SPA – Secure Pension Analytics
Entwicklung einer Softwarelösung auf Basis fundierter und anbieterneutraler Dienste für die individuelle Rentenplanung.

Projektdetails
Die grundlegende Besonderheit des SPA-Konzepts ist die Umrechnung aller individuellen Ansprüche und Vermögensbestandteile in eine monatliche Leibrente, die zum Renteneintritt startet und bis zum Lebensende vereinnahmt werden kann. Diese Projektion erlaubt eine Verdichtung der hohen Komplexität, die der individuellen Finanz- und letztlich Lebensplanung über lange Zeiträume naturgemäß innewohnt. Konzept und Berechnungslogik des Renten Cockpit erlauben dann auch maßgeschneiderte Planungen und deren Nachverfolgung und Adaption im Zeitablauf für belastbare Planungen und damit auch für passgenaue Produktlösungen, aber auch für zielkonformes Verhalten der Nutzenden selbst. Hierfür werden ergänzende Daten, entsprechende Algorithmen und interaktive Darstellungsformen genutzt. Rentenplanung und allgemeiner, Finanzplanung, gibt es natürlich schon so lange wie die Altersvorsorge und private Finanzen selbst. Prozess und Ergebnis krankten bisher jedoch an der mangelnden Datenverfügbarkeit, an der Komplexität der Instrumente und damit an der Verlässlichkeit und Handhabbarkeit der Ergebnisse. Die SPA sollen dies ändern, denn sie nutzen einerseits die intuitive Darstellungsform bzw. Metrik monatlicher Einnahmen und Ausgaben, mit der alle Nutzenden vertraut sind. Vor allem aber erlauben sie es den Nutzenden mittels der Mehrwertdienste die individuellen Vorstellungen, Wünschen, Möglichkeiten und Risiken in diese Metrik zu übersetzen, und zwar ohne sich selbst finanzmathematische Kenntnisse aneignen zu müssen und auch ohne einem Berater oder einem Tool als „Black Box“ blind vertrauen zu müssen.
Die Mehrwertdienste der SPA leisten als ein rein digitales Angebot der Digitalisierung im Finanzsektor genau in jenen Bereichen Vorschub, in denen heute kostenintensive und fehleranfällige manuelle Prozesse dominieren. Auf der Anbieterseite entfällt perspektivisch die Produktion und Versendung papierner Standmitteilungen und in allen beratungsorientierten Geschäftsmodellen entfällt durch das Renten Cockpit die teils prohibitiv teure Erhebung der bestehenden Altersvorsorgeansprüche von Kunden (aus Unterlagen in diversen Ordnern oder Kisten). Diese Kosten müssen letztlich von den Kunden getragen werden, oder es kommt bei kleinen Sparbeträgen erst gar nicht zu einer Beratung. Auf der Seite der Privathaushalte entfällt das Suchen und Zusammentragen von Verträgen und Formularen und – sofern diese Aufgabe nicht an eine/n BeraterIn delegiert wird – die sowohl fachlich als auch rechnerisch anspruchsvolle Prognose des Renteneinkommens in verschiedenen Zukunftsszenarien. Die Entscheidungsqualität bei Altersvorsorgeentscheidungen steigt, und zwar sowohl für Selbstentscheider als auch für BeratungskundInnen, denn erstens besteht mehr Transparenz zum tatsächlichen Bedarf in verschiedenen Szenarien und zweitens können die Nutzenden im Sinne des Verbraucherschutzes besser einschätzen, ob Lösungsvorschläge der Berater zur individuellen Vorsorgesituation passen.
Die Goethe Universität hat sich mit dem House of Finance zu einem internationalen Zentrum der Spitzenforschung im Bereich Household Finance entwickelt. Als Teil des House of Finance hat Prof. Hackethal mit seinem Team an der Goethe Universität über die letzten zehn Jahre einschlägig empirisch zum Spar- und Anlageverhalten von privaten Haushalten geforscht. Das Team unterhält in diesem Kontext mehrere Daten-Ökosysteme mit verschiedenen Finanzinstitutionen. Weiterhin bestehen vielfache Kollaborationen mit WissenschaftlerInnen, dem Techquartier sowie verschiedenen Partnerunternehmen. Nicht zuletzt ist das Projektteam in das neue fachbereichsübergreifende Center for Data Science and AI an der Goethe Universität eingebunden, in dem über sieben Fachbereiche hinweg Methodenaustausch betrieben wird.
Gefördert durch
- Digitale Technologie
Applikation Web-Plattform
- Anwendungsbereich
E-Learning Fintech Wissenstransfer
- Eingesetzte digitale Verfahren, Technik, Software und Methoden
Künstliche Intelligenz Machine-Learning Clustering OCR
- Landkreis, kreisfreie Stadt
Frankfurt am Main
- Förderprogramm
- Distr@l - Validierung (FL 4A)
- Fördersumme
- 628.756,00 €
- Förderzeitraum
- 1. Okt. 2021 - 30. Sep. 2023
- Status
- abgeschlossen
Antragsteller
Johann-Wolfgang-Goethe-Universität
Theodor-W.-Adorno-Platz 1
60323 Frankfurt am Main
Ansprechpartner

Herr Prof. Dr. Andreas Hackethal
Johann-Wolfgang-Goethe-Universität
Theodor-W.-Adorno-Platz 1
60323 Frankfurt am Main

Herr Dr. Thomas Pauls
Johann-Wolfgang-Goethe-Universität
Theodor-W.-Adorno-Platz 1
60323 Frankfurt am Main