungstools stehen jedermann zur Verfügung (Self Service in der Datenaufbereitung).

• Predictive Analytics findet vermehrt Anwendung (Vorhersagen aufgrund von Daten).

Quellen: https://trends.google.de/trends/explore?date=2010-09-20%202018-09-20&geo=DE&q=Big%20Data | https://www.vouchercloud.de/ressourcen/big-data-infografik


https://trends.google.de/trends/explore?date=2010-09-20%202018-09-20&geo=DE&q=Big%20Data

https://www.vouchercloud.de/ressourcen/big-data-infografik



1. Der Wert von Daten als Rohstoff dieses Jahrhunderts wird noch weiter steigen.

2. Daten werden in Zukunft zum zentralen Wettbewerbsfaktor.

3. Die Vorhersagen mittels Predictive Analytics und Anticipatory Analytics werden dank steigender Datenmengen immer präziser und reichen weiter in die Zukunft.

4. Cloud-Nutzung, insbesondere deren Ausbau und Integration, wird entscheidender Treiber für die Nutzung von immer größer werdenden Datenmengen.

5. Der Mensch wird immer gläserner, denn immer mehr mobile Endgeräte sammeln immer mehr Daten (z.B. Smart Home, Telematik, Wearablesund steigende Anzahl mobiler Endgeräte).

6. Hadoop wird immer mehr zum Einheitsframework (Standardisierung).

Big Data ist kein Trend, der ausschließlich für die Großen am Markt relevant ist, auch für kleinere Unternehmen gewinnt das Thema deutlich an Fahrt.

Dr. Ferri Abolhassan und Dr. Andreas Bergler zum Thema „Warum Big Data die Zukunft gehört“

Sechs Thesen zur Zukunft von Big Data & Data Analytics




Marktübersicht


MARKTMONITORMarktübersicht

Name Gründung URL Kategorie Kurzbeschreibung

100 Worte Sprachanalyse GmbH 2017 https://www.100worte.de/ TEXT Analyse der Persönlichkeitsmerkmale eines Textverfassers anhand von Struktur und Inhalt

1PlusX AG 2014 http://1plusx.com/ DATA Profiling und Vorhersage von Verhaltensmustern zum zielgerichteten Marketing

4Quant Ltd 2015 http://4quant.com/ IMAGE Umwandlung von (medizinischen) Bilddateien in maschinenlesbare quantitative Daten

Adtriba GmbH 2015 https://www.adtriba.com/ DATA Analyse und Verbesserung der Customer Journey

Building Radar GmbH 2014 https://buildingradar.com/de/ IMAGE Datenbank und Suchmaschine für Bauprojekte basierend auf der Analyse von Luftaufnahmen

Data Artisans GmbH 2014 https://data-artisans.com/ DATA Plattform zur Datenverarbeitung per Stream Processing

DataLion GmbH 2014 http://www.datalion.com/ DATA automatisierte Datenvisualisierung für die Themen Marketing, Research, Medien und BI

Datagnion GmbH 2014 http://www.datagnion.com/ DATA Data Mining und Strukturierung von Social-Media-Daten zur Prognoseerstellung

DeepEyes GmbH 2015 https://www.deepeyes.co/ IMAGE videobasierte Datenauswertung mithilfe künstlicher Intelligenz

Feingold Technologies GmbH 2010 https://www.feingoldtech.net/de TEXT Bestimmung von Mindset und Stimmung des Nutzers mittels Spracherkennung




Name Gründung URL Kategorie Info

Gamaya SA 2015 https://gamaya.com/ IMAGE, DATA Entscheidungsunterstützung durch automatische Lösungsvorschläge in der Landwirtschaft

Geospin GmbH 2016 https://www.geospin.de/de/ DATA Auswertung geostatistischer Daten zur Optimierung der Wertschöpfung

Gini GmbH 2011 https://gini.net/de/ TEXT Umwandlung unstrukturierter Informationen in strukturierte Daten

ICO-LUX GmbH 2018 https://www.ico-lux.de/ IMAGE automatische Betrugserkennung mithilfe moderner Bildforensik

Kendaxa Holding GmbH 2015 https://kendaxa.com/de DATA Datenintegration und Profiling zur Prozessdigitalisierung

linx4 GmbH 2018 https://www.linx4.io/ DATA IoT-Datenverarbeitung zur nutzungsabhängigen Prämienberechnung für Maschinenversicherungen

Locatee AG 2014 http://www.locatee.ch/ DATA Auswertung von Gebäudedaten zur intelligenten Flächengestaltung

MADANA UG 2017 https://www.madana.io/ DATA Plattform zum Vertrieb anonymisierter Daten/-auswertungen mittels Blockchain

Mapegy GmbH 2012 https://www.mapegy.com/ DATA Sammlung und Verdichtung neuer Informationen und Erkenntnisse im Innovationsbereich

Qidenus Group GmbH (omni:us) 2015 https://omnius.com/ TEXT Umwandlung unstrukturierter Informationen in strukturierte Daten und Verarbeitung durch KI





PACE Telematics GmbH 2015 https://www.pace.car/ DATA Device zur Übertragung und Verarbeitung von Telematikdaten

Pryv SA 2012 http://www.pryv.com/ DATA Middleware zur Sammlung und Übermittlung von Gesundheitsdaten aus mobilen Anwendungen

ThinxNet GmbH (ryd) 2014 https://ryd.one/ DATA Device zur Übertragung und Verarbeitung von Telematikdaten

sensation.io GmbH 2014 http://sensation.io/ DATA automatisierte Marktforschung durch mehrkanalfähige Feedbackplattform

Simplaex GmbH 2015 http://www.simplaex.com/ TEXT, DATA Echtzeitanalyse von Kundengruppen und Kundenwerten

SkenData GmbH (Wert14) 2014 https://www.wert14.de/ DATA automatisierte Gebäudewertermittlung

Nektoon AG (Squirro) 2012 http://squirro.com/ TEXT, DATA Zusammenführung strukturierter und unstrukturierter Datenquellen

Statice GmbH 2018 https://www.statice.ai/ DATA Datenanonymisierung nach DSGVO unter Beibehaltung des Informationsgehalts

Teralytics AG 2012 http://www.teralytics.net/ IMAGE, DATA Auswertung von Transport- und Bewegungsdaten

TerraLoupe GmbH 2015 http://www.terraloupe.com/ IMAGE Tracking von Orten und Objekten mittels hochauflösender Luftbildaufnahmen





xbird GmbH 2015 http://www.xbird.io/ DATA Auswertung von Verhaltensmustern und Umwelt zur Früherkennung von Krankheiten

zeotap GmbH 2014 http://www.zeotap.com/ DATA skalierbare Datenauswertung rund um Datenbeschaffung, -Aufwertung und -Verteilung


Hinweis: Es wird kein Anspruch auf Vollständigkeit erhoben. Die betrachteten Unternehmen stellen eine kleine Auswahl eines breiten Spektrums an Start-ups dar. Ziel ist es, einen Überblick über vorhandene Geschäftsmodelle zu geben.




IMAGEBild- und Videodateien

DATAsemi-/strukturierte Daten

TEXTLinguistikdaten und Semantik



Relevante Start-ups


MARKTMONITOR

Die Value Proposition (Wertversprechen) des Start-ups wird im Kern zusammengefasst, relevante Use Cases sowie genutzte Technologien dargestellt und BreakingNews zur Geschäftsentwicklung aufgeführt.

Die Start-ups werden anhand der relevanten Datenbasis nach Kategorien geclustert und entsprechend farbig hinterlegt. Dabei wird unterschieden in die Auswertung von Bilddaten (IMAGE), Linguistik bzw. Semantik (TEXT) und maschinenlesbaren semi-/strukturierten Daten (DATA).

Heutzutage werden Big Data und Data Analytics vor allem für folgende Funktionen genutzt: Datenaufbereitung/-verdichtung/-strukturierung (HANDLING), Erstellung von Nutzer- und Objektprofilen (PROFILING), Bewertung von Objekten/Sachverhalten (ASSESSING) und Entscheidungsunterstützung (DECIDING). Im Fokus stehende Anwendungsbereiche sind dunkelgrau hinterlegt.

Der Innovationsgrad des Geschäftsmodells wird auf Basis vorhandener (v.a. öffentlicher) Informationen mit maximal drei Punkten eingestuft und ist durch Grünfärbung gekennzeichnet.

Start-ups für die Assekuranz – Big Data & Data AnalyticsRelevante Start-ups


MARKTMONITOR Start-ups für die Assekuranz – Big Data & Data AnalyticsRelevante Start-ups

Anzahl: 7

IMAGE ANALYSIS


MARKTMONITOR

• 4Quant bietet eine Lösung an, welche aus sehr großen Bilddateien durch

quantitave Analyse zielgerichtete Datenergebnisse hervorbringt

• Bisher Einsatz in der medizinischen Bilddiagnostik (Radiologie,

Nuklearmedizin)

• Bereitstellung für Nutzer über Big Image Data Analytics Plattform

• Ziel: Umwandlung von Bildern in Information, ungeachtet derer Dimension

oder Größe, zur Prozessbeschleunigung

Value Proposition

Relevante Start-ups

Name 4Quant Ltd

URL http://4quant.com/

Sitz Zürich

Gründung 2015

Mitarbeiter 1-10

Investoren ETH Zürich

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS

AnwendungDatenkategorie


MARKTMONITOR

• Building Radar nutzt hochauflösende Luftaufnahmen, um eine

Suchmaschine für Bauprojekte bereitzustellen, welche Projekte frühzeitig

erkennt und listet

• Bereitstellung von Informationen über beteiligte Personen, Unternehmen

• Ziel: Erkennung neuer Bauprojekt vor Baubeginn und Nutzung der

Information für eigene Vertriebszwecke durch Lead-Generierung

Value Proposition

Relevante Start-ups

Name Building Radar GmbH

URL https://buildingradar.com/de/

Sitz München

Gründung 2014

Mitarbeiter 11-50

Investoren Viessmann, Vito One, FOUNDER.org

Referenzen u.a. Vitra, Forbo, Steelcase


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• DeepEyes bietet videobasierte Datenauswertung mittels künstlicher

Intelligenz in Echtzeit ohne die Nutzung von Cloud-Diensten

• Messung 98 verschiedener Parameter im Gesichtsausdruck

• Simple HD-Kameras ausreichend für Anwendung

• Deutliche bessere Trefferquote als traditionelle Lügendetektoren

• Mögliche Nutzung im Schadenmanagement durch die Bewertung der

Integrität des Policenhalters (z.B. Effizienzsteigerung durch Vorbewertung)

• Ziel: Effizientere und kostengünstigere Videoauswertung

Value Proposition

Relevante Start-ups

Name DeepEyes GmbH

URL https://www.deepeyes.co/

Sitz München

Gründung 2015

Mitarbeiter 11-50

Investoren k.A.

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Gamaya versucht landwirtschaftliche Betriebe durch Vorhersagen und

automatische Lösungsvorschläge bei Entscheidungen zu unterstützen

• Datengewinnung mit Hyperspectral Imaging und anschließende

Datenauswertung mit künstlicher Intelligenz

• Automatisch generierte Handlungsempfehlungen zum Einsatz von Dünger,

Herbiziden und Pestiziden

• Aktuell anwendbar bei Zuckerrohr- und Sojaplantagen

• Ziel: Effizienzsteigerung in der Landwirtschaft durch detaillierte Analysen

und spezifische Bewirtschaftung

Value Proposition

Relevante Start-ups

Name Gamaya SA

URL https://gamaya.com/

Sitz Lausanne

Gründung 2015

Mitarbeiter 11-50

InvestorenICOS Capital Management, Vi Partners AG, Sandoz Foundation, Seed4Equity

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• ICO-LUX bietet automatisierte Betrugserkennung für

Versicherungsunternehmen auf Grundlage von Bildforensik

• Prüfung gescannter Bilder sowie von Bildern mit niedriger Qualität

• Benachrichtigung bei potenziellem Betrugsfall

• Prototyp der Technologie wurde bei einem großen PKV bereits getestet

und steht vor der Markteinführung.

• Ziel: volldigitale Belegprüfung und Betrugserkennung

Value Proposition

Relevante Start-ups

Name ICO-LUX GmbH

URL https://www.ico-lux.de/

Sitz Jena

Gründung 2018

Mitarbeiter 1-10

Investoren k.A.

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Teralytics bietet ein intelligentes Mobilitätssystem an, welches

Transportdaten, Transportinfrastruktur und Mobilitätsservices auswertet

und verbindet

• Ergebnisse werden durch die Nutzung von Mobilfunkdaten und

Verhaltensattributen erzeugt

• Nutzung der Erkenntnisse zur Verbesserung bestehender Transportsysteme

und zum Aufbau neuer Geschäftsmodelle

• Ziel: Optimierung des Transportwesens auf Basis des umfassenden

Verständnisses wo, wohin und wie sich Menschen fortbewegen

Value Proposition

Relevante Start-ups

Name Teralytics AG

URL http://www.teralytics.net/

Sitz Zürich

Gründung 2012

Mitarbeiter 51-100

Investoren Lakestar, Atomico, HorizonsVentures

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Terraloupe ist darauf spezialisiert Orte und Objekte mittels hochaufgelösten

Luftaufnahmen zu tracken.

• Machine Learning Algorithmen werten die von Partnern erworbenen

Luftaufnahmen nach ausgewählten Kriterien aus

• Analyse von Vegetation, Infrastruktur, Straßen und Gebäuden

• Ziel: Bereitstellung von Geodaten mit individuell anpassbarem Schwerpunkt

für verschiedene Branchen

Value Proposition

Relevante Start-ups

Name TerraLoupe GmbH

URL http://www.terraloupe.com/

Sitz München

Gründung 2015

Mitarbeiter 11-50

Investoren Bayern Kapital GmbH

Referenzen BMW, DB, Munich Re


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS




Anzahl: 19

DATA ANALYSIS


MARKTMONITOR

• 1PlusX bietet eine Data Management Plattform an, welche mit einem

ganzheitlichen Ansatz anonyme Nutzer- und Objektprofile erstellt und mit

diesen Verhaltensmuster vorhersagt

• Einsatz von KI zur Identifikation neuer potentieller Kunden durch Vergleich

der Verhaltensmuster

• Ziel: Schalten von personalisierten Werbeanzeigen und

Echtzeitvorhersagen für die Nutzung von Inhalten im Zuge der Marketing-

Optimierung

Value Proposition

Relevante Start-ups

Name 1PlusX AG

URL http://1plusx.com/

Sitz Pfäffikon (Zürich)

Gründung 2014

Mitarbeiter 11-50

Investoren k.A.

Referenzen u.a. Axel Springer, AdmeiraInnovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS

Anwendung


Datenkategorie


MARKTMONITOR

• Adtriba bietet ein Tool zur Customer Journey Analyse an, welches

verschiedene Social Media-Kanäle über ein Dashboard vereint und

visualisiert

• Identifikation starker bzw. schwacher Kanäle und Kampagnen

• Direkte Handlungsempfehlungen inklusive Visualisierung anhand

verschiedener Szenarien

• Ziel: Kosteneffizientes Cross Channel-Marketing durch Vermeidung von

Komplexität und erhöhte Übersichtlichkeit

Value Proposition

Relevante Start-ups

Name Adtriba GmbH

URL https://www.atriba.com/

Sitz Hamburg

Gründung 2015

Mitarbeiter 1-10

Investoren Next Media Accelerator, High-Tech Gründerfonds

Referenzen u.a. Die Zeit, Lekker, Depot


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Data Artisans stellt ein Open Source Stream Framework sowie eine

Plattform zur Datenverarbeitung per Stream Processing bereit, welche

Echtzeit-Applikationen und Echtzeit-Analysen vereint

• Parallele Speicherung und Analyse von Datenströmen sowie deren

Statistiken, einzelnen Datenabschnitten u.a.

• Ziel: Echtzeitsteuerung und –Planung von exponentiell wachsenden

Datenmengen

Value Proposition

Relevante Start-ups

Name Data Artisans GmbH

URL https://data-artisans.com/

Sitz Berlin

Gründung 2014

Mitarbeiter 11-50

Investoren Intel Capital b-to-v Partners, Tengelmann Ventures

Referenzen u.a. Alibaba, ING, Uber


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• DataLion visualisiert skalierbare Datensätze und bereitet die Informationen

in Form von Reports auf

• Hohe Benutzerfreundlichkeit durch automatisch ablaufende und

zeitsparende Features wie automatische Aktualisierungen, hochwertige

Visualisierung und Unterstützung zahlreicher Datenformate

• Verbindung mit Echtzeit-Datenquellen

• Ziel: Effizienzsteigerung der internen Prozesse durch Automatisierung der

Analyse und Aufbereitung von Daten

Value Proposition

Relevante Start-ups

Name DataLion GmbH

URL http://www.datalion.com/

Sitz München

Gründung 2014

Mitarbeiter 1-10

Investoren k.A.

Referenzen u.a. ebay, Psyma, Telekom


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Datagnion ordnet und visualisiert Datensätze aus Social Media, um darin

Muster zu erkennen, mit welchen Trends und Ergebnisse vorausgesagt

werden

• Nutzung verschiedener Data Mining-Techniken

• Einfache Integration der Analysen in vorhandene Anwendungen und Tools

• Ziel: Trenderkennung und Zukunftsprognosen durch Datenstrukturierung

und deren Nutzung in verschiedenen Unternehmensbereichen

Value Proposition

Relevante Start-ups

Name Datagnion GmbH

URL http://www.datagnion.com/

Sitz Linz

Gründung 2014

Mitarbeiter 1-10

Investoren k.A.

Referenzen u.a. Falcon.io, Digimind


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Geospin erstellt geographische Big Data Analysen mithilfe von Machine

Learning und Geostatistik

• Nutzung öffentlich zugänglicher Datenquellen sowie Auswertung sozialer

Medien (insgesamt 700 externe Umgebungsinformationen)

• Anwendung der Analyseergebnisse auf sämtliche Bereiche möglich,

insbesondere in der Servicesteuerung und Wertschöpfung

• Ziel: Erhöhung der Kundenorientierung und –zufriedenheit von

Unternehmen unterschiedlichster Branchen

Value Proposition

Relevante Start-ups

Name Geospin GmbH

URL https://www.geospin.de/de/

Sitz Freiburg im Breisgau

Gründung 2016

Mitarbeiter 11-50

Investoren High-Tech Gründerfonds

Referenzen u.a. DB, Bosch, Siemens, VW


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Kendaxa beschäftigt sich mit KI-basierter Datenintegration und

Datenprofiling im Zuge der Prozessdigitalisierung

• Angebot verschiedener Tools über KI-Plattform

• Risikoadäquates Pricing für Versicherungsunternehmen durch

Datenaggregation und Anreicherung mit weiteren qualifizierten Daten

• Smart Questioning zur Verkürzung der Vertragsabschlussstrecke

• Ziel: Effizienzsteigerung durch datengetriebene Digitalsierung,

insbesondere beim individuellen Profiling

Value Proposition

Relevante Start-ups

Name Kendaxa Holding GmbH

URL https://kendaxa.com/de

Sitz Leipzig

Gründung 2015

Mitarbeiter 51-100

Investoren k.A.

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Locatee betreibt eine skalierbare Smart Building Plattform, welche

physische Arbeitsplätze in Echtzeit simuliert, um so die

Bürogebäudeplanung zu verbessern

• Anwendung von Machine Learning und Indoor Positioning Algorithmen auf

bestehende Datenquellen

• Auswertung erfolgt mittels 50 verschiedener Anwendungen

• Ziel: verbessertes Arbeitsumfeld, effiziente Büronutzung und

Kosteneinsparungen durch größere Nutzerorientierung

Value Proposition

Relevante Start-ups

Name Locatee AG

URL http://www.locatee.ch/

Sitz Zürich

Gründung 2014

Mitarbeiter 11-50

Investoren k.A.

Referenzen u.a. Zurich, Swiss Re


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• linx4 ist ein Plattformbetreiber für die Datensammlung und –Auswertung

von vernetzten Maschinen und Geräten

• Einbindung von Blockchains zum selektiven und sicheren Datenaustausch

• Die Technologie ermöglicht es Unternehmen eine Maschinenversicherung

abzuschließen, deren Beitragshöhe sich nach der jeweiligen

Maschinennutzung richtet, sodass bei höherer Auslastung der Beitrag

automatisch angehoben wird und vice versa

• Zusätzliche Messung von Betriebsdaten zum jeweiligen Maschinenzustand

• Ziel: konsequente Nutzung der Daten aus dem Internet of Things

Value Proposition

Relevante Start-ups

Name linx4 GmbH

URL https://www.linx4.io/

Sitz Wien

Gründung 2018

Mitarbeiter 1-10

Investoren k.A.

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Madana ist eine Analytikplattform auf Blockchain-Basis, welche den

Datenaustausch sicherer und einfacher machen soll

• Datenverschlüsselung als Grundlage für den Vertrieb von Daten

• Keine Übermittlung von Rohdaten

• Gesicherte, faire und automatische Monetarisierung durch Smart Contracts:

Blockchain macht jede Nutzung der angebotenen Daten(-analysen)

transparent, sodass Datenanbieter pro Nutzung einen Erlös erhält.

• Ziel: einfacher Datenaustausch in einem gesicherten Umfeld

Value Proposition

Relevante Start-ups

Name MADANA UG

URL https://www.madana.io/

Sitz Berlin

Gründung 2017

Mitarbeiter 11-50

Investoren k.A.

Referenzen Capgemini


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• MAPEGY sammelt, verdichtet und verbindet neue Entwicklungen im

Innovationsbereich weltweit mit Hilfe künstlicher Intelligenz

• Tracking anhand der W-Fragen: wer mit wem, was, wie, wo und wann?

• Scanning von Patenten, wissenschaftlichen Artikeln, Forschungsarbeiten,

Social Media-Beiträgen, technischen Standards und weiteren Quellen

• Ziel: Vereinfachung und Beschleunigung von Rechercheprozessen zur

Erhöhung der Innovationsfrequenz

Value Proposition

Relevante Start-ups

Name MAPEGY GmbH

URL https://www.mapegy.com/

Sitz Berlin

Gründung 2012

Mitarbeiter 11-50

Investoren EIT Digital Accelerator

Referenzen u.a. Henkel, VW


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• PACE bietet Connected Car Lösungen für Consumer und B2B Partner an.

• Neue und alte Fahrzeuge aller Marken werden zu Smart Cars und verbinden

sich mit der Cloud

• Beispiel-Features: Notruf, Fahrtenbuch, Spritspartrainer

• B2B Partner können digitale und datenbasierte Geschäftsmodelle und Use

Cases realisieren (URL: business.pace.car bzw. developer.pace.car)

• Ziel: Telematik- und Fahrdaten für Consumer und B2B Partner nutzbar

machen

Value Proposition

Relevante Start-ups

Name PACE Telematics GmbH

URL https://www.pace.car/de

Sitz Karlsruhe

Gründung 2015

Mitarbeiter 11-50

Investoren L-Bank, MBG, VC Fonds Baden-Württemberg

Referenzen Porsche, DEKRA, ABT Sportsline


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Pryv bietet einen individualisierbaren Service zur Datensammlung und –

Übermittlung in der Gesundheitsbranche an

• Betrieb einer dezentralisierten Data Tracking Plattform als Middleware

zwischen den Anwendungen auf Endnutzerseite (z.B. Medical Wearables)

und auf Anbieterseite

• Nutzen für Versicherungsanbieter durch effektives Risikoprofiling und

verbesserte User Experience

• Ziel: Innovation durch privatisiertes Datenmanagement

Value Proposition

Relevante Start-ups

Name Pryv SA

URL http://www.pryv.com/

Sitz Lausanne

Gründung 2012

Mitarbeiter 11-50

InvestorenFoundation pour l'InnovationTechnologique , Cosa Trade SA, simple data sarl

Referenzen u.a. Antaes, Kinntek


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• ThinxNetbietet ein Device an, welches ein normales Auto in ein Smart-Car

verwandeln kann, um Telematikdaten effektiv zu nutzen

• Verbindung des Device mit Mobile App und ryd-Plattform

• Nützliche Endkundenfeatures wie Spritsparhinweise, Tankstellenfinder,

elektronischem Fahrtenbuch samt Kostenkontrollfunktion und Anbindung

an Amazon Alexa

• Analyse von Performancedaten und Fehlercodes zur Vermeidung von

Schadenfällen

• Ziel: Verbreitung der Nutzung von Telematikdaten

Value Proposition

Relevante Start-ups

Name ThinxNet GmbH (ryd)

URL https://ryd.one/

Sitz München

Gründung 2014

Mitarbeiter 11-50

Investoren k.A.

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Sensation.io hat eine Omnichannel-Feedback-Plattform erstellt, welche

Unternehmen dabei hilft, Feedback einzuholen und daraus

Entscheidungsunterstützungen gibt

• Übernahme des kompletten Umfrageprozesses von der Auswahl der

Teilnehmer über die tatsächliche Befragung bis hin zur Auswertung

• Ziel: effiziente Marktforschung durch automatisiertes Feedbacksystem

Value Proposition

Relevante Start-ups

Name sensation.io GmbH

URL http://sensation.io/

Sitz München

Gründung 2014

Mitarbeiter 1-10

Investoren Business Angels

Referenzen SAP


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• SkenData bewertet vollautomatisiert Immobilien mittels amtlicher Daten

und anerkannten Normverfahren sowie eigenen Gebäudeangaben

• Daten von über 51 Millionen Gebäuden vorhanden

• Automatische Nutzung von Katasteramtsdaten, amtlichen 3D-

Gebäudedaten sowie Luftbildern und manuelle Ergänzung um

Informationen zu Ausbau und Ausstattung

• Sekundenschnelle Ermittlung der Versicherungssumme mithilfe anerkannter

Berechnungsverfahren

• Ziel: komplett digitale Gebäudebewertung

Value Proposition

Relevante Start-ups

Name SkenData GmbH (Wert14)

URL https://www.wert14.de/

Sitz Rostock

Gründung 2014

Mitarbeiter 12

Investoren k.A.

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Statice bietet eine automatische Datenanonymisierung per Software an

• Datenanonymisierung durch Erzeugung synthetischer Daten

• Beibehaltung der originalen Datenstruktur und somit unveränderter

Informationsgehalt

• Uneingeschränktes freies Teilen der synthetischen Daten

• Ziel: effiziente Datenanalyse im Rahmen der DSGVO-Grundsätze

Value Proposition

Relevante Start-ups

Name Statice GmbH

URL https://www.statice.ai/

Sitz Berlin

Gründung 2018

Mitarbeiter 1-10

Investoren WATTx

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• xbird nutzt Smartphone-Daten zur frühzeitigen Erkennung von Krankheiten

sowie zu deren Prävention

• Analyse von Verhaltensmustern, Umweltbedingungen und Biomarkern als

Grundlage für bessere, effektivere Diagnosen durch Ärzte und Therapeuten

• Aktuelle Anwendung auf Diabetespatienten

• Ziel: Krankheitsvermeidung und Gesundheitsförderung durch gezielte

Datenanalyse

Value Proposition

Relevante Start-ups

Name xbird GmbH

URL http://www.xbird.io/

Sitz Berlin

Gründung 2015

Mitarbeiter 1-10

Investoren Cascara Ventures

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• zeotap bietet eine skalierbare Datenauswertung rund um die Themen

Datenbeschaffung, -Verteilung und –Aufwertung

• Anwendung verschiedener Methoden und Technologien der

Qualitätssicherung zur Auswertung ausschließlich qualitativ hochwertiger

Daten

• Bewiesene Steigerung der Engagement-Raten bei Marketingkampagnen

• Ziel: Effizienzsteigerung des digitalen Marketings durch Extraktion wirklich

relevanter Daten

Value Proposition

Relevante Start-ups

Name zeotap GmbH

URL http://www.zeotap.com/

Sitz Berlin

Gründung 2014

Mitarbeiter 51-100

Investoren u.a. Here Technologies, New Science Ventures, Iris Capital

Referenzen Red Bull, Mercedes, Pepe Jeans


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS




Anzahl: 6

TEXT ANALYSIS


MARKTMONITOR

• 100 Wortes Psychological AI ist die erste validierte Messung von

Persönlichkeitseigenschaften aus Texten, um Menschen zuverlässig

einschätzen und erreichen zu können

• Merkmale: Emotionen (Gemütszustände), Motive (Beweggründe für

Handlungen), Persönlichkeitseigenschaften ( Merkmale die Gesicht geben)

• Erste Einschätzungen ab 100 und genaue Analyse bei 300 Wörtern

• Ziel: Gegenüber, bspw. Bewerber oder (potentielle) Kunden, besseres

Verständnis, um die Kommunikation und das eigene Handeln effektiv und

zielgerichtet zu gestalten

Value Proposition

Relevante Start-ups

Name 100Worte Sprachanalyse GmbH

URL https://www.100worte.de/

Sitz Heilbronn

Gründung 2017

Mitarbeiter 1-10

Investoren k.A.

Referenzen k.A.

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS


InnovationsgradDatenkategorie Anwendung


MARKTMONITOR

• Dydon bietet eine parametrisierbare KI-Plattform mit eigenen KI-Lösungen

(NLP & Prediction), die in der Lage ist, bestehende fremde KI-Lösungen

unter einer einheitlichen Taxonomiestruktur zu verbinden

• eigene KI-Lösungen umfassen u.a. die Prüfung von Alt-

Versicherungsverträgen, Produktklassifizierungen, Risikoscreening im Asset

Management

• Visualisierung über ein zentrales Dashboard

• schnelle Umsetzungsmöglichkeit dank Plattformansatz und Parametrisierung

• Ziel: vereinfachte Nutzung künstlicher Intelligenz durch Verknüpfung KI-

basierter Anwendungen und Vermeidung von Insellösungen

Value Proposition

Relevante Start-ups

Name Dydon AG

URL http://www.dydon.net/web/

Sitz Herrliberg

Gründung 2016

Mitarbeiter 1-10

Investoren privatfinanziert

Referenzen Sumitomo Bank, Sherpa-AMC,Ernst&Young,


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Feingold Tech bestimmt das Mindset und die Stimmung von Menschen

(z.B. Kunden, Mitarbeiter) mittels Spracherkennung und –analyse

• Verbindung spezifischer Änderungen der Fraktalmuster in Sprachsignalen

mit neurologischen Mustern und emotionalen Zuständen

• Hilfestellung durch Empfehlung spezifischer Verhaltensreaktion im

zwischenmenschlichen Kontakt zur zielgerichteten Konversationsführung

• Ziel: Optimierung der Reaktionsfähigkeit und Entscheidungshilfe in sozialen

Interaktionen durch Einbezug der emotionalen Verfassung des Gegenübers

Value Proposition

Relevante Start-ups

Name Feingold Technologies GmbH

URL https://www.feingoldtech.net

Sitz Berlin

Gründung 2010

Mitarbeiter 11-50

Investoren Sharecare

Referenzen u.a. Bertelsmann, BMW


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

Value Proposition

Relevante Start-ups

Name Gini GmbH

URL https://gini.net/de/

Sitz München

Gründung 2011

Mitarbeiter 11-50

Investoren Main Incubator, Deutsche Telekom, check24

Referenzen k.A.


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS

Anwendung

• Gini digitalisiert Dokumente in Papierform durch die Anwendung von

Semantiktechnologien

• Verarbeitung unstrukturierter Daten aus Rechnungen, Belegen und

Verträgen

• Umwandlung in strukturierte Daten zur weiteren Verarbeitung

• Angebot als SaaS zur schnellen Integration in vorhandene Systeme

• Ziel: Digitalisierung bestehender Prozesse in der Assekuranz

Datenkategorie


MARKTMONITOR

• omni:us extrahiert relevante Information aus Dokumenten in Papierform

und wandelt diese in strukturierte Daten um, welche durch KI-Systeme

automatisiert weiterverarbeitet werden

• Anwendung der Technologie im Claims Management und bei der Analyse

von Policen im Rahmen der Angebotserstellung

• Neues Funding i.H.v. über 19 Millionen Euro Ende Oktober 2018

• Ziel: Prozessoptimierung in der Versicherungswirtschaft durch effiziente

Datenextraktion mit OCR und Auswertung durch KI

Value Proposition

Relevante Start-ups

Name Qidenus Group GmbH

URL https://omnius.com/

Sitz Berlin

Gründung 2015

Mitarbeiter 11-50

Investoren MMC Ventures, Talis Capital, Target Global, IBB

Referenzen u.a. Allianz, Baloise, HDI


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Simplaex bietet Nutzern eine transparente Analyse ihrer Kundengruppen

auf Basis derer Bedürfnisse und Verhalten mithilfe künstlicher Intelligenz

• Nutzung von Echtzeitanalysen, um potenziellen Kunden stets die

adäquaten Inhalte im Web und in Mobile Apps zu bieten

• Ziel: umfassendes Verständnis des Kundenverhaltens und Bestimmung des

Kundenwerts zur erhöhten Kundenbindung

Value Proposition

Relevante Start-ups

Name Simplaex GmbH

URL http://www.simplaex.com/

Sitz Berlin

Gründung 2015

Mitarbeiter 11-50

InvestorenTarget Partners, AntheriaHolding AG, High-TechGründerfonds

Referenzen u.a. InnoGames, NordVPN


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS



MARKTMONITOR

• Squirro liefert Echtzeitkontextdaten aus strukturierten und der

überwiegend unstrukturierten Datenquellen und verbindet diese

miteinander

• Anwendung von Predictive Analytics und Machine Learning

• Fokus liegt auf der Analyse von Kunden und internen Prozessen sowie der

Mustererkennung zwischen verschiedenen Datensilos

• Ziel: Aufarbeitung von unstrukturierten Daten und Nutzung dieser für

Zukunftsprognosen gemäß des Leitmotivs „turn data into action“

Value Proposition

Relevante Start-ups

Name Nektoon AG (Squirro)

URL http://squirro.com/

Sitz Zürich

Gründung 2012

Mitarbeiter 11-50

Investoren u.a. Finch Capital, SalesforceVentures, Formula VC

Referenzen u.a. Helvetia, Swiss Re


Innovationsgrad

1

2

3TEXT

ANALYSISDATA

ANALYSISIMAGE

ANALYSIS




Projekte & Use Cases


MARKTMONITOR Start-ups für die Assekuranz – Big DataProjekte & Use Cases

Start-up Anwendungsbereich Beschreibung Referenz

100 Worte Bewerbungsverfahren

Analysiert ganze Chatverläufe und Bewerbungen und gibt Auskunft über die Beziehungen und Stimmungen unter den

Bewerber.-

1PlusX Datenstrukturierung 1plusX Datenplattform unterstützt bei Komplexitätsplanung und Produktlaunches. Admeira

Adtriba Customer JourneysUnterstützung beim Verstehen und der Erstellung von Customer Journeys im

Hinblick auf das Marketing.Lekker Energie

Deep Eyes Individual Emotion RecognitionAnalysiert Versicherungsansprüche auf der Grundlage der gemessenen Integrität der

Versicherungsnehmer.-

Gamaya Entscheidungs- und Automatisierungsplattform

CaneFit bietet eine Plattform für den Zuckerrohranbau in Brasilien an, welche die Effizienz und Nachhaltigkeit für die Bauern

erhöht.

CaneFit




Gesopin StandortwahlMittels geographischer Big-Data-Analysen

werden die besten Standorte für E-Ladestationen für Autos berechnet.

Thüga, Smartlab

Gini RechnungsassistentUnterstützt den gesamten

Rechnungsvorgang mittels Ausfüllhilfe, Fotoüberweisung und Webüberweisung.

Hypovereinsbank

Kendaxa Pricing

Durch Optimierung der Datenlage entsteht die Möglichkeit eines risikoadäquaten

Pricings und der Verkürzung der Abschlussstrecke.

-

Locatee ArbeitsplatzAuswertung und Bewertung der

vorhandenen Arbeitsplätze sowiePotentialzuweisung.

Biogen

Pace Connected Fueling

Erste Integrierung der Connected FuelingTechnologie in ein Neufahrzeug (Porsche),

somit ist die Integration der Pace Technologie ab Werk möglich.

Porsche




Pryv VerwaltungBietet ein Verwaltungstool für sensible, personenbezogene Daten und dessen

Anbindung an.HealthyHealth

Squirro CRM-PlattformSquirro bietet mit Thomson Reuters eine KI-basierte Lösung zur Verbesserung der

CRM-Plattformen.Thomson Reuters

Statice künstliche Gewebestrukturen

Durch Elektro-Spinning werden künstliche Gewebestrukturen erzeugt, welche dann medizinische Anwendung finden, Staticeliefert dabei die Erstellungsinformationen.

Scaffolds

Teralytics Migrationsdatenauswertung

Teralytics verfolgte die Bewegung von Inselbewohnern, welche vor einem

Hurricane flohen, mittels Smartphones. Dies dient zur zukünftigen Notfallplanung.

-


MARKTMONITOR

ARGOS ist das neue Geoinformationssystem der HDI und modelliert Naturkatastrophen.

Start-ups für die Assekuranz – Big Data & Data AnalyticsProjekte & Use Cases

Es ermöglicht eine Risikoanalyse hinsichtlich Schäden durchNaturkatastrophen in allen Gebieten der Welt. Somit kann derVersicherer alle Standorte künftiger und bereits bestehenderVersicherungsnehmer über eine Risikokarte analysieren undentsprechend angepasste Prämienberechnungen durchführen.Damit soll die Wahrscheinlichkeit von „überraschenden“Naturkatastrophen verringert und der Konzern besser aufSchadenfälle vorbereitet werden.

Quelle: https://www.talanx.com/newsroom/aktuelle-themen/2014/03_argos.aspx?sc_lang=de-de

Auf der Modellkarte werden Risikozonen bestimmt, welche nach Art und Wahrscheinlichkeit von Naturkatastrophen eingeteilt werden. Das„Accumulation Risk Geospacial Online System“ zeigt so u. a. Überflutungsgebiete in blauer Farbe, Waldbrandgebiete in rot und Erdbebenzonen ingelb. Die Farbgebung ist umso intensiver, je wahrscheinlicher ein solches Ereignis ist. Darüber hinaus verknüpft das System Satellitenbilder und –Daten mit der Modellkarte, sodass relevante Informationen wie die Bevölkerungsdichte oder Standorte von Atomkraftwerken und Industrieanlagenmitgeliefert werden.

https://www.talanx.com/newsroom/aktuelle-themen/2014/03_argos.aspx?sc_lang=de-de


MARKTMONITOR

Munich Re nutzt Big Data Technologien und KI im Schadenmanagement und in der Risikobewertung.


Mit der Early Loss Detection Plattform werden Schadenfälle im Bereich Property automatisch erkannt und an die verantwortlichen Mitarbeitergemeldet. Hierfür werden kontinuierlich über 16.000 Datenquellen nach vorab definierten Schadenereignissen gescannt. Anhand von geocodiertenRisiko- und Schadeninformationen prüft das System, ob versicherte Objekte betroffen sein könnten und meldet dies gegebenenfalls. So lassen sichzügig entsprechende Maßnahmen einleiten. Zusätzlich werden alle Schadenfälle zentral in einer Datenbank gesammelt. Diese Informationenwerden wiederum zum Erkennen von Schadentrends und zu deren Modellierung genutzt.

Die Risikomanagementplattform M.I.N.D. hilft Versicherern, Rückversicherern und Loss Adjustern dabei, gemeinsam Transparenz über Risiken zuschaffen und diese besser einzuschätzen. Das System dokumentiert historische Informationen zu Schäden und gleicht diese mit aktuellen Bildernvon Schäden ab. Durch die Anwendung von KI-Analysen können Betrugsversuche besser identifiziert und ihnen besser vorgebeugt werden.Außerdem lassen sich Folgeschäden mit bereits erfolgten Schadenereignissen vergleichen.

Vision Intelligence ist das System zur Schadenerkennung anhand von Bilddateien. Die Technologie hilft Sachschäden zu kategorisieren und denSchweregrad einzuschätzen. Basis hierfür sind neuronale Netze, welche beispielsweise auch bei Spracherkennungssystemen zum Einsatz kommen.

Quellen: https://www.munichre.com/topics-online/de/digitalisation/data-analytics-insurance-industry.html


MARKTMONITOR Start-ups für die Assekuranz – Big Data & Data AnalyticsProjekte & Use Cases

Quelle: https://cloud.google.com/blog/products/gcp/using-machine-learning-for-insurance-pricing-optimization

AXA verbessert die eigene Prognosefähigkeit von Kfz-Schäden durch die Anwendung von künstlicher Intelligenz auf gesammelte Daten.Dabei nutzt der Versicherer Machine Learning und ein Deep Learning Modell, umherauszufinden, welche Kunden teure Unfälle verursachen könnten. So will man die Kostensenken und gleichzeitig die Preise für Versicherungspolicen optimieren. Erste Erfolge sindbeachtenswert: Durch die neue Vorgehensweise konnte die Prognosegenauigkeit von 40 auf78 Prozent erhöht werden.

Bei der Analyse werden 70 Inputfaktoren genutzt: vom Fahreralter, dem Wohnort,Fahrzeugalter bis hin zur jährlichen Versicherungsprämie. Die Analyse erfolgt anhand eineskomplett vernetzten neuronalen Netzwerks. Für die Umsetzung nutzt AXA u.a. dieTechnologien von Google Computer Engine, TensorFlow und HyperTune.

https://cloud.google.com/blog/products/gcp/using-machine-learning-for-insurance-pricing-optimization


MARKTMONITOR

Ford analysiert das Fahrverhalten der Kunden und übermittelt die Daten an Versicherungen.


Grundlage hierfür ist die DriverScore App des kooperierendenAnbieters IVOX. Die App verbindet sich per AppLink und sammeltPerformancedaten des Fahrzeugs – bei Einwilligung des Halters.IVOX übernimmt das Datenmanagement und verbindet dieInformationen zu Driver Scores, eine Bewertung desFahrverhaltens in Bezug auf das Unfallrisiko. Die Bewertung wirdanschließend an das Versicherungsunternehmen des Fahrersübermittelt, sodass eine risikoangepasste Prämienberechnungerfolgen kann und besonders risikoarme Versicherte profitierenkönnen.

Quellen: https://www.theregister.co.uk/2017/03/27/keep_out_how_ford_is_keeping_silicon_valley_out_of_autonomous_vehicles/https://www.allianz.com/de_DE/presse/news/geschaeftsfelder/versicherung/170927-cyberrisiken-agcs-und-cyence-arbeiten-zusammen.html

Allianz (AGCS) nutzt die Big-Data-Analysen von Cyence zur Modellierung von Cyberrisiken.Cyence bietet hierfür eine eigens entwickelte Plattform, welchesowohl Gefährdung als auch Abwehrfähigkeiten einesUnternehmens gegenüber Cyberrisiken bewertet. Dabei gehtCyence weit über die Untersuchung der technischen IT-Sicherheiteines Unternehmens hinaus und bezieht auchVerhaltensindikatoren oder die Prozessorganisation bei derKalibrierung des Cyberrisikos mit ein. Mit Hilfe der Cyence-Plattform lassen sich Risikoprofile für einzelne Unternehmenerstellen, aber auch Akkumulationsrisiken und Auswirkungen vonCyberkatastrophenszenarien auf ein Versicherungsportfoliomodellieren.

https://www.theregister.co.uk/2017/03/27/keep_out_how_ford_is_keeping_silicon_valley_out_of_autonomous_vehicles/


MARKTMONITOR

Cape Analytics ermittelt mithilfe von KI die Schadenhöhe.


Es werden überwiegend Dächer automatisiert nach Schäden und weiteren Mängeln begutachtet, jedoch kann auch eine Analyse des restlichenGrundstücks erfolgen. Diese Daten werden dann an die Interessenten weitergeleitet. Bisher gibt es diese Möglichkeit nur für Häuser in den USA.

Die Schadenhöhen werden anhandvon geospatialen Bildern, stammendvon Satelliten, Drohnen undFlugzeugen, sowie einer eigenshierfür entwickelten Software, die dieBilder bewertet, ermittelt und an denVersicherer transferiert. Somit wirdeine transparente Bewertungsebenegeschaffen.

Quelle: https://capeanalytics.com/

https://capeanalytics.com/


MARKTMONITOR

Generali (Central) nutzt die Gesundheitsdaten der Patienten zum präventiven Diabetes Coaching.


Kernelement der auf Eigenverantwortung setzenden„initiative.diabetes“ sind die kontinuierlich erhobenen Daten vonSchrittzähler und Blutzuckermessgerät. Die Daten werden demPatienten über eine Tablet-Gesundheitsstation visualisiert und mitdem Coach geteilt. Der Telefoncoach begleitet den Patienten übereinen Zeitraum von zwölf Monaten, motiviert zu mehr Bewegungsowie gesunder Ernährung. 82 Prozent der Teilnehmer konnten imLaufe des Programms ihren Langzeitblutzuckerwert (HBA1C)senken oder konsolidieren. Bei geringeren Blutzuckerwerten sinktdas Risiko für Folgeerkrankungen wie zum Beispiel Herzinfarkt,Erblindung oder Schlaganfall.

Quellen: https://www.central.de/ueber-central/presse/pressemitteilungen/generali-deutschland-fuer-smart-insurance-initiative-ausgezeichnet-33646//https://www.generali.de/ueber-generali/presse-medien/pressemitteilungen/neues-sicherheitspaket--aachenmuenchener-kombiniert-erfolgreiche-vermoegenssicherungspolice-mit-smart-home-technik-15730

Die AachenMünchener hat ihre Vermögenssicherungspolice um eine Smart-Home-Lösung erweitert.Die Smart-Home-Geräte ermöglichen eine intelligente Vernetzungvon Heim und Wohnung. Sie warnen per Smartphone zumBeispiel bei Wasseraustritt oder Einbruchsversuchen. Im Falle einerAlarmsituation können sich Kunden direkt und rund um die Uhr (7Tage die Woche) an ein Notfallcenter wenden. Hier wird für denKunden Hilfe organisiert und bei Einbruch auf Wunsch einSicherheitsdienst alarmiert. Die Technologie stammt vomAachener Hersteller devolo.

https://www.central.de/ueber-central/presse/pressemitteilungen/generali-deutschland-fuer-smart-insurance-initiative-ausgezeichnet-33646/

https://www.generali.de/ueber-generali/presse-medien/pressemitteilungen/neues-sicherheitspaket--aachenmuenchener-kombiniert-erfolgreiche-vermoegenssicherungspolice-mit-smart-home-technik-15730



Analyse Geschäftsmodelle


MARKTMONITOR Start-ups für die Assekuranz – Big Data & Data AnalyticsAnalyse Geschäftsmodelle

1. Was ist der Ursprung Eures Unternehmens?

2. Wie setzt sich Euer Team zusammen?

3. Wie habt Ihr Euer Start-up finanziert?

4. Was ist der Kern Eures Geschäftsmodells und welche Entwicklung strebt Ihr an?

5. Wie würdet Ihr Eure Zielgruppe beschreiben?

6. In welchen Branchen seid Ihr unterwegs und welche Branchen/Bereiche rücken als nächstes in den Fokus?

7. Was sucht ihr aktuell?

8. In welchen Ländern seid Ihr vertreten?

9. Was sind Eure wichtigsten KPIs (Key Performance Indicators), an denen Ihr Euch orientiert/messt?

10. Habt Ihr an Start-up-Programmen/Förderungen teilgenommen oder ggf. sogar Auszeichnungen gewonnen?

11. Mit welchen Kooperationspartnern arbeitet Ihr zusammen?

12. Welche Referenzen/Piloten könnt Ihr bereits benennen?

13. Was ist aus Eurer Sicht die größte Hürde bei der Arbeit mit Daten?

14. Wie sehr hat die neue DSGVO sich auf eure Arbeit ausgewirkt?

15. Abschließend: Was sind Eure Alleinstellungsmerkmale/USPs/Vorteile ggü. anderen Anbietern?

Inhalt der Befragungen



WAS MACHEN SIE?Beschleunigen die Gebäudewertermittlung,ermöglichen Leadgenerierung und neue Produkte

UND WIE?1. Online Applikation: Website (wert14.de) zur

schnellen Wertermittlung 2. API liefert Gebäudedaten und

Versicherungssummen, Integration in Beitragsrechner möglich, Bestands- und Potentialanalysen auf Projektbasis

Quelle: http://www.digitalinsuranceagenda.com/pagina-dia-tv.php?keyword=skendata

http://www.digitalinsuranceagenda.com/pagina-dia-tv.php?keyword=skendata



SCHLÜSSELPARTNER

Investoren: -

PRODUKTE | WERTANGEBOTE

Wert 14online Applikation, welche

Zugriff auf Geo- und Adressdaten aus amtlichen und

privaten Quellen bietet;konzipiert als SaaS und DaaS;

sekundenschnelle Wertermittlung von Gebäuden,Integration in Beitragsrechner,

White Label

SCHLÜSSELAKTIVITÄTEN

sekundenschnelle und genaue Wertermittlung von

Immobilien

SCHLÜSSELRESSOURCEN

Wert 14 Website

KUNDENBEZIEHUNGEN

Bereitstellung und Unterstützung der online

Applikation,Projekte und Workshops

KANÄLE

Online-Plattform,Projektteam

KUNDENSEGMENTE | ZIELGRUPPE

Maklerportale, Makler, Versicherer,

Sachverständige und Firmen (B2B)

KOSTENSTRUKTUR

keine Angabe (erwartungsgemäß Entwicklungskosten als größte Position),Fixkosten (Personal, Verwaltung, Betrieb, IT, Marketing, Datenlizenzen)

EINNAHMEQUELLEN

Kunden zahlen für Nutzung der Plattform und nach Adressvolumen je Bewertung (Premiumzugang) monatliche Gebühren

(Subscription-Modell),Webinare und automatisierte Schulungs-Zertifikate




SkenData damals:

• Gründung: 2014

• Gründer: Jon Meis, Sven Jantzen

• Finanzierung: Bootstrapping, Innovationsfonds, offene Beteiligung von Business Angels

• Start-up Programme:• Plug and Play Batch1 2018• Insury Award Vienna 2018 -

Claims, Underwriting and Services

• Eisenhut Award 2018 -Vertriebstool

• IT Insurance Award St. Gallen2017

• 2. Platz Claims Rockstar Award Leipzig

• Digitaler LeuchtturmVersicherungen 2017 nominiert

SkenData heute:

• Team: zwölf Personen; multidisziplinäres Team aus Entwicklern, Geoinformatikern, Versicherungsspezialisten, Bauingenieuren

• aktiv in: Deutschland

• KPI: Anzahl Nutzer, Anzahl Abfragen, Kundenwert, Conversion Rate

• USP: erste vollständige digitale Wertermittlung von Versicherungssummen auf Datenbasis

SkenData morgen:

• Branchen:heute: InsurTechmorgen: Banken-, FinTech-, SmartCity und Proptechmarkt

• geplante Expansion: zuerst DACH-Region, später international

• auf der Suche nach: POC, Use Cases und Investoren/strategischen Partnern




WAS MACHEN SIE?Analysieren Emotionen, Motive und Persönlichkeitseigenschaften, um beispielsweise die Absichten von Kunden genauer zu erkennen. Daraus werden Informationen und Handlungsempfehlungen abgeleitet.

Quelle: https://twitter.com/100_Worte/media?lang=de

UND WIE?Analyse des Textinhaltes und der Textstruktur mittels Text Mining: Hierfür wird eine Kombination aus speziellen sozialpsychologischen Forschungen zu Persönlichkeitsmerkmalen in Texten und Methoden des Deep Learnings genutzt.



SCHLÜSSELPARTNER

Investoren: -

Universität Heidelberg, Universität Erlangen,

Vocatus AG


HR-SuiteSoftware für die

Mitarbeitergewinnung und Auswahl

Brand Awareness RadarMarken/Produktkommunikation personalisiert auf Zielgruppen

optimieren (Web Analytics)

Call-Center-OptimizationKundengewinnung und

Wertschätzung: die Kunden wirklich besser verstehen und

richtig ansprechen


Verkauf von Informationen und

Handlungsempfehlungen


Text Mining, NLP, SocialBehavior

KUNDENBEZIEHUNGEN

Bereitstellung und Integration der Software,

Projektbetreuung

KANÄLE

Online-Plattform, Projektteam, Software


Zielgruppe sind Unternehmen, welche Kunden, Mitarbeiter,

Bewerber online zielgenau analysieren möchten

(Großunternehmen mit vielen Mitarbeitern,

Personalberater, Marktforschungsinstitute,

Call-Center)

KOSTENSTRUKTUR

keine Angabe (erw. Entwicklungskosten und Wartung als größte Positionen)Fixkosten (Personal, Verwaltung, Betrieb, IT, Marketing)

EINNAHMEQUELLEN

Firmen zahlen für die Software je nach Größe und Umfang als Lizenzmodell. Für Integrationen wird eine Integration Fee erhoben

(SaaS).




100 Worte damals:

• Idee: 2014

• Gründung: 2017

• Gründer: Simon Tschürtz, Daniel Spitzer

• Finanzierung: Business Angels (2 Finanzierungsrunden)

• Start-up-Programme: 2016: Durchstarten Programm der SAP (2. Platz), 2018: Finalrunde WECONOMY und StartmeUp

100 Worte heute:

• Team: 10 Personen, 6 Personen in der Produktentwicklung, 4 Verwaltung, Marketing und Sales

• aktiv in: Deutschland

• KPI: Mehrwert, welcher pro Kunde generiert wurde (z. B. 25 Prozent mehr Umsatz für einen Agenten im Call-Center, 25 Prozent mehr passende Bewerber )

• USP: beste Emotions- und Motiverkennung für die deutsche Sprache, Spezialisierung auf Textdaten

100 Worte morgen:

• Branchen: branchenübergreifend

• Ziele: Ausweitung der Technologie auf mehrere Sprachen, mehr Kunden ansprechen

• geplante Expansion: Europa (französisch, spanisch, etc.)

• auf der Suche nach: neuen Kunden




WAS MACHEN SIE?Vernetzen von Fahrzeugen mit der PACE Connected Car Plattform und somit Umwandlung zu Smart Cars. Fokus liegt auf End Consumer und digitale GM für B2B.

UND WIE?1. PACE Cloud: Connected Services, APIs, Big Data – jeder Daten-

Input und -Output kann angebunden werden2. PACE SDKs: Tracking, Cloud-Sync auf dem Smartphone3. PACE mobile Apps: Smart Car Features für den Fahrer4. PACE Cockpit: synchronisierte Web App für User5. PACE Link: kompakter OBD2-Adapter



SCHLÜSSELPARTNER

Investoren: L-Bank, MBG, VC Fonds Baden-Württemberg,

Eberspächer GmbH

Referenzen: Porsche, ABT Sportsline, DEKRA, u.v.m.

Kooperationspartner: SAP, DEKRA, Stahlgruber PV, DVSE

Topmotive, Porsche, ABT Sportsline, Eberspächer, etc.

weitere Partner: Plattform Service Provider, spezielle Daten

Provider, Assistancen, Digital Transformation Beratungen,

Payment Provider etc.


auslesen und verarbeiten von Fahrzeugdaten,

Entwicklung der Cloud-Dienste, Bereitstellen von Connected Cars Services,

Auf-/Ausbau der Plattform


Fahrzeugdaten, Telematik, qualifiziertes Personal, Software-Entwicklung, Branchen-Know-how, Intellectual Property

KUNDENBEZIEHUNGEN

B2B/B2B2C: Business Development, persönlicher Vertrieb, Entwicklung von

digitalen Geschäftsmodellen

B2C: Plug & Play Lösung, Bereitstellung von App und OBD-Device, Community,

ggf. Support



PACE Cloud: Connected Vehicle und Big Data Plattform (APIs)

PACE Apps: Android / iOS Apps mit Smartcar Features (Fahrtenbuch, Notruf, Fehlercode-Analyse, Live-

Daten…)

PACEKit: technische Schicht auf dem Smartphone (SDK)

PACE Link: ein OBD2-Adapter, der Fahrzeugdaten ausliest und sich mit

den Apps verbindet

PACE Dealer Dashboard: Werkstatt Software für Fahrzeugdaten und

Kundenkommunikation

KANÄLE

B2B/B2B2C: Business Networks, Branchen-Events, Fach-Messen,

E-Mail, Telefon, persönliche Meetings etc.

B2C: Onlineshop, Amazon, Social Media, Presse


B2B2C: automotive Aftermarket(Werkstätten, Händler),

Ersatzteil-Großhandel, Kfz-Versicherungen, Prüf-

/Zertifizierungsgesellsch., Automobilclubs, Pannenhilfe

B2B: Automobilhersteller, Autohandel, Importeure,

Automobilzulieferer, Flotten, IT Services, Telekommunikation,

Energiesektor

B2C: Autofahrer

EINNAHMEQUELLEN

B2B/B2B2C: Subscription- und Lizenzmodelle

B2C: Kunden bezahlen einmalig 119,00€ für das OBD-Device

KOSTENSTRUKTUR

- einmalige Kosten für die jeweils eingesetzte Hardware (Daten-Lieferant)- laufende Kosten für (Weiter-)Entwicklung, Wartung, Betrieb der Lösungen

(Software, Plattform, Apps, Services, Lösungen), Marketing, Vertrieb- standardmäßige Gemeinkosten: Verwaltung, Support



PACE damals:

• Gründung: 2015

• Gründer: Dr. Martin Kern, Robin Schönbeck und Phillip Blatter

• Finanzierung: erst aus Eigenleistung, später Seed-Finanzierungsrunden und Kickstarter-Kampagne, Business AngelsSeries A und strategisches Invest eines unabhängigen Automobilzulieferers

• Start-up-Programme: Startup Autobahn 2018, Ernst & Young Entrepreneur Of The Year Finalist 2017, Frost & Sullivan European AftermarketTelematics Award 2017, HUMAN TELEMATIK AWARD Versicherungstelematik 2017, Initiative Mittelstand 2017 und 2018, CyberChampions Award 2016

PACE heute:

• Team: 35 Personen (Entwicklung, Design, Marketing, Business Development, Support,…)

• aktiv in: Deutschland, Österreich, viele europäische Länder (und Anwender weltweit)

• Standorte: Berlin, Karlsruhe

• KPI: B2C: Kundenmehrwert, Usability und die Nutzungshäufigkeit / B2B: Kundenbindung, Cross-Selling und Reichweite

• USPs: offene, skalierbare Cloud-Plattform, hohe technische Flexibilität, einmalige Datenbasis, bewährte Interfaces (Apps, Web, APIs, SDKs), branding-fähige Lösung, bewährte Aftermarket-Lösung, Multi-Marken- & Multi-User-fähig, weltweit einsetzbar

PACE morgen:

• Branchen: automotive Aftermarket(Autohändler, Werkstätten, Teilehandel etc.), Versicherungen, Autohersteller, Road-Assistance, Automobilclubs, etc.

• Ziel: größte herstellerunabhängige automotive Big Data und ConnectedServices Plattform aufbauen, die unabhängige Branchenlösung für den automotive Aftermarket etablieren, Integration der PACE-Technologie und Services in Neufahrzeuge

• auf der Suche nach: interessierten B2B-Kunden, die digitale Geschäftsmodelle im Bereich Connected Vehiclesaufbauen; spannenden neuen Connected Vehicle Use-Cases; Business Partner




Wir hatten den Vorteil, dass unsere Prozesse bereits von Anfang an auf die DSGVO ausgerichtet waren. Deswegen hat uns die DSGVO technologisch vor keine große Herausforderung gestellt. Allerdings spüren wir die Verunsicherung im Markt, was uns unter anderem auch ein Pilotprojekt gekostet hat. Eine große Herausforderung ist dabei sicherlich, dass es noch keine entsprechenden Urteile gibt, die den Rahmen klarer aufzeigen. Ich denke, man muss das Thema offen kommunizieren und nichts verheimlichen, dann bleiben die Auswirkungen auch überschaubar.

Simon Tschürtz – 100 Worte

Nicht wesentlich, denn Datenschutz und die entsprechenden Datenschutzrichtlinien sind für uns bereits seit der Gründung von PACE ein zentrales Thema und waren schon vor Inkrafttreten der DSGVO auf das strikte Bundesdatenschutzgesetz ausgelegt. Wir haben uns zudem frühzeitig auf die DSGVO eingestellt und werden hier stets erstklassig beraten, denn für uns ist es absolut essentiell, in diesem Bereich sauber zu arbeiten. Die DSGVO hat aber auch Einschränkungen insb. im Marketing (z. B. bei Facebook-Werbung) mit sich gebracht, die aber vermutlich jede Firma ähnlich erlebt hat.

Juliusa Parrisius – PACE Telematics

Wie sehr hat sich die DSGVO auf eure Arbeit ausgewirkt?



Was ist die größte Hürde bei der Arbeit mit Daten?Die Konsolidierung, Validierung und Homogenisierung.

Die Kenntnis und Analyse von Daten reicht nicht aus. Erst die Umsetzung in Produkte, Tools und Maßnahmen bringt Umsatz, Ertrag und Erfolg.

Sven Jantzen - SkenData

Die Prozesse sind von Grund auf nach dem Prinzip „Datenschutz by Design” zu gestalten. Es müssen alle nötigen Prozesse zum User Consent(Einwilligung, Widerspruch etc.), Datenzugänglichkeit u. v. m. in der Lösungskonzeption frühzeitig mit berücksichtigt werden. Zudem sind User nur bereit datenbasierte Mehrwertdienste und die dahinter liegenden Geschäftsmodelle zu akzeptieren und zu nutzen, wenn ihnen ein entsprechend großer Mehrwert geboten wird.

Juliusa Parrisius – PACE Telematics



Was ist die größte Hürde bei der Arbeit mit Daten?Eine große Hürde ist sicherlich die Datenqualität. D. h. wir müssen beispielsweise mit unterschiedlichen Akzenten etc. umgehen, was teilweise

Probleme bereitet. Eine weitere Hürde ist, aus den ganzen unstrukturierten Sprachdaten strukturierte Daten zu generieren. Hierbei setzen wir

unseren Kern ein.

Ansonsten ist zu Beginn immer wichtig, die Zielsetzung klar zu formulieren. Technologien werden zu Beginn oft überschätzt und hier gilt es für

Aufklärung zu sorgen, damit es zu keiner Enttäuschung kommt.

Wichtig ist aus meiner Sicht auch, dass man versteht, wie eine bestimmte KI trainiert wurde. Wenn die Daten bereits stark biased (fehlerbehaftet)

sind, wird die Maschine diesen Fehler ebenfalls lernen.

Simon Tschürtz - 100 Worte


New Players Network - Eine Initiative der Versicherungsforen Leipzig GmbHHainstraße 16 | 04109 Leipzig | www.newplayersnetwork.jetzt

TME

TFE

Robert RieckhoffHead of Operations

+49 341 / 98 988-232+49 151 727 177 [email protected]

Theresa SchmidtHead of Transformation

+49 341 / 98988-236+49 341 / [email protected]


forschung, entwicklung, netzwerk für die … · 2020. 9. 3. · wir stellen für sie gern auch...

Documents