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
933 views
2 comments
0 likes
7 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
2 Comments
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?