Categories
- DATA SCIENCE / AI
- AFIR / ERM / RISK
- ASTIN / NON-LIFE
- BANKING / FINANCE
- DIVERSITY & INCLUSION
- EDUCATION
- HEALTH
- IACA / CONSULTING
- LIFE
- PENSIONS
- PROFESSIONALISM
- THOUGHT LEADERSHIP
- MISC
ICA LIVE: Workshop "Diversity of Thought #14
Italian National Actuarial Congress 2023 - Plenary Session with Frank Schiller
Italian National Actuarial Congress 2023 - Parallel Session on "Science in the Knowledge"
Italian National Actuarial Congress 2023 - Parallel Session with Lutz Wilhelmy, Daniela Martini and International Panelists
Italian National Actuarial Congress 2023 - Parallel Session with Kartina Thompson, Paola Scarabotto and International Panelists
2044 views
4 comments
0 likes
14 favorites
DAVDGVFMGermany
Excel-Tarifrechner sind in der täglichen Aktuarpraxis allgegenwärtig – aber komplexe Formeln, verstreute VBA-Makros und eingeschränkte Teamarbeit bremsen Innovation und Wartbarkeit aus.Python bietet dank leistungsstarker Bibliotheken eine skalierbare und leicht wartbare Alternative mit klar strukturiertem Code und nahtloser Integration in moderne Workflows. In diesem Video wird gezeigt, wie man unter Einsatz eines Large-Language-Models (LLM) – hier ChatGPT – einen typischen Excel-Tarifrechner nach Python übersetzt. Dazu werden zwei unterschiedliche Ansätze vorgestellt.Dieses Repository findet sich hier im Anhang. Zudem sind die stetig aktualisierten Dateien auch auf dem DAV-Repository zu finden: https://github.com/DeutscheAktuarvereinigung/portxlpy
4 Comments
March 13, 2026 01:22:00 PM UTC
Vielen Dank für den Hinweis. Das gezeigte Beispiel war bewusst prototypisch angelegt und sollte vor allem der Illustration dienen, um Aktuar:innen eine konkrete, unkomplizierte Anwendung an die Hand zu geben, die über GitHub heruntergeladen werden kann.
Bei gewachsenen Excel-/VBA-Landschaften stoßen einzelne LLM-Aufrufe heute oft an Grenzen. Mit agentischen Frameworks lassen sich solche Aufgaben jedoch sinnvoll aufteilen, etwa in Analyse, Strukturierung, Code-Erweiterung und Tests. Das ist aus unserer Sicht auch für größere Excel-/VBA-Bestände ein valider Ansatz.
Genau diese Richtung untersuchen wir derzeit in der Arbeitsgruppe Bestandsmigration, unter anderem mit LangGraph.
March 5, 2026 12:36:23 PM UTC
Ich denke, der Ansatz hat gut funktioniert, weil das Excel-Beispiel ja noch vergleichsweise einfach war und auch der VBA-Code nicht sehr umfangreich (ca. 400 Zeilen, wenn ich es richtig im Kopf habe). Meiner Erfahrung nach kommt der LLM-Ansatz dann an Grenzen, wenn wir typische gewachsene Aktuar-Excels haben: sehr viele Arbeitsblätter, die kreuz und quer verlinkt sind (auch extern); Excel-Variablen, die teilweise mehrfach belegt wurden (also nur auf einzelne Blätter bezogen sind), auf nicht existierende Blätter verweisen, VBA-Code der sehr lange ist. Hier wäre es schon super, wenn mir ein LLM helfen würde, das gewachsene Chaos aufzuräumen. In solchen Fällen kommt man sehr schnell in Situationen, wo das LLM anfängt zu halluzinieren und die Qualität der Arbeit stark nachlässt.
Vermutlich werden die LLMs jedoch immer leistungsfähiger und schon in wenigen Jahren auch solche Probleme lösbar.
July 16, 2025 01:41:01 PM UTC
Hallo gg,
vielen Dank für Ihren Kommentar!
vorab: Das ist noch eine vorsichtige Experimentierung mit etwas Neuem, also noch keine reife Innovation.
Der Initialaufwand bei der Portierung eines einzelnen Excel-Tarifrechners – also nur eines Produkts von mehreren – ist zunächst recht hoch, sodass der Nutzen hier begrenzt ist.
Der große Vorteil liegt in der Automatisierung und Wiederholbarkeit unseres Ansatzes: Nach dem Setup und etwas Übung brauchen wir heute nur noch 30–60 Minuten pro Rechner.
Mit noch leistungsfähigeren Modellen und automatisierten Workflows wird sich die Zeit auf wenige Minuten reduzieren lassen. Dabei kann der Prozess so oft laufen, bis die Referenzwerte stimmen – ganz ohne menschliches Eingreifen.
Da Unternehmen meist mehrere Tarifrechner - für mehrere Produkte - nutzen, multipliziert sich der Zeitgewinn entsprechend.
Beste Grüße
Bartek
July 11, 2025 07:00:02 PM UTC
Sehr interessanter Beitrag! Vielen Dank dafür.
Aus einer rein kommerziellen Sicht fehlt mir aber ein Vergleich mit einer Alternative. Die Aufgabe, das Übersetzen eines Tarifrechners in Python, ist ja eher Routine. Ein durchschnittlicher Werkstudent mit Grundkenntnissen könnte dies wahrscheinlich in 5-10h erledigen. Wie vergleichen sich Aufwand in Zeit&Geld LLM vs Werkstudent?