Big-Data-Analysten und Künstliche Intelligenz entscheiden bei Banken immer häufiger über Kreditanträge. Das kann für Firmen zum Problem werden.

Nicht jeder Mittelständler kann eine goldgeränderte Bilanz vorlegen, wenn er bei seiner Hausbank einen Kredit beantragt. Ein hoher Zinsaufschlag ist dann die häufige Folge. Mitunter lehnt die Bank den Antrag sogar ab. Häufiger Grund: eine schwache Ratingnote.

Mit den Eigenkapitalrichtlinien Basel II sind die Banken verpflichtet, die Bonität ihrer Kreditkunden zu bewerten und in Kredite einzupreisen. Zunehmend setzen die Institute dabei auf künstliche Intelligenz und Big-Data-Analysen, um Muster und Zusammenhänge zwischen bestimmten Daten und einer Pleitewahrscheinlichkeit zu entdecken.

Das Problem aus Sicht des Kreditnehmers: Bestimmte Kriterien und Muster, die in der Vergangenheit auf einen Kreditausfall hingewiesen haben, gewichtet die Software im Zeitablauf immer stärker – mit dem Risiko einer Fehleinschätzung bei Firmenkunden, die dieses Merkmal nur zufällig aufweisen.


„Vielleicht liegt ihr Betrieb in einem Viertel, in dem es häufig zu Pleiten kommt, oder sie haben einen merkwürdig klingenden Nachnamen“, kritisiert Hans-Peter Burghof, Inhaber des Lehrstuhls für Bankwirtschaft und Finanzdienstleistungen an der Universität Hohenheim. „Sie können dadurch als Kunde eine eventuelle Diskriminierung gar nicht mehr nachweisen.“

Oliver Wenzler, Niederlassungsleiter Firmenkunden der Commerzbank Ulm, verteidigt indes moderne Ratingsysteme. „Die Kreditentscheidung ist dadurch sehr viel schneller geworden. Früher hat dieses Prozedere zwei bis vier Wochen in Anspruch genommen. Heute reicht oftmals ein Tag.“

Dem Eindruck, dass es in dem standardisierten Verfahren keinen Platz gibt für menschliches Eingreifen, widerspricht der Firmenkundenchef: „Wenn noch Fragen offen sind, klärt der Betreuer mit seinem Kunden, an welchen Faktoren er gezielt arbeiten kann, um sein Rating zu verbessern.“