

Für andere Branchen oder Anwendungsfälle Kontakt aufnehmen um Ihre Anforderungen zu besprechen



Unser Kunde ist ein weltweit führender Rück- und Erstversicherer mit über 150 Jahren Erfahrung. Das Unternehmen mit Sitz in der Schweiz bietet innovative Lösungen in den Bereichen Sach- und Unfall, Leben und Gesundheit sowie Spezialversicherungen. Gefragt war ein cloud-natives GIS für das Naturgefahren-Risikomanagement und die Verarbeitung von Hochwasserdaten für Osteuropa.
Der Kunde wollte seinen bestehenden GIS-Server durch eine leistungsfähigere, Enterprise-ready Plattform ersetzen, die offene Standards unterstützt und reibungslos auf den IaaS- und PaaS-Diensten von Microsoft Azure läuft. Das System musste zudem Naturgefahrenrisiken abbilden und bei monatlichen und quartalsweisen Geschäftsspitzen zuverlässig skalieren.
Gleichzeitig benötigte er offizielle Hochwasser-Gefahrendaten für osteuropäische Länder - sauber aufbereitet und standardisiert. Dabei galt es, mehrere zentrale Herausforderungen zu lösen:
Quarticle implementierte eine leistungsstarke Geo-Engine für schnelle Geo-Abfragen und Visualisierung - mit einem robusten Kartenserver im Backend und einer Hochleistungsschicht. Dank horizontaler Skalierung erreichte die Plattform 800'000 Standortabfragen pro Sekunde und steigerte Antwortgeschwindigkeit und Zuverlässigkeit bei Geschäftsspitzen deutlich.
Für den Bedarf an Hochwasser-Gefahrendaten setzte Quarticle einen umfassenden Workflow um:
Der Workflow lieferte bereinigte, standardisierte Hochwasser-Gefahrendaten für osteuropäische Länder, bereit für Risikobewertungs-Workflows im Unternehmen.
Die Geo-Engine von Quarticle lieferte auf Microsoft Azure Leistung auf Enterprise-Niveau mit schnellen, zuverlässigen Geo-Abfragen und flüssiger Kartenvisualisierung - auch bei Lastspitzen. Die Plattform sorgte für Stabilität, Skalierbarkeit und volle Unterstützung der Naturgefahren-Risikobewertung in Underwriting- und Portfoliomanagement-Workflows.
Der Hochwasserdaten-Workflow von Quarticle lieferte bereinigte, standardisierte und topologiefehlerfreie Datensätze, gegliedert nach Hochwasserwahrscheinlichkeit und bereit für die Integration in Risikosysteme im Unternehmen. Die Lösung verbesserte Effizienz und Datengenauigkeit deutlich und erfüllte alle Ziele des Kunden termingerecht.


